Programação paralela de algoritmo de inteligência coletiva inspirado em cardumes para otimização global e multimodal

Resumo

Nos últimos anos, algoritmos bioinspirados baseados em populações vêm se tornando bastantes populares no campo da otimização multiobjetivo. Entretanto, devido à grande quantidade de avaliações da função objetivo, o tempo de execução de tais algoritmos pode tornar-se longo para aplicações em problemas complexos. Com o desenvolvimento das unidades gráficas de processamento (GPU) e da plataforma CUDA (Compute Unified Device Architecture) da NVIDIA alguns estudos recentes sobre a paralelização de algoritmos evolutivos bioinspirados de otimização vem sendo realizados por comunidades científicas no mundo todo. Neste projeto, propõe-se a implementação em GPU do algoritmo Fish School Search (FSS), que é uma metaheurística baseada no comportamento de cardumes, para a paralelização em problemas de propósito geral em otimização global e multimodal. Experimentos serão conduzidos para a execução do algoritmo FSS em GPU e em CPU voltados para a otimização de funções de teste clássicas, a fim de avaliar o ganho em velocidade e em desempenho deste algoritmo em sua versão paralela em relação à versão serial. (AU)