Estudo comparativo entre os métodos gradiente reduzido generalizado e algoritmo genético em otimização com múltiplas respostas (2017)
- Authors:
- USP affiliated authors: SILVA, MESSIAS BORGES - EEL ; GOMES, FABRICIO MACIEL - EEL ; PEREIRA, FÉLIX MONTEIRO - EEL
- Unidade: EEL
- DOI: 10.14488/1676-1901.v17i2.2566
- Subjects: OTIMIZAÇÃO ESTOCÁSTICA; ALGORITMOS GENÉTICOS
- Language: Português
- Abstract: Neste trabalho foi realizado um estudo comparativo entre as metodologias de otimização Gradiente Reduzido Generalizado (GRG) e Algoritmo Genético (AG) para a otimização de processos com múltiplas respostas. Para estimar os parâmetros que minimizam a função objetivo foram utilizadas respostas geradas por planejamento de experimentos de forma aglutinada, as quais foram incorporadas à função objetivo. Os estudos de caso utilizados foram baseados em trabalhos selecionados na literatura e, para cada experimento selecionado, foi realizada a otimização dos valores dos parâmetros do processo utilizando as duas metodologias, o GRG, por meio de uma planilha do Microsoft Excel e o AG utilizando o software Scilab. Foram realizadas 10 replicações e calculada a média dos resultados obtidos. A comparação entre os métodos foi realizada com base em medidas de desempenho, por meio da distância média percentual. O AG apresentou melhores resultados em comparação com o GRG.
- Imprenta:
- Publisher place: Florianópolis, Sc, Br
- Date published: 2017
- Source:
- Título: Revista Produção Online
- ISSN: 1676-1901
- Volume/Número/Paginação/Ano: v.17, n. 2, p.592-619, 2017
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
ABNT
GOMES, Fabrício Maciel et al. Estudo comparativo entre os métodos gradiente reduzido generalizado e algoritmo genético em otimização com múltiplas respostas. Revista Produção Online, v. 17, n. 2, p. 592-619, 2017Tradução . . Disponível em: https://doi.org/10.14488/1676-1901.v17i2.2566. Acesso em: 29 dez. 2025. -
APA
Gomes, F. M., Pereira, F. M., Marins, F. A. S., & Silva, M. B. (2017). Estudo comparativo entre os métodos gradiente reduzido generalizado e algoritmo genético em otimização com múltiplas respostas. Revista Produção Online, 17( 2), 592-619. doi:10.14488/1676-1901.v17i2.2566 -
NLM
Gomes FM, Pereira FM, Marins FAS, Silva MB. Estudo comparativo entre os métodos gradiente reduzido generalizado e algoritmo genético em otimização com múltiplas respostas [Internet]. Revista Produção Online. 2017 ;17( 2): 592-619.[citado 2025 dez. 29 ] Available from: https://doi.org/10.14488/1676-1901.v17i2.2566 -
Vancouver
Gomes FM, Pereira FM, Marins FAS, Silva MB. Estudo comparativo entre os métodos gradiente reduzido generalizado e algoritmo genético em otimização com múltiplas respostas [Internet]. Revista Produção Online. 2017 ;17( 2): 592-619.[citado 2025 dez. 29 ] Available from: https://doi.org/10.14488/1676-1901.v17i2.2566 - Multiple response optimization: Analysis of genetic programming for symbolic regression and assessment of desirability functions
- Comparative study between different methods of agglutination in multiple response optimization
- Estudo comparativo entre métodos de otimização de problemas com múltiplas respostas
- Determinação do fator de efetividade para enzimas imobilizadas usando métodos de regressão simbólica via programação genética
- Técnicas de design of Experiments aplicadas à parametrização do processo de Impressão 3D e Prototipagem Rápida de itens automotivos
- Application of Principal Component Analysis and Response Surface Methodology in the Process of Steel Wire Tempering
- Application of Principal Component Analysis and Response Surface Methodology in the Process of Steel Wire Tempering
- A Antecipação do Futuro da Metaheurística nos Contornos da Otimização de Processos: Tendências de Pesquisa Científica
- Lean manufacturing in continuous manufacturing systems: a literature review
- Contributions to the future of metaheuristics in the contours of scientific development
Informações sobre o DOI: 10.14488/1676-1901.v17i2.2566 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
