Uma Revisão Sistemática da Literatura sobre Métodos de Controle Adaptativo de Parâmetros para Algoritmos Evolutivos

Algoritmos evolutivos (AEs) são otimizadores estocásticos robustos que apresentam um bom desempenho em uma ampla gama de problemas. No entanto, sua robustez pode ser afetada por vários parâmetros ajustáveis, como taxa de mutação, taxa de crossover e tamanho da população. Os parâmetros dos algoritmos geralmente são específicos para o problema e muitas vezes precisam ser ajustados não apenas para o problema, mas até mesmo para a instância do problema em questão, a fim de alcançar um desempenho ideal. Além disso, pesquisas mostraram que diferentes valores de parâmetros podem ser ótimos em diferentes estágios do processo de otimização. Para abordar essas questões, os pesquisadores mudaram seu foco para o controle adaptativo de parâmetros, no qual os valores dos parâmetros são ajustados durante o processo de otimização com base no desempenho do algoritmo. Esses métodos redefinem os valores dos parâmetros repetidamente com base em regras implícitas ou explícitas que decidem como fazer o melhor uso do feedback do algoritmo de otimização. Neste levantamento, investigamos sistematicamente o estado da arte em controle adaptativo de parâmetros. As abordagens são classificadas usando um novo modelo conceitual que subdivide o processo de adaptação dos valores dos parâmetros em quatro etapas que estão presentes de forma explícita ou implícita em todas as abordagens existentes que ajustam parâmetros dinamicamente durante o processo de otimização. A análise revela as principais áreas de foco da pesquisa em controle adaptativo de parâmetros, bem como lacunas e potenciais direções para o desenvolvimento futuro nesta área.