Métodos de otimização multiobjetivo aplicados a problemas inversos e à separação cega de fontes

Resumo

Em processamento de sinais e imagens há uma ampla gama de problemas que podem ser formulados como um problema inverso ou como um problema de separação de sinais. Via de regra, tais problemas são resolvidos a partir da otimização de um critério, que, no caso de um problema inverso, pode ser uma medida de distância entre os dados observados e as saídas do modelo considerado, ou, no caso da separação de sinais, um critério de separação (função contraste). No entanto, em muitas situações práticas, há um conjunto de informações a priori adicionais cuja incorporação ao problema de otimização proporciona resultados melhores. Tipicamente, o uso dessas informações é feito adicionando termos à função custo adotada, ou seja, de um modo mono-objetivo. No presente trabalho, investigaremos uma abordagem alternativa na qual o uso de informações a priori será feito por meio de uma abordagem multiobjetivo. A vantagem neste caso é que, ao invés de uma solução ótima, o método fornece um conjunto de soluções (Pareto-ótimas) que podem ser submetidas para análise do especialista responsável pela tomada de decisão do processo. Nosso estudo focará em métodos evolutivos de otimização multiobjetivo e considerará experimentos com dados sintéticos e com dados reais provenientes de problemas de arranjos de sensores químicos e sísmicos. (AU)