Controle de Convergência e Diversidade em Algoritmos Evolutivos Multi-objetivos: Estudo Sistemático e Empírico

A pesquisa proposta aborda desafios críticos na otimização multiobjetiva, concentrando-se no aprimoramento do Controle de Convergência e Diversidade em Algoritmos Evolutivos Multi-objetivos (AEMO). Este campo desempenha um papel crucial na resolução de problemas complexos que envolvem a otimização simultânea de diversos objetivos conflitantes. A contextualização da pesquisa destaca a importância fundamental dos AEMOs na busca por soluções eficientes de Pareto em ambientes multi-objetivos. Essas soluções representam trade-offs ideais entre objetivos, ao proporcionar conjuntos não dominados de soluções diversificadas. Contudo, a eficácia desses algoritmos é diretamente influenciada pela capacidade de equilibrar a convergência para a região de Pareto e a manutenção da diversidade ao longo das gerações. A motivação para esta pesquisa surge da necessidade de superar os desafios inerentes à busca por soluções equilibradas em problemas multi-objetivos, onde a ausência de estratégias eficazes para o controle simultâneo de convergência e diversidade impacta diretamente a qualidade das soluções obtidas. O aprimoramento desses aspectos não apenas melhora a eficácia dos AEMOs, mas também amplia sua aplicabilidade em domínios complexos. A justificativa ressalta a relevância crítica do controle de convergência e diversidade para o avanço da pesquisa em otimização multi-objetiva. Contribuições significativas nessa área têm o potencial de influenciar positivamente a tomada de decisões em contextos práticos e dinâmicos, ao ampliar as possibilidades de aplicação dos AEMOs. O problema central abordado por este projeto é a lacuna existente em estratégias eficientes e adaptativas consolidadas para o controle simultâneo de convergência e diversidade em AEMOs. A complexidade intrínseca desses algoritmos exige uma análise aprofundada das interações entre convergência e diversidade. A metodologia proposta abrange uma revisão sistemática da literatura, o desenvolvimento de métricas de avaliação específicas, análises empíricas de algoritmos existentes, o desenvolvimento de estratégias de controle adaptativas, a validação em problemas do mundo real, e uma análise comparativa dos resultados obtidos. Espera-se que essa abordagem integrada forneça insights valiosos para o entendimento e controle eficaz de convergência e diversidade em AEMOs. Em síntese, este projeto visa preencher a lacuna existente na pesquisa de Controle de Convergência e Diversidade em Algoritmos Evolutivos Multi-objetivos.