Defesa remota de Monografia discente Pedro da Costa Lopes

Segue o convite aos interessados em assistirem a defesa remota do trabalho monográfico desenvolvido pelo discente Pedro da Costa Lopes em BCC392 (Monografia I). Aos que puderem participar, entrem na sala do Meet com o microfone mudo e a câmera desativada, no intuito de não comprometerem a qualidade da defesa.

--------------------------------------------------------------------------------------
Data e horário da defesa: 26/11/2020 (quinta-feira) às 10h

Sala do Meet: https://meet.google.com/xmg-usyu-ucu

Título: PBMM: Proposta de auto-adaptação dos parâmetros dos algoritmos NSGA-II e MOPSO-CD por meio de um operador baseado em memória de meta-heurísticas

Resumo:
Este trabalho propõe o uso de um operador de memória para fazer a auto-adaptação dos parâmetros de algoritmos de otimização multi-objetivo. O operador Parameter Adaptation on Meta-Heuristics Memory (PBMM) utiliza uma estrutura de dados tabela hash, onde cada posição contém uma lista duplamente encadeada, com o objetivo de armazenar todas as soluções avaliadas na memória e usar estas soluções para fazer a auto-adaptação on-line dos parâmetros do algoritmo, melhorando o processo de exploração pelo espaço de busca. Neste trabalho foi implementado uma primeira versão do operador contendo apenas a estrutura de memória. O PBMM foi incluído em versões padrões das meta-heurísticas clássicas Non-Dominated Sorting Genetic Algorithm II (NSGA-II) e Multi-objective Particle Swarm Optimization with Crowding Distance (MOPSO-CD), gerando os algoritmos memNSGA-II e memMOPSO-CD. Para verificar a eficiência dos métodos propostos, foram realizados testes com 15 problemas testes disponíveis na literatura usando as métricas de desempenho hiper-volume, Generation Distance e Inverse Generation Distance. Os resultados preliminares mostraram, como o esperado, que não existe diferença significativa entre os resultados obtidos pelos algoritmos memNSGA-II e memMOPSO-CD quando comparados com suas versões clássicas, percebe-se apenas um aumento do tempo de execução dos algoritmos. É importante destacar que o processo evolutivo dos algoritmos permanece o mesmo, ou seja, são mantidas as mesmas formas de busca dos algoritmos em suas versões originais, foi acrescentado apenas a estrutura de memória. Pretende-se ainda, na monografia II, acrescentar ao operador a função adaptativa para realizar a auto-adaptação dos parâmetros destes algoritmos e assim, espera-se fazer uma melhor exploração do espaço de busca de forma a garantir uma convergência mais rápida para os algoritmos.

Banca:
* Dayanne Gouveia Coelho (orientadora) - Doutora - Universidade Federal de Ouro Preto (UFOP)
* Rodrigo César Pedrosa Silva - Doutor - Universidade Federal de Ouro Preto (UFOP)

Departamento de Computação  |  ICEB  |  Universidade Federal de Ouro Preto
Campus Universitário Morro do Cruzeiro  |  CEP 35400-000  |  Ouro Preto - MG, Brasil
Telefone: +55 31 3559-1692  |  decom@ufop.edu.br