Discussão do artigo "Algoritmo dos Macacos-Azuis — Blue Monkey (BM) Algorithm"

Novo comentário
 

Novo artigo Algoritmo dos Macacos-Azuis — Blue Monkey (BM) Algorithm foi publicado:

O artigo apresenta uma implementação do algoritmo meta-heurístico Blue Monkey, baseado na modelagem do comportamento social dos macacos-azuis. São abordados os principais mecanismos do algoritmo: a estrutura da população em grupos, a orientação pelos líderes locais e a renovação geracional por meio da substituição dos piores indivíduos adultos pelos melhores filhotes, além da análise dos resultados dos testes.

Na busca pelo algoritmo de otimização mais adequado para problemas discretos envolvendo robôs de negociação, será analisado mais um método e suas possibilidades. No coração das selvas africanas vivem criaturas cuja existência, marcada por interações complexas e uma hierarquia bem definida, serviu de inspiração para a criação de um dos métodos de otimização. Trata-se dos macacos-azuis, ou Cercopithecus mitis, pequenos e ágeis habitantes das copas das árvores cujo comportamento, aparentemente caótico, na realidade obedece a profundos princípios biológicos. Foi esse comportamento que deu origem à ideia de desenvolver um algoritmo batizado em sua homenagem: Blue Monkey.

O algoritmo foi desenvolvido por M. Mahmood e B. Al-Khateeb e publicado em 2019 na revista Periodicals of Engineering and Natural Sciences (PEN), 7(3):1054-1066, DOI:10.21533/pen.v7i3.621.

Esse ecossistema complexo, porém harmonioso, inspirou a abstração matemática do algoritmo Blue Monkey, estruturada da seguinte forma:

  • Grupos como equipes. A população de agentes é dividida em equipes independentes, cada uma com seu próprio líder, à semelhança de um macho dominante.
  • Líder como referência de excelência. O melhor indivíduo de cada grupo, com o maior valor de "aptidão" (fitness), representa o macho dominante e serve de referência para os demais.
  • Filhotes como nova geração. Os indivíduos jovens, os "filhotes", representam uma nova geração em desenvolvimento, que aprende e está pronta para substituir os mais velhos, trazendo novas ideias e soluções.
  • Migração como renovação do sistema. A migração ocorre quando os melhores "filhotes" substituem os "adultos" menos aptos, promovendo a renovação contínua da população e aumentando a eficiência do algoritmo.
  • Aprendizado social como caminho até o líder. O deslocamento dos "filhotes" em direção ao líder do grupo, determinado por equações matemáticas, simula o aprendizado social, em que os mais jovens aprendem com os indivíduos experientes.


Autor: Andrey Dik

Novo comentário