DEFESA DE DISSERTAÇÃO DE MESTRADO Nº298
Aluna: Fabiana Souza da Fonte Alexandria
Título: “Hibridização de Metaheurísticas para resolução de problemas de otimização binários e multimodais"
Orientador: Fernando Buarque de Lima Neto - (PPGEC)
Examinadora Externa: Tarcísio Daniel Pontes Lucas - (UPE)
Examinador Interno: João Fausto Lorenzato de Oliveira - (PPGEC)
Data-hora: 24 de maio de 2024 às 16:00h.
Local: Formato híbrido, no miniauditório do PPGEC e no Google meet.
Resumo:
Algoritmos metaheurísticos inspirados na natureza vêm sendo utilizados com sucesso para encontrar boas soluções em problemas complexos de otimização. Dentre estes algoritmos, destacam-se os Algoritmos Evolutivos e os Algoritmos de Inteligência de Enxames. Um exemplo bastante popular dos Algoritmos Evolutivos são os algoritmos genéticos baseados na teoria da seleção natural de Charles Darwin. Entre a abordagem de Inteligência de Enxames, algoritmos baseados em população que imitam o comportamento da inteligência coletiva de animais, destacam-se algoritmos como Otimização por Enxames de Partículas, Weight Based Fish School Search (wFSS). Nos últimos anos, pesquisadores se voltaram ao estudo da hibridização de metaheurísticas, ou seja, implementação de modelos que não seguem puramente um paradigma de metaheurísticas, combinando vários componentes de uma metaheurística em outra. Nesse contexto, este trabalho propôs a criação de um modelo multimodal híbrido que aproveita tanto o potencial dos algoritmos de inteligência de enxames quanto o potencial dos algoritmos genéticos. O modelo proposto foi aplicado a uma tarefa em que haja explosão combinatorial tal como a de seleção de atributos, uma das abordagens de redução de dimensionalidade, para aumentar a precisão da tarefa de classificação em mineração de dados e reduzir sua complexidade computacional.
O Programa
