MO-MAHM: Uma Arquitetura Multiagente para Hibridização de Meta-Heurísticas para problemas Multiobjetivo
Otimização, Problemas Multiobjetivo, Hibridização, Meta-heurísticas, Inteligência coletiva, Agentes Inteligentes
Várias pesquisas têm apontado a hibridização de meta-heurísticas como uma forma eficiente de tratar problemas de otimização combinatória. Hibridização permite a combinação de diferentes técnicas, explorando vantagens e compensando desvantagens de cada uma delas. MAHM é framework adaptativo promissor para a hibridização de meta-heurísticas, originalmente desenvolvido para problemas mono-objetivo. Esse framework baseia-se nos conceitos de Agentes Inteligentes e Nuvem de Partículas. No presente trabalho, nós propomos uma extensão da MAHM para o cenário multiobjetivo. O framework proposto é chamado MO-MAHM. Para adaptar a MAHM ao contexto multiobjetivo, nós redefinimos alguns conceitos tais como posição e velocidade das partículas. Neste estudo o framework proposto é aplicado ao Problema do Caixeiro Viajante Simétrico multiobjetivo. Quatro técnicas foram hibridizadas: PAES, GRASP, NSGA-II e Anytime-PLS. Testes com 12 instâncias biobjetivo foram realizados e os resultados mostram quem a MO-MAHM é capaz de prover conjuntos não dominados melhores em comparação aos obtidos por cada um dos algoritmos hibridizados.