Algoritmo de estimação de distribuição multiobjetivo para problemas contínuos, mistos e com sobreposição

• Processo: 12/17088-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 01 de outubro de 2012
• Data de Término da vigência: 31 de dezembro de 2012
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Alexandre Cláudio Botazzo Delbem
• Beneficiário: Antonio Helson Mineiro Soares
• Supervisor: António Gaspar Lopes da Cunha
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: Universidade do Minho (UMinho), Portugal
• Vinculado à bolsa: 10/01705-0 - Algoritmos de estimação de distribuição baseados em árvores filogenéticas, BP.DR
• Assunto(s): Filogenia Otimização global
• Palavra(s)-Chave do Pesquisador: Algoritmos de Estimação de Distribuição | Algoritmos Evolutivos | Algoritmos Genéticos Competentes | Filogenia | otimização global | reconstrução filogenetica | Sistemas Evolutivos

Resumo

O \PhiGA, desenvolvido pelo grupo de pesquisa do LCR-ICMC/USP, foi duplamente inspirado em princípios da Teoria da Evolução: (i) por usar os conceitos de geração de diversidade e solução, assim como os algoritmos evolutivos; (ii) por explicar um conjunto de indivíduos por meio de relações entre características desses indivíduos através de uma árvore filogenética. As filogenias podem ser entendidas como modelos probabilísticos similares ao de algoritmos de estimação de distribuição que, ao invés de variáveis correlacionadas determinam relações (semelhanças genealógicas) entre espécies. O mo\PhiGA, extensão multiobjetivo do \PhiGA, conseguiu superar os algoritmos mais usados na literatura para problemas deceptivos decomponíveis. Com base nesses algoritmos foi desenvolvido o Net\PhiGA e o moNet\PhiGA que apresenta resultados ainda melhores para aquela classe de problemas. Este projeto de pesquisa no exterior busca aumentar o conjunto de problemas que o novo algoritmo pode resolver. (AU)