[DISSERTAÇÃO DE MESTRADO] Estratégias Evolutivas para o Ajuste de Parâmetros de um Modelo Epidemiológico Baseado em Autômatos Celulares Probabilísticos

Nome do Aluno: 
Local: 
Por videoconferência
Data de Defesa: 
05/07/2021 - 14:00
Banca examinadora: 
Prof. Dr. Luiz Gustavo Almeida Martins - FACOM/UFU (Orientador)
Prof.ª Dr.ª Gina Maira Barbosa de Oliveira - FACOM/UFU (Coorientadora)
Prof. Dr. Murillo Guimarães Carneiro - FACOM/UFU
Prof. Dr. Luiz Henrique Alves Monteiro - USP

Modelos confiáveis permitem a simulação de processos críticos que podem servir de base para o planejamento e definição de políticas públicas. A modelagem de sistemas dinâmicos é um importante instrumento de pesquisa que pode prever e avaliar o impacto de decisões tomadas por organizações e governos. Autômatos celulares têm sido usados como alternativa para esses tipos de modelagem, pois são sistemas dinâmicos, discretos e capazes de descrever fenômenos complexos a partir de um conjunto de regras simples e iterações locais. Uma vez definida a representação básica do sistema, uma das principais dificuldades na modelagem é o ajuste dos diversos parâmetros que o compõem. Considerando que os algoritmos evolutivos têm se mostrado uma poderosa técnica de busca adaptativa, neste trabalho investigamos duas estratégias baseadas em algoritmos genéticos (AGs) para ajustar parâmetros de um modelo, visando aproximar o resultado das simulações ao comportamento dos dados a serem modelados. A primeira estratégia consiste na aplicação de um algoritmo genético típico para resolver o problema, enquanto a segunda adota múltiplos estágios de evolução, onde cada estágio é responsável por ajustar um subconjunto dos parâmetros. Ambas as estratégias adotam como estudo de caso um modelo que descreve a evolução de uma população de insetos vetores responsáveis pela doença de Chagas (SLIMI et al., 2009). Esse modelo é baseado em autômatos celulares probabilísticos e foi originalmente proposto para reproduzir dados reais coletados em uma aldeia no México. Aqui, ele é usado para gerar o conjunto de dados usada como referência pelo algoritmo genético. Resultados experimentais mostram que os parâmetros definidos em ambas as estratégias evolutivas reproduzem um comportamento semelhante ao modelo de referência tanto na quantidade de insetos quanto na sua distribuição espacial.