57
Tabela 5.3 Melhores resultados encontrados dos 30 experimentos – viga engastada (cont.).
Melhor solução encontrada dos 30 experimentos (cont.)
Variáveis do
projeto
Programação
evolucionária
com SA
Nuvem de
partículas
Nuvem de
partículas
com SA
Colônia de
bactérias
Colônia de
bactérias
com SA
x
1
(h) 0,2465 0,2108 0,2106 0,2259 0,2248
x
2
(l) 6,1492 3,6421 3,6358 3,4863 3,4857
x
3
(t) 8,3131 9,5135 9,4267 9,4785 9,4179
x
4
(b) 0,2571 0,2110 0,2108 0,2300 0,2281
g
1
(X) -5764,2344 -1343,8335 -1226,0763 -1737,5132 -1616,5347
g
2
(X) -1633,7158 -3608,2957 -3094,5316 -5609,3445 -5088,3948
g
3
(X) -0,0106 -0,0002 -0,0002 -0,0041 -0,0033
g
4
(X) -2,9218 -3,2916 -3,3093 -3,1607 -3,1876
g
5
(X) -0,1215 -0,0858 -0,0856 -0,1009 -0,0998
g
6
(X) -0,2351 -0,2379 -0,2376 -0,2388 -0,2385
g
7
(X) -5068,1302 -691,4426 -633,7085 -2646,5247 -2399,6339
f(X) 2,4846 1,8825 1,8642 2,0305 2,0017
O algoritmo genético foi o que apresentou o pior resultado neste estudo de caso,
com um valor de fitness igual a 2,5029, um desempenho 31,08% pior do que foi indicado
por Hu et al. (2003), que é o melhor resultado apresentado nesta dissertação. Deve-se citar
que não houve nenhuma mudança na estrutura ou configuração de nenhum dos algoritmos.
Isto indica que o algoritmo genético não conseguiu obter uma boa resposta neste caso e que
algumas das demais técnicas, como a nuvem de partícula ou o PBIL, tiveram uma melhor
adaptação a este problema.
A melhor resposta encontrada, obtida pelo algoritmo de nuvem de partículas
utilizando o simulated annealing, foi 7,47% pior que a indicada no estudo de caso por Hu et
al. (2003), 6,21% pior que a encontrada por Coello (2000) e superou em 23,38% a resposta