O uso de múltiplos enxames na otimização de problemas com vários objetivos

Abstract

Resumo: A computação bioinspirada permite a resolução de uma gama de problemas computacionais. Dentre as várias meta-heurísticas existentes, o algoritmo PSO (Particle Swarm Optimization) tem sido aplicado eficientemente para resolver problemas de otimização. Inicialmente empregado na resolução de problemas com um objetivo, a técnica tem sido investigada para solucionar problemas multiobjetivo. O principal objetivo desta tese de doutorado é a proposta de estratégias distribuídas para a execução do algoritmo PSO em diversas topologias conectando múltiplos enxames para resolver problemas com vários objetivos. A adoção de múltiplos enxames parte da constatação de que a otimização pode consumir onerosos recursos computacionais. Assim, investigar e propor novos métodos para a execução do algoritmo de forma paralela e distribuída torna-se uma iniciativa relevante. Neste trabalho, os indivíduos do algoritmo PSO são divididos em subpopulações independentes entre si e que ocasionalmente compartilham indivíduos. Diversas topologias e estratégias de comunicação para conectar os enxames foram investigadas, que determinam quais subpopulações trocam informações entre si. A influência exercida pela topologia na otimização de problemas com um objetivo é avaliada. Esta investigação inicial serviu para verificar se o uso de múltiplos enxames é relevante. Considerando os resultados obtidos, pôde-se constatar que esse modelo exerce um efeito positivo no processo de otimização. Foi possível indicar quais topologias apresentam melhor desempenho e qual a configuração, em termos de número de subpopulações, é mais eficiente. Tais constatações foram motivações para conceber estratégias distribuídas para resolver problemas com vários objetivos, incluindo uma estratégia baseada na decomposição de funções. Estudos empíricos são conduzidos para avaliar o impacto da otimização cooperativa, incluindo fatores relacionados à comunicação exigida entre as subpopulações. A partir desses resultados foi possível determinar qual estratégia baseada no algoritmo PSO é mais indicada, considerando as características de diferentes problemas de otimização.