MOSCA/D: Algoritmos Científicos Multiobjetivo baseados em Decomposição
algoritmos científicos; meta-heurística; otimização multiobjetivo; pesquisa científica; problema da árvore geradora mínima multiobjetivo; problema da mochila multidimensional multiobjetivo.
Este trabalho apresenta uma versão multiobjetivo dos Algoritmos Científicos baseada em decomposição (MOSCA/D). Tal abordagem é uma nova meta-heurística inspirada pelos processos da pesquisa científica para resolver problemas de otimização multiobjetivo. Um estudo computacional aplica o MOSCA/D ao problema da mochila multidimensional multiobjetivo. Os resultados são comparados ao MEMOTS e ao 2PPLS, dois algoritmos do estado da arte para o problema. Testes estatísticos mostram evidência de que o MOSCA/D pode competir com outras abordagens consolidadas da literatura considerando o indicador de qualidade do hypervolume. Este trabalho propõe expandir os resultados encontrados, aplicar o MOSCA/D ao problema da árvore geradora mínima multiobjetivo e estudar o comportamento de diferentes modelos probabilísticos como ferramenta para melhorar o desempenho do MOSCA/D.