Arquitetura multiagente baseada em nuvem de partículas para hibridização de metaheurísticas

This thesis proposes an architecture of a new multiagent system framework for hybridization of metaheuristics inspired on the general Particle Swarm Optimization framework (PSO). The main contribution is to propose an effective approach to solve hard combinatory optimization problems. The choice of PSO as inspiration was given because it is inherently multiagent, allowing explore the features of multiagent systems, such as learning and cooperation techniques. In the proposed architecture, particles are autonomous agents with memory and methods for learning and making decisions, using search strategies to move in the solution space. The concepts of position and velocity originally defined in PSO are redefined for this approach. The proposed architecture was applied to the Traveling Salesman Problem and to the Quadratic Assignment Problem, and computational experiments were performed for testing its effectiveness. The experimental results were promising, with satisfactory performance, whereas the potential of the proposed architecture has not been fully explored. For further researches, the proposed approach will be also applied to multiobjective combinatorial optimization problems, which are closer to real-world problems. In the context of applied research, we intend to work with both students at the undergraduate level and a technical level in the implementation of the proposed architecture in real-world problems

A presente tese propõe uma arquitetura multiagente para hibridização de metaheurísticas, inspirada na técnica de Otimização por Nuvem de Partículas, e tem como principal contribuição a proposta de uma abordagem efetiva para resolução de problemas de otimização combinatória. A escolha da Otimização por Nuvem de Partículas como inspiração deu-se pelo fato desta técnica ser inerentemente multiagente, permitindo explorar os recursos dos sistemas multiagente, tais como as técnicas de aprendizado e cooperação. Na arquitetura proposta, as partículas são agentes autônomos com memória e métodos de decisão e de aprendizagem, utilizando estratégias de busca para se moverem no espaço de soluções. Os conceitos de posição e velocidade, originalmente definidos na Otimização por Nuvem de Partículas, são redefinidos para esta abordagem. A arquitetura proposta foi aplicada ao Problema do Caixeiro Viajante e ao Problema Quadrático de Alocação, realizando experimentos computacionais que comprovaram sua efetividade. Os resultados dos experimentos foram bastante promissores, apresentando desempenho satisfatório, considerando que o potencial da arquitetura proposta ainda não foi totalmente explorado. Em pesquisas futuras, a abordagem proposta será aplicada a problemas de otimização combinatória multiobjetivo, os quais são mais próximos aos problemas do mundo real. No âmbito da pesquisa aplicada, pretende-se trabalhar tanto com alunos em nível de graduação como em nível técnico a aplicação da arquitetura proposta em problemas práticos do mundo real