Banca de DEFESA: LUCAS RODOLFO CELESTINO DE FARIAS

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: LUCAS RODOLFO CELESTINO DE FARIAS
DATA : 30/01/2026
HORA: 08:00
LOCAL: Virtual
TÍTULO:

Modelagem Inversa com Preservação Topológica em Otimização
Evolucionária Multiobjetivo

 

PALAVRAS-CHAVES:

Otimização multiobjetivo; algoritmos evolucionários baseados em modelos; modelagem inversa; decomposição; problemas com restrições; mapas auto-organizáveis; funções caras.

 

PÁGINAS: 167
RESUMO:

Problemas de otimização multiobjetivo, caracterizados por alta
dimensionalidade, presença de restrições e orçamentos computacionais
severamente limitados, impõem desafios relevantes para os algoritmos
evolucionários tradicionais. Nesse contexto, algoritmos evolucionários
baseados em modelos (em inglês, Model-Based Evolutionary Algorithms -
MBEAs) surgem como alternativa promissora, embora ainda enfrentem
limitações relacionadas à escalabilidade, ao custo de modelos multivariados
e à instabilidade em frentes de Pareto complexas. Esta tese investiga as
três subfamílias de MBEAs: algoritmos estimadores de distribuição,
modelagem inversa e algoritmos assistidos por modelos substitutos, com
ênfase na modelagem inversa para lidar com problemas de muitos objetivos,
alta dimensionalidade e avaliações de função dispendiosas. Inicialmente,
conduz-se um estudo comparativo abrangente em benchmarks clássicos, como
WFG, DTLZ e LSMOP, analisando a convergência, a diversidade e o custo
computacional. A partir dessa análise, são propostos três algoritmos
baseados em modelagem inversa: (i) IM-MOEA/D, que integra modelagem inversa
baseada em processos gaussianos à seleção por decomposição; (ii)
IM-C-MOEA/D, que estende essa abordagem para problemas multiobjetivo com
restrições; e (iii) TP-IM-MOEA, que incorpora o princípio de
Topology-Preserving Inverse Modeling, promovendo a preservação de relações
topológicas locais entre os espaços objetivo e de decisão. Resultados
experimentais em problemas sintéticos e do mundo real indicam que as
abordagens propostas apresentam desempenho competitivo em relação a
algoritmos de estado da arte, especialmente em cenários com muitos
objetivos, alta dimensionalidade e restrições severas quanto ao número de
avaliações de função.

 

MEMBROS DA BANCA:
Externo à Instituição - RENATO TINOS - USP
Externo à Instituição - CLAUDIO FABIANO MOTTA TOLEDO - USP
Externo à Instituição - FREDERICO GADELHA GUIMARÃES - UFMG
Externa à Instituição - AURORA TRINIDAD RAMIREZ POZO - UFPR
Externo à Instituição - FRANCISCO MADEIRO BERNARDINO JUNIOR - UNICAP
Externo à Instituição - HUGO VALADARES SIQUEIRA - UTFPR
Presidente - 1845999 - STEFAN MICHAEL BLAWID