UTILIZAÇÃO DA PLATAFORMA PLATEMO NA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO MULTIOBJETIVO: ESTUDO DE CASO DA META-HEURÍSTICA DA ÁGUA-VIVA

Frederic Menezes Ferreira; Alexandre Cesar Muniz de Oliveira

Frederic Menezes Ferreira Universidade Federal do Maranhão (UFMA)
Alexandre Cesar Muniz de Oliveira Universidade Federal do Maranhão (UFMA) https://orcid.org/0000-0002-1499-5307

Palavras-chave: Meta-heurística. Otimização. PlatEMO.

Resumo

Muitos problemas de otimização do mundo real são caracterizados por vários objetivos conflitantes, e são conhecidos como Problemas de Otimização Multiobjetivo. Nas últimas décadas, algoritmos evolutivos e outras meta-heurísticas têm mostrado desempenho promissor na solução aproximada de vários desses Problemas de Otimização Multiobjetivo, e um grande número de meta-heurísticas têm surgido. Em 2017, foi proposta uma plataforma evolutiva de otimização multiobjetivo chamada de PlatEMO. Este trabalho apresenta um estudo de caso para a plataforma PlatEMO, com a inclusão de uma meta-heurística multiobjetivo baseada em Água-viva (Jellyfish metaheuristic), que é uma das mais recentes meta-heurística de Inteligência de Enxame para otimização global. Em seguida, uma suíte de algoritmos é usada para demonstrar o potencial da plataforma como facilitador para a experimentação e análise de resultados.

Biografia do Autor

Frederic Menezes Ferreira, Universidade Federal do Maranhão (UFMA)

Graduado em Ciências da Computação pela Universidade Federal do Maranhão (UFMA-2022), está cursando o Mestrado em Ciência da Computação também na Universidade Federal do Maranhão (UFMA-2023).

Alexandre Cesar Muniz de Oliveira, Universidade Federal do Maranhão (UFMA)

Graduado em Ciência da Computação pela Universidade Federal do Maranhão; mestrado em Engenharia Elétrica pela mesma universidade; e doutorado em Computação Aplicada pelo Instituto Brasileiro de Pesquisas Espaciais (INPE - 2004). Atua na UFMA desde 1994, alcançando o cargo de Professor Titular em 2021, tendo explorado Fundamentos da Computação, Inteligência Artificial e Pesquisa Operacional em sua carreira acadêmica. Assumiu temporariamente a posição de Visiting Senior Lecturer na School of Computing da University of Kent, Reino Unido, em 2017, por um ano, pesquisando Meta-learning e Meta-heurísticas aplicadas a problemas de otimização. Em 2022, iniciou uma posição de pesquisa de pós-doutorado no Insight Center for Data Analytics na University College Cork (UCC), investigando Sistemas de Circuito Fechado de Simulação e Otimização aplicados a Sistemas de Manufatura Flexível.

Referências

CHOU, J.-S.; TRUONG, D.-N. Multiobjective optimization inspired by behavior of
jellyfish for solving structural design problems. Chaos, Solitons & Fractals, Elsevier,
v. 135, p. 109738, 2020.
Disponível em: https://www.sciencedirect.com/science/article/pii/S0960077920301405

CHUGH, T. et al. A survey on handling computationally expensive multiobjective
optimization problems with evolutionary algorithms. Soft Computing, Springer, v. 23, n. 9,
p. 3137–3166, 2019.
Disponível em: https://link.springer.com/article/10.1007/s00500-017-2965-0

DOKEROGLU, T. et al. A survey on new generation metaheuristic algorithms. Computers
& Industrial Engineering, Elsevier, v. 137, p. 106040, 2019.
Disponível em: https://www.sciencedirect.com/science/article/pii/S0360835219304991

HUA, Y. et al. A survey of evolutionary algorithms for multi-objective optimization
problems with irregular pareto fronts. IEEE/CAA Journal of Automatica Sinica, IEEE,
v. 8, n. 2, p. 303–318, 2021.
Disponível em: https://ieeexplore.ieee.org/abstract/document/9321268

LIU, X.; IJZERMAN, A. P.; WESTEN, G. J. van. Computational approaches for de novo drug design: past, present, and future. Artificial neural networks, Springer, p. 139–165, 2021.
Disponível em: https://link.springer.com/protocol/10.1007/978-1-0716-0826-5_6

TIAN, Y. et al. Platemo: A matlab platform for evolutionary multi-objective optimization
[educational forum]. IEEE Computational Intelligence Magazine, IEEE, v. 12, n. 4, p.
73–87, 2017.
Disponível em: https://ieeexplore.ieee.org/abstract/document/8065138