Professora desenvolve estudo para solução de problemas com vários objetivos

A tese de doutorado da professora do departamento acadêmico de Eletrônica Câmpus Ponta Grossa da UTFPR, Marcella Scoczynski Ribeiro Martins, já acumulou dois prêmios neste ano de 2018. O estudo “Um algoritmo de estimação de distribuição híbrido multiobjetivo com modelo probabilístico bayesiano” foi a tese defendida no Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial (CPGEI) do Câmpus Curitiba, sob orientação dos professores Myriam Delgado e Ricardo Lüders, na área de Inteligência Artificial e Computacional.

O seu trabalho aborda a implementação e o desenvolvimento de técnicas inovadoras e métodos computacionais de inteligência artificial baseados em algoritmos de estimação de distribuição (EDAs) e modelos de distribuição de probabilidade. Esses métodos podem ser aplicados quando, por exemplo, há um problema em áreas como Robótica, Neurociência, Engenharia Biomédica, entre outros, e ele venha acompanhado por mais de um objetivo, sendo alguns deles até conflitantes. Para entender melhor, um dos problemas atuais em que a técnica poderia ser utilizada seria na representação de sistemas econômicos complexos, com problemas envolvendo planos de ação nas áreas social e de saúde, principalmente em países em desenvolvimento. 

Para melhor realizar as estimativas nestes conflitos, os algoritmos de estimação de distribuição utilizam técnicas probabilísticas ao invés de operadores genéticos. Diferentemente dos algoritmos genéticos comuns, que utilizam operadores de recombinação e mutação para gerar novos indivíduos da população, os algoritmos de estimação de distribuição fazem uso de informações extraídas do conjunto de soluções promissoras presentes na população daquela geração.

Os estudos foram desenvolvidos com cooperação nacional e internacional (Austrália, Espanha e Marrocos), através diversas publicações em congressos e revistas renomadas. Uma das mais importantes contribuições destes métodos é a inovação no âmbito da análise dos resultados, pois focou-se no estudo do comportamento dos modelos probabilísticos (baseando-se na sua representação e realizando inferências no modelo) e na sua relação com a estrutura dos problemas (extraindo características relevantes), e não só na análise de performance dos algoritmos desenvolvidos.

 A tese foi submetida em dois concursos: a Conferência Brasileira de Sistemas Inteligentes (BRACIS - Brazilian Conference on Intelligent Systems), maior congresso de inteligência artificial e computacional do país, o qual, obteve o prêmio de segundo lugar; e na 5ª Conferência Latino-Americana do IEEE sobre Inteligência Computacional (IEEE Latin American Conference on Computational Intelligence LA-CCI), em que esteve como a única representante do Brasil entre os seis trabalhos finalistas e foi premiada, após duas fases da avaliação.