O objetivo desta tese foi desenvolver um procedimento para projeto de arranjo físico modular. O procedimento usa um algoritmo genético de agrupamento para gerar módulos de arranjo físico em manufatura. Um módulo é um grupo de máquinas com um fluxo característico. O algoritmo genético de agrupamento (AGA) permite ao usuário especificar a priori o número desejado de módulos (problema de K-agrupamentos), e também trabalhar de forma que o número e formação dos módulos seja uma otimização do problema (problema de agrupamento automático). Uma característica importante do AGA é sua flexibilidade, pois fornece possibilidade ao usuário de dirigir seu raciocínio através da escolha de diferentes codificações do cromossomo, de funções de aptidão para avaliar a qualidade da solução, de medidas de similaridade para comparação de seqüências de operações e de métodos de geração da nova população. Para tal foram desenvolvidos três operadores de cruzamento e quatro operadores de mutação. Os experimentos permitiram avaliar o comportamento do AGA com diferentes operadores e configurações de parâmetros, através do número de vezes em que a melhor solução foi encontrada. Os módulos de arranjo físico gerados pelo AGA e o arranjo físico final da fábrica foram comparados aqueles da principal referência encontrada na bibliografia em projeto de arranjo físico modular. No arranjo físico final da fábrica, elaborado a partir das soluções do AGA, houve importante redução da distância total percorrida pelo conjunto de peças, demonstrando a eficácia do algoritmo genético de agrupamento. Dessa forma, os resultados apontaram o algoritmo genético de agrupamento como uma alternativa à geração de módulos de arranjo físico em projeto de arranjo físico modular. / The objective of this thesis was the development of a procedure to the design of modular facility layouts. The procedure uses a clustering genetic algorithm to generate layout modules. A module is a group of machines with a specific patterned flow. The clustering genetic algorithm (CGA) allows the specification of the desired number of modules (K-grouping problem) and also the optimization of the number of modules (automatic clustering problem). The genetic algorithm is very flexible and the user can guide his reasoning. It supplies different options of chromosome encoding, generation of the initial population, fitness function to evaluate the solution quality, different similarity measures for comparison of operation sequences and methods for generation of the new population. Three crossover operators and four mutation operators have been developed. The experiments have allowed evaluating the behavior of the CGA with different operators and parameters configurations, through the number of times in which the best solution was found. The layout modules generated by the CGA and the block layout were compared with the main reference which was found in literature in the design of modular facility layouts. In the block layout elaborated from the solutions of the CGA there was an important reduction of the total distance traveled by the set of parts, demonstrating the effectiveness of the clustering genetic algorithm. The results indicated that the clustering genetic algorithm is an alternative for generation of layout modules in the design of modular facility layouts.

Este trabalho tem por objetivo apresentar uma metodologia para localização e proposição de reforços no sistema de distribuição de energia elétrica através de programação linear, PL, e algoritmo genético, AG. A técnica de PL utilizada para a localização de pontos de reforços e, principalmente, novas subestações de distribuição, é baseada no algoritmo de ?out-of-kilter?, um conhecido algoritmo de transporte. A seleção de melhores alternativas é solucionada através do AG, que permite a modelagem de redes com proporções reais e possibilita a obtenção de resultados em tempos de execução compatíveis para aplicação de atividades em planejamento de sistemas de distribuição de energia. O modelo de algoritmo proposto aloca automaticamente novos reforços, como o recondutoramento de trechos da rede e a expansão de subestações existentes, complementando os reforços candidatos, novas subestações e novos alimentadores, propostos previamente pelo modelo de PL. A metodologia proposta é aplicada à resolução de uma rede de distribuição real, possibilitando a análise da potencialidade que esta modelagem pode oferecer. / This dissertation presents a methodology for the allocation and proposal of new reinforcements in electric distribution systems through linear programming (LP) and genetic algorithm (GA). The linear programming technique used for the allocation of new reinforcements, namely new distribution substation locations, is based on the ?out-of-kilter? algorithm, a well known transport algorithm. The selection of alternatives, determined by technical and economical criteria, is carried out through a genetic algorithm that allows the modeling of real sized distribution networks and makes possible the attainment of results in compatible execution times for distribution network planning. The proposed model places new reinforcements automatically, as it is the case of cable resizing in distribution lines and the expansion of existing substations, complementing the new substations and new feeders proposed by the linear programming model. The proposed methodology is applied to the solution of a real distribution network, showing the potential applications of the models.

Submitted by Cássia Santos (cassia.bcufg@gmail.com) on 2016-08-09T15:35:44Z No. of bitstreams: 2 Dissertação - Fernando Aparecido Carvalho - 2015.pdf: 2908710 bytes, checksum: 4bf0d7b76218e028e53f5ebb2602a3a0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-10T12:11:09Z (GMT) No. of bitstreams: 2 Dissertação - Fernando Aparecido Carvalho - 2015.pdf: 2908710 bytes, checksum: 4bf0d7b76218e028e53f5ebb2602a3a0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-08-10T12:11:09Z (GMT). No. of bitstreams: 2 Dissertação - Fernando Aparecido Carvalho - 2015.pdf: 2908710 bytes, checksum: 4bf0d7b76218e028e53f5ebb2602a3a0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2015-10-30 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / By its modular feature a Distributed Generation project can be up to several generating units, which represents an alternative to better match supply and demand. This paper presents a multi-objective modeling to optimize the number of generating units from distributed generators considering minimizing electrical losses on the network and also CO2 emissions of distributed generators, considering renewable primary and non-renewable sources, as well as penetration of restrictions and maximum quantities generation units. The optimization model solution process employs genetic algorithms and weighting of the objectives of the method for obtaining a set of Pareto optimal solutions. Case studies with representative grids are presented for testing, analysis and validation of the proposed methodology. / Por sua característica modular, um empreendimento de Geração Distribuída pode constituir-se de diversas unidades geradoras, o que representa uma alternativa para melhor adequar oferta e demanda. Este trabalho apresenta uma modelagem multiobjetivo para otimizar o número de unidades geradoras provenientes de geradores distribuídos, considerando a minimização de perdas elétricas na rede e também emissões de CO2 dos geradores distribuídos, considerando fontes primárias renováveis e não renováveis, bem como, restrições de penetração e quantidades máximas de unidades de geração. O processo de solução do modelo de otimização emprega Algoritmos Genéticos e o Método da Ponderação dos Objetivos para obtenção de um conjunto de soluções Pareto-ótimas. Estudos de casos com redes elétricas representativas são apresentados para testes, análises e validação da metodologia proposta.

Este trabalho apresenta o desenvolvimento de algoritmos para a análise automática de eventos de sobrecorrente em sistemas elétricos de potência. Os algoritmos propostos neste trabalho são baseados em registros de tensões e correntes, efetuados por dispositivos eletrônicos inteligentes (oscilógrafos digitais e/ou relés de proteção) instalados nas redes elétricas, e são capazes de avaliar o estado operativo dessas redes com base nessas informações. Os algoritmos integram um sistema automático de análise de eventos de sobrecorrente, que é capaz de estimar o instante de ocorrência do evento, identificar as fases envolvidas e classificar o tipo de falta por meio de fasores calculados a partir dos seus registros. Além disso, este trabalho apresenta uma comparação entre duas técnicas distintas para o cálculo do fasor (a primeira utiliza a Transformada Discreta de Fourier, com janela de um ciclo, e a segunda é baseada em algoritmos genéticos) e três técnicas distintas para a estimação do instante de ocorrência do evento (a primeira utiliza a transformada de Fourier associada a um filtro digital que implementa uma função densidade de probabilidade, a segunda substitui a transformada de Fourier pelos algoritmos genéticos e a terceira é baseada somente na Transformada de Park). Para a avaliação dos algoritmos desenvolvidos, foram elaboradas simulações de duas redes de distribuição no software ATP Alternative Electromagnetic Transients Program, além de dados reais de sistemas de distribuição de concessionárias brasileiras. / This work presents the development of algorithms for the automatic analysis of overcurrent events in electrical power systems. The algorithms proposed in this paper are based on data of voltages and currents recorded by intelligent electronic devices (digital oscillographs and / or protection relays) installed in electrical networks, which can evaluate the operating state of these networks based on this information. The algorithms incorporate an automatic system for overcurrent analysis, which is able to estimate the time of occurrence of the event, identify the steps involved and classify the fault type using the phasors of voltages and currents calculated from their records. Furthermore, this work presents a comparison between two distinct techniques for phasor calculation (the first one uses the Discrete Fourier Transform, with a cycle window, and the second one is based on genetic algorithms) and three distinct techniques to estimate the time of the occurrence of the event (the first is based on Fourier Transform and a digital filter that implements a probability density function, the second one replaces Fourier transform by Genetic Algorithm and the third one is based on Park transform). For the evaluation of the developed algorithms, cases from two distribution network model have been generated in the ATP software - Alternative Electromagnetic Transients Program, additionally, actual data from distribution Brazilian utilities systems were also analyzed by the developed algorithm.

Os sistemas elétricos de potência são frequentemente submetidos a perturbações causadas, por exemplo, por um aumento súbito de carga ou por um curto-circuito em uma linha de transmissão. Estas perturbações podem gerar oscilações eletromecânicas no sistema, uma vez que a velocidade dos geradores oscila. Para reduzir tais oscilações, controladores de sistema de potência são utilizados sendo, os mais comuns, controladores do tipo PSS (Power System Stabilizer). Porém, em alguns sistemas, somente o emprego de PSSs não é suficiente para garantir um nível mínimo satisfatório de amortecimento, sendo necessário recorrer a outros tipos de controladores. Desta forma, controladores do tipo FACTS (Flexible Alternating Current Transmission System), principalmente o TCSC (Thyristor Controlled Series Capacitor) se tornaram uma alternativa atraente no auxílio ao amortecimento dos sistemas de potência. O controle do TCSC é feito por um controlador POD (Power Oscilation Damper) que é empregado como controle suplementar do dispositivo. No entanto, apenas o emprego dos controladores não garante um bom amortecimento, fazendo-se necessária uma boa sintonia dos mesmos. A sintonia destes controladores é, na maioria das vezes, feita de forma manual, ou seja, usando o método de tentativa e erro, podendo demandar um tempo relativamente elevado, mesmo que feita por um engenheiro experiente. Para evitar que o projetista dispense tempo procurando uma sintonia adequada para os controladores, métodos automáticos de sintonia vêm sendo estudados. Tais métodos têm como principal vantagem a sintonia dos controladores considerando vários pontos de operação do sistema simultaneamente, fazendo com que o controlador seja robusto para variações em seu ponto de operação nominal. Os métodos automáticos de sintonia utilizam métodos de otimização local ou métodos de otimização global. Os métodos de busca local têm a rapidez como principal vantagem, porém podem não convergir para um valor satisfatório de amortecimento estipulado pelo projetista. Os métodos de busca global, em grande parte das vezes, convergem para um valor de amortecimento solicitado pelo projetista, porém em um tempo elevado. Este trabalho propõe um método de sintonia dos controladores utilizando uma estrutura híbrida, ou seja, algoritmos de busca global juntamente com algoritmos de busca local. Primeiramente uma busca global é feita pelo algoritmo até que um critério de parada, definido pelo projetista, seja alcançado (geralmente um valor de amortecimento mínimo para o sistema). Assim, os parâmetros dos controladores sintonizados pela busca global serão entrada de um método de busca local. O algoritmo de busca local tende a refinar a sintonia dos controladores aumentando, assim, o amortecimento do sistema até um valor especificado pelo projetista. Neste trabalho a busca global é realizada por um algoritmo genético enquanto que a busca local é feita por um algoritmo baseado no gradiente descendente da função objetivo (neste caso o amortecimento). As principais vantagens do algoritmo proposto são a diminuição do tempo de sintonia e o esforço computacional, se comparado a métodos de busca global, verificadas nos resultados do trabalho. / Electric Power Systems are constantly subjected to perturbations, which can be caused for several different reasons, e.g., due to a sudden load increase or a short circuit in a transmission line. These perturbations can induce electromechanical oscillations in the power system, since the angular speed of the generators oscillates. To reduce such oscillations, power system controllers are used, and the most common ones are the PSSs (Power System Stabilizers). In some systems, however, the usage of PSSs is not sufficient to guarantee a satisfactory level for the minimum damping, being necessary the usage of other types of controllers. Hence, FACTS (Flexible Alternating Current Transmission System) controllers, specially the TCSC (Thyristor Controlled Series Capacitor), became an attractive alternative to enhance the damping of electric power systems. The TCSC control action is performed by a POD (Power Oscillation Damper) controller, which is a supplementary control function of the device. However, it is not only the usage of such controllers that guarantees a sufficient damping, but also a good tuning of their parameters. The tuning of such controllers is ordinarily performed manually, using a trial-and-error method, which can last for a long time, even for experienced engineers. To facilitate the designers work in the tuning of the controllers parameters, automatic tuning methods are being studied. Such methods have the main advantage of considering several operating points of the system simultaneously, yielding a robust controller regarding variations in its nominal operating point. The aforementioned automatic tuning methods use local optimization methods or global optimization methods. The local optimization methods have the speed as the main advantage, but they can have convergence issues in the search for the minimum satisfactory damping threshold desired by the designer. The global optimization methods, on the other hand, ordinarily converge for the desired minimum damping threshold, but with large convergence times. This work proposes a controller tuning method using a hybrid structure, i.e., global search methods with local search methods. Initially, a global search is performed by the algorithm until a stop criteria is met, as defined by the designer (usually a minimum damping for the system). Thus, the controller parameters tuned by the global search method are the input values of a local search method. The local search algorithm actually refines the controllers tuning, increasing the system damping to the value defined by the designer. In this work the global search is performed by a genectic algorithm while the local search is performed by an algorithm based in the gradient descent of objective function (damping in this case). The greatest advantages of the proposed algorithm are the possible decrease in computational time and effort, when compared to global search methods, verified in the work results.

Com o surgimento da tecnologia da informação, o processo de análise e interpretação de dados deixou de ser executado exclusivamente por seres humanos, passando a contar com auxílio computacional para a descoberta de conhecimento em grandes bancos de dados. Este auxílio exige uma organização e ordenação das atividades, antes manualmente exercidas, em um processo composto de três grandes etapas. A primeira etapa deste processo conta com uma tarefa de redução da dimensionalidade, que tem como objetivo a eliminação de atributos que não contribuem para a análise dos dados, resultando portanto, na seleção de um subconjunto dos atributos originais. A seleção de um subconjunto de atributos pode ser encarada como um problema de busca, já que há inúmeras possibilidades de combinação dos atributos originais em subconjuntos. Dessa forma, uma das estratégias de busca que pode ser adotada consiste na busca randômica, executada por um algoritmo genético ou pelas suas variações. Este trabalho propõe a aplicação de duas variações do algoritmo genético, Algoritmo Genético Construtivo e Algoritmo Genético Enviesado com Chave Aleatória, no problema de seleção de atributos em agrupamento de dados, já que estas duas variações ainda não foram aplicadas em tal problema. A fim de verificar o desempenho destas duas variações, comparou-se ambas com a abordagem tradicional do algoritmo genético. Efetuou-se também a comparação entre as duas variações. Para isto, foi utilizada três bases de dados retiradas do repositório UCI de aprendizado de máquinas. Os resultados obtidos mostraram que os desempenhos, em termos de qualidade da solução, dos algoritmos: genético construtivo e genético enviesado com chave aleatório foram melhores, de maneira geral, do que o desempenho da abordagem tradicional. Constatou-se também diferença significativa em termos de eficiência entre as duas variações e a abordagem tradicional. / With the advent of information technology, the process of analysis and interpretation of data left to be run exclusively by humans, going to rely on computational support for knowledge discovery in large databases. This aid requires an organization and sequencing of activities before manually performed in a compound of three major step process. The first step of this process has a reduced dimensionality task, which aims to eliminate attributes that do not contribute to the data analysis, resulting therefore, in selecting a subset of the original attributes. Selecting a subset of attributes can be viewed as a search problem, since there are numerous possible combinations of unique attributes into subsets. Thus, one search strategies that can be adopted is to randomly search, performed by a genetic algorithm or its variants. This paper proposes the application of two variations of the genetic algorithm, Constructive Genetic Algorithm and Biased Random Key Genetic Algorithm in the feature selection problem in data grouping, as these two variations have not been applied in such a problem. In order to verify the performance of the two variations, we compare them with the traditional algorithm, genetic algorithm. It was also executed the comparison between the two variations. For this, we used three databases removed from the UCI repository of machine learning. The results showed that the performance, in term of quality solution, of algorithms: genetic constructive and genetic biased with random key are better than the performance of the traditional approach. It was also observed a significant difference in efficiency between of the two variations and the traditional approach.

A receita operacional de uma empresa de geração predominantemente hidrelétrica é composta de duas parcelas: a comercialização de seus contratos de energia e a liquidação na Câmara de Comercialização de Energia (CCEE). A parcela de receita de contratos é previsível, mas a receita proveniente da liquidação da CCEE é de difícil mensuração porque depende das alocações do Mecanismo de Realocação de Energia (MRE) e do Preço de Liquidação das Diferenças (PLD). O trabalho apresenta os conceitos gerais dos componentes que influenciam a receita do mercado de curto prazo e um modelo para sazonalização da energia assegurada que é um dos fatores determinantes para a alocação de MRE e para a liquidação das diferenças. O modelo foi detalhado e implementado em uma ferramenta computacional utilizando Algorítmos Genéticos para a minimização da perda esperada e do risco com a sazonalização. / The operating revenue of power generation companies has two different components: revenues arising from power purchase agreements and from spot market, managed by the Câmara de Comercialização de Energia - CCEE The income of contracts is predictable, but there are a lot of difficulties to do prognosis with the spot market revenue component, because it depends on both the Energy Reallocation Mechanism (MRE) and the spot price (PLD). This text presents the influences of some components in spot market incomes and a model to alocate the assured energy along the year since this is the main factor influencing the MRE and the spot market revenues. The model was formulated and implemented in a computational tool using Genetic Algorithms (AG) to minimize the expected losses and the sazonal risk.

Biodiversity, the variety of life on the planet, is declining due to climate change, population and species interactions and as the result f demographic and landscape dynamics. Integrated model-based assessments play a key role in understanding and exploring these complex dynamics and have proven use in conservation planning. Model-based assessments using Species Distribution Models constitute an efficient means of translating limited point data to distribution probability maps for current and future scenarios in support of conservation decision making. The aims of this doctoral study were to investigate; (1) the use of a hybrid genetic programming to build high quality models that handle noisy real-world presence and absence data, (2) the extension of this solution to exploit the parallelism inherent to genetic programming for fast scenario based decision making tasks, and (3) a conceptual framework to share models in the hope of enabling research synthesis. Subsequent to this, the quality of the method, evaluated with the true skill statistic, was examined with two case studies. The first with a dataset obtained by defining a virtual species, and the second with data extracted from the North American Breeding Bird Survey relating to mourning dove (Zenaida macroura). In these studies, the produced models effectively predicted the species distribution up to 30% of error rate both presence and absence samples. The parallel implementation based on a twenty-node c3.xlarge Amazon EC2 StarCluster showed a linear speedup due to the multiple-deme coarse-grained design. The hybrid fuzzy genetic programming algorithm generated under certain consitions during the case studies significantly better transferable models. / Biodiversidade, a variedade de vida no planeta, está em declínio às alterações climáticas, mudanças nas interações das populações e espécies, bem como nas alterações demográficas e na dinâmica de paisagens. Avaliações integradas baseadas em modelo desempenham um papel fundamental na compreensão e na exploração destas dinâmicas complexas e tem o seu uso comprovado no planejamento de conservação da biodiversidade. Os objetivos deste estudo de doutorado foram investigar; (1) o uso de técnicas de programação genética e fuzzy para construir modelos de alta qualidade que lida com presença e ausência de dados ruidosos do mundo real, (2) a extensão desta solução para explorar o paralelismo inerente à programação genética para acelerar tomadas de decisão e (3) um framework conceitual para compartilhar modelos, na expectativa de permitir a síntese de pesquisa. Subsequentemente, a qualidade do método, avaliada com a true skill statistic, foi examinado com dois estudos de caso. O primeiro utilizou um conjunto de dados fictícios obtidos a partir da definição de uma espécie virtual, e o segundo utilizou dados de uma espécie de pomba (Zenaida macroura) obtidos do North American Breeding Bird Survey. Nestes estudos, os modelos foram capazes de predizer a distribuição das espécies maneira correta mesmo utilizando bases de dados com até 30% de erros nas amostras de presença e de ausência. A implementação paralela utilizando um cluster de vinte nós c3.xlarge Amazon EC2 StarCluster, mostrou uma aceleração linear devido ao arquitetura de múltiplos deme de granulação grossa. O algoritmo de programação genética e fuzzy gerada em determinadas condições durante os estudos de caso, foram significativamente melhores na transferência do que os algoritmos do BIOMOD.

Existe atualmente na sociedade um grande número de sistemas reais de alta complexidade. Esta complexidade pode ser definida tanto do ponto de vista da dificuldade em identificar todas as partes que compõem estes sistemas, como também, pela compreensão e definição real da relação entre estas partes, permitindo, desta forma uma representação adequada do comportamento global do sistema. O comportamento global destes sistemas não se caracteriza pela soma do comportamento de suas partes componentes. Normalmente, a modelagem destes sistemas não reflete, de forma realística, o seu comportamento, devido ao excesso de simplificações realizadas. Por outro lado, alguns modelos são impraticáveis de serem aplicados, devido ao excessivo esforço computacional e a restrições de tempo. O presente trabalho de pesquisa apresenta uma proposta de um modelo de otimização para um problema real de alta complexidade e com fortes requisitos de segurança (safety) encontrado na Infra-estrutura Aeronáutica Brasileira e Mundial. Este problema está relacionado ao desbalanceamento entre a capacidade e demanda em infra-estrutura aeronáutica em sistemas de transporte aéreo. Para tanto, o trabalho propõe um Modelo de Otimização de Demanda (MOD) em infra-estrutura aeronáutica, através da técnica de Inteligência Artificial denominada de Algoritmos Genéticos. A pesquisa analisa a eficiência do modelo proposto em termos da resolução do problema, bem como quanto à qualidade das respostas apresentadas. De forma complementar é avaliada a importância de cada um dos parâmetros do modelo de otimização através da sua flexibilização. / Nowadays, in the society, there are a great number of real systems with high complexity. This complexity can be justified in function of the difficulty in identifying all parts that compose these systems, but also the complex relationship between them. The global behavior of these systems is not characterized for the addition of the behavior of its contracting parties. Normally, the modeling of these systems does not reflect its realistic behavior, due the excess of simplifications carried out. On the other hand, some models are impracticable to be solved, because the extreme computational effort necessary. The present research develops a proposal of an optimization model for a real problem of high complexity and with hard safety requirements found in the Brazilian and world-wide aeronautical infrastructure. This problem deals with the unbalancing between the capacity and demand in infrastructure aeronautics in air transportation systems. The work considers a Demand Optimization Model (DOM) for aeronautical infrastructure through the technique of artificial intelligence denominated Genetic Algorithms. The research analyzes the efficiency of the considered model in terms of problem resolution, as well as, the quality of the presented answers. Of complementary form, some parameters of the model were adjusted and their importance were avaluated.

Neste trabalho, investigou-se a utilização de algoritmos evolutivos para identificação de procedimentos de raciocínio utilizados por humanos na construção de soluções para uma classe de problemas cuja principal característica é a utilização de raciocínio dedutivo. Para isso, utilizou-se uma abordagem que explora os diferentes níveis de complexidade do problema, partindo da análise das estratégias apresentadas por jogadores humanos. Foram realizados diversos ensaios que evoluíram primeiramente, para um modelo de solução puramente combinatória guiada por um algoritmo genético e independente do jogador humano, até atingir um modelo que procura identificar um procedimento de solução que guarde semelhanças com os procedimentos apresentados pelos jogadores humanos. Como resultado, apresentou-se um algoritmo denominado Classificador Genético um sistema de operadores guiado por um algoritmo genético capaz de identificar procedimentos de raciocínio para solução de combinações específicas do problema proposto. Os ensaios permitiram ainda identificar conjuntos de operadores que se combinados corretamente, através de um mecanismo que simule a tomada de decisão do jogador humano, são capazes de aumentar o potencial de identificação de soluções do algoritmo proposto. O estudo também revelou a importância dos mecanismos de memória no processo de solução do problema e as dificuldades em manipular operadores gerais com métodos puramente evolutivos. Foi possível ainda identificar de que modo jogadores humanos tratam os fatores relacionados à diversidade de possíveis encaminhamentos no processo decisório, que afetam a solução do problema proposto. / In this work we investigated the use of evolutionary algorithms to identify logic procedures used by humans in the construction of solutions of a class of problems in which the main characteristic is the use of deductive reasoning. In order to do that it was used an approach that explores the problems different levels of complexity, starting from the strategies analysis presented by human players. Several experiments were carried out where at first moment used a model of solution that is strictly combinatorial guided by a genetic algorithm and independent of the human player that evolved to a model that tries to identify a solution procedure that maintains the similarities with the procedures presented by human players. As a result, we presented an algorithm denominated Genetic Classifier - a system of rules guided by a genetic algorithm - able to identify reasoning procedures for solution of specific combinations of the proposed problem. Moreover, the experiments allowed identifying clusters of rules that if combined correctly, through a mechanism that simulates the decision making performed by a human player, are capable of increasing the potential to identify the solutions of the proposed algorithm. The study also revealed the importance of the memorys mechanism in the process of solving the proposed problem and the difficulties to manipulate general rules with regular evolutionary methodologies. It was also possible to identify the way human players deal with the factors related to the diversity of possible directions in the decision process.