This article presents an application of a machine learning technique to enhance a multiobjective evolutionary algorithm to estimate fitness function behaviors from a set of experiments made in laboratory to analyze a microstrip antenna used in ultra wideband wireless devices. These function behaviors are related to three objectives: bandwidth, return loss, and central frequency deviation. Each objective is used inside an aggregate adaptive weighted fitness function that estimates the behavior in the algorithm. The machine learning technique enabled a dynamic estimation of an aggregated compound fitness function and made it possible to a prototype algorithm to learn and adapt with a set of experiments stored in a web system repository. The final results were then compared with the ones obtained with a similar antenna modeled in a simulator program and with the ones of a real prototype antenna built from the optimal values obtained after the optimization.
Resumo. Muitas vezes, os métodos meta-heurísticos se deparam com um problema conhecido como convergência prematura, o que faz com que eles percam a capacidade de gerar diversidade. Embora várias abordagens tenham sido propostas, a convergência prematura ainda é uma questão em aberto. Metaheurísticas mais recentes como Algoritmo de Polinização das Flores (FPA) também enfrentam o problema. Este trabalho apresenta um conceito da área de sistemas de recomendação, chamado serendipidade, como uma nova abordagem para o contexto de otimização. O trabalho formaliza serendipidade e também propõe uma nova variante FPA que implementa duas dimensões desse conceito: acaso e sagacidade. O algoritmo proposto foi comparado com o FPA e com uma variante da literatura chamada DEFPA. Os resultados obtidos mostraram a superioridade da variante proposta quando comparada ao FPA e à DEFPA. Palavras-chave: Meta-heurística, Algoritmo de Polinização das Flores, Serendipidade, Aprendizagem Baseada em Oposição. 1 Introdução Os problemas de otimização estão presentes em diversos domínios do mundo real como, por exemplo, engenharia mecânica [1], gerenciamento de tráfego aéreo [2] e outros. As meta-heurísticas vêm sendo amplamente empregadas para resolver problemas como esses. Algumas delas se inspiraram na natureza como Algoritmos Genéticos, Algoritmo do Vaga-lume, Algoritmo do Morcego e outros. Em [3], a reprodução das ores foi estudada a m de propor uma nova metaheurística conhecida como Algoritmo de Polinização das Flores (FPA Flower Pollination Algorithm). Na modelagem desse algoritmo, uma or pode ser usada para representar uma solução de um determinado problema. Assim como muitas meta-heurísticas, FPA também enfrenta um problema chamado convergência prematura, que ocorre quando o algoritmo perde a capacidade de gerar diversidade. Na área de sistemas de recomendação, há um conceito, conhecido como serendipidade, que pode ser utilizado como uma alternativa para lidar com o problema da convergência prematura.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.