Aprendizagem estrutural de redes bayesianas dinâmicas utilizando algoritmo evolutivo paralelo multiobjetivo

Resumo

Atualmente existe a necessidade de uma teoria estatística para a análise de sinais. Para suprir essa necessidade, nos últimos anos vem se utilizando da inferência Bayesiana, em que se utiliza dados para inferir a estrutura e os parâmetros da Rede Bayesiana (que é uma descrição gráfica da probabilidade condicional entre variáveis aleatórias). O Laboratório de Processamento de Sinais tem um grande histórico de trabalhos envolvendo a Redes Bayesiana. A aprendizagem da estrutura da Rede Bayesiana é um problema NP-difícil e de grande importância para diversos estudos. Visando criar um algoritmo de aprendizagem estrutural de Redes Bayesianas, pretende-se desenvolver um algoritmo de otimização multiobjetivo, pois ele procura encontrar uma solução que possua um compromisso entre os vários critérios definidos. Uma abordagem eficiente para se desenvolver esse algoritmo é se utilizar de algoritmos evolutivos. Por sua vez, para otimizar o tempo de execução do algoritmo evolutivo, pretende-se utilizar de um algoritmo evolutivo paralelo. Espera-se que o método final obtido apresente um tempo de execução bem reduzido em relação aos métodos disponíveis atualmente. (AU)