Identificando Conjuntos Máximos Independentes em Problemas de Otimização com Múltiplos Objetivos

• Processo: 23/12782-5
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de outubro de 2023
• Data de Término da vigência: 31 de março de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Alexandre Cláudio Botazzo Delbem
• Beneficiário: Jorge Luiz Franco
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
• Assunto(s): Causalidade Ciência de dados Aprendizado computacional Matemática da computação Mineração de dados Otimização multiobjetivo Inteligência artificial
• Palavra(s)-Chave do Pesquisador: causalidade | Ciência de dados | machine learning | Matemática Computacional | Mineração de Dados | otimização multiobjetivo | Inteligência Artificial

Resumo

Este projeto tem como propósito abordar os desafios intrínsecos à resolução de problemas de otimização que envolvem múltiplos objetivos, particularmente em cenários onde o número de objetivos ultrapassa três. Denominado "Identificação de Conjuntos Máximos Independentes em Problemas de Otimização com Múltiplos Objetivos," o foco principal recai sobre a implementação e aprofundamento no estudo de métodos que se dedicam a solucionar essa complexa questão.Problemas de otimização com múltiplos objetivos desempenham um papel crítico em diversas áreas do conhecimento. Apesar do desenvolvimento de algoritmos notáveis para lidar com esses problemas, a maioria deles se concentra em cenários com apenas dois ou três objetivos, o que pode se revelar insuficiente para representar adequadamente problemas do mundo real, que frequentemente envolvem uma multiplicidade de objetivos complexos e inter-relacionados.Um dos principais desafios quando se trabalha com um grande número de objetivos é a chamada "maldição da dimensionalidade." Conforme o número de objetivos aumenta, a representação da fronteira de Pareto se torna exponencialmente mais complexa, resultando em um aumento substancial na carga computacional, devido à necessidade de avaliar um grande número de soluções candidatas. Além disso, a visualização dos resultados torna-se inviável após a terceira dimensão, tornando difícil para os pesquisadores compreenderem completamente o espaço de solução.O objetivo principal do bolsista neste projeto é desenvolver um notebook em Python que será acessível e utilizável por pesquisadores interessados na área de otimização e tomada de decisão com múltiplos objetivos.Esse notebook será uma valiosa contribuição para a comunidade de pesquisa, pois fornecerá uma abordagem prática e acessível para abordar a complexidade inerente a problemas de otimização com múltiplos objetivos. Ele incluirá implementações dos métodos estudados neste projeto, facilitando a análise e experimentação por parte dos pesquisadores.