Inicialmente, foi executado o algoritmo BRKGA (detalhado na Seção 4.5.1) para cada uma das instâncias e salvos a população inicial e a conformação inicial do ligante em cada uma das execuções. Conforme descrito na Seção 4.5.1, o ligante tem sua posição e conformação modificados, em relação à estrutura cristalográfica, para não tornar o pro- cesso de busca tendencioso. Assim, para que seja justa a comparação entre os algoritmos,
cada execução de cada instância tem o mesmo ponto de partida, a mesma semente. Tam- bém, como limite de execução é definido um total de 1.000.000 de avaliações da função de energia.
Em seguida foram definidos os parâmetros utilizados em cada algoritmo. No BRKGA adotou-se os valores recomendados de acordo com aqueles propostos por Gon- çalves (GONÇALVES; RESENDE, 2011). O tamanho da população é de 150 indivíduos, dos quais 20% representam o grupo de elite, enquanto que 50% dos indivíduos são gera- dos no crossover, e os demais 30% são obtidos no processo de mutação. A probabilidade de herança do alelo de elite no processo de escolha aleatória é definido entre 0,5 e 0,7. Além disso, considerando que a discretização do espaço de busca por cubos tem um total de 27 regiões, o percentual de indivíduos não-migrantes foi definido em 30% da popula- ção. Esse valor respeita a restrição pnm≤ pm, e garante que no mínimo 1 indivíduo estará
presente em cada cubo ao longo da execução do algoritmo.
Em relação ao algoritmo memético, os parâmetros das buscas locais foram defini- dos como 0,50 para o raio de perturbação, fixo nesta primeira etapa. O valor de intensi- dade de cada busca local foi definido em 500 avaliações, e a taxa de aplicação local/global igual a 0,50 conforme sugerido pelos autores em (MOLINA; LOZANO; HERRERA, 2009; MOLINA et al., 2011). A partir disso, pode-se calcular a quantidade de avaliações globais, que é igual ao definido para as LS, 500. Também, foi definida a quantidade de in- divíduos selecionados para aplicação de busca local como igual a 18. Essa definição vem de experiências obtidas em testes e pelo simples cálculo de quantas soluções poderiam ser avaliadas considerando-se que o caso em que somente uma visita completa na vizinhança de uma solução fosse feita. Nesse caso, um indivíduo com 10 diedros (número máximo), teria um total de 14 genes e portanto 28 vizinhos, então 500/28 ≈ 18.
Entre os métodos de busca local implementados, somente o Simulated Annealing tem parâmetros específicos a serem definidos. O número de passos foi configurado para ter, na primeira etapa, o número de avaliações disponíveis para cada aplicação de LS. Já para a segunda etapa, o parâmetro foi definido em 1/3 do número de avaliações destinado a cada janela de aplicação da busca local. Esse valor foi considerado suficiente para se gastar na melhora de um indivíduo, e também permite a aplicação do encadeamento da aplicação do SA com os demais algoritmos de LS. É importante lembrar que esses são os valores máximos, no entanto, se for detectado que a busca não está melhorando (atingiu um mínimo local), o processo pode encerrar antes de atingir essa quantidade de passos. Esta detecção se dá por controlar os genes modificados, isto é, se cada gene for alterado
em ambas direções e a solução não for aceita em nenhuma das vezes, o processo do SA é então encerrado. Além disso, a temperatura mínima foi definida em 2,5 e a máxima em 25.000, com base em diversos experimentos realizados.
No desenvolvimento do algoritmo MMA poucos parâmetros adicionais foram ne- cessários. O raio de perturbação, que antes era fixo, agora passa a ser definido como um conjunto de valores: 0,10, 0,25 e 0,50. Estes valores foram definidos de forma experi- mental em testes preliminares com a geração e avaliação de indivíduos aleatórios, e tais valores se mostraram mais atrativos para aplicação no refinamento das soluções. Além disso, os pesos utilizados na função de probabilidades foram definidos em 0,6 para o termo que mensura o benefício do operador de LS, e 0,4 para o termo que mede a taxa de sucesso. Tais valores foram adotados pois considerou-se que o primeiro termo tem ligeira relevância sobre o segundo. O uso de pesos também foi utilizado no trabalho de Jin et al. (JIN; ZHIHUA; WENYIN, 2014).
A definição das restrições das operações realizadas com o ligante também são importantes. A operação de translação está relacionada com a definição do tamanho do espaço de busca, que foi valorado em 11Å para todos os eixos da caixa. Assim, os limites de cada aresta são [-5,5, 5,5]. Já tanto a rotação do ligante, como um todo, e suas rotações internas têm seus valores representados em radianos e vão de −π a π, o que representa [−180, 180] em graus. Por exemplo, para um raio de perturbação igual a 0,25, tem-se uma variação de ≈ ±28, 65◦ na rotação da estrutura. Todos os parâmetros e definições discutidos são sumarizados na Tabela 5.2.
Tabela 5.2: Conjunto de parâmetros definidos para o BRKGA e os algoritmos de busca local nas implementações das abordagens memética e multimemética.
Parâmetros gerais
max_evals Máximo de avaliações 1.000.000
n_cubes Número de cubos 27
cube_size Dimensões do espaço de busca 11x11x11 (Å) rotation Intervalo de valores para rotação [−π, π]
n_diedral Número máximo de diedros 10
Parâmetros do BRKGA
p Tamanho da população 150
pe População de Elite 0,20
pm População Mutante 0,30
ρe Probabilidade do alelo de elite 0,5 - 0,7
pnm População não-migrante 0,30
Parâmetros das buscas locais rpt Raio de perturbação
0,50 - Etapa I [0,10, 0,25, 0,50] - Etapa II
iLS Intensidade de aplicação da LS 500
rL/G Taxa de aplicação local/global 0,50
irLS Número de indivíduos para uma LS 18
Parâmetros do Simulated Annealing nsteps Número máximo de passos
500 - Etapa I 167 - Etapa II
min_t Temperatura mínima 2,50
max_t Temperatura máxima 25.000
Parâmetros do algoritmo multimemético
wrf g Peso da taxa de ganho do fitness 0,6
wrsapp Peso da taxa de sucesso de aplicação 0,4
Fonte: Do Autor.