[pt] Apresenta-se a aplicação dos algoritmos genéticos para o tratamento do problema inverso em reconstituição de acidentes e análise de colisões com veículos terrestres de estrutura deformável. Define-se como, a partir de restrições impostas, das posições finais, e das deformações encontradas nos veículos após uma colisão, o algoritmo de otimização pode fornecer o conjunto de variáveis e parâmetros que mais provavelmente levam os veículos àquela condição. Todos os procedimentos desenvolvidos foram implementados em imulink/Matlab. Para resolver o problema, foi escolhida a técnica de otimização denominada algoritmo genético, que é indicado para solução de problemas complexos, que envolvem um grande número e variáveis e, conseqüentemente, espaços de soluções de dimensões elevadas. / [en] This work show an applicattion of the genetic algorithm to resolve the inverse problem of accident reconstitution and to analise colisions between vehicles of deformable structure. It is determined how, with imposing of restrictions, final positions and deformations found at vehicles after collision, the optimization algorithmcan give the set of variables and parameters that probably conduct the vehicles to true initial condition. All the developed procedures were implemented at Simulink/Matlab.The optimization technique chose to resolve the inverse problem was the genetic algorithm because it is the most popular to solve complex problems that have a very large number of variables and a elevate dimension space solutions.

[pt] Uma filogenia é uma árvore que relaciona unidades taxonômicas, baseada na similaridade de seus conjuntos de características. O problema da filogenia consiste em encontrar uma filogenia com o número mínimo de passos evolutivos. O principal objetivo deste trabalho é desenvolver heurísticas híbridas para este problema. Duas estratégias são propostas. A primeira combina a metaheurística GRASP baseada em uma nova estrutura de vizinhança (k-SPR) proposta neste trabalho com um procedimento VND de busca local. A segunda estratégia híbrida combina algoritmos genéticos com uma estratégia de cruzamento inovadora, a qual é uma extensão da técnica de intensificação denominada reconexão por caminhos que foi originalmente aplicada no contexto de outras metaheurísticas, tais como busca tabu e GRASP. Os experimentos computacionais realizados sobre instâncias geradas aleatoriamente e instâncias da literatura científica mostram que os novos algoritmos são bastante robustos e que superaram os outros algoritmos existentes na literatura em termos de qualidade de solução e tempos computacionais obtidos. / [en] A phylogeny is a tree that relates taxonomic units, based on their similarities over a set of characters. The phylogeny problem consists in finding a phylogeny with the minimum number of evolutionary steps. The main goal of this work is to develop hybrid heuristics for this problem. Two strategies are proposed. The first combines the GRASP metaheuristic using a new neighborhood structure (k-SPR) proposed in this work with a VND local search procedure. The second hybrid strategy combines genetic algorithms with an innovative optimized crossover strategy which is an extension of the path-relinking intensification technique originally applied in the context of other metaheuristics such as tabu search and GRASP. Computational results on randomly generated and benchmark instances are reported, showing that the new heuristics are quite robust and outperform the others algorithms in the literature in terms of solution quality and computational time.

[pt] Esta dissertação investiga um sistema de apoio à decisão baseado em Algoritmos Genéticos e Simulação Monte Carlo para a formação de carteiras de projetos de petróleo e gás. O objetivo do trabalho é avaliar o desempenho de Algoritmos Genéticos -AG- para selecionar projetos que formarão a carteira. A construção de carteiras de projetos é um problema de múltiplos objetivos, onde se deseja escolher um conjunto de projetos com perspectivas de lucro para formar uma carteira. O sistema emprega o Algoritmo Genético para formação de carteiras de projetos. Em seguida, a Simulação de Monte Carlo é utilizada para obter a função de distribuição do Valor Presente Líquido -VPL- da carteira baseado nas distribuições dos projetos escolhidos. Por último, avalia-se a carteira usando-se o método de minimização de energia que busca o equilibro dos três objetivos considerados. O problema consiste, basicamente, em maximizar a média do VPL, que representa o retorno esperado, minimizando-se o Desvio Padrão, que é a medida de risco, e maximizando-se o Percentil 90 -P90-, que significa a possibilidade de obter um maior lucro. Nos estudos de casos são apresentados os resultados da aplicação do sistema para diferentes grupos de projetos, constituídos por 16, 18, 20 e 26 projetos, onde cada um deles tem distribuições teóricas do VPL definidas por funções: F, Normal e Logarítmica, formadas por 500 dados. Os resultados obtidos mostram a eficiência do AG com a técnica de múltiplos objetivos, na utilização para a otimização de carteiras de projetos de investimento em petróleo e gás. / [en] This thesis investigates a system of support to the decision based on Genetic Algorithms and Monte Carlo Simulation for the creation of portfolio projects of oil and gas. The objective of this work is to evaluate the performance of Genetic Algorithms -GA- to select projects that will form the portfolio. The portfolio construction of projects is a problem of objective multiples, where it is wishes to choose a set of projects with profit perspectives to form a portfolio. The system uses the Genetic Algorithm to create the portfolio formation of projects. After that, the Monte Carlo Simulation is used to get the function of distribution of the Net Present Value -NPV- of the portfolio based on the distributions of the chosen projects. Finally, the portfolio is evaluated portfolio by using itself the method of minimizes energy for the three considered objectives. The problem consists, basically, in maximizing the average of the NPV which represents the return expected, minimizing the Standard of Deviation, which is the measure of the risk, and maximizing the Percentile 90 -P90-, which means the possibility to get a bigger profit. In the study of cases, it is presented the results of the application of the system for different groups of projects, consisting in 16, 18, 20 and 26 projects, where each project has theoretical distributions of the NPV defined by functions: F, Normal and Logarithmic, formed for 500 data. The gotten results show the efficiency of the GA with the technique of objective multiples, in the use of the optimization of the portfolio projects oil and gas investment.

[pt] Esta dissertação investiga a utilização de Algoritmos Genéticos (AG) no processo de descoberta de conhecimento implícito em Banco de Dados (KDD - Knowledge Discovery Database). O objetivo do trabalho foi avaliar o desempenho de Algoritmos Genéticos no processo de classificação de registros em Bancos de Dados (BD). O processo de classificação no contexto de Algoritmos Genéticos consiste na evolução de regras de associação que melhor caracterizem, através de sua acurácia e abrangência, um determinado grupo de registros do BD. O trabalho consistiu de 4 etapas principais: um estudo sobre a área de Knowledge Discovery Database (KDD); a definição de um modelo de AG aplicado à Mineração de Dados (Data Mining); a implementação de uma ferramenta (Rule-Evolver) de Mineração de Dados; e o estudo de casos. O estudo sobre a área de KDD envolveu todo o processo de descoberta de conhecimento útil em banco de dados: definição do problema; seleção dos dados; limpeza dos dados; pré-processamento dos dados; codificação dos dados; enriquecimento dos dados; mineração dos dados e a interpretação dos resultados. Em particular, o estudo destacou a fase de Mineração de Dados e os algoritmos e técnicas empregadas (Redes Neurais, Indução de regras, Modelos Estatísticos e Algoritmos Genéticos). Deste estudo resultou um survey sobre os principais projetos de pesquisa na área. A modelagem do Algoritmo Genético consistiu fundamentalmente na definição de uma representação dos cromossomas, da função de avaliação e dos operadores genéticos. Em mineração de dados por regras de associação é necessário considerar-se atributos quantitativos e categóricos. Atributos quantitativos representam variáveis contínuas (faixa de valores) e atributos categóricos variáveis discretas. Na representação definida, cada cromossoma representa uma regra e cada gene corresponde a um atributo do BD, que pode ser quantitativo ou categórico conforme a aplicação. A função de avaliação associa um valor numérico à regra encontrada, refletindo assim uma medida da qualidade desta solução. A Mineração de Dados por AG é um problema de otimização onde a função de avaliação deve apontar para as melhores regras de associação. A acurácia e a abrangência são medidas de desempenho e, em alguns casos, se mantém nulas durante parte da evolução. Assim, a função de avaliação deve ser uma medida que destaca cromossomas contendo regras promissoras em apresentar acurácia e abrangência diferentes de zero. Foram implementadas 10 funções de avaliação. Os operadores genéticos utilizados (crossover e mutação) buscam recombinar as cláusulas das regras, de modo a procurar obter novas regras com maior acurácia e abrangência dentre as já encontradas. Foram implementados e testados 4 operadores de cruzamento e 2 de mutação. A implementação de uma ferramenta de modelagem de AG aplicada à Mineração de Dados, denominada Rule-Evolver, avaliou o modelo proposto para o problema de classificação de registros. O Rule-Evolver analisa um Banco de Dados e extrai as regras de associação que melhor diferenciem um grupo de registros em relação a todos os registros do Banco de Dados. Suas características principais são: seleção de atributos do BD; informações estatísticas dos atributos; escolha de uma função de avaliação entre as 10 implementadas; escolha dos operadores genéticos; visualização gráfica de desempenho do sistema; e interpretação de regras. Um operador genético é escolhido a cada reprodução em função de uma taxa preestabelecida pelo usuário. Esta taxa pode permanecer fixa ou variar durante o processo evolutivo. As funções de avaliação também podem ser alteradas (acrescidas de uma recompensa) em função da abrangência e da acurácia da regra. O Rule- Evolver possui uma interface entre o BD e o AG, necessária para tor / [en] This dissertation investigates the application of Genetic Algorithms (GAs) to the process of implicit knowledge discovery over databases (KDD - Knowledge Discovery Database). The objective of the work has been the assessment of the Genetic Algorithms (GA) performance in the classification process of database registers. In the context of Genetic Algorithms, this classification process consists in the evolution of association rules that characterise, through its accuracy and range, a particular group of database registers. This work has encompassed four main steps: a study over the area of Knowledge Discovery Databases; the GA model definition applied to Data Mining; the implementation of the Data Mining Rule Evolver; and the case studies. The study over the KDD area included the overall process of useful knowledge discovery; the problem definition; data organisation; data pre-processing; data encoding; data improvement; data mining; and results´ interpretation. Particularly, the investigation emphasied the data mining procedure, techniques and algorithms (neural Networks, rule Induction, Statistics Models and Genetic Algorithms). A survey over the mais research projects in this area was developed from this work. The Genetic Algorithm modelling encompassed fundamentally, the definition of the chromosome representation, the fitness evaluation function and the genetic operators. Quantitative and categorical attributes must be taken into account within data mining through association rules. Quantitative attribites represent continuous variables (range of values), whereas categorical attributes are discrete variable. In the representation employed in this work, each chromosome represents a rule and each gene corresponds to a database attribute, which can be quantitative or categorical, depending on the application. The evaluation function associates a numerical value to the discovered rule, reflecting, therefore, the fitness evaluation function should drive the process towards the best association rules. The accuracy and range are performance statistics and, in some cases, their values stay nil during part of the evolutionary process. Therefore, the fitness evaluation function should reward chromosomes containing promising rules, which present accuracy and range different of zero. Ten fitness evaluation functions have been implemented. The genetic operators used in this work, crossover and mutation, seek to recombine rules´clauses in such a way to achieve rules of more accuracy and broader range when comparing the ones already sampled. Four splicing operators and two mutation operators have been experimented. The GA modeling tool implementation applied to Data Mining called Rule Evolever, evaluated the proposed model to the problem of register classification. The Rule Evolver analyses the database and extracts association rules that can better differentiate a group of registers comparing to the overall database registers. Its main features are: database attributes selection; attributes statistical information; evaluation function selection among ten implemented ones; genetic operators selection; graphical visualization of the system performance; and rules interpretation. A particular genetic operator is selected at each reproduction step, according to a previously defined rate set by the user. This rate may be kept fix or may very along the evolutionary process. The evolutionary process. The evaluation functions may also be changed (a rewarding may be included) according to the rule´s range and accuracy. The Rule Evolver implements as interface between the database and the GA, endowing the KDD process and the Data Mining phase with flexibility. In order to optimise the rules´ search process and to achieve better quality rules, some evolutionary techniques have been implemented (linear rank and elitism), and different random initialisation methods have been used as well; global averag

[pt] O desenvolvimento da Nanociência e da Nanotecnologia dependem em grande parte do avanço da Química Computacional. Nesse contexto, um dos conceitos mais importantes é o conjunto de funções de base. Essas são combinações lineares de funções que produzem uma solução aproximada da equação de Schrödinger para átomo de muitos elétrons e sistemas moleculares. A construção de funções de base é uma tarefa complexa e influencia a rapidez e a precisão de cálculos de estrutura eletrônica. Esse trabalho propõe uma metodologia baseada em Algoritmos Co-Evolucionários para realizar a parametrização e buscar a melhor forma de se utilizar primitivas gaussianas utilizadas em cálculos de estrutura eletrônica. Esta pesquisa avaliou diferentes formas de realizar a construção de funções de base com o emprego de Algoritmos Evolucionários. O trabalho apresenta uma metodologia inédita para realizar a construção de funções de base, que parametriza e distribui as primitivas gaussianas dentre os orbitais especificados. Como estudo de caso a ferramenta desenvolvida foi aplicada para construir funções de base para os seguintes átomos: B, C, N, O, F, Ne, Na, Mg, Al, Si, P, S, Cl, Ar. Em todos os casos, os resultados da aplicação metodologia que usa algoritmos co-evolucionários, foram superiores aos presentes na literatura. Com base na metodologia, é construído um sistema que torna viável a busca de funções de base que satisfaçam a um critério previamente especificado, no qual o usuário pode definir uma determinada precisão e a metodologia procura o número mínimo de parâmetros e a respectiva distribuição que aproxima a meta estabelecida. / [en] The development of nanoscience and nanotechnology has a strong dependency on the advance of computational chemistry. In this context, one of the most important concepts is the basis functions set. This linear combination of functions provides an approximate solution to Schrödinger equation for many electron atoms and molecular systems. The construction of basis function is a complex task and influences on the speed and precision of the electronic structures calculus Conventional non-linear programming techniques have been extensively used in parameterization, but they cannot be used to build a set of basis functions. This work intends to propose a methodology based in Evolutionary Algorithms to parameterize and search for the best way of using Gaussian primitives in calculus of electronic structure. The advantage of using evolutionary techniques is the ability to obtain good solutions for the continuous non-linear programming problems, which are at the same time discrete. Also, there are no necessary previous knowledge of good(standard) solutions for a certain problem. This work had evaluated different ways of build basis functions with the use of evolutionary algorithms. This essay inserts an unprecedented methodology in literature to perform construction of atomic basis functions. The tool developed here was applied to build the basis functions for the following atoms: B, C, N, O, F, Ne, Na, Mg, Al, Si, P, S, Cl, Ar. All cases of the applied methodology, which uses coevolutionary algorithms, present better results than the ones described in literature.

[pt] Análise da propagação eletromagnética através de poços de petróleo com auxílio de técnicas de apoio a decisão estuda a viabilidade de telemetria sem fio de fundo de poço a quilômetros de profundidade. A maior dificuldade são as perdas por propagação, definindo, assim, a direção de pesquisa deste trabalho. Essa dificuldade surge devido a grande diversidade de fluidos utilizados no interior do poço, com características condutoras, tornando extremamente difícil a previsão do comportamento de propagação. O trabalho foca, então, no problema de atenuação do sinal eletromagnético através do fluido, analisando suas causas com uso de modelagem eletromagnética e simulação Monte Carlo. Primeiramente, são definidos modelos de propagação analíticos. É mostrado que o sistema apresenta frequências em que ocorre propagação em modo TEM e desenvolve-se, então, um modelo análogo ao de uma linha de transmissão, permitindo, assim, a utilização de toda teoria de circuitos elétricos. Com este modelo, estima-se a impedância de entrada do sistema, revelando que esta varia, principalmente, entre 10 ohms e 10k ohms com parte reativa considerável, a uma profundidade igual a lambda sobre quatro de comprimento de onda. Estima-se, também, a melhor posição para colocar os sensores, introduzindo uma tática que maximiza as chances de se ter um sensor sempre perto de um máximo de potência. Além disso, com o auxílio de simulações Monte-Carlo, estuda-se a influência da permissividade elétrica e da condutividade do meio na atenuação de propagação e na impedância de entrada do sistema, concluindo que existe uma probabilidade de 95% de que a constante de atenuação seja inferior a 0,8 10(-4) Np/m em 1MHz. Posteriormente, utiliza-se algoritmo genético clássico para propor um problema de design bem simplificado para o posicionamento de um gerador no topo do poço, atingindo o ótimo em torno de 25m de profundidade, para uma frequência ligeiramente inferior a 1MHz. Por fim, fora analisada a possibilidade de alimentação remota, revelando que fluidos com condutividade da ordem de 1,0 10(-6) S/m permitem alimentação em profundidades elevadas. / [en] Analysis of electromagnetic propagation through oil wells with the aid of decision support techniques studies the viability of wireless downhole telemetry. The difficulty is the propagation losses, thereby defining the direction of this research work. This difficulty arises because of the wide variety of fluids used in the well, with conductive features, making it extremely difficult to predict the behavior of propagation. The paper focuses then on the problem of signal attenuation in the fluid, analyzing their causes with the use of electromagnetism and Monte Carlo. First, propagation models are defined analytically. It is shown that the presence of frequencies in TEM mode propagation occurs and develops, then a model analogous to a transmission line, thus allowing the use of electrical circuit theory. With this model, we estimate the input impedance of the system, revealing which ranges from 10 ohms and 1.0kohms to a depth equal to lambda over four. Furthermore, with the aid of Monte-Carlo simulations, we study the influence of permittivity and conductivity of the medium in the attenuation and input impedance of the system, concluding that there is a probability of 95% of the attenuation constant is less than 0.8·10(−4) Np/m at 1MHz. Later, we use classical genetic algorithm to propose a design problem for the positioning of a generator at the well, with excellent about 29, 7m deep and 1MHz. Finally, the possibility was considered remote power, revealing that fluids with a conductivity of 1.0 · 10(−6) S / m at depths allow high power.

[pt] No Brasil, o planejamento da operação energética do Sistema Interligado Nacional - SIN é realizado atualmente por meio de uma cadeia de modelos matemáticos concebidos para otimizar o planejamento segundo o critério de minimização do valor esperado do custo total de operação. No entanto, desde a crise ocorrida no Setor Elétrico Brasileiro entre os anos de 2001 e 2002, cujo ápice ocorreu no racionamento de energia, houve uma intensificação na busca por métodos de otimização que permitam a consideração explicita de critérios adicionais na otimização, tal como a segurança operativa. Neste contexto, este trabalho propõe uma modelagem utilizando algoritmos genéticos que permite a consideração de múltiplos objetivos no processo de otimização sem que a representação física do sistema e de suas incertezas se- jam comprometidas. A abordagem multicritério para o problema possibilita que diversos indicadores, dentre os quais destaca-se o risco anual de déficit, que atualmente são apenas resultados da otimização, se tornem controláveis a partir de sua consideração diretamente no processo de otimização. A modelagem proposta foi computacionalmente implementada na linguagem C# utilizando a biblioteca GAcom desenvolvida pelo ICA/PUC-Rio. O desempenho da metodologia proposta foi avaliado por meio de estudos de casos aplicados ao SIN. Os resultados obtidos, assim como as vantagens observadas ao se utilizar a otimização multicritério, são discutidos ao longo do texto. / [en] In Brazil, the planning of the energy operation of the National Interconnected Power System is currently done through a chain of mathematical models designed to optimise the planning according to criterion of minimisation of the expected value of the total operation`s cost. However, since the 2001-2002 energy supply crisis, there was an intensification in the search for methods of optimization allowing explicit consideration of additional criteria, such as the operative security. In this context, this work proposes a modelling using genetic algorithms that makes possible the consideration of multiple objectives in the optimisation process without compromising the physical representation of the system and its uncertainties. A multicriteria approach to the problem allows that various indicators, like, for instance, annual deficit, which currently are only results of the optimisation, become controllable from its consideration in the optimisation process. The modelling proposal was computationally implemented in language C# using the GAcom library developed by the ICA/PUC-Rio. The performance of the proposed methodology was evaluated through potential National Inter- connected Power System case studies. The results, as well as the benefits seen when using the multicriteria optimisation, are discussed throughout the text.

[pt] Materiais compósitos são a base de muitos produtos, devido à sua capacidade de aperfeiçoar certas propriedades. Recentemente, a utilização de nanocargas na fabricação de compósitos vem sendo amplamente estudada, pois a partir de concentrações baixas de nanocargas, as propriedades começam a melhorar, possibilitando a criação de materiais leves e com uma grande gama de propriedades. Uma das propriedades mecânicas mais estudadas é o módulo de Young, que mensura a rigidez de um material. Alguns dos modelos existentes para essa propriedade em nanocompósitos pecam na precisão ou são limitados em função da fração máxima de nanopartículas admissível no modelo. Outros se adequam apenas a uma determinada combina ção de matriz/carga preestabelecida. O objetivo deste trabalho é utilizar Redes Neurais Artificiais como um aproximador capaz de modelar tal propriedade para diversas matrizes/cargas, levando em consideração suas características, sem perder a precisão. A validação do aproximador é realizada comparando o resultado com outros modelos propostos na literatura. Uma vez validada, utiliza-se Algoritmos Genéticos em conjunto com tal rede para definir qual seria a configuração ideal para três casos de estudo: um que maximize o valor do módulo de Young, outro que maximize o módulo relativo e um terceiro que maximize o módulo relativo e minimize a quantidade de carga utilizada, diminuindo os custos de projeto. As técnicas de Inteligência Computacional empregadas na modelagem e síntese de materiais nanoestruturados se mostraram boas ferramentas, uma vez que geraram uma boa aproximação dos dados utilizados com erros inferiores a 5%, além de possibilitarem a determinação dos parâmetros de síntese de um material com o módulo de Young desejado. / [en] Composite materials became very popular due to its improvements on certain properties achieved from the mixture of two different components. Recently, the use of nanofillers in the manufacture of composites has been widely studied due to the improvement of properties at low concentrations of nanofillers, enabling the creation of lightweight materials. Some of the existing models for the Young modulus of the nanocomposites have low accuracy or are limited in terms of the maximum filler fraction possible. Others are appropriate only for a given combination of matrix and filler. The objective of this work is to use Artificial Neural Networks as a function approximation method capable of modeling such property for various matrix/nanofillers, taking into account their characteristics, without losing accuracy. The validation of this approximator is performed comparing its results with other models proposed in the literature. Once validated, a Genetic Algorithm is used with the Neural Network to define which would be the ideal setting for three case studies: one that maximizes the value of composite’s Young’s modulus, other that maximizes the relative modulus and a third one that maximizes the relative modulus and minimizes the amount of load used, reducing the cost of project. Computational Intelligence techniques employed on the modeling and synthesis of nanostructured materials proved to be adequate tools, since it generated a good approximation of the data with errors lower than 5%, and determined the material’s parameters for synthesis with the desired Young’s modulus.

[pt] Esta tese investiga a utilização de computação evolutiva aplicada à síntese de circuitos eletrônicos. A computação evolutiva compreende uma classe de algoritmos que utilizam certos aspectos da evolução natural como metáforas. Particularmente, a seleção natural, a recombinação de material genético e a mutação são os mecanismos biológicos nos quais a maior parte destes algoritmos evolutivos buscam inspiração. Embora algoritmos evolutivos tenham encontrado em problemas de otimização o seu maior potencial de aplicação, a utilização dos mesmos na síntese de circuitos eletrônicos vem sendo intensamente investigada nos últimos anos, dando início à área de pesquisa denominada de Eletrônica Evolutiva. Esta tese enfoca a área de eletrônica evolutiva sob o ponto de vista de engenharia de circuitos, e seu maior objetivo é oferecer embasamento teórico e experimental para proposta de novas ferramentas de Computer Aided Design (CAD) de circuitos eletrônicos. Nesta pesquisa, a utilização de algoritmos evolutivos não se restringiu àqueles que empregam apenas os três operadores genéticos descritos anteriormente, isto é, seleção, recombinação e mutação. Investigou-se a inclusão de novos métodos e operadores ao fluxo básico dos algoritmos evolutivos, com o propósito de melhorar seu desempenho em problemas na área de Eletrônica Evolutiva. Particularmente, estudou-se a utilização de complexidade através de sistemas com representação variável sistemas evolutivos que utilizem como metáfora o conceito biológico de especiação. Além disso, uma nova metodologia para otimização com múltiplos objetivos, baseada em conceitos de aprendizado de Redes Neurais Artificiais, for também concebida nessa tese. Realizou-se um amplo estudo de casos, abrangendo eletrônica analógica, digital e microeletrônica. Uma grande variedade de circuitos de caráter prático foi sintetizada, tais como: filtros, amplificadores, osciladores, retificadores, receptores, comparadores, multiplexadores e portas digitais básicas. Novos paradigmas de eletrônica evolutiva foram também concebidos, com o intuito de tornar os circuitos projetados competitivos com aqueles convencionalmente utilizados; estes paradigmas referem-se à forma como os circuitos são avaliados ao longo do algoritmo evolutivo. A plataforma para realização dos experimentos consistiu de simuladores de circuitos e também de circuitos integrados reconfiguráveis. Os resultados mostram que esta nova classe de ferramentas de CAD pode chegar a circuitos mais eficientes do que os obtidos por ferramentas convencionais. Além disso, circuitos eletrônicos sintetizados por computação evolutiva são em geral bastante distintos daqueles projetados convencionalmente, o que contribui para a concepção de novas metodologias de projeto. / [en] This thesis investigates the application of evolutionary computing techniques in the synthesis of electronic circuits. Evolutionary computation encompasses a particular class of algorithm which employ some aspects of natural evolution as metaphors. Particularly, most of these algorithms borrow ideas from the natural selection, genetic material recombination and mutation biological mechanisms. Even though evolutionary algorithms have been intensively investigates recently, starting a new research area called Evolutionary Electronics. This work focuses on evolutionary electronics from a enginnering perspective and the main objective is the proposal of a new generation of a Computer Aided Design (CAD) tools. Many case studies have been analysed, covering digital and analog microelectronics. The work aimed the achievement of competitive results comparing to other CAD tools. The research has made use of evolutionary algorithms tailored to these application, by including other genetic operators besides the ones defined above. The following methods have been embedded in the evolutionary methodology: memory based genetic algorithms, use of variable length representation systems and the use of the biological speciation metaphor. Furthermore, a new multiple-objective optimization method, based on artificial neural networks learning algorithms, has also been employed in the case studies. A large number of circuits of practical interest have been sysnthesised, such as filters, amplifiers, oscillators, rectifiers, receptors, comparators refer to new approaches for circuits evaluation, particularly in the digital domain. Circuit simulators and analog the reconfigurable circuits have been used as platforms for the evolutionary process. The results show that the circuits synthesided through evolutionary computation are, in some cases, more efficient than the human designed ones. Besides, the evolved circuits are usually quite different from their human designed counterparts, which can contribute to the creation of new design methodologies. The author identified many promising ways of evolutionary algorithms application in analog and digital design, which may, in the future, overcome conventional design in terms of area, speed and power consumption.

[pt] Métodos computacionais se tornam essenciais diante de problemas complexos onde a intuição humana e métodos tradicionais falham. Trabalhos recentes apresentam redes neurais artificiais capazes de realizar eficientemente tarefas intratáveis por algoritmos convencionais com o emprego de aprendizado de máquina, tornando-se assim um dos métodos mais populares. Concomitantemente, algoritmos genéticos, inspirados pelos processos biológicos de seleção natural e mutação, têm sido utilizados como método metaheurístico para encontrar soluções de problemas de otimização. Levantamos então a questão se algoritmos genéticos possuem potencial para resolver problemas no contexto da computação quântica, onde a intuição humana decresce à medida que os sistemas físicos crescem. Especificamente, nos concentramos na evolução de códigos de correção de erros quânticos dentro do formalismo de códigos stabilizer. Ao especificar uma função de fitness apropriada, mostramos que somos capazes de evoluir códigos celebrados, como o código do Shor e o perfeito de 9 e 5 qubits respectivamente, além de novos exemplos não antecipados. Adicionalmente, comparamos com o método força bruta de busca aleatória e verificamos uma crescente superioridade do algoritmo genético conforme aumenta-se o número total de qubits. Diante dos resultados, imaginamos que algoritmos genéticos possam se tornar ferramentas valiosas para desempenhar aplicações complexas em sistemas quânticos e produzir circuitos sob medida que satisfaçam restrições impostas por hardware. / [en] Computational methods become essential in the face of complex problems where human intuition and traditional methods fail. Recent works present artificial neural networks capable of efficiently performing tasks intractable by conventional algorithms using machine learning, rendering it one of the most popular methods. Concomitantly, genetic algorithms, inspired by the biological processes of natural selection and mutation, have been used as a metaheuristic method to find solutions to optimization problems. We then raise the question of whether genetic algorithms have the potential to solve problems in the context of quantum computing, where human intuition decreases as physical systems grow. Specifically, we focus on the evolution of quantum error-correcting codes within the stabilizer code formalism. By specifying an appropriate fitness function, we show that we can evolve celebrated codes, such as the Perfect and Shor s code with respectively 5 and 9 qubits, in addition to new unanticipated examples. Additionally, we compared it with a brute force random search and verified an increasing superiority of the genetic algorithm as the total number of qubits increases. Given the results, we foresee that genetic algorithms can become valuable tools to perform complex applications in quantum systems and produce tailored circuits that satisfy restrictions imposed by hardware.