• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 53
  • 2
  • Tagged with
  • 56
  • 56
  • 36
  • 30
  • 14
  • 13
  • 13
  • 13
  • 12
  • 11
  • 11
  • 11
  • 10
  • 10
  • 9
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Projeto multiobjetivo de fusores hierárquicos de partições de dados via programação genética / Projeto Multiobjetivo de Fusores Hierárquicos de Partições de Dados Via Programação Genética. (Inglês)

Fernandes, Everlandio Rebouças Queiroz 21 December 2009 (has links)
Made available in DSpace on 2019-03-29T23:23:07Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-12-21 / A remarkable progress has been recently achieved in the area of data clustering, in part due to the development of clustering ensemble methods. In a nutshell, this approach aims at combining multiple partitions produced over the same dataset into a single consensus partition. Although promising, this approach is still restrictive in the sense that obtaining a single solution (partition) as result limits the knowledge that could be grasped from the data, which could contain several meaningful alternative solutions. On the other hand, there exist several validation criteria to assess the data partitions, each considering a distinct viewpoint. This permits to model the data clustering task as a typical multiobjective optimization problem. This strategy, which has also gained much attention in the last years, is known as multiobjective clustering. In this context, this study presents a novel hybrid approach, based on multiobjective genetic programming, aiming at the automatic design of novel hierarchical fusion operators for clustering ensembles. By this means, an initial set of partitions obtained via the application of different clustering techniques could be continuously refined through a population of hierarchies of fusion operators, which select and combine the original partitions, using different quality criteria as objective functions. To validate the new approach in terms of efficiency and effectiveness, we have implemented a prototype and conducted a comparative study including other clustering algorithms (three of which are of clustering ensembles and two are multiobjective in nature) over 10 different datasets. The experiments indicate that, in general, the idea of having a fusion hierarchy together with the correct selection of the data partitions can provide significant gains in terms of effectiveness and robustness. Keywords: Data Clustering. Clustering Ensembles. Hierarchical Fusion. Multiobjective Evolutionary Algorithms, Genetic Programming. / Um notável avanço vem sendo recentemente obtido na área de agrupamento de dados mediante o desenvolvimento de métodos de fusão de partições. Essa abordagem, conhecida como clustering ensembles, consiste em combinar os resultados de múltiplos agrupamentos de uma mesma base de dados em uma única partição-consenso. Embora promissora, essa abordagem ainda é restritiva, já que uma única resposta para um problema limita a aquisição do conhecimento que poderia ser obtido considerando outras possíveis soluções (partições). Por outro lado, devido à existência de vários critérios de avaliação da qualidade de agrupamentos, pode-se modelar essa tarefa como um problema típico de otimização multiobjetivo. Nesse contexto, o presente estudo apresenta uma nova abordagem, baseada em programação genética multiobjetivo, que projeta automaticamente novos operadores hierárquicos de fusão de partições. Desse modo, um conjunto inicial de partições, obtido via a aplicação de diferentes técnicas de agrupamento, pode ser continuamente refinado através de uma população de hierarquias de fusores, que selecionam e combinam as partições originais, utilizando diferentes critérios de qualidade como funções-objetivo. Para validar a nova abordagem, em termos de eficiência e eficácia, foi implementado um protótipo e conduzido um estudo comparativo, envolvendo outros algoritmos de agrupamento (dentre os quais três são de clustering ensembles e dois são multiobjetivo), sobre 10 diferentes bases de dados. Os experimentos demonstram que, em geral, a ideia de se ter uma hierarquia de fusores aliada à correta seleção das partições pode proporcionar ganhos significativos em termos de eficácia e robustez. Palavras-chave: Agrupamento de Dados. Clustering Ensembles. Fusão Hierárquica de Partições. Algoritmos Evolutivos Multiobjetivos. Programação Genética.
2

Uma metodologia híbrida aplicada à otimização dos problemas de posicionamento de figuras irregulares / A Hybrid Methodology Applied to the Irregular Strip Packing Problems (Inglês)

Amaro Júnior, Bonfim 26 July 2013 (has links)
Made available in DSpace on 2019-03-29T23:42:17Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-07-26 / The cutting and packing problems are known and frequently discussed. These present themselves constantly in industrial production environments. Many have compositional nature, and can be formulated readily understood, while others require the assistance of strategies for obtaining a satisfactory solution. A specialization of this problem is the placement of irregular figures with characteristics similar cut, but dealing with figures irregulars. O goal of this dissertation is to describe a hybrid approach that combines a genetic algorithm and a heuristic positioning, applied to the problem of positioning Irregular shapes dimensional. The No-Fit Polygon tool is essential for obtaining local optima. Furthermore, an algorithm is incorporated into the compression meta-heuristics to identify solutions of better quality. Computational experiments performed on a library of tests as well as a case study in a clothing industry, are performed aiming to test the potential behind this approach. KEYWORDS: Optimization, Cutting and Packing, Nesting Problem, Hybrid Methods, Genetic Algorithms, Irregular Strip Packing Problems / Os Problemas de corte e empacotamento são conhecidos e frequentemente abordados. Esses se apresentam constantemente nos ambientes de produção industrial. Muitos possuem natureza combinatória, podendo ser facilmente compreendidos e formulados, ao passo que outros, necessitam do auxílio de estratégias para obtenção de uma solução satisfatória. Uma especialização desse tipo de problema é o posicionamento de figuras irregulares possuindo características semelhantes de corte, porém lidando com figuras irregulares. O objetivo desta dissertação é descrever uma metodologia híbrida que combina um Algoritmo Genético e uma heurística de posicionamento, aplicada ao Problema de Posicionamento de Formas Irregulares bidimensional. A ferramenta No-Fit Polygon é fundamental para a obtenção de ótimos locais. Além disso, um algoritmo de compactação é incorporado à meta-heurística para identificar soluções de melhor qualidade. Experimentos computacionais realizados em uma biblioteca de testes, bem como um estudo de caso em uma indústria de confecção, são realizados objetivando testar as potencialidades por trás dessa abordagem. Palavras-chave: Otimização, Corte e Empacotamento, Problema de Posicionamento de Formas Irregulares, Métodos Híbridos, Algoritmos Genéticos.
3

A hybrid methodology to solve the container loading problem with weight distribution and cutting problems

Araujo, Luiz Jonatã Pires de 27 September 2011 (has links)
Made available in DSpace on 2019-03-29T23:27:59Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-09-27 / Transport of goods has represented an important role in economic development throughout the history and ship containerization brought great advantages. Its invention in mid-1950s brought down the cost of transport and reduced time for loading and unloading cargo. Consequently, it increased efficiency of port working and reduced handling cargo to hours instead of weeks, as before. However, the good use of containerization involves new and specialized logistic process, a number of technologies and automated systems to handle a great number of containers and even greater volume of cargo. To answer these requirements, computation appears as important tool. The described scenary has been treated in academic literature as the Container Loading Problem (CLP), with some variants. It is necessary consider practical requirements, for example the stability of cargo or weight distribution. The last one is of vital importance since the position of the centre of gravity of cargo affects the stability during its transport. When desconsidered, it could result in damage to cargo or vehicle. During our research, we were specially interested in this requirement. But, in order compare the found solutions with other ones, we proposed a methodology to measures the weight distribution. So, to the described problem, specifically the Knapsack Loading Problem (3D-KLP), this work presents a methodology that not only maximizes the packed cargo volume but also optimizes the weight distribution, its great contribution. Mainly if we consider that the cargo to be packed is composed by items with different densities, which turns the problem more difficult. The present methodology is composed by two phases with distinct goals. The first phase is concerned with maximize the weight distribution combining a search algorithm, the backtracking, with heuristics that solve integer linear programming models. The second phase executes a Genetic Algorithm to maximize the weight distribution of previously packed cargo. We also present a justification for why genetic algorithm was used in our methodology. An additional application was made to solve cutting problems. This class of problems occurs in various industrial process, when it is necessary to cut different types of material as glass, wood or parper, with a minimum of waste. We use a well-known benchmark test to compare our results with other approaches. This work also presents a case study of our implementation using some real data in a factory of stoves and refrigerators in Brazil. It shown promising results in reduced time. Keywords: Container Loading Problem, Knapsack Loading Problem, Weight Distribution, Integer Programming, Backtracking, Genetic Algorithms. / O transporte de carga tem representado um papel fundamental no desenvolvimento econômico no decorrer da história e a conteinerização trouxe grandes vantagens. Seu advento reduziu os custos de transporte bem como o tempo de carga. Portanto, aumentou a eficiência do trabalho em portos e reduziu o tempo necessário para operações com carga para horas, ao invés de semanas como anteriormente. Contudo, o bom uso dos contêineres involve novos e especializados processos logísticos, uma grande quantidade de tecnologias além de sistemas automatizados para manipular uma elevada quantidade de contêineres e ainda maior volume de carga. Para atender a estes requisitos, computação aparece como uma importante ferramenta. O cenário descrito tem sido tratado na literatura acadêmica como o Problema de Carregamento de Contêiner (CLP, do inglês Container Loading Problem), com algumas variantes. é também necessário considerar requisitos práticos como, por exemplo, a estabilidade da carga ou distribuição do peso. Este último de vital importância uma vez que o centro de gravidade da carga afeta a estabilidade durante seu transporte. Se descosiderado, pode-se danificar tanto a carga como o veículo. Durante nossa pesquisa, nós estivemos especialmente interessados neste requisito. E a fim de comparar a qualidade dos resultados obtidos, propusemos uma maneira de mensurar a distribuição do peso. Portanto, dado o problema descrito, especificamente o 3D Knapsack Loading Problem, este trabalho apresenta um algoritmo que não apenas maximiza o volume total carregado mas também otimiza a distribuição do peso da carga, sua grande contribuição. Principalmente se considerarmos que a carga é composta de itens com diferentes valores de densidade, o que torna o problema ainda mais difícil. A metodologia consiste em duas fases com objetivos diferentes. A primeira fase ocupa-se em maximizar o volume carregado por combinar um algoritmo de busca, o backtracking, com heurísticas que resolvem modelos de programação linear inteira. A segunda fase executa um algoritmo genético para maximizar a distribuição do peso da carga previamente colocada. Apresentamos também uma justificativa do porque algoritmo genéticos foram usados em nossa metodologia. Uma aplicação adicional foi feita para resolver problemas de corte. Esta classe de problemas ocorre em vários processos industriais, quando é necessário cortar diferentes tipos de materiais, como vidro, madeira ou papel, com um mínimo de desperdício. A fim de comparação, usamos bibliotecas de teste bem conhecidas na literatura e um estudo de caso usando informações reais de uma fábrica de fogões e geladeiras no Brasil. São apresentados resultados promissores alcançados em tempo reduzido. Palavras-chave: Problema de Carregamento de Contêiner, Knapsack Loading Problem, Distribuição do Peso, Programação Linear Inteira, Backtracking, Algoritmos Genéticos.
4

Um algoritmo genético aplicado no problema da roteirização periódica de veículos com caso prático / A genetic algorithm for period vehicle routing problem with practical application

Bezerra, Felipe Pinheiro 31 August 2012 (has links)
BEZERRA, F. P. Um algoritmo genético aplicado no problema da roteirização periódica de veículos com caso prático. 2012. 107 f. Dissertação (Mestrado em Logística e Pesquisa Operacional) - Pró-Reitoria de Pesquisa e Pós-Graduação, Universidade Federal do Ceará, Fortaleza, 2012. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-10-26T16:36:04Z No. of bitstreams: 1 2012_dis_fpbezerra.pdf: 3934020 bytes, checksum: 1e12f60f72804a13c7e6b388303167b1 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-10-26T17:22:50Z (GMT) No. of bitstreams: 1 2012_dis_fpbezerra.pdf: 3934020 bytes, checksum: 1e12f60f72804a13c7e6b388303167b1 (MD5) / Made available in DSpace on 2012-10-26T17:22:50Z (GMT). No. of bitstreams: 1 2012_dis_fpbezerra.pdf: 3934020 bytes, checksum: 1e12f60f72804a13c7e6b388303167b1 (MD5) Previous issue date: 2012-08-31 / The service level of a wholesale distributor can be measured by the frequency and regularity with which its sales staff serves customers. But as the market success also depends on the costs involved, the proper planning of systematic servings is critical. Taking advantage of the similarities between this situation and the Periodic Vehicle Routing Problem (PVRP), a technique for solving the later was proposed. For the PVRP, given a planning horizon of several days, visits to customers must be assigned to possible days according to predefined schedule combinations at the same time as routes are generated for each day, aiming to reduce the total cost of serving in the same planning horizon. The proposed technique was also adapted to be applied to the practical case of routing a sales team within a weekly planning horizon and it consists of a genetic algorithm for which was developed an original crossover operator. The technique was validated with instances from the literature for the PVRP and its solutions for the case study indicated significant annual savings. / O nível de serviço de uma empresa atacadista distribuidora pode ser medido pela frequência e regularidade com que sua equipe de vendas atende os clientes. Mas como o sucesso no mercado também depende dos custos envolvidos, o planejamento adequado das sistemáticas de atendimento é crítico. Aproveitando as similaridades entre essa situação e o Problema de Roteirização Periódica de Veículos (PRPV), foi proposta uma técnica de resolução deste problema. Para o PRPV, dado um horizonte de planejamento composto de vários dias, clientes devem ter suas visitas alocadas aos dias conforme combinações possíveis ao mesmo tempo em que rotas são geradas para cada dia, objetivando a redução do custo total de atendimento nesse mesmo horizonte de planejamento. A técnica proposta também foi adaptada para aplicação no caso prático de roteirização de uma equipe de vendas com horizonte de planejamento semanal e consiste em um algoritmo genético para o qual foi desenvolvido um operador de cruzamento original. A técnica foi validada com instâncias da literatura para o PRPV e suas soluções para o caso prático indicaram economias anuais significativas.
5

µ BRKGA : um algoritmo genético paralelo de chaves aleatórias tendenciosas aplicado ao problema de posicionamento de figuras irregulares / µ-BRKGA: A PARALLEL BIASED RANDOM-KEY GENETIC ALGORITHM APPLIED TO IRREGULAR STRIP PACKING PROBLEMS (Inglês)

Amaro Junior, Bonfim 08 August 2017 (has links)
Made available in DSpace on 2019-03-30T00:02:28Z (GMT). No. of bitstreams: 0 Previous issue date: 2017-08-08 / The Irregular Strip Packing Problem, also known as Nesting Problem, has been studied for several decades and constitutes a special class of cutting and packing problems, whose set of arbitrary shape items must be positioned on a container with variable length. In this thesis, presents a description of its particularities, highlighting the challenges and some industries with related applications, for example, the shipbuilding, clothing and leather. This is explained by literature review. We also consider geometric representations and methods of resolution with distinct strategies, aiming at the recognition of viable opportunities that can be approached in order to find effective solutions. In addition, we propose an approach (µ-BRKGA) composed by a parallel biased random-key genetic algorithm to find compact solutions in viable times. In order to evaluate the solutions, a positioning method based on the collision-free region is applied, forming satisfactory layouts. The entire process is divided into three stages: pre-processing, execution of the algorithm and choosing the best solution. With the purpose of evaluate the proposed (µ-BRKGA) algorithm, computational tests using benchmark problems, commonly used in the literature, were applied and the results obtained were analyzed and compared to other research of notable impact to solve the irregular strip packing problem. Keywords: irregular strip packing problem, genetic algorithms, random keys, collision-free region, no-fit polygon. / O problema de posicionamento de figuras irregulares, também conhecido como Nesting Problem, tem sido estudado por várias décadas e constitui uma classe especial dos problemas de corte e empacotamento, cujo conjunto de itens com formatos arbitrários devem ser posicionados em uma superfície de encaixe com comprimento variável. Nesta tese, apresenta-se uma descrição das suas particularidades, destacando os desafios e algumas indústrias com aplicações relacionadas, por exemplo, a indústria naval, a de confecções e de couro. Isto é explanado por meio de uma revisão da literatura. Consideram-se, ainda, representações geométricas e métodos de resolução com estratégias distintas, objetivando o reconhecimento de oportunidades viáveis que possam ser abordadas de forma a encontrar soluções eficazes. Ademais, propõe-se uma abordagem (µ-BRKGA) composta por um algoritmo genético paralelo de chaves aleatórias tendenciosas para encontrar soluções compactas em tempos viáveis. Com o intuito de avaliar as soluções, aplica-se um método de posicionamento fundamentado na região livre de colisão formando leiautes de encaixes satisfatórios. Todo o processo é divido em três etapas: pré-processamento, execução do algoritmo e escolha da melhor solução. Como forma de verificação da eficiência do µ-BRKGA, submeteu-se a abordagem sobre testes computacionais nas instâncias de referência, comumente utilizadas na literatura, e os resultados obtidos foram analisados e comparados a outras pesquisas de notório impacto para a resolução do problema de posicionamento de figuras irregulares. Palavras-chave: problema de posicionamento de figuras irregulares, algoritmos genéticos, chaves aleatórias, região livre de colisão, polígono de obstrução.
6

GAPatrol : uma abordagem evolutiva para otimização de rotas de patrulha policial via calibração de simulação multiagentes

Vasconcelos, Danilo Reis de 21 July 2008 (has links)
Made available in DSpace on 2019-03-29T23:12:30Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-07-21 / The GA-patrol it is a framework with an approach based in evolutionary computation that aims tunning the parameters of a combined model of multiagent simulation to an allocation problem. In particular, the work is concentrated in the study of an multiagent model of simulation applied the area public security to elaborate in automatic way the planning of routes of patrolling in an environment of simulation of occurrence of crimes of a region. KEYWORDS: Police patrol; Genetic Algorithm; Multi-agent simulation; swarm networks; Simulation; Automatic route allocation; Automatic hot spot detection. / O GAPatrol é um framework com uma abordagem baseada em Computação Evolutiva que visa calibrar os parâmetros de um modelo de simulação multiagente combinado a um problema de alocação em particular. O trabalho concentra-se no estudo de um modelo de simulação multiagente aplicado à área de segurança pública para elaborar, de maneira automática, o planejamento de rotas de patrulhamento em um ambiente de simulação de ocorrência de crimes em uma região. PALAVRAS-CHAVE: Patrulhamento policial preventivo. Algoritmo Genético. Simulação multiagente. Inteligência coletiva. Simulação. Alocação automática de rotas. Detecção automática de pontos quentes.
7

Um modelo multiagente de simulação criminal bio-inspirado

Melo, Adriano Andrade Neves de 30 September 2008 (has links)
Made available in DSpace on 2019-03-29T23:12:57Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-09-30 / To understand the behavior of criminal events and how they are distributed is important information for planning urban police. The identification of the main aspects that influence criminal occurrence allows for better use and distribution of police resources. However, the evaluation of this problem is complex because it involves many variables. This dissertation deals with this issue proposing the use of a simulation model of criminal behavior, in which were inserted the characteristics that are necessary for crime simulation in a region. At the end of the simulation, we can consider the spatial and temporal distribution of crimes generated by the simulator to be similar to the real distribution of crimes occurred in a region. The model was built based on multiagent systems, where each agent is responsible for representing persons and objects that are placed in an environment that is shared by all. The behavior of agents that are part of this model follows a bio-inspired model and is based on a swarm intelligence algorithm. To evaluate the model, comparative analysis were performed with the crime distributions generated by the criminal model and the real distribution of crimes occurred. In order to perform this analysis, a characterization of criminal data of the city of Fortaleza was performed and this data was very important to validate this research. Keywords: Multiagent Simulation, Crime Model, Swarm Intelligence, Genetic Algorithms and Artificial Intelligence. / Entender o comportamento dos eventos criminais e como eles estão distribuídos é uma importante informação para o planejamento do policiamento urbano. A identificação dos principais aspectos que influenciam a ocorrência de crimes permite uma melhor utilização e distribuição dos recursos policiais. Contudo, este é um problema complexo de ser avaliado, pois envolve diversas variáveis. Este trabalho aborda esta questão propondo o emprego de um modelo de simulação criminal, no qual foram inseridas as características necessárias para a simulação dos crimes em uma região e ao final da simulação poderemos considerar a distribuição espacial e temporal dos crimes gerada pelo simulador como similar à distribuição real dos crimes ocorridos na região. O modelo foi construído utilizando uma arquitetura de sistemas multiagentes, onde cada agente é responsável por representar um indivíduo no ambiente que é compartilhado por todos. O comportamento dos agentes que fazem parte desse modelo segue um modelo bio-inspirado, baseado em no algoritmo de inteligência coletiva. Para avaliar o modelo, foram realizadas análises comparativas entre as distribuições dos crimes geradas pelo modelo criminal e a distribuição real de crimes ocorridos, para essa análise foi realizada uma caracterização dos dados criminais da cidade de Fortaleza, dados estes importantes para a validação dessa pesquisa. Palavras-chave: Simulação Multiagente, Modelo Criminal, Inteligência Coletiva, Algoritmo Genético e Inteligência Artificial
8

Imputação automática de atributos faltantes em problemas de classificação : um estudo comparativo envolvendo algoritmos bio-inspirados / Imputação Automática de Atributos Faltantes em Problemas de Classificação: Um Estudo Comparativo Envolvendo Algoritmos Bio-inspirados (Inglês)

Oliveira, Pedro Gonçalves de 21 August 2009 (has links)
Made available in DSpace on 2019-03-29T23:16:04Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-08-21 / Real-world databases may contain several missing values, which may degrade the performance of data mining algorithms running over them, making it hard to analyze data. This problem is usually dealt with missing value imputation. The present work evaluates how imputation by numerical optimization using bio-inspired algorithms may affect the performance of classifiers induced over pre-processed data. Here, three techniques were conceived: imputation using genetic algorithm (GA), imputation using particle swarm optimization (PSO), and imputation using cooperative co-evolution. In order to analyze the proposed techniques, six different datasets from the UCI Machine Learning Repository and five well known classification algorithms were adopted. In this analysis, efficiency and efficacy criteria were taken into account. In order to compare the results obtained, two traditional missing value imputation techniques were used, namely, imputation using mean or mode, and imputation using the KNN algorithm. The study shows that all the imputation techniques considered could increase the performance of the resulting classifiers. The obtained results do not point out an optimal method, adequate to all situations. The experiments, however, showed that, in general, the techniques that use bio-inspired algorithms were the most effective, while traditional techniques entailed better computational performance. It should also be observed that the heuristic techniques PSO and cooperative co-evolution, still not much explored in the context of data preprocessing, could have prevailed in several experiments. Keywords: Data mining, Data preparation, Missing value imputation, Metaheuristics, Genetic algorithms, Particle swarm optimization, Cooperative co-evolution. / Diversas bases de dados reais se caracterizam pela ausência marcante de determinados valores de seus atributos. Esses dados ausentes podem vir a degradar sobremaneira o desempenho de algoritmos de mineração de dados, dificultando a análise resultante. Uma maneira comum de tratar esse problema é via imputação, ou seja, estimação dos valores faltantes a partir de outros existentes na base. Este trabalho avalia como uma abordagem de imputação por otimização numérica utilizando algoritmos bio-inspirados pode vir a aprimorar o desempenho de classificadores induzidos sobre as bases pré-processadas. Três técnicas foram empregadas segundo esta abordagem: imputação utilizando algoritmo genético (GA), imputação utilizando otimização por enxame de partículas (PSO) e imputação utilizando co-evolução cooperativa. Com o intuito de analisar as técnicas propostas, em termos de eficiência e eficácia, seis bases de dados do repositório UCI e cinco populares algoritmos de classificação foram adotados. Para efeito de comparação, foram empregadas ainda outras duas técnicas tradicionais de imputação: a imputação pela média ou moda e a imputação fazendo uso do algoritmo KNN. O estudo mostra que todas as técnicas de imputação consideradas são capazes de elevar o desempenho dos classificadores. Os resultados obtidos não apontam para um método ótimo para todas as situações. Contudo, os experimentos sugerem que, em geral, as técnicas que fazem uso de algoritmos bio-inspirados são as mais eficazes ao passo que as técnicas tradicionais são as de melhor desempenho computacional. Observa-se também que os algoritmos co-evolução cooperativa e PSO, ainda não muito explorados no contexto de pré-processamento de dados, sobressaíram-se em diversos experimentos realizados. Palavras-Chave: Mineração de dados, Pré-processamento de dados, Imputação de valores faltantes, Metaheurísticas, Algoritmos genéticos, Otimização por enxame de partículas, Co-evolução cooperativa.
9

Tackling the problem of dynamic coverage and connectivity in wireless sensor networks with an extended version of the generate an dsolve methodology / Tackling the Problem of Dynamic Coverage and Connectivity in Wireless Sensor Networks with an Extended Version of the Genetate and Solve Methodology (Inglês)

Aguiar, Alexei Barbosa de 28 December 2009 (has links)
Made available in DSpace on 2019-03-29T23:22:38Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-12-28 / Wireless sensor networks (WSNs) are very usefull in a wide range of applications. However, the sensor nodes that composes these WSNs are very limited devices. Their batteries cannot supply energy for a lifetime as long as desired. In a particular scenario, the areas where these devices are deployed are inaccessible so these batteries replacements are unfeasible. In this situation the energy consumption plays a very important role and must be well optimized. Recent literature presented an integer programming model for optimizing this energy consumption. The Generate and Solve is a new hybrid methodology. The integrative collaboration of Genetic Algorithms and Linear Integer Programming merged their strong points and offered excellent results on cutting and packing problem domains. However, its original implementation had some problems which limits the results, one of them is the density explosion. This methodology has been adapted and enhanced to fix these problems and extend the capacity of this model to larger problem instances. Thus, the WSN lifetime can be much longer than before. Comparing the results against literature, the WSN lifetime planned by Generate and Solve is 150% longer and it is capable of handling problem instances with a number of sensor nodes 125% larger. Keywords: Wireless sensor networks, Optimization, Hybridization, Genetic Algorithms, Linear Integer Programming. / Redes de sensores sem fios (RSSF) são muito úteis em uma ampla gama de aplicações. Entretanto, os nós sensores que compõem essas RSSF's são dispositivos muito limitados. Suas baterias não podem suprir a energia de uma vida útil tão longa quanto desejada. Em um cenário particular, as áreas nas quais estes dispositivos são instalados são inacessíveis, logo, as trocas dessas baterias são inviáveis. Nesta situação, o consumo de energia tem um papel muito importante e deve ser bem otimizado. Uma literatura recente apresentou um modelo de programação inteira para otimizar este consumo de energia. A Gerar e Resolver é uma nova metodologia híbrida. A colaboração integrativa entre algoritmos genéticos e programação linera inteira fundiu os seus pontos fortes e ofereceu exelentes resultados em domínios de cortes e empacotamento. Entretanto, sua implementação original teve alguns problemas os quais limitam os resultados, um deles é a explosão da densidade. Esta metodologia foi adaptada e melhorada para corrigir esses problemas e extender a capacidade deste modelo para instancias de problemas maiores. Desta forma, a vida útil da RSSF pode ser bem maior que anteriormente. Comparando os resultados com a literatura, o tempo de vida da RSSF planejada pela Gerar e Resolver é 150% mais longa e ela é capaz de lidar com instâncias de problemas com um número de nós sensores 125% maior. Palavras-chave: Redes de sensores sem fios, Otimização, Hibridização, Algorítmos Genéticos, Programação Linear Inteira.
10

Seleção de componentes em ensembles de clasificadores multirrótulo / Component Selection in Ensembles of Multi-label Classifiers (Inglês)

Costa, Nathanael de Castro 27 July 2012 (has links)
Made available in DSpace on 2019-03-29T23:33:04Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-07-27 / The selection of components in ensembles of classifiers is a very common activity in the field of Machine Learning with several studies showing its effectiveness in obtaining significant gains in accuracy. However, the most studied classification task involves mutually exclusive labels (classes). The objective of this work is to present a study on the selection of components in ensembles of multi-label classifiers, whereby an instance can become associated with more than one label. Two search approaches for the component selection were used, one based on Genetic Algorithms and the other based on Hill Climbing. Conversely, two types of evaluation measures were adopted for ensemble selection: one based on multilabel accuracy measures and the other based on well known diversity measures for ensembles, which were modified to handle the multilabel case. Another selection approach was also conceived to assign different ensembles to different labels of the labelset. Specifically for generating the RAkEL components, 10 well known learning algorithms for inducing one-label classifiers were used, namely, Naïve Bayes, RBF Neural Networks, Support Vector Machines, J48, REP Tree, IBk, Decision Stump, OneR, PART, and Decision Table. A systematic empirical study was conducted on seven publicly available datasets, involving two ensemble models, each making use of one of the well known multi-label classifiers RAkEL and ML-RBF. In general, the results achieved show that the ensembles produced via ensemble selection can yield better results than the full ensembles and some of their components. The ensemble selection type based on multilabel accuracy measures performed usually better than the other based on diversity measures. Finally, among the search procedures for conducting the selection, none has prevailed over the other. Keywords: Machine Learning, Multi-label Classification, Ensembles, Ensemble Selection, Diversity Measures, Genetic Algorithms, Hill Climbing. / A seleção de componentes em ensembles de classificadores é uma atividade muito comum no campo de Aprendizado de Máquina, com vários estudos comprovando sua efetividade em obter maiores ganhos de acuidade. Contudo, a tarefa de classificação mais investigada é a de rótulos, ou classes, mutuamente exclusivos. Nesse contexto, o objetivo deste trabalho é apresentar um estudo sobre a seleção de componentes em ensembles de classificadores multirrótulo, em que uma instância (padrão, exemplo) pode ser associada a mais de um rótulo. Os procedimentos de seleção investigados utilizaram a abordagem evolucionária dos Algoritmos Genéticos e o método de busca gulosa Subida da Encosta. Dois tipos de medidas de avaliação foram adotados para a seleção dos componentes: enquanto o primeiro tipo inclui métricas de acuidade já propostas para o caso multirrótulo, o segundo envolve medidas bem conhecidas de diversidade em ensembles, as quais sofreram modificações para tratar problemas de classificação multirrótulo. Foi analisada também uma abordagem de seleção de componentes que atribui distintos ensembles para distintos rótulos do problema. Um estudo empírico sistemático foi conduzido com base em sete conjuntos de dados disponíveis publicamente e envolvendo dois arranjos de ensembles, cada um fazendo uso de um dos conhecidos classificadores multirrótulo RAkEL e ML-RBF. Especificamente para gerar os componentes do RAkEL, foram escolhidos 10 algoritmos conhecidos de indução de classificadores único-rótulo, quais sejam, Naïve Bayes, Redes Neurais RBF, Máquinas de Vetores-Suporte, J48, REP Tree, IBk, Decision Stump, OneR, PART e Decision Table. Em geral, os resultados experimentais obtidos evidenciam que as diferentes abordagens de seleção de componentes podem melhorar o desempenho do novo ensemble em relação ao ensemble original e a alguns dos módulos-componentes. Dos tipos de seleção adotados, aquele que utilizou as métricas de acuidade geralmente apresentou os melhores resultados. Por outro lado, dos procedimentos de busca para a seleção, não houve um que obtivesse maior destaque que o outro. Palavras-chave: Aprendizado de Máquina, Classificação Multirrótulo, Ensembles, Seleção de Componentes, Medida de Diversidade, Algoritmos Genéticos, Subida da Encosta.

Page generated in 0.0649 seconds