Banca de DEFESA: ISLAME FELIPE DA COSTA FERNANDES

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ISLAME FELIPE DA COSTA FERNANDES
DATA : 15/06/2022
HORA: 14:00
LOCAL: https://meet.google.com/uoj-wecr-vwf
TÍTULO:

Hibridização de Meta-heurísticas para Problemas Multi e Many-objetivos em uma Arquitetura Multiagentes

 



PALAVRAS-CHAVES:

Hibridização de meta-heurísticas. Otimização multi-objetivo. Inteligência de agentes. Sistemas multiagentes. Decomposição.


PÁGINAS: 182
RESUMO:

Algoritmos híbridos combinam as melhores características de meta-heurísticas individuais. Eles têm se mostrado eficazes em encontrar soluções de boa qualidade para problemas de otimização multiobjetivo. Arquiteturas fornecem funcionalidades e recursos genéricos para a implementação de novos algoritmos híbridos capazes de resolver problemas arbitrários de otimização. Arquiteturas baseadas em conceitos de inteligência de agentes e sistemas multiagente, como aprendizado e cooperação, oferecem vários benefícios para a hibridização de meta-heurísticas. No entanto, a literatura carece de estudos sobre arquiteturas que exploram totalmente tais conceitos para hibridização multiobjetivo. Esta tese estuda uma arquitetura multiagente, chamada MO-MAHM, inspirada nos conceitos de Otimização por Nuvem de Partículas. Na MO-MAHM, partículas são agentes inteligentes que aprendem com suas experiências passadas e se movem no espaço de busca procurando por soluções de alta qualidade. A principal contribuição desta tese é estudar o potencial da MO-MAHM em hibridizar meta-heurísticas para resolver problemas de otimização combinatória com dois ou mais objetivos. Este trabalho investiga os benefícios de métodos de aprendizagem de máquina para suporte ao aprendizado dos agentes e propõe um novo operador de velocidade para mover os agentes no espaço de busca. O operador de velocidade proposto usa uma técnica de path-relinking e decompõe o espaço objetivo sem utilizar funções de agregação. Outra contribuição desta tese é uma extensa revisão das técnicas existentes de path-relinking multiobjetivo. Devido a uma carência com respeito a técnicas de path-relinking para múltiplos objetivos, esta tese apresenta um novo path-relinking baseado em decomposição, chamado MOPR/D. Experimentos abrangem três problemas de otimização combinatória de formulações distintas com até cinco funções objetivo: mochila binária multi-dimensional, alocação quadrática e árvore geradora. MO-MAHM é comparada com abordagens híbridas existentes, tais como algoritmos meméticos e hyper-heurísticas. Testes estatísticos mostram que a arquitetura apresenta resultados competitivos com respeito à qualidade dos conjuntos aproximativos e diversidade de soluções.


MEMBROS DA BANCA:
Presidente - 1201268 - ELIZABETH FERREIRA GOUVEA GOLDBARG
Interno - 1149561 - MARCO CESAR GOLDBARG
Interna - 2859606 - SILVIA MARIA DINIZ MONTEIRO MAIA
Externa à Instituição - MYRIAM REGATTIERI DE BIASE DA SILVA DELGADO - UTFPR
Externa à Instituição - THATIANA CUNHA NAVARRO DE SOUZA - UFERSA
Notícia cadastrada em: 10/05/2022 17:12
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa11-producao.info.ufrn.br.sigaa11-producao