Desempenho do algoritmo genético com iteração retroviral para otimização de funções com representação real

A ideia da infecção viral vem sendo utilizada nos Algoritmos Genéticos (AG) para melhorar a taxa de busca dos algoritmos, superando a convergência prematura por meio do controle da diversidade da população, visto que na natureza a recombinação genética por vírus apresenta alta velocidade de replicação e frequente mutação. [Romano 2009]. A meta-heurística denominada AGRI adotou como fonte de inspiração biológica a família retroviridae, cujos vírus são baseados em RNA e atendem à necessidade de maior variação alélica do AG, visto que o RNA não possui os mecanismos de correção em seu genoma para eliminar o material viral recombinado. Neste algoritmo, os vírus são tratados como uma população separada da população de indivíduos. A cada infecção, o material genético viral é transmitido verticalmente entre os hospedeiros difundindo trechos de soluções dos vírus com melhor desempenho por toda população. A diversidade viral é mantida por meio de um mecanismo que substitui todos o vírus fora da taxa de elitismo viral. Nessa técnica, a população viral evolui junto com a população cromossômica, pois os vírus ineficientes são criados a partir do material genético dos indivíduos mais adaptados e de outros genes novos. O AGRI segue os princípios biológicos em vários aspectos da infecção e multiplicação viral. Por exemplo: cria a primeira população viral sem o material genético da população somática; escolhe aleatoriamente os vírus que irão infectar um indivíduo, possibilitando que parte da população nunca seja infectada por alguns vírus e que certos vírus infectem mais indivíduos. Além disso, a partir da segunda geração do AG, os vírus substituídos são criados com material genético de dois indivíduos, e tem diferentes quantidades de genes. Nesta abordagem, a maximização do espaço de busca é realizado utilizando três mecanismos: alta variabilidade genética da população viral com tamanhos diferentes dos trechos de soluções; efetivação da infecção apenas quando há um aumento no fitness do indivíduo; e possibilidade de um indivíduo ser infectado por quaisquer dos vírus da população viral. Para analisar o efeito dos parâmetros da infecção viral do AGRI e seu desempenho em comparação com outras meta-heurísticas bem conceituadas, as seguintes funções de benchmarking relacionadas com problemas de minimização foram selecionadas: F1 (Shifted Sphere Function), F2 (Shifted Schwefel’s Problem), F3 (Shifted Rotated High Conditioned Elliptic Function) e F5 (Schwefel’s Problem 2.6 with Global Optimum on Bounds). Os resultados mostraram que para funções unimodais propostas, o AGRI tem boa performance em comparação com as outras meta-heurísticas selecionadas podendo alcançar o ótimo global ou boas soluções com poucas iterações.