Auto-Organização da População em Sistemas Imunológicos Artificiais

• Processo: 09/12944-8
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de março de 2010
• Data de Término da vigência: 29 de fevereiro de 2012
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Renato Tinós
• Beneficiário: Helder Ken Shimo
• Instituição Sede: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Assunto(s): Biologia computacional Algoritmos genéticos Auto-organização Computação evolutiva Sistemas imunológicos artificiais Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Algoritmos Geneticos | Auto-Organização | bioinformática | computação evolutiva | Inteligência Artificial | Sistemas Imunológicos Artificiais | Inteligência Artificial

Resumo

Sistemas Imunológicos Artificiais (Artificial Immune Systems - AIS) representam uma classe de Algoritmos Evolutivos (AE) que são inspirados em mecanismos imunológicos de reprodução e seleção. Como em outros AEs, as soluções candidatas são representadas por indivíduos em uma população, que interagem com o problema passando por um processo de otimização, no qual os mais aptos têm mais chances de sobreviver. Na analogia com sistemas imunológicos presentes em seres vivos, as soluções candidatas são chamadas de células do sistema imunológico, que tem como objetivo reconhecer e eliminar um patógeno (o problema). No algoritmo opt-aiNet, proposto para problemas de otimização de funções multimodais e que utiliza os mesmos princípios de outro conhecido AIS chamado CLONALG em conjunto com mecanismos inspirados na teoria de redes imunológicas, um conjunto de células interagem, não só com o problema, mas também entre si, formando uma rede de células. Uma das principais características do sistema opt-aiNet, quando comparado com AEs tradicionais como os Algoritmos Genéticos, é que o tamanho da população é alterado durante a execução do algoritmo através da supressão de soluções semelhantes e da geração de novos indivíduos aleatórios. A supressão de soluções semelhantes é realizada através do cálculo da afinidade entre as células, que é um processo custoso por ser computado de acordo com a distância euclidiana entre cada par de vetores que representam as soluções. Além disso, o desempenho dos mecanismos de supressão e criação de novas células aleatórias é bastante dependente dos parâmetros utilizados. O presente projeto busca investigar uma diferente técnica para os mecanismos de supressão e criação de novas células aleatórias no algoritmo opt-aiNet. Neste trabalho, será investigado se a técnica de auto-organização proposta no algoritmo SORIGA (Algoritmo Genético com Imigrantes Aleatórios Auto-Organizado) é útil para o controle da população no opt-aiNet. Espera-se que a incorporação do mecanismo de auto-organização possa tornar menos custoso o processo de supressão e geração de novos indivíduos no opt-aiNet e, ainda, diminuir a influência da escolha de parâmetros no seu desempenho.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SHIMO, HELDER KEN; TINOS, RENATO. Use of self-organizing suppression and q-Gaussian mutation in artificial immune systems. INTERNATIONAL JOURNAL OF INTELLIGENT COMPUTING AND CYBERNETICS, v. 6, n. 3, p. 27-pg., 2013-01-01. (10/09273-1, 09/12944-8)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

SHIMO, Helder Ken. Auto-organização da população em sistemas imunológicos artificiais aplicada ao docking de proteínas. 2012. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI) Ribeirão Preto.