Configuração de Algoritmos Genéticos Multiobjetivos para Otimização de Projeto de Arquitetura de Linha de Produto

Algoritmos de busca têm sido explorados com sucesso na otimização de projeto de Arquitetura de Linha de Produto de Software (PLA) na abordagem seminal chamada Multi-Objective Approach for Product-Line Architecture Design (MOA4PLA). Tal abordagem produz um conjunto de alternativas de projeto de PLA que melhora os diferentes fatores otimizados. Atualmente, o algoritmo utilizado nesta abordagem é o algoritmo NSGA-II (Non-dominated Sorting Genetic Algorithm II), um algoritmo genético multiobjetivo que otimiza várias propriedades simultaneamente.  A otimização do projeto de PLA ocorre por meio da aplicação de operadores de busca em várias gerações de populações de indivíduos formadas por alternativas de projeto de PLA obtidas a partir de um projeto inicial. 
Apesar de resultados experimentais promissores, estudar a melhor combinação de configuração dos parâmetros do algoritmo genético é imprescindível para obter melhores resultados. Esses parâmetros se referem tanto às probabilidades de aplicação dos operadores de busca anteriormente mencionados como ao tamanho da população e ao número de gerações envolvidas no processo de busca. 
Valores de referência para os parâmetros ainda não foram definidos para otimização de projeto de PLA porque este é um tópico de pesquisa incipiente. Nesse contexto, o objetivo deste trabalho é identificar os valores mais adequados para configurar o algoritmo NSGA-II  para a otimização de projetos de PLA por meio de um estudo experimental. Este estudo envolveu os seguintes parâmetros de algoritmos genéticos: Tamanho da população, Número de Avaliações de Fitness, Funções Objetivos e Probabilidade de Mutação. 
Uma análise quantitativa baseada no indicador de qualidade hypervolume e em testes estatísticos foi realizada para determinar o valor mais adequado para configurar cada parâmetro do algoritmo.