O planejamento do tratamento por radioterapia tem por objetivo atingir um volume alvo com altas doses de radiação tomando cuidado para não expor órgãos sadios a doses elevadas. É, portanto, muito importante que se encontre um balanço ideal entre esses objetivos conflitantes. O presente trabalho relata um modelo de programação matemática multiobjetivo e introduz um Algoritmo Transgenético para o problema de seleção do direcionamento dos feixes de radiação no planejamento em radioterapia conformal 3D. A seleção das direções dos feixes é feita através de uma técnica denominada de isocentros variáveis. Com a finalidade de testar o potencial do algoritmo desenvolvido, realiza-se um experimento comparativo com um Algoritmo Genético Multiobjetivo. O experimento computacional obtém dados quantitativos e qualitativos que são analisados no trabalho.

The radiotherapy treatment planning aims to achieve a target volume with high doses of radiation taking care not to expose healthy organs to high doses. It is therefore very important to find an optimal balance between these conflicting goals. This paper reports a mathematical model of multiobjective programming and presents a Transgenetic Algorithm for the problem of selecting the direction of radiation beams in 3D conformal radiotherapy planning. The selection of beams directions is done with a technique called variable isocenters. In order to test the potential of the developed algorithm, a comparative experiment with a multiobjective genetic algorithm was done. The computational experiment obtains quantitative and qualitative data that are analyzed in this paper.

O presente trabalho apresenta um Algoritmo Transgenético para a solução do Problema do Caixeiro Comprador Capacitado Simétrico. O algoritmo é baseado em endossimbiose e outras transformações do fluxo intracelular. O algoritmo é descrito e experimentos computacionais são relatados no sentido de validar a eficiência da abordagem. São também apresentadas novas melhores soluções para 17 instâncias de um conhecido banco de instâncias para o problema.

This paper presents a Transgenetic Algorithm to solve the Symmetric Capacitated Traveling Purchaser Problem. The biological inspiration of the proposed algorithm comes from the endosymbiotic theory of evolution. The algorithm is described and the results of computational experiments are reported. The performance of the algorithm is compared with other recent work presented in the literature. New best solutions for 17 instances of a known benchmark are reported.

Esse trabalho apresenta um caso especial do problema geral da determinação de uma configuração para um sistema de co-geração de energia que utiliza o gás natural como fonte energética. O problema visa determinar a configuração de custo mínimo de um sistema de co-geração. É um problema computacionalmente difícil devido a restrições técnicas, operacionais e econômicas. Para solucioná-lo, são apresentados e comparados algoritmos evolucionários desenvolvidos de acordo com as metáforas dos Algoritmos Genéticos, Algoritmos Meméticos e da Transgenética Computacional. Os algoritmos são aplicados a um conjunto de trinta e cinco instâncias geradas de acordo com cinco diferentes ciclos de co-geração. Os experimentos computacionais relatados nesse trabalho indicam uma dominância de melhores resultados da metáfora transgenética.

This work presents a special case of the general problem of determining the configuration of cogeneration systems in which the primary source of energy is natural gas. The objective is to determine the configuration with the minimum cost. Technical, operational and economic features impose constraints to the problem making it computationally hard to solve. Evolutionary algorithms based upon genetic, memetic and transgenetic algorithms are presented to solve the problem. A computational experiment with thirty-five instances generated in accordance with five distinct cogeneration cycles is reported. The results show that the transgenetic algorithm exhibits an overall best performance.

O presente trabalho apresenta uma nova abordagem, denominada Transgenética Computacional. A metáfora baseia-se na utilização de informações meméticas e no emprego dos fluxos extra e intracelulares para planejar e executar manipulações genéticas no contexto dos algoritmos evolucionários. A pesquisa desenvolve duas linhas de algoritmos: a primeira utilizando-se de ambos os fluxos para informar o processo de busca evolucionária; a segunda utiliza-se exclusivamente da manipulação intracelular. São apresentados os agentes da Transgenética Computacional. São examinadas propriedades resultantes da interação cromossomo x agente de manipulação que se mostram semelhantes às do processo imunológico natural. Ao final são relatados resultados computacionais para o Problema Quadrático de Alocação.

This paper introduces the Computational Transgenetic approach. The metaphor is based on the use of memetic pieces of information and on the extra and intracellular flows to design and accomplish genetic manipulation in the chromosomes of a given population of an evolutionary algorithm. The research develops two algorithmic approaches. The first algorithmic approach uses both the intra and extra-cellular flows to guide an evolutionary search process. The second one uses, uniquely, intracellular manipulation. Computational Transgenetic agents are presented. Properties resulting from chromosome x agent interactions, similar to the natural immunologic process, are examined. Finally, the paper reports the results of computational experiments of applying both techniques to the Quadratic Assignment Problem.