Tutorial Sobre o Uso de Técnicas para Controle de Parâmetros em Algoritmos de Inteligência de Enxame e Computação Evolutiva

Abstract

A natureza tem sido uma grande fonte de inspiração para o desenvolvimento de abordagens computacionais para otimização. Dois grandes grupos que representam esta classe de algoritmos biologicamente inspirados são a Inteligência de Enxame e a Computação Evolutiva. Tais algoritmos são chamados de metaheurísticas e são reconhecidos como abordagens eficientes para resolução de problemas complexos.
Tanto os algoritmos da Inteligência de Enxame como os da Computação Evolutiva compartilham características comuns como a utilização de componentes estocásticos durante o processo de otimização e variados parâmetros de configuração. O ajuste dos parâmetros de um algoritmo possui um papel importante por definirem seu comportamento, guiando a busca e, consequentemente, interferindo na qualidade das soluções encontradas. Porém, o ajuste dos parâmetros não é uma tarefa simples, se tornando um problema de otimização dentro do problema sendo otimizado. Além disso, uma configuração adequada para os parâmetros pode se alterar durante o processo de otimização. Existem duas maneiras de se ajustar os parâmetros de um algoritmo. O ajuste \textit{offline} que é realizado antes da execução do algoritmo e os valores dos parâmetros se mantém fixos, e o controle \textit{online} onde os valores dos parâmetros podem mudar durante o processo de otimização. Este artigo tem foco em revisar as estratégias de controle \textit{online} de parâmetros aplicados nos principais algoritmos da Computação Evolutiva e da Inteligência de Enxame. Como resultado, esta revisão analisa e pontua as principais técnicas e algoritmos utilizados e sugere algumas direções para pesquisas futuras.