Minha pesquisa combina Inteligência Artificial, otimização e métodos computacionais, com interesses que vão de decisão multiobjetivo a software e computação sustentável.
Desenvolvimento e análise de métodos para problemas de decisão com múltiplos objetivos, incluindo algoritmos evolucionários, seleção adaptativa de heurísticas e estratégias híbridas. Uma preocupação recorrente é reduzir a dependência de conhecimento específico do problema sem perder qualidade das soluções.
Arquiteturas multiagentes para resolução colaborativa e distribuída de problemas. A linha inclui otimização baseada em agentes, coordenação entre diferentes tomadores de decisão e mecanismos de escolha social para combinar preferências, estratégias ou recomendações algorítmicas.
Investigação do uso de modelos de linguagem de grande e pequeno porte como componentes de sistemas de otimização. O foco está em arquiteturas híbridas nas quais LLMs trabalham em conjunto com heurísticas especialistas, algoritmos evolucionários, programação matemática ou múltiplos agentes especializados.
Aplicação de técnicas de Inteligência Artificial a problemas de escalonamento e alocação de recursos, especialmente em ambientes de computação em nuvem. Os estudos consideram workflows representados por grafos, máquinas heterogêneas e múltiplos critérios como tempo de execução, custo financeiro e emissões de carbono.
Pesquisa em Engenharia de Software com interesse em problemas que podem ser tratados por técnicas de Inteligência Artificial, otimização e análise de dados. Essa linha inclui trabalhos sobre teste de software, cadeias de suprimentos de software e análise de características de código e de processos de desenvolvimento.
Investigação de métricas, modelos e estratégias de decisão voltadas à sustentabilidade em computação. O interesse inclui avaliar emissões de carbono em diferentes contextos, como escalonamento em nuvem e execução ou análise de código-fonte, e incorporar essas medidas a processos de otimização e apoio à decisão.