Julio Cezar Soares foi orientado por Adiel Filho, professor do Centro de Informática (CIn) da UFPE
Com o suporte do CNPq e da CAPES, a pesquisa de doutorado teve foco na proposta de uma abordagem interativa que, com suporte de uma IA simbólica, pode incorporar representações da lógica humana em um algoritmo evolucionárioque resolve problemas de otimização combinatória com base nas preferências de um agente. Os resultados da pesquisa de doutorado conduzida por Julio Cezar Soares Silva no CIn-UFPE, em colaboração com o professor e orientador Adiel Filho, foram recentemente divulgados no artigo “Interactively Learning Rough Strategies That Dynamically Satisfy Investor’s Preferences in Multiobjective Index Tracking”. Este artigo foi o primeiro artigo da UFPE publicado na revista IEEE Transactions on Evolutionary Computation.
Esta revista é reconhecida como a principal publicação na área de computação evolucionária e segue um rigoroso processo de revisão por pares. A IEEE Transactions on Evolutionary Computation teve seu primeiro volume publicado em 1997, e nesses 26 anos publicou apenas 27 artigos com coautores de filiação brasileira (sendo esta uma das 27 publicações), em média apenas uma publicação com filiação brasileira por ano neste periódico. Segundo o Journal Citation Reports 2022 da Clarivate Analytics, a revista possui um fator de impacto de 14.3, que a coloca no ranking top 10 na área de Inteligência Artificial e top 5 na área de Teoria da Computação.
Algoritmos de otimização são contribuições importantes na computação e possuem impacto científico em diversas áreas do conhecimento, inclusive nas engenharias e negócios. Empresas como Amazon, iFood, Loggi, entre outras alcançaram uma posição de destaque devido ao uso de técnicas avançadas de otimização para resolver problemas complexos (NP-difíceis) que não podem ser resolvidos rapidamente em larga escala, além da possibilidade de existência de múltiplos objetivos conflitantes entre si. A otimização multiobjetivo busca um conjunto de soluções, chamado de fronteira de Pareto. Porém, a escolha de uma única opção dessa fronteira implica na redução de performance em alguns objetivos e ganho de performance e outros. Algoritmos evolucionários ajudam a encontrar boas fronteiras em tempo aceitável.
Nesta publicação foi desenvolvido um algoritmo de otimização evolucionária baseado em uma ontologia que permitiu estudar configurações do processo interativo, considerando diferentes fatores, relacionando a estrutura de preferências de um agente. Com isso, uma IA simbólica aprende um modelo baseado em regras lógicas para representar as preferências do agente de decisão. Essas regras são incorporadas ao algoritmo evolucionário para guiá-lo no espaço de busca, focando nas regiões que trarão mais satisfação para o agente. Com isso, é possível obter um processo interativo, capaz de extrair uma boa representação das preferêncas em busca da solução ótima. Esta nova classe de algoritmos pode ser explorada em diversas áreas, tais como como transporte e logística, o planejamento da infraestrutura de computação em nuvem, o gerenciamento de riscos em sistemas de energia, marketing, entre outros.
O professor Adiel Filho relata que “este artigo é o resultado de anos de dedicação, que se iniciaram com a publicação resultados parciais do mestrado e doutorado de Julio através de artigos em conferências, como o IEEE Congress on Evolutionary Computation (Qualis A1 em CC) e periódicos, como Applied Soft Computing (A1)”. Durante esse período, eles trabalharam no desenvolvimento e análise de abordagens que eventualmente levaram à publicação do artigo na revista IEEE Transactions on Evolutionary Computation. Julio está no terceiro ano do seu doutorado em Ciência da Computação, o que demonstra o contínuo comprometimento do CIn-UFPE com a excelência acadêmica, a pesquisa inovadora e a preparação de profissionais altamente capacitados, solidificando sua posição como um centro de destaque. O artigo completo pode ser acessado neste link.
Comentários desativados