"Ciências Básicas para o Desenvolvimento Sustentável"

24 a 26 de outubro de 2023

Trabalho 18075

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Exatas e Tecnológicas
Área temática Ciência da computação
Setor Instituto de Ciências Exatas e Tecnológicas - Campus Florestal
Bolsa CNPq
Conclusão de bolsa Sim
Apoio financeiro CAPES, CNPq
Primeiro autor Marcus Vinicius Guerra Ribeiro
Orientador MARCUS HENRIQUE SOARES MENDES
Título Computação Bioinspirada aplicada a resolução do problema do próximo release multiobjetivo
Resumo O crescente aumento da demanda por desenvolvimento de software pelas empresas
tem trazido diversos desafios, entre eles a seleção dos requisitos a serem desenvolvidos em
cada etapa do processo. A escolha adequada dos requisitos pode influenciar
significativamente o sucesso do projeto. Nesse contexto, surge o problema do próximo
release multiobjetivo, que consiste em encontrar a melhor solução para o conjunto de
requisitos a serem desenvolvidos no próximo lançamento, considerando a minimização dos
custos e a maximização das satisfação dos clientes. Atualmente, as abordagens mais
promissoras para resolver esse problema são as meta-heurísticas bioinspiradas. Com base
nisso, o artigo propõe três variações do algoritmo bioinspirado SPEA2 para compará-las
com os algoritmos já utilizados nesse problema, o NSGA2 e o e-NSGA2. A primeira versão,
chamada ISPEA2, é uma modificação que visa melhorar o desempenho em problemas
complexos de otimização multiobjetivo. Ela introduz duas principais alterações no algoritmo
original: o Non Dominated Elitism, um método de seleção que preserva a diversidade e a
qualidade das soluções não dominadas de uma geração para a próxima, e o Generational
Crossover, um operador de crossover que combina dois indivíduos para gerar um novo filho
usando a estratégia de seleção do Non Dominated Elitism. O SPEA2 com e-dominância
utiliza uma forma mais flexível de dominância chamada e-dominância. Ele avalia os
indivíduos com base em seu valor de aptidão (fitness), seleciona pais para reprodução,
avalia a prole usando a e-dominância e mantém apenas os indivíduos não dominados na
próxima geração. Por fim, o fSPEA2 é uma extensão do algoritmo SPEA2 que melhora sua
adaptabilidade a diferentes tamanhos de conjuntos de dados. A principal alteração está no
cálculo de aptidão, onde o fSPEA2 utiliza uma função variável baseada no número de
variáveis de decisão do problema. Essa função é expressa por 125/N, onde N é o número
de variáveis de decisão. Para comparar os algoritmos, foi utilizada a biblioteca Java MOEA,
e por meio das métricas hypervolume, inverted general distance e maximum pareto front,
observou-se que o fSPEA2 foi considerado o mais eficaz para conjuntos de dados com mais
de 250 requisitos, enquanto o NSGA2 teve bom desempenho em cenários com um número
reduzido de requisitos. O e-NSGA2 apresentou os melhores resultados para requisitos entre
25 e 250, mas foi superado pelo fSPEA2 em conjuntos de dados com 500 requisitos. Em
resumo, lidar com problemas multiobjetivos no próximo release é desafiador e requer uma
abordagem cuidadosa e sistemática. A utilização da Engenharia de Software baseada em
busca, combinada com meta-heurísticas bioinspiradas, mostrou-se prática e benéfica. Em
termos de trabalhos futuros, pretende-se aprimorar o fSPEA2 com o objetivo de torná-lo
mais eficiente, através de mudanças como a exploração de outros sistemas de seleção.
Palavras-chave SPEA2, Meta-heurística, Engenharia de Software baseada em busca
Forma de apresentação..... Vídeo
Link para apresentação Vídeo
Gerado em 0,59 segundos.