Arquitetura Multi-agentes baseada em Nuvens de Partículas para Hibridização de Metaheurísticas
Hibridização de Metaheurísticas
Arquitetura Multiagentes
Problemas de Otimização Combinatória
.Um sistema multi-agente é um sistema computacional em que vários agentes interagem ou trabalham em conjunto de forma a desempenhar determinadas tarefas ou satisfazer um conjunto de objetivos. Cada agente, além de ter um comportamento autônomo, interage com os outros agentes presentes no sistema. Existe uma área da Inteligência Artificial que estuda a modelagem de sistemas multi-agentes inteligentes baseado no comportamento de insetos sociais, tais como formigas e abelhas, bem como de outros grupos de animais (bandos de pássaros ou cardumes de peixes, por exemplo). O nome dado a essa área é Swarm Intelligence (em uma tradução livre, poderia ser Inteligência Coletiva) e uma de suas técnicas mais populares é a Otimização por Nuvem de Partículas (do inglês, Particle Swarm Optimization - PSO). O objetivo deste trabalho é propor uma arquitetura multi-agentes para hibridização de metaheurísticas combinando as idéias da otimização por nuvem de partículas e dos sistemas multi-agentes. As partículas são agentes autônomos com uma memória e um conjunto de métodos de decisão e aprendizagem, fazendo uso de métodos de busca para se moverem no espaço de soluções. A memória contém informação a respeito da trajetória de busca executada pelo agente, o método de decisão é usado para definir qual estratégia (metaheurística ou parte de metaheurística) será aplicada ao agente para modificar sua posição, enquanto o método de aprendizagem é utilizado para atualizar a memória do agente. São redefinidos os conceitos de posição e velocidade com relação aos conceitos originais do PSO. A abordagem proposta é aplicada ao Problema do Caixeiro Viajante e comparada com outras abordagens da literatura, se mostrando efetiva para este problema. A pesquisa continua na aplicação da abordagem ao Problema Quadrático de Alocação e na Árvore Geradora Mínima Bi-objetivo.