Il presente lavoro di tesi è principalmente dedicato all'ottimizzazione globale e in particolare a metodi numerici di ottimizzazione globale basati su frattali. Viene affrontato lo studio teorico di alcune curve frattali, vengono proposti nuovi algoritmi che si basano su approcci frattali per ridurre la dimensione del problema e vengono introdotti nuovi metodi di ottimizzazione globale basati sulla tecnica del Local Tuning. Ciascuno dei nuovi metodi proposti è stato implementato e studiato dal punto di vista teorico. Inoltre, gli esperimenti numerici, condotti su diverse centinaia di funzioni test, tratte dalla letteratura e generate in maniera random confermano i vantaggi degli algoritmi presentati.

Global Optimization and Fractal Curves

Nasso, Maria Chiara
2022

Abstract

Il presente lavoro di tesi è principalmente dedicato all'ottimizzazione globale e in particolare a metodi numerici di ottimizzazione globale basati su frattali. Viene affrontato lo studio teorico di alcune curve frattali, vengono proposti nuovi algoritmi che si basano su approcci frattali per ridurre la dimensione del problema e vengono introdotti nuovi metodi di ottimizzazione globale basati sulla tecnica del Local Tuning. Ciascuno dei nuovi metodi proposti è stato implementato e studiato dal punto di vista teorico. Inoltre, gli esperimenti numerici, condotti su diverse centinaia di funzioni test, tratte dalla letteratura e generate in maniera random confermano i vantaggi degli algoritmi presentati.
13-lug-2022
en
File in questo prodotto:
File Dimensione Formato  
tesi_Nasso_signed_signed_signed.pdf

accesso aperto

Licenza: Pubblico dominio
Dimensione 3.92 MB
Formato Adobe PDF
3.92 MB Adobe PDF Visualizza/Apri

accesso aperto

Licenza: Tutti i diritti riservati
Dimensione 0 B
Formato Unknown
0 B Unknown Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/310569
Il codice NBN di questa tesi è URN:NBN:IT:UNICAL-310569