"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 |
|---|