A memetic algorithm framework for multimodal continuous optimization

• Autor(a) principal: Correa, Leonardo de Lima
• Data de Publicação: 2022
• Tipo de documento: Tese
• Idioma: eng
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/249760
• topic: Metaheuristicas; Algoritmos evolutivos; Bioinformática estrutural; Multimodal optimization; swarm intelligence; knowledge-based memetic algorithm

Apesar dos avanços computacionais e da ampla gama de meta-heurísticas propostas na literatura para lidar com problemas de otimização multimodal, ainda existe a necessidade de desenvolver novas estratégias de busca voltadas ao desempenho dos algoritmos quando aplicados a problemas difíceis com complexas funções de avaliação. A ideia geral deste trabalho consiste na investigação de diferentes aspectos relativos as meta-heurísticas utilizadas para tratar problemas multimodais de domínio contínuo. Neste sentido, definiu-se, como estudo de caso principal para o trabalho, a predição de estruturas 3-D de proteínas, o qual representa um dos mais importantes problemas da Bioinformática Estrutural. Neste trabalho, foi proposto um algoritmo memético adaptativo na forma de um framework computacional de propósito geral, o qual incorpora múltiplas populações, conceitos de al goritmos evolutivos e inteligência de enxame, combinados a funções adicionais de busca local, controle de convergência e performance. Como forma de avaliação do método pro posto, foram idealizadas diferentes versões, as quais foram empregadas em três cenários distintos de otimização: (i) versão mais geral para tratar funções multimodais com um único ótimo global; (ii) versão com arquivamento externo de soluções focada em otimi zação multimodal com diversos ótimos globais; e (iii) versão baseada em conhecimento com componentes de busca específicos para lidar com o problema de predição de estru turas 3-D de proteínas. Com isso, objetivou-se prover, através do desenvolvimento de uma abordagem incremental, um método de busca para lidar com as complexidades rela tivas à multimodalidade inerente a diversos problemas de otimização. De maneira geral, concluiu-se que a abordagem proposta obteve êxito quanto à otimização dos problemas concernentes aos diferentes cenários de otimização idealizados. O método atingiu resul tados promissores em relação aos algoritmos mais relevantes das áreas relativas a cada estudo de caso. No entanto, ressalta-se que cada uma das versões implementadas ainda necessita de melhorias em relação a cada um dos estudos de caso delineados, objetivando aprimorar ainda mais o desempenho obtido, bem como os resultados do método como um todo.