Linha de Pesquisa: Inteligência Artificial

Resumo do trabalho:

O escalonamento de tarefas é uma atividade crucial para assegurar a eficiência dos sistemas computacionais. Este problema é definido como uma série de tarefas que são executadas por vários processadores, sujeitos a diversos critérios de otimização. Alguns problemas envolvem múltiplos critérios, que podem ser conflitantes, tornando a resolução mais complexa. Existem várias soluções baseadas em heurísticas e meta-heurísticas, com algoritmos evolutivos sendo uma das ferramentas mais comuns. Neste trabalho, foram implementados três algoritmos evolutivos multiobjetivo: o NSGA-II (Non-Dominated Sorting Genetic Algorithm II), o AEMMT (Algoritmo Evolutivo Multiobjetivo com Muitas Tabelas) e o AEMMD (Algoritmo Evolutivo Multiobjetivo com Múltiplas Dominâncias). Estes últimos representam a nova classe de algoritmos proposta para resolver problemas com muitos objetivos. Todos os algoritmos foram adaptados para o problema apresentado, com o objetivo de comparar e avaliar o desempenho de cada um. Com base nos resultados experimentais, é possível constatar que o AEMMT produziu os melhores resultados, seguido pelo AEMMD e, por fim, pelo NSGA-II.
 

Link da transmissão da defesa:

https://teams.microsoft.com/l/meetup-join/19%3abRDYa3q1Ogvcv2knnmkaeTb4S2Swidhlgn_9HbDo2lU1%40thread.tacv2/1676494253163?context=%7b%22Tid%22%3a%22cd5e6d23-cb99-4189-88ab-1a9021a0c451%22%2c%22Oid%22%3a%223b2ba731-ef4d-456b-a168-87e50e9b9619%22%7d