Auto-Organização em Algoritmos Evolutivos Aplicados na Investigação da Adaptabilidade do Código Genético

Resumo

As proteínas, compostas por aminoácidos unidos por ligações covalentes, são responsáveis por inúmeras funções nos organismos vivos. Cada aminoácido é codificado no DNA através de uma trinca de bases, chamada códon. O código genético é altamente conservado, e salvo algumas exceções, é praticamente o mesmo em todos os organismos vivos. Se qualquer associação entre aminoácidos e códons é possível, então existem cerca de 1,4 x 1070 códigos possíveis. Uma questão que tem intrigado os cientistas é se o código genético é fruto do acaso ou de um processo evolutivo. Para validar esta última hipótese, alguns cientistas têm tentado obter o código genético através de algoritmos de otimização, entre eles os Algoritmos Genéticos (AGs). No entanto, assim como os outros métodos de otimização, AGs tradicionais apresentam dificuldades em problemas de otimização complexos, no qual existem números extremamente grandes de soluções possíveis e de ótimos locais. O principal objetivo desse trabalho é propor um novo AG com estrutura de vizinhança auto-organizável e aplicá-lo no problema da investigação da adaptabilidade do código genético. Este novo AG é baseado no algoritmo SORIGA (Self-Organizing Random Immigrants Genetic Algorithm) e apresenta uma estrutura de vizinhança semelhante à usada em AGs com modelo de difusão. Nos AGs com modelo de difusão, os indivíduos apresentam estruturas de vizinhança, o que pode fazer com que a diversidade da população seja melhor controlada, levando o algoritmo a explorar diferentes regiões do espaço de busca. Esta característica é extremamente interessante no problema de investigação da adaptabilidade do código genético, já que estudos indicam que algumas soluções apresentam estabilidade maior que o código utilizado pelos seres vivos.