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

Abstract

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.

This work presents Multiobjective Optimization Hybrid Artificial Immune Systems (MOHAIS), a framework for the development of immune-inspired algorithms that, in addition to traditional immune operators, offers two hybrid operators for hypermutation and recombination. Two algorithms have been implemented with MOHAIS: a traditional, without using the hybrid operators, and another one that uses both proposed hybrid operators. The proposed hybrid operators and the two implementations were evaluated using 17 benchmark problems with a set of three experiments and over 900 tests. These experiments showed that the performance of the algorithm even when compared with other algorithms do not immuno-inspired. The algorithm based on hybrid operators was also applied in a case study for the allocation of automatic teller machines. The case study is particularly relevant not only for multiobjective optimization research, due the needs to reconcile cost variables, idleness and availability at the point of sale, as well as it is the first time this problem is addressed as a multiobjective problem. Again the results of experiments showed the potential of the multiobjective approach proposed for achieving the optimized objectives , and also confirmed the good performance of the proposed hybrid operators, not only by the results itself but also by the algorithm’s ability to adapt to a problem with many goals. Finally, this work proposes six extension points for MOHAIS and the construction of an interdisciplinary research with management and finance researchers for the further development of the case study.