Otimização multiobjetivo com estimação de distribuição guiada por tomada de decisão multicritério

• Processo: 16/21031-0
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de março de 2017
• Data de Término da vigência: 31 de agosto de 2018
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: Fernando José von Zuben
• Beneficiário: Pedro Mariano Sousa Bezerra
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Otimização multiobjetivo
• Palavra(s)-Chave do Pesquisador: Eda | Estimação de Distribuição | Mcdm | Moo | otimização multiobjetivo | Tomada de Decisão Multicritério | Otimização multiobjetivo e tomada de decisão multicritério

Resumo

Este projeto de pesquisa propõe extensões junto a meta-heurísticas de otimizaçãomultiobjetivo (MOO, do inglês multi-objective optimization), empregando técnicas detomada de decisão multicritério (MCDM, do inglês multicriteria decision making) paraguiar a síntese de modelos de estimação de distribuição. Técnicas de MCDM explorampreferências a priori do tomador de decisão, o que permite ordenar soluções nãodominadas entre si, as quais geralmente são consideradas de mérito equivalente naliteratura. Com este ordenamento de soluções não-dominadas, espera-se obter modelosde estimação de distribuição mais competentes na indicação de regiões promissoras doespaço de busca, promovendo assim maiores progressos na busca quando se emprega amesma quantidade de recursos computacionais. Em princípio, pretende-se adotar a bemconhecida técnica de MCDM denominada TOPSIS (do inglês Technique for OrderPreference by Similarity to Ideal Solution), enquanto que as técnicas de MOO e deestimação de distribuição devem estar baseadas nas ferramentas mais avançadas erecentemente propostas pelo grupo de pesquisa, assim como soluções competitivas eestado-da-arte existentes na literatura, como NSGA-II para MOO e mistura degaussianas para a estimação de densidade de probabilidade. O mérito da proposta seráavaliado com base tanto nos recursos computacionais requeridos quanto na qualidade dasolução gerada, medida a partir do bem-aceito indicador de hipervolume. Para tornar acomparação de desempenho mais reprodutível, pretende-se adotar como estudo de casoum elenco amplo de problemas sintéticos já propostos na literatura e amplamenteempregados para teste de desempenho em MOO. Não está descartada a aplicação juntoa problemas reais de interesse prático, mas o fato de se conhecer a fronteira de Pareto nocaso dos problemas sintéticos facilita a análise de mérito da proposta. (AU)

Publicações acadêmicas

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

BEZERRA, Pedro Mariano Sousa. Multi-objective optimization based on a multi-criteria estimation of distribution. 2018. Dissertação de Mestrado - Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação Campinas, SP.