Orientador: Rubén Augusto Romero Lázaro / Banca: Marina Lavorato de Oliveira / Banca: Marcelo Escobar de Oliveira / Resumo: Neste trabalho é proposta a resolução de problemas multimodais usando duas diferentes meta-heurísticas: Algoritmo Genético de Chu-Beasley modificado e o Algoritmo Genético de Chaves Aleatórias Viciadas (BRKGA), com foco principal nos resultados obtidos por esta última. É feita especificamente a implementação das meta-heurísticas e comparação dos resultados obtidos por estas diferentes técnicas. Uma característica muito importante do BRKGA é a estruturação que permite separar o algoritmo em duas parcelas claramente diferenciadas, uma parcela que depende exclusivamente das características do BRKGA e, portanto, independente do problema que se pretende resolver e outra parcela que depende exclusivamente das características especificas do problema que pretendemos resolver. Essa característica geral do BRKGA permite que ele seja facilmente aplicado a uma grande variedade de problemas, já que a primeira parcela pode ser integralmente aproveitada na resolução de um novo problema. Por outro lado, o Algoritmo Genético de Chu-Beasley (AGCB) é caracterizado pela substituição de um único indivíduo no ciclo geracional e pelo controle máximo de diversidade, mas isto não é suficiente para resolução de problemas complexos e multimodais, sendo assim, é apresentado o AGCB modificado, onde o critério de diversidade é estendido, a população inicial e o descendente gerado no ciclo geracional passa por uma melhoria local. Essas características tornam-o competitivo justificando a comparação com o BRKGA / Abstract: In this work it is proposed the resolution of multimodal problems using two different meta- heuristics: Chu-Beasley's Genetic Algorithm and Biased Random Key Genetic Algorithm (BRKGA), focusing mainly on the results obtained by the latter. Specifically the imple- mentation and comparison of results obtained by these different techniques is made. There are several metaheuristics, each with its own specific characteristics which have advan- tages and disadvantages for the resolution of certain problems and in several ways in the implementation and results. A very important feature of the BRKGA is the structure that allows to separate the algorithm into two clearly different parts, one part that depends exclusively on the characteristics of BRKGA and therefore independent of the problem to be solved and another part that depends exclusively on the specific characteristics of the problem we intend to solve. This general feature of the BRKGA allows it to be readily applied to a variety of problems, because the first component part can be fully utilized to solve a new problem. On the other hand, Chu-Beasley's Genetic Algorithm (AGCB) is characterized by the replacement of a single individual in the generation cycle and by maximum control of diversity, but this is not enough to solve complex and multimodal problems, therefore it is presented the modified AGCB, where the diversity criterion is extended, the initial population and the descendant generated in the generational cycle passes through a local improvement. These features make it competitive, justifying the comparison with BRKGA / Mestre

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Programa de Pós-Graduação em Informática, 2013. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2013-04-24T13:40:56Z No. of bitstreams: 1 2013_FernandoMachadoMendonca.pdf: 1941126 bytes, checksum: 14c4673df9cda4875e23e0c924101558 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2013-04-26T14:02:39Z (GMT) No. of bitstreams: 1 2013_FernandoMachadoMendonca.pdf: 1941126 bytes, checksum: 14c4673df9cda4875e23e0c924101558 (MD5) / Made available in DSpace on 2013-04-26T14:02:39Z (GMT). No. of bitstreams: 1 2013_FernandoMachadoMendonca.pdf: 1941126 bytes, checksum: 14c4673df9cda4875e23e0c924101558 (MD5) / Quando uma nova sequência biológica é descoberta, suas características funcionais e estruturais devem ser estabelecidas. Para isso, a sequência é comparada com outras sequências, procurando por similaridades. A comparação de sequências é, então, uma das operações básicas em Bioinformática. O algoritmo mais preciso para executar compara- ções é o proposto por Smith-Waterman (SW), que é baseado em programação dinâmica e possui complexidade quadrática de tempo e espaço. Essa complexidade pode facilmente levar a um alto tempo de execução e uso de memória. Técnicas de processamento paralelo podem ser utilizadas para produzir resultados em menos tempo. Existem muitas versões paralelas do algoritmo SW na literatura que se executam em multicores, GPUs, FPGAs e CellBEs. Mesmo que existam algumas abordagens que executem o algoritmo SW em plataformas híbridas compostas por GPUs e multicores, elas alocam trabalho de forma xa, baseada no desempenho teórico das unidades de processamento ou nos resultados obtidos por benchmarks. Essa dissertação de Mestrado propõe e avalia uma estratégia otimizada e exível para executar o algoritmo SW em plataformas híbridas compostas por GPUs e multicores com extensões SIMD. A nossa estratégia fornece múltiplas polí- ticas de alocação de tarefas e o usuário pode escolher a que é mais apropriada para o seu problema. Propomos também um mecanismo de re-trabalho que trata situações que ocorrem quando nodos mais lentos recebem as últimas e maiores tarefas. Os resultados obtidos comparando sequências de busca com cinco diferentes bancos de dados genômicos em uma plataforma composta por 4 GPUs e 2 multicores mostram que a nossa aborda- gem é capaz de reduzir o tempo de execução em plataformas híbridas, quando comparada com soluções que utilizam apenas GPUs. Mostramos também que o nosso mecanismo de re-trabalho pode melhorar signi cativamente o desempenho na plataforma utilizada. ______________________________________________________________________________ ABSTRACT / Once a new biological sequence is discovered, its functional and structural characteris- tics must be established. In order to do that, the newly discovered sequence is compared against other sequences, looking for similarities. Sequence comparison is, therefore, one of the most basic operations in Bioinformatics. The most accurate algorithm to execute pairwise comparisons is the one proposed by Smith-Waterman (SW), which is based on dynamic programming, with quadratic time and space complexity. This can easily lead to very high execution times and huge memory requirements. Parallel processing can be used to produce results faster, reducing signi cantly the time needed to obtain results with the SW algorithm. There are many parallel versions of SW in the literature, which run in multicores, GPUs, Field-Programmable Gate Arrays (FPGAs) and CellBEs. Even though there are some versions of SW that run on hybrid platforms composed of GPUs and multicores, they assign work in a xed way, based on the theoretical performance of the processing units or in the results obtained by some benchmarks. This MsC Disser-tation proposes and evaluates a exible and optimized strategy to run Smith-Waterman applications in hybrid platforms composed of GPUs and multicores with SIMD extensions. Our strategy provides multiple task allocation policies and the user can choose the one which is more appropriate to his/her problem. We also propose a workload adjustment mechanism that tackles situations that arise when slow nodes receive the last tasks. The results obtained comparing query sequences to 5 public genomic databases in a platform composed of 4 GPUs and 2 multicores show that we are able to reduce the execution time with hybrid platforms, when compared to the GPU-only solution. We also show that our workload adjustment technique can provide signi cant performance gains in our target platform.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2009. / Submitted by Allan Wanick Motta (allan_wanick@hotmail.com) on 2010-07-16T19:38:07Z No. of bitstreams: 1 2009_LidiaAraujoMiranda.pdf: 5472186 bytes, checksum: 3bc128515fab954a95e110f39e6c356c (MD5) / Approved for entry into archive by Lucila Saraiva(lucilasaraiva1@gmail.com) on 2010-07-19T14:24:14Z (GMT) No. of bitstreams: 1 2009_LidiaAraujoMiranda.pdf: 5472186 bytes, checksum: 3bc128515fab954a95e110f39e6c356c (MD5) / Made available in DSpace on 2010-07-19T14:24:14Z (GMT). No. of bitstreams: 1 2009_LidiaAraujoMiranda.pdf: 5472186 bytes, checksum: 3bc128515fab954a95e110f39e6c356c (MD5) Previous issue date: 2009 / O Alinhamento Múltiplo de Sequências genéticas (AMS) é executado milhares de vezes ao dia por cientistas, a fim de identificar regiões de semelhança entre três ou mais sequências. Os alinhamentos múltiplos assim obtidos são usados na resolução de problemas complexos, como a determinação do histórico evolutivo das espécies. Por se tratar de um problema NP-completo, geralmente são utilizadas soluções heurísticas para a sua resolução. Dentre soluções adotadas, destaca-se o Algoritmo Genético (AG), que é um método iterativo não-determinístico, baseado nos princípios da Evolução das Espécies de Darwin. Apesar de apresentar soluções boas para o AMS, os algoritmos genéticos demandam um alto poder de processamento, que se traduz em um alto tempo de execução. Por essa razão, algumas estratégias paralelas foram propostas na literatura para acelerar a obtenção de alinhamentos múltiplos com AGs, geralmente utilizando a estratégia da ilha como base de paralelização. A presente dissertação de mestrado propõe e avalia uma estratégia paralela que utiliza Algoritmo Genético para o Alinhamento Múltiplo de Sequências, inspirada no modelo Multi-ilha. De maneira diferente das abordagens para AMS existentes na literatura, a estratégia proposta utiliza 3 Super Ilhas, onde cada Super Ilha implementa um modelo tradicional de ilhas. Os resultados obtidos com bases reais de proteínas mostram que a estratégia proposta é capaz de encontrar alinhamentos múltiplos de melhor qualidade em menor tempo, quando comparada com a estratégia de ilha tradicional. _______________________________________________________________________________ ABSTRACT / The Multiple Sequence Alignment (MSA) between genetic sequences is exhaustively done by scientists trying to identify matching regions within three or more sequences. The resulting multiple alignments are used in complex problems like the one of establishing genetic relationships between biological sequences. The MSA has been shown to be an NP-complete problem, therefore heuristic solutions are usually used to solve it. One of the solutions that has shown good results for MSA is the Genetic Algorithm (GA), a non deterministic iterative method, based on Charles Darwin's theory of evolution. Though presenting good results, the GA demands high amount of computing power, taking usually a lot of time to be executed. To speed up the sequential algorithms execution, parallel algorithms were proposed in the literature, most of them using the island strategy of parallelization. This masters dissertation proposes and evaluates a parallel strategy that uses Genetic Algorithms to the Multiple Sequence Alignment based on the Multi-island parallelization strategy. Di erently from other MSA strategies, the proposed strategy creates three Super Islands and each one executes a GA parallelized by the island strategy. The results were obtained with real protein banks and revealed that the proposed strategy is capable of nding better multiple alignments in a smaller amount of time, when compared to the conventional island strategy.

Submitted by wiliam de oliveira aguiar (wiliam@bce.unb.br) on 2011-06-20T15:09:07Z No. of bitstreams: 1 2010_DannielKennethBorgesCosta.pdf: 2738793 bytes, checksum: 8204f44f4be6aa456cde030ef1c5d1a2 (MD5) / Approved for entry into archive by Raquel Viana(tempestade_b@hotmail.com) on 2011-06-21T19:28:09Z (GMT) No. of bitstreams: 1 2010_DannielKennethBorgesCosta.pdf: 2738793 bytes, checksum: 8204f44f4be6aa456cde030ef1c5d1a2 (MD5) / Made available in DSpace on 2011-06-21T19:28:09Z (GMT). No. of bitstreams: 1 2010_DannielKennethBorgesCosta.pdf: 2738793 bytes, checksum: 8204f44f4be6aa456cde030ef1c5d1a2 (MD5) / Este trabalho foi motivado pela falta, na teoria existente de controle de sistemas caóticos, do emprego de redes neurais artificiais em conjunto com algoritmos genéticos no desenvolvimento de um sistema de controle adaptativo eficiente e que esteja em concordância com aspectos de sistemas caóticos como o uso de apenas pequenas perturbações, da ordem de 10-2, para efetuar o controle do sistema. Desta forma o objetivo deste trabalho é construir um software em linguagem de programação MATLAB, utilizando as teorias de redes neurais artificiais e algoritmos genéticos, capaz de controlar sistemas caóticos sobre órbitas periódicas. Como modelo de sistema caótico foi usado o sistema do atrator de Lorenz. Tal controle pode ser realizado através de um processo no qual uma pequena perturbação é aplicada a um sistema caótico a fim de gerar um comportamento desejado, caótico, periódico ou estacionário, no mesmo. Foram discutidas algumas questões de grande importância relacionadas ao controle do caos, como o problema de direcionamento, isto é, como trazer uma trajetória para uma vizinhança próxima de uma posição desejada no atrator caótico, bem como testada a flexibilidade do sistema de controle desenvolvido sob diversas condições. Em suma, este trabalho vem contribuir para a área de estudo de sistemas de controle de sistemas caóticos abordando conteúdos que, juntos, fornecem um poderoso método de controle evolutivo-adaptativo. Como resultado foi obtido um sistema de controle robusto a ruídos, a diferentes condições iniciais e a períodos de controle desligado. _______________________________________________________________________________ ABSTRACT / This essay was motivated by the lack, in the existing theories of chaotic systems control, of use of artificial neural networks in conjunction with genetic algorithms in the implementation of an adaptive control system that is efficient and in accordance with aspects of chaotic systems such as the use of only small perturbations, around 10-2, to effect the control system. Thus the objective of this work is to build a software, on MATLAB programming language, using the theories of artificial neural networks and genetic algorithms, able to control chaotic systems on periodic orbits. As a model of chaotic system was used Lorenz`s attractor system. Such control can be accomplished through a process in which a small perturbation is applied to a chaotic system to generate a desired behavior, chaotic, periodic or stationary in it. Some important issues related to control of chaos are discussed, as the problem of targeting, how to bring a path to a neighborhood near a desired position in the chaotic attractor, and tested the flexibility of the control system implemented under various conditions. In short, this work contributes to the study of control systems of chaotic systems approaching subjects that together provide a powerful method of evolutionary and adaptive control. The result was a control system robust to noise, different initial conditions and periods where the control perturbations are off.

Tesis para optar al grado de Magíster en Finanzas / Esta tesis evalúa la eficiencia de los modelos predictivos, construidos a partir de algoritmos genéticos, redes neuronales y lógica borrosa para predecir el signo (dirección) de las variaciones semanales del Bono del Tesoro Americano a 10 años. Los modelos se estimaron a partir de precios de cierre semanales correspondientes al período entre 15 de Febrero del 2002 hasta el 27 de Octubre del año 2006. El modelo de redes neuronales con mil iteraciones obtuvo la mayor capacidad predictiva (medida a través del porcentaje de predicción de signo o PPS) y la mayor rentabilidad asociada a seguir las recomendaciones generadas por el modelo. Cabe recalcar que el precio del activo analizado en este estudio ha visto una disminución del precio a través del periodo de tiempo analizado.

Made available in DSpace on 2014-06-12T15:51:11Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Este trabalho apresenta a ferramenta EvolUniT (Evolutionary Unit Testing), uma ferramenta para automatização de testes de unidade de código orientado a objetos (classes Java). A EvolUniT recebe como entrada uma classe Java a ser testada; gera uma classe de teste usando o framework JUnit; gera dados (parâmetros de construtores e métodos) inicialmente aleatórios para compor os casos de teste; e utiliza um Algoritmo Genético (AG) para evoluir os dados, de acordo com uma função de aptidão criada com base nas coberturas de código capturadas. A evolução dos dados se dá através de sucessivas execuções da classe sendo testada, até que um número máximo de gerações do AG seja atingido ou que uma cobertura máxima pré-definida seja atingida. A ferramenta foi implementada em Java, em forma de plug-in do Eclipse. A ferramenta proporciona uma semi-automação de testes de unidade, ao invés de automação completa, pois em alguns casos, o engenheiro de software ou de testes precisará complementar manualmente as classes de teste geradas. A vantagem desta semiautomação é que o conhecimento do desenvolvedor ou testador será acrescido aos testes gerados pela ferramenta, possibilitando assim melhores resultados. Foram realizados três estudos para avaliar a EvolUniT, e os resultados alcançados foram satisfatórios. A EvolUniT traz contribuições para duas áreas diferentes. Para a Engenharia de Software, com a semi-automação do processo de testes de unidade, reduz-se significativamente o tempo e o esforço por parte dos desenvolvedores, já que estes passam a usar seus conhecimentos para configurar a ferramenta, ao invés de escrever as classes de teste. Para a área de Computação Inteligente, a contribuição é na utilização de uma técnica de otimização evolutiva, os Algoritmos Genéticos, para resolver o problema da escolha de bons dados para testes estruturais, que nem sempre é bem resolvido por algoritmos convencionais ou técnicas aleatórias

Orientador: Fernando Jose Von Zuben / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-27T14:40:22Z (GMT). No. of bitstreams: 1 Concilio_Ricardo_M.pdf: 737536 bytes, checksum: 5441616b9c4ae6811ba5702168cd2c7e (MD5) Previous issue date: 2000 / Mestrado

Orientador : Fernando Jose Von Zuben / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-31T15:18:56Z (GMT). No. of bitstreams: 1 Prado_OclairGallacini_M.pdf: 9043888 bytes, checksum: 8b30ceb718a0fffbad9addc5b40fd779 (MD5) Previous issue date: 2001 / Mestrado

Orientador: Fernando Jose Von Zuben / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-12T00:43:17Z (GMT). No. of bitstreams: 1 Iyoda_EduardoMasato_M.pdf: 15416989 bytes, checksum: 11aa55a6d43148430b0475e3eb7e8fc0 (MD5) Previous issue date: 2000 / Resumo: Esta tese apresenta um estudo a respeito de possíveis interações entre os principais paradigmas que compõem a área de inteligência computacional: redes neurais artificiais, sistemas fuzzy e computação evolutiva. Como principais contribuições, são propostas duas novas estratégias de solução de problemas de engenharia: as redes neurais híbridas e as redes neurofuzzy heterogêneas. A rede neural híbrida corresponde a uma extensão dos modelos de aproximação por busca de projeção, onde são consideradas também composições multiplicativas das funções de ativação dos neurônios escondidos. A arquitetura neurofuzzy heterogênea, diferentemente das arquiteturas neurofuzzy tradicionais, utiliza neurônios lógicos que podem ter pares distintos de normas triangulares. Os resultados de simulações computacionais mostram que os dois novos modelos propostos são bastante promissores, no sentido de que eles são capazes de fornecer soluções de melhor qualidade do que os modelos convencionais / Abstract: This thesis presents a study on possible combinations of the main paradigms that compose the field of computational intelligence: artificial neural networks, fuzzy systems and evolutionary computation. Among other contributions, two new engineering problem-solving strategies are proposed: hybrid neural networks and heterogeneous neurofuzzy networks. Hybrid neural networks correspond to an extension of project pursuit learning models, where multiplicative compositions of the hidden neurons' activation functions are also considered. Differently from traditional neurofuzzy architectures, heterogeneous neurofuzzy networks employ logical neurons that may have distinct pairs of triangular norms. Simulation results show that these new proposed models are very promising, in the sense that they are capable of providing higher quality solutions than traditional models / Mestrado / Mestre em Engenharia Elétrica

Submitted by Marcele Costal de Castro (costalcastro@gmail.com) on 2017-10-02T17:15:17Z No. of bitstreams: 1 CELSO MARCELO FRANKLIN LAPA D.PDF: 468347 bytes, checksum: ddc9a94cc8d5466ecb53caae5b09d810 (MD5) / Made available in DSpace on 2017-10-02T17:15:17Z (GMT). No. of bitstreams: 1 CELSO MARCELO FRANKLIN LAPA D.PDF: 468347 bytes, checksum: ddc9a94cc8d5466ecb53caae5b09d810 (MD5) Previous issue date: 2001-12 / Esta tese apresenta uma metodologia para maximização da disponibilidade e do desempenho de sistemas eletro-mecânicos pertencentes a centrais nucleares através da obtenção de políticas otimizadas de manutenções preventivas e de testes periódicos. A metodologia baseia-se na utilização dos algoritmos genéticos para a determinação de políticas ótimas através da utilização de modelos probabilísticos que permitem um agendamento contínuo para as intervenções que forem necessárias. São propostos três modelos probabilísticos: um modelo baseia-se na confiabilidade dos componentes para obtenção da política de manutenções preventivas que deve ser praticada por sistemas on-line, um outro modelo estima os custos financeiros de uma dada política de manutenções e, finalmente, um modelo para determinação da disponibilidade de sistemas formados por componentes em standby, dada uma política de testes para inspeção. Os resultados obtidos demonstram a superioridade dos métodos propostos quando comparados à tradicional abordagem de frequências constantes de intervenções. Além disto, são apresentados estudos de casos envolvendo sistemas nucleares reais onde as políticas apontadas pela metodologia proposta melhoram substancialmente o desempenho operacional de tais sistemas em comparação com as políticas padrão praticadas na operação da central. / This thesis presents a methodology for nuclear power plants electro-mechanics system availability and performance maximization via preventive maintenance scheduling and surveillance tests policy planning. The methodology uses genetic algorithms to find optimal scheduling policies using a probabilistic model, which allow non-constant time intervals between interventions. Three models are proposed: the first is based on component reliability to find the preventive maintenance scheduling which must be adopted by online systems. The second one includes maintenance. The last model is applicable to standby systems. In this case, the availability is a function of the components surveillance tests scheduling policy. The results demonstrated that the proposed methodology is better when compared to those obtained by application of the traditional approach, which considers constant time intervals between interventions. Moreover, in several case studies involving real nuclear systems, the proposed methodology led to better maintenance/test schedules when compared to standard policies.