Hipermutação e recombinação em sistemas imunológicos artificiais: um estudo aplicado à otimização multiobjetivo

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Destro, R. C.
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://repositorio.fei.edu.br/handle/FEI/336
Resumo: Este trabalho apresenta o MOHAIS (do inglês, Multiobjective Optimization Hybrid Artificial Immune Systems), um framework para desenvolvimento de algoritmos imuno-inspirados que, além dos operadores imunológicos tradicionais, disponibiliza dois operadores híbridos para hipermutação e recombinação. Foram implementados dois algoritmos no MOHAIS: um tradicional, sem a utilização dos operadores híbridos, e outro que utiliza ambos. Os operadores e as duas implementações foram avaliados utilizando-se dezessete problemas de teste padrão em um conjunto de três experimentos e mais de 900 testes, que mostraram o bom desempenho do algoritmo que utilizou os operadores híbridos quando comparado com o tradicional e também com outros algoritmos não imuno-inspirados. O algoritmo com operadores híbridos foi ainda utilizado em um estudo de caso para alocação de equipamentos de autoatendimento bancário. O estudo de caso é particularmente relevante não apenas na otimização multiobjetivo, pela necessidade em conciliar variáveis de custo, ociosidade e disponibilidade nos pontos de atendimento, como também a apresentação de uma modelagem inédita para este tipo de problema. Novamente os resultados mostraram o potencial da abordagem multiobjetivo proposta, por conseguir otimizar os objetivos apresentados e confirmaram o bom desempenho dos operadores híbridos propostos, não apenas pelos resultados apresentados, mas também pela capacidade de adaptação do algoritmo a um problema com muitos objetivos. Finalmente, este trabalho propõe seis pontos de extensão para o MOHAIS e a construção de um trabalho interdisciplinar com a área de administração e finanças para aprofundamento do estudo de caso.