Você está aqui: Página Inicial curitiba Estrutura do Câmpus Diretorias Diretoria de Pesquisa e Pós-Graduação Mestrado e Doutorado CPGEI Edital de Defesas 2012 CPGEI (Doutorado) Carolina Paula de Almeida - 29/02/2012

CPGEI (Doutorado) Carolina Paula de Almeida - 29/02/2012

Defesa Pública de Doutorado do Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
Quando 29/02/2012
das 09h00 até 13h00
Onde Sala de Defesas C301
Nome do Contato Profa. Myriam Regattieri Delgado
Participantes Profa. Myriam Regattieri Delgado, Dr. Orientadors - UTFPR
Profa. Elizabeth Gouvêa Goldbarg, Dr. Co-orientador
Banca examinadora:
Prof. Marco Cesar Goldbarg, Dr. - UFRN
Profa. Aurora Trinidad Ramirez Pozo, Dr. - UFPR
Prof. Leandro dos Santos Coelho, Dr. - PUC-PR
Prof. Fábio Hernandes, Dr. - UNICENTRO
Prof. Ricardo Lüders, Dr. - CPGEI/UTFPR
Adicionar evento ao calendário vCal
iCal

Transgenética Computacional Aplicada a Problemas de Otimização Combinatória com Múltiplos Objetivos

Resumo: A Transgenética Computacional é uma metáfora para o desenvolvimento de algoritmos evolucionários com base na teoria de evolução endossimbiótica e em outras interações do fluxo intracelular. Diversos algoritmos foram desenvolvidos com base nesta metáfora para problemas de Otimização Combinatória, em sua maioria com um único objetivo, obtendo bons resultados. Uma vez que a consideração de mais de um objetivo leva, em geral, a representações mais realistas de problemas práticos complexos, neste trabalho investiga-se o desenvolvimento de Algoritmos Transgenéticos para problemas multiobjetivo. Tais algoritmos são examinados em versões que utilizam elementos de outros algoritmos evolucionários multiobjetivo sendo eles o NSGA-II e o MOEA/D. Diante disso, este trabalho propõe duas novas metodologias utilizando a Transgenética Computacional acoplada ao NSGA-II e ao MOEA/D, nomeadas NSTA e MOTA/D, respectivamente. Para avaliar o desempenho das técnicas propostas, os algoritmos desenvolvidos foram aplicados a dois problemas de Otimização Combinatória, NP-difíceis, em versões com mais de um objetivo. O primeiro problema é o Caixeiro Comprador Biobjetivo e o segundo o Quadrático de Alocação multiobjetivo. Foram realizados experimentos com casos teste disponíveis em bancos utilizados comumente por outros trabalhos da literatura. Os resultados foram comparados com os de diferentes algoritmos evolucionários multiobjetivo. A análise dos dados obtidos com o experimento
computacional mostra que a versão MOTA/D é a mais eficiente dentre os algoritmos do experimento.
Palavras-chave: Transgenética Computacional, Otimização Combinatória Multiobjetivo, Problema do Caixeiro Comprador Biobjetivo, e Problema Quadrático de Alocação Multiobjetivo.

Computational Transgenetic Applied to Multiobjective Combinatorial Optimization Problems

Abstract: The Computational Transgenetic is a metaphor for the development of evolutionary algorithms based on the theory of evolution endosymbiotic and other intracellular interactions flow. Several algorithms have been developed based on this metaphor for combinatorial optimization problems, mostly with a single objective, obtaining good results. Once the account more than one objective leads, in general, more realistic representations of complex practical problems, this work investigates the development of Transgenetic Algorithms for multiobjective problems. Such algorithms are examined in versions that use elements of other multiobjective evolutionary algorithms such as the NSGA-II and the MOEA/D. Therefore, this paper proposes two new methods using Computational transgenetic attached to NSGA-II and MOEA/D, named NSTA and MOTA/D, respectively. To evaluate the performance of proposed techniques, the developed algorithms were applied to two NP-hard combinatorial optimization problems, in versions with more than one objective. The first problem is the Traveling Purchaser Problem and the second the Quadratic Assignment Problem. Experiments were performed with test cases available in benchmarks commonly used by other studies in the literature. The results were compared with those of different multiobjective evolutionary algorithms. The analysis of data obtained by computational experiment shows that the version MOTA/D is among the most efficient algorithms of the experiment.
Keywords: Computational Transgenetic, Multi-objective Combinatorial Optimization, Bi-objective Traveling Purchaser Problem, and Multiobjective Quadratic Assignment Problem.

Lista de publicações:
ALMEIDA, C. P. et al. An experimental analysis of evolutionary heuristics for the bi-objective traveling purchaser problem. Annals of Operations Research (Dordrecht. Online), Springer Netherlands, p. 1-37. ISSN 0254-5330. 10.1007/s10479-011-0994-0. Disponível em: <http://dx.doi.org/10.1007/s10479-011-0994-0>.

ALMEIDA, C. P. et al. A transgenetic algorithm for the bi-objective traveling purchaser problem. In: IEEE World Congress on Computational Intelligence. Barcelona, Spain:IEEE Press, 2010. p. 719-726.

ALMEIDA, C. P. et al. TA-PFP: A transgenetic algorithm to the protein folding problem. In: ISDA. International Conference on Intelligent Systems Design and Applications. RJ- Brasil: IEEE Computer Society, 2007. p. 163-168.

Ações do documento

registrado em: