Orientador: Akebo Yamakami / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-06T10:47:10Z (GMT). No. of bitstreams: 1 Bonfim_TatianeRegina_D.pdf: 1154007 bytes, checksum: 1b6dd7bc9c2e3eef16c1e3258710730c (MD5) Previous issue date: 2006 / Resumo: Este trabalho apresenta uma nova abordagem de resolução, por algoritmo memético e pela coevolução de algoritmo memético com redes neurais, para o problema de escalonamento de tarefas em máquinas paralelas idênticas e para o problema de job shop com parâmetros precisos. Para os problemas de escalonamento com parâmetros com incertezas, onde os parâmetros não são precisamente conhecidos, toma-se dificil classificar um determinado escalonamento ótimo. A noção de ótimo também torna-se imprecisa e o grau de otimalidade de um dado escalonamento ("o quanto um escalonamento é ótimo") pode ser caracterizada por um número fuzzy. Foi aplicado também o conceito de otimalidade possível para medir a possibilidade de um determinado escalonamento ser ótimo. O algoritmo memético foi aplicado para encontrar soluções para o problema, a rede neural foi aplicada para encontrar a função de fitness das soluções encontradas pelo algoritmo memético, e o conceito de possibilidade foi aplicado para avaliar as melhores soluções. Foram utilizadas as redes neurais backpropagation e com aprendizado por reforço para encontrar o valor da função de fitness. As simulações mostraram que as redes neurais apresentaram uma boa performance na coevolução com o algoritmo memético e na resolução dos problemas, e mostraram que o conceito de possibilidade teve uma boa perfomance na avaliação da otimalidade das soluções / Abstract: This work presents a new approach for the resolution of the problem of identical parallel machine scheduling and job shop scheduling with precise parameters, with memetic algorithm and memetic algorithm coevolving with neural networks. For problems with parameters with uncertainties, where the parameters of the problem are not precisely known, it is difficult to say in prior which schedule will be optimal. The notion of optimal also becomes imprecise and the degree of optimality of a given schedule ("how much a schedule is optimal") can be characterized by a fuzzy number. We was used also the concepts of possibility to measure the possibility of a given schedule be optimal. Memetic algorithm has been used to find the solutions of the problem, the neural network has been used to find the fitness function of these solutions, and the concept of possibility has been used to evaluate the best solutions. We was used neural networks with backpropagation and reinforcement learning to find the fitness function. Simulations showed that the neural networks presents a good performance in the coevolution of the memetic algorithm and in the resolution of the problems, and showed that the concept of possibility present a good performance in the evaluation of solutions optimality / Doutorado / Telecomunicações e Telemática / Doutor em Engenharia Elétrica

Orientador: Fernando Jose Von Zuben / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-12T21:45:18Z (GMT). No. of bitstreams: 1 Silva_AnaEstelaAntunesda_D.pdf: 8601078 bytes, checksum: 494abd829c21ee91c2a7003c33fdf0a1 (MD5) Previous issue date: 2007 / Resumo : A reconstrução de árvores filogenéticas pode ser interpretada como um processo sistemático de proposição de uma descrição arbórea para as diferenças relativas que se observam em conjuntos de atributos genéticos homólogos de espécies sob comparação. A árvore filogenética resultante apresenta uma certa topologia, ou padrão de ancestralidade, e os comprimentos dos ramos desta árvore são indicativos do número de mudanças evolutivas desde a divergência do ancestral comum. Tanto a topologia quanto os comprimentos de ramos são hipóteses descritivas de eventos não-observáveis e condicionais, razão pela qual tendem a existir diversas hipóteses de alta qualidade para a reconstrução, assim como múltiplos critérios de desempenho. Esta tese (i) aborda árvores sem raiz; (ii) enfatiza os critérios de quadrados mínimos, evolução mínima e máxima verossimilhança; (iii) propõe uma extensão ao algoritmo Neighbor Joining que oferece múltiplas hipóteses de alta qualidade para a reconstrução; e (iv) descreve e utiliza uma nova ferramenta para otimização multiobjetivo no contexto de reconstrução filogenética. São considerados dados artificiais e dados reais na apresentação de resultados, os quais apontam vantagens e aspectos diferenciais das metodologias propostas / Abstract: The reconstruction of phylogenetic trees can be interpreted as a systematic process of proposing an arborean description to the relative dissimilarities observed among sets of homologous genetic attributes of species being compared. The resulting phylogenetic tree presents a certain topology, or ancestrality pattern, and the length of the edges of the tree will indicate the number of evolutionary changes since the divergence from the common ancestor. Both topology and edge lengths are descriptive hypotheses of non-observable and conditional events, which implies the existence of diverse high-quality hypotheses for the reconstruction, as long as multiple performance criteria. This thesis (i) deals with unrooted trees; (ii) emphasizes the least squares, minimum evolution, and maximum likelihood criteria; (iii) proposes an extension to the Neighbor Joining algorithm which offers multiple high-quality reconstruction hypotheses; and (iv) describes and uses a new tool for multiobjective optimization in the context of phylogenetic reconstruction. Artificial and real datasets are considered in the presentation of results, which points to some advantages and distinctive aspects of the proposed methodologies / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Francisco de Assis Magalhães Gomes Neto / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-12T23:12:18Z (GMT). No. of bitstreams: 1 Vieira_HeloisaPassarelli_M.pdf: 1211437 bytes, checksum: 312aded4a440d526d723ab88a2a23588 (MD5) Previous issue date: 2008 / Resumo: Nos últimos anos, diversas heurísticas e meta-heurísticas foram propostas para o Problema de Roteamento de Veículos com Janela de Tempo (PRVJT), cujo objetivo é determinar a rota a ser seguida por uma frota de veículos para servir um número de clientes em um dado intervalo de tempo, sem violar a capacidade dos veículos. Cada cliente é visitado por exatamente um veículo e somente uma vez. Esta disertação apresenta um estudo das técnicas utilizadas para o PRVJT, dando ênfase para os Algoritmos Genéticos. Diversos tipos de cruzamento e esquemas de mutação, além de outras técnicas avançadas, tal como o Hill-Climbing, são analisados. Para o algoritmo que implementamos, são apresentados vários resultados numéricos baseados em um conjunto de 56 problemas, cada qual com 100 clientes, proposto por Solomon. O desempenho do algoritmo que implementamos também é comparado aos melhores resultados publicados na literatura / Abstract: In recent years, several heuristic and metaheuristic methods were proposed for the Vehicle Routing Problem with Time Windows (VRPTW). The objective of the problem is to serve a set of customers within a given time interval, without violating the capacity of the vehicles. Each customer must be visited once and by only one vehicle. This dissertation presents a survey on the techniques used to solve the VRPTW, with emphasis on the genetic algorithms. Several crossover and mutation schemes, as well as other advanced techniques, such as the Hill-Climbing are analyzed. Numerical results based on Solomon's 56 VRPTW 100-customer instances are presented for the algorithm implemented here. The performance of our algorithm is also compared with the best results published in the specialized literature / Mestrado / Pesquisa Operacional / Mestre em Matemática Aplicada

Orientadores: Antonio Carlos Moretti, Roberto Andreani / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-13T15:55:52Z (GMT). No. of bitstreams: 1 Silva_DanielTressida_M.pdf: 563016 bytes, checksum: 89e68063d06bd89084d7d6a15fdb7403 (MD5) Previous issue date: 2009 / Resumo: Nesta dissertação, estudamos algoritmos genéticos para resolver o problema de corte unidimensional multiobjetivo, onde minimizamos o desperdício dos objetos processados e o número de padrões distintos denominado custo de setup. Primeiro, realizamos uma codificação baseada em grupos desenvolvida por Falkenauer e, em seguida, aplicamos o algoritmo genético multiobjetivo SPEA2 para obter a Fronteira de Eficiente do problema. / Abstract: In this dissertation we studied genetic algorithms to solve the unidimensional multiobjective cutting stock problem, where we minimize the wastage of processed objects and the distinct number of patterns used, called setup cost. First, we make a group based codification derived by Falkenauer and, after that, we apply the multiobjective genetic algorithm SPEA2 to obtain problem's Efficient Frontier. / Mestrado / Otimização e Pesquisa Operacional / Mestre em Matemática Aplicada

Orientador: Denis Jose Schiozer / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica e Instituto de Geociencias / Made available in DSpace on 2018-08-14T08:35:58Z (GMT). No. of bitstreams: 1 Nogueira_PedrodeBrito_M.pdf: 5381292 bytes, checksum: 7daa3a9850818d7643ba69731ca167f2 (MD5) Previous issue date: 2009 / Resumo: Os altos níveis de incerteza e riscos associados a projetos de exploração e produção de alguns campos de petróleo sugerem a utilização de estratégias de produção otimizadas probabilisticamente. Desta forma, uma estratégia de produção adequada deve ser selecionada considerando vários cenários econômicos e geológicos. Neste trabalho, uma nova abordagem para otimização é proposta onde a estratégia de produção é otimizada simultaneamente em todos os cenários econômicos e modelos geológicos representativos (MGR) considerados. Diferentemente das metodologias convencionais de otimização, onde os valores presentes líquidos das estratégias são otimizados independentemente para cada MGR considerando um único cenário econômico, esta nova abordagem considera todos os MGR e cenários econômicos adotados simultaneamente. Isto permite disponibilizar mais informações a respeito do desempenho da estratégia nos diversos cenários permitindo que se realize uma melhor tomada de decisão. Além disso, a estratégia de produção definida pela abordagem proposta tende a ser mais adaptável às incertezas geológicas e econômicas. Contudo, geralmente, uma complexa superfície de resposta é gerada no processo de otimização da quantidade e posicionamento dos poços. O elevado potencial de geração de valores extremos locais justifica a utilização de técnicas robustas de busca como os algoritmos genéticos. Neste caso, o espaço solução é mais bem explorado conduzindo a resultados mais confiáveis. Entretanto, técnicas de busca dispersas tendem a ser mais caras computacionalmente que técnicas baseadas no cálculo dos gradientes da função-objetivo. Neste trabalho é proposta uma metodologia de otimização probabilística de estratégias de produção baseadas em algoritmos genéticos que visa reduzir o número de simulações necessárias para maximizar o valor monetário esperado. A idéia principal é controlar o tamanho do espaço solução através de uma representação cromossômica apropriada e implementar etapas específicas de otimização, otimizando todos os MGR para todos os cenários econômicos considerados simultaneamente através de uma técnica de simulação desenvolvida com este propósito. O presente trabalho visa dar uma abordagem mais rigorosa às incertezas que as metodologias geralmente utilizadas conduzindo a melhores resultados e permitindo que se realize uma análise completa dos impactos das incertezas geológicas e econômicas. Além disso, este trabalho pretende propiciar um avanço com relação à redução do número de simulações necessárias para se otimizar uma estratégia de produção através de algoritmo genético conduzindo a resultados mais rápidos permitindo dar dinâmica ao processo decisório. / Abstract: High levels of uncertainty and associated risks in the exploration and production of some oil fields suggest the use of probabilistic optimized production strategies. Therefore, an appropriate production strategy should be chosen considering various geological and economic scenarios. In this work, a new approach for the optimization is proposed where the production strategy is optimized for selected geological representative models (GRM) and under selected economic scenarios simultaneously. Differently from conventional optimization methodologies where each representative geological model has a net present value (NPV) optimized under a specific economic model, this new approach considers all alternatives simultaneously, providing more information about the production performance of all scenarios, allowing a better decision-making process. Moreover, production strategy defined by the new approach tends to be more adaptable to geological and economic uncertainties. However, in the optimization process of wells quantity and placement, a very complex topology is normally produced. The potential of generation of local extreme values is high, therefore, it is appropriate to employ a robust search technique such as genetic algorithms. In this case, the solution space is better explored, yielding more confident results. However, random based techniques tend to be more expensive computationally than gradient based techniques. In this work, a methodology is proposed for production strategy optimization under uncertainties, based on genetic algorithms, that aims to reduce the number of simulations necessary to maximize the expected monetary value (EMV). The main idea is to control the size of the solution space through an appropriated conception of chromosomes structures and the implementation of specifics optimizations stages optimizing every GRM for every economic scenario simultaneously through a simulation technical developed for this purpose. The present work aims to provide an improvement with respect to uncertainty handling of the conventional optimization methodologies, yielding better results and providing a complete analysis of geological and economic uncertainties. Moreover, its intends to provide an advance with respect to the number of simulations necessary to optimize a production strategy through genetic algorithms, yielding faster results, speeding up the decision-making process. / Mestrado / Reservatórios e Gestão / Mestre em Ciências e Engenharia de Petróleo

Orientadores: Eliane Martins, Fabiano Luis de Sousa / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-08T18:05:18Z (GMT). No. of bitstreams: 1 Abreu_BrunoTeixeirade_M.pdf: 1214826 bytes, checksum: 85afe48e3c8196abe877dc2ea2efa102 (MD5) Previous issue date: 2006 / Resumo: O teste é uma atividade importante do processo de desenvolvimento de software, e automatizar a geração de dados de teste contribui para a redução dos esforços de tempo e recursos. Recentemente foi mostrado que os algoritmos evolutivos, tal como os Algoritmos Genéticos (AGs), são ferramentas valiosas para a geração de dados. Este trabalho avalia pela primeira vez o desempenho de um algoritmo evolutivo proposto recentemente, a Otimização Extrema Generalizada (em inglês, Generalized Extremal Optimization, GEO), na geração de dados de teste para cobrir um subconjunto de caminhos de um programa, com ou sem loops. Sete programas muito conhecidos e utilizados como benchmarks por outros autores foram escolhidos como estudos de caso, e o desempenho do GEO foi comparado com o de um AG e o Random-Test (RT). Uma aplicação real do Instituto Nacional de Pesquisas Espaciais (INPE) também foi testada para validar a pesquisa, e as comparações de desempenho incluíram uma variação do AG utilizado nos benchmarks. Para os benchmarks e a aplicação real, o uso do GEO exigiu muito menos esforço computacional para gerar os dados do que os AGs, e a cobertura média de caminhos obtida por ele foi muito semelhante à dos AGs. Além disso, o GEO também exigiu muito menos esforço computacional no ajuste interno de parâmetros do que os AGs. Estes resultados indicam que o GEO é uma opção muito atraente a ser utilizada na geração de dados de teste / Abstract: Software testing is an important activity of the software development process and automating test data generation contributes to reduce cost and time efforts. It has recently been shown that evolutionary algorithms, such as the Genetic Algorithms (GAs), are valuable tools for test data generation. This work assesses for the first time the performance of a recently proposed evolutionary algorithm, the Generalized Extremal Optimization (GEO), on generating test data to cover a subset of paths of a program, with or without loops. Seven well known benchmark programs were used as study cases, and the performance of GEO was compared to the one of a GA and Random-Test (RT). A real application from Instituto Nacional de Pesquisas Espaciais (INPE) was also tested in order to validate the research, and the performance comparisons included one variation of the GA used in the benchmarks. For the benchmark programs and the real application, using GEO required much less computational effort to generate test data than using the GAs, and GEO¿s average coverage was very similar to GA¿s. Besides this, it also required much less computational effort on internal parameter setting than the GAs. These results indicate that GEO is a very attractive option to be used for test data generation / Mestrado / Mestre em Ciência da Computação

Orientador: Katia Lucchesi Cavalca / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-08T21:19:55Z (GMT). No. of bitstreams: 1 Escobar_RobertoLuiz_M.pdf: 2961640 bytes, checksum: 516985920427d6083c04c1c5a22d6470 (MD5) Previous issue date: 2007 / Resumo: Os sistemas mecânicos são projetados para desempenhar funções específicas, e por essa razão as suas funções devem ser medidas para garantir seu desempenho dentro de uma certa precisão ou tolerância. A grande complexidade em se projetar e analisar novos projetos é a inserção de novas tecnologias, que envolvem aspectos multidisciplinares. Assim, o desenvolvimento e melhoria de projetos e produtos colocam o engenheiro projetista frente às diversas fontes de variabilidade, como por exemplo, as propriedades dos materiais, condições operacionais e ambientais e incertezas nas suposições feitas sobre seu funcionamento. Em termos de modelagem matemática, as aproximações inerentes e hipóteses feitas durante a concepção do sistema, conduzem normalmente a diferentes respostas obtidas através de simulações e/ou medidas experimentais. Dessa forma, em uma fase anterior à modelagem matemática,durante a concepção do sistema ou produto, as aplicações de ferramentas estatísticas e métodos de otimização podem fornecer estimativas sobre faixas de valores ou valores ótimos para parâmetros significativos de projeto, dentro do espaço experimental estudado. Esse tipo de abordagem estatística teve sua fundamentação teórica durante as décadas de 20 e 30 por Fisher, com a aplicação da teoria estatística sob diversos aspectos, como por exemplo: testes de hipóteses, estimativa de parâmetros, seleção de modelos, planejamento experimental e, mais tarde, no controle e melhoria de processos e produtos. Assim, este trabalho propõe um procedimento de estudo e otimização, integrando a teoria de planejamento experimental, a metodologia da superfície de resposta e otimização multi-objetivos através de algoritmos genéticos, para se obter a otimização dos parâmetros de projeto de componentes mecânicos. Em específico, foram utilizados dados de um sistema rotor-mancal e o estudo implica em minimizar as amplitudes no domínio da freqüência. Outro objetivo deste trabalho, foi desenvolver um programa para otimização multi-objetivos através de algoritmos genéticos / Abstract: The mechanical systems are designed to be applied to any specific situations, and in this waytheir features should be measured to guarantee confidence to the systems. Their development and analysis expose the designer to a series of unknown parameters from several sources such as material properties, environmental and operational conditions. In terms of mathematical modeling, the inherent approximation and hypotheses made during system conception lead to different responses obtained by simulations and/or experimental measurements. So, in a previous phase of mathematical modeling, during the design analysis, the application of statistical tools and optimization methods is possible to estimate the values and/or ranges of the critical design parameters inside an experimental space. The connection between optimization and statistical data back at least to the early part of the 20th century and encompasses many aspects of applied and theoretical statistics, including hypothesis testing, parameter estimation, model selection, design of experiments and process and product control. So, this work proposes a link between theory of design of experiments, response surface methodology and multi-objective optimization using genetic algorithms, in order to optimize parameters for mechanical components. This study makes possible to verify the application of multi-objective optimization using genetic algorithms in design parameters and optimize them. A rotor-bearing system was used and amplitude in frequency domain was minimized. An experimental software for multi-objective optimization using genetic algorithm was developed. / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica

Orientador: Akebo Yamakami / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-08T23:52:00Z (GMT). No. of bitstreams: 1 Carvalho_MarciaBragade_M.pdf: 2154346 bytes, checksum: caafd847980349294a73d2ad38d6414c (MD5) Previous issue date: 2007 / Resumo: Dentre as várias técnicas heurísticas e exatas existentes para a resolução de problemas combinatórios, os algoritmos populacionais de otimização por colônia de formigas e genéticos têm se destacado devido à sua boa performance. Em especial os algoritmos de colônia de formigas são considerados atualmente como uma das técnicas mais bem sucedidas para a resolução de vários problemas combinatórios, dentre eles o problema do caixeiro viajante. Neste trabalho é apresentado um algoritmo híbrido que trabalha com as meta-heurísticas de sistema de colônia de formigas e genético conjuntamente aplicados no problema do caixeiro viajante simétrico. Além disso, apresentamos uma proposta para o algoritmo de formigas quando temos incertezas associadas aos parâmetros do problema. Os resultados obtidos com as metodologias propostas apresentam resultados satisfatórios para todas as instâncias utilizadas / Abstract: Amongst the several existing heuristical and accurate techniques for the resolution of combinatorial problems, the population algorithms ant colony optimization and genetic have been detached due to their good performance. In special the ant colony algorithms are considered currently as one of the techniques most succeeded for the resolution of some combinatorial problems, amongst them the travelling salesman problem. In this work is presented a hybrid algorithm which works with the ant colony system and genetic metaheuristics jointly applied in the symmetric travelling salesman problem. Moreover, we presented a proposal for the ant algorithm when we have uncertainties associated to problem parameters. The results gotten with the methodology proposals present resulted satisfactory for all the used instances / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientador: Furio Damiani / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T02:54:55Z (GMT). No. of bitstreams: 1 Bozinis_GeorgeEmmanuel_D.pdf: 8926774 bytes, checksum: 885e123bc4cdb155dc8ad0315768e851 (MD5) Previous issue date: 2007 / Resumo: O propósito deste trabalho é estudar em detalhe a implementação em hardware de algoritmos neuro-genéticos. Uma representação numérica inédita com características neurais e genéticas e um algoritmo para sua utilização são apresentados e usados no desenvolvimento de um coprocessador com uma seção neural baseada na análise de componentes principais (PCA). As operações genéticas recombinação, mutação, mutação de máscara e intercâmbio, específicas para este modelo, são apresentadas. Também foi criada e implementada uma metodologia de cálculo da curva de ativação neural usando apenas lógica combinacional. Como resultado adicional a implementação, realizada na linguagem VHDL e seguindo a norma Wishbone, pode ser facilmente reutilizada / Abstract: The intention of this work is to study the hardware implementation of neuro-genetic algorithms in detail. A novel numerical representation with neural and genetic characteristics and an algorithm for its utilization are presented and used in the development of a coprocessor with a neural section based on the principal component analysis (PCA). The genetic operations: crossover, mutation, mask mutation and swap, specific for this mode!, are presented. Also, a methodology for the calculation of the neural activation curve was created and implemented using only combinational logic. Additionally, the implementation, carried through in VHDL language and following the Wishbone standard, can be easily reused / Doutorado / Eletrônica, Microeletrônica e Optoeletrônica / Doutor em Engenharia Elétrica

Orientadores: Ricardo Ribeiro Gudwin, Leandro Nunes de Castro Silva / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-11T06:40:01Z (GMT). No. of bitstreams: 1 Pereira_AndreLuizVizine_M.pdf: 1817378 bytes, checksum: 1d28283d8d2855800dd0f406eb97e5e0 (MD5) Previous issue date: 2007 / Resumo: A Internet tornou-se um dos principais meios de comunicação da atualidade, reduzindo custos, disponibilizando recursos e informação para pessoas das mais diversas áreas e interesses. Esta dissertação desenvolve e aplica duas abordagens de computação inspirada na biologia aos problemas de otimização do processo de busca e recuperação de informação na web e agrupamento de textos. Os algoritmos investigados e modificados são o algoritmo genético e o algoritmo de agrupamento por colônia de formigas. O objetivo final do trabalho é desenvolver parte do conjunto de ferramentas que será usado para compor o núcleo de uma comunidade virtual acadêmica adaptativa. Os resultados obtidos mostraram que o algoritmo genético é uma ferramenta adequada para otimizar a busca de informação na web, mas o algoritmo de agrupamento por colônia de formigas ainda apresenta limitações quanto a sua aplicabilidade para agrupamento de textos. / Abstract: The Internet became one of the main sources of information and means of communication, reducing costs and providing resources and information to the people all over the world. This dissertation develops and applies two biologically-inspired computing approaches, namely a genetic algorithm and the ant-clustering algorithm, to the problems of optimizing the information search and retrieval over the web, and to perform text clustering. The final goal of this project is to design and develop some of the tools to be used to construct an adaptive academic virtual community. The results obtained showed that the genetic algorithm can be feasibly applied to the optimizing information search and retrieval, whilest the ant-clustering algorithm needs further investigation in order to be efficiently applied to text clustering. / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica