Resultados do estudo comparativo em operadores de crossover de algoritmos genéticos aplicados ao problema de alocação de chaves seccionadoras no planejamento de redes de distribuição de energia.
Arquivos que foram gerados a partir da execução do Algoritmo Genético aplicado ao problema de alocação de chaves seccionadoras. Fonte dos estudos em operadores de crossover que resultou em um artigo submetido e aceito para publicação no IEEE Congress on Evolutionary Computation 2020.
Paper disponível em: https://ieeexplore.ieee.org/document/9185795
Os arquivos estão nas pastas SAIDI_N, onde N define o valor de SAIDI definido
para aquela bateria de testes.
As execuções foram configuradas com diferentes combinações de parâmetros, os
arquivos são nomeados de acordo com a configuração, por exemplo:
16POINTS_G100_P200_CR1.csv foi gerado com o AG usando o crossover de 16 pontos
de corte, 100 gerações, população com 200 indivíduos e taxa de cruzamento (CR -
crossover rate) de 100% (1.).
Os scripts python no diretório resultados permitem construir pandas.DataFrames
a partir dos arquivos gerados com as execuções, e criar os boxplots usando as
configurações definidas para as figuras incluídas no paper submetido.
import resultados
df = resultados.build_dataframe(saidi=5, popsize=400, crossrate=0.8)
fig, _ = resultados.graficos.BoxPlot(df)OBS: É necessário ter as bibliotecas pandas, numpy e matplotlib instaladas.
Este trabalho é licenciado sob os termos de Creative Commons Attribution-ShareAlike 4.0 International License.
CC BY-SA 4.0 © Ronaldd Pinho