@MASTERSTHESIS{ 2023:1152528654,
 	title = {Adapta??o do algoritmo gen?tico NSGA-DO ? problemas de otimiza??o multiobjetivo est?ticos e din?micos},
 	year = {2023},
 	url = "http://tede2.uefs.br:8080/handle/tede/1565",
 	abstract = "Algoritmos Evolutivos (AEs) s?o ?uteis na resolu??o de Problemas de Otimza??o Multiobjetivo (MOOPs) por possibilitar encontrar distintas solu??es com diferentes compensa??es para os objetivos. Uma classe de AEs s?o os Algoritmos Gen?ticos (AGs), que utilizam t?cnicas de busca e otimiza??o paralela baseadas na sele??o natural e reprodu??o gen?tica. Um AG comumente aplicado na resolu??o de MOOPs, artificiais e do mundo real, ?e o NSGA-II, que, por vezes, ?e utilizado como base no desenvolvimento de outros algoritmos, como o NSGA-DO.
 O campo da Otimiza??o Multiobjetivo (MOO) se apresenta consolidado, atualmente temos diferentes benchmarks, m?tricas de desempenho e AEs eficientes. Por?m, sobre esse ?ultimo, o que se observa ?e que o desempenho dos algoritmos ?e proporcional a sua complexidade, o que induz pesquisadores de outros campos a continuar preferindo oNSGA-II. Ainda, o interesse pela Otimiza??o Din?mica Muitiobjetivos (DMOO), em que o ambiente se modifica ao longo do tempo, se intensificou somente nos ?ultimos anos e muitos s?o os desafios desse emergente campo de pesquisa. Sobre o NSGA-DO, o mesmo prop?e modifica??es em parte do NSGA-II, e mesmo tendo mostrado desempenho superior em outros campos, o algoritmo n?o apresenta
 resultados satisfat?rios quando aplicado a MOOPs cont?nuos. Nesse contexto, reconhecendo a simplicidade e potencial do recente algoritmo, assim como a necessidade
 de avan?cos no campo da DMOO, o objetivo dessa pesquisa foi o desenvolvimento de
 melhorias ao NSGA-DO, assim como, a elucida??o de quest?es importantes relacionadas ao campo da DMOO. A metodologia aqui adotada foi dividida em duas fases parcialmente intercaladas. Na primeira fase, classificada como uma pesquisa bibliogr?fica descritiva, estudos de revis?o publicados no campo da DMOO foram identificados, descritos e analisados. Na segunda fase, classificada como uma pesquisa experimental explicativa, a
 estrat?egia evolutiva do NSGA-DO foi investigada e melhorias foram aplicadas.
 Como resultado da an?lise dos estudos pode-se perceber que os principais desafios
 do campo da DMOO giram em torno da detec??o de mudan?as e da resposta `as mudan?as. Nesse processo, um DMOA (Algoritmo Multiobjetivo Din?mico) enfrenta
 dificuldades relacionadas `a preserva??o da diversidade, converg?ncia considerando o
 novo ambiente e recupera?c?ao de poss??veis solu?c?oes invi?aveis. Sobre a experimenta-
 ?c?ao, as modifica?c?oes aplicadas ao NSGA-DO resultaram em um novo AG, o Modiiii
 fied NSGA-DO (MNSGA-DO), que supera o NSGA-DO e at?e mesmo o NSGA-II
 em problemas com diferentes caracter??sticas. Tamb?em, um variante din?amico do
 MNSGA-DO foi proposto, o Dynamic MNSGA-DO (D-MNSGA-DO), o qual obteve um desempenho satisfat?orio, conseguindo rastrear e responder `as mudan?cas de
 ambiente.
 Com os resultados obtidos, pode-se concluir que o presente estudo alcan?cou seus
 objetivos ao propor um novo AG de estrat?egia simples e apto a resolver MOOPS e
 DMOPs, assim como apresentou um compilado dos estudos de revis?o publicados
 ao longo dos anos, estes no campo da DMOO.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Programa de P?s-Gradua??o em Ci?ncia da Computa??o},
 	note = {DEPARTAMENTO DE TECNOLOGIA}
}