• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 129
  • 11
  • 1
  • Tagged with
  • 142
  • 142
  • 77
  • 68
  • 43
  • 38
  • 34
  • 28
  • 27
  • 27
  • 24
  • 24
  • 22
  • 21
  • 20
  • 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

Diseño De Una Naríz Electrónica Como Discriminador De Olores Utilizando Algoritmos Genéticos Y Redes Neuronales Artificiales

Flores Vega, Christian Humberto, Li Ku, Antonio Eugenio January 2007 (has links)
No description available.
2

Mineração de dados usando algoritmos genéticos

Hasse, Mozart 25 October 2010 (has links)
No description available.
3

Algoritmo genético restrito por listas tabu no contexto de mineração de dados

Lopes, Fábio Mendonça 08 February 2011 (has links)
Resumo O presente trabalho teve como objetivo a obtenção e implementação de um algoritmo de geração de um classificador, no contexto da Mineração de Dados. Este classificador utilizou Algoritmos Genéticos (AGs). Alguns dos fundamentos que justificaram a escolha deste paradigma, foram baseados em sua grande capacidade em lidar com ruídos, dados inválidos ou imprecisos e, sua facilidade de adaptação frente à diferentes domínios de dados. A principal contribução do algoritmo projetado é a utilização de listas tabu restringindo o processo de seleção do AG. Esta restrição permite gerar um conjunto de regras potenciais para o classificador. Este tipo de estrategia foi proposta recentemente para trabalhar com funções multimodais e ainda não tinha sido avaliado seu comportamento no contexto de mineração de dados. Para análise da eficiência do algoritmo implementado foram realizados testes em cinco bases de dados, e os resultados comparados a 34 algoritmos classificadores. Posteriormente, foram realizados testes com adição de ruídos nas bases de dados. O algoritmo implementado demonstrou ser efeciente e robusto. A estratégia utilizada para manter a diversidade do AGs se mostrou válida, pois mesmo na utilização de populações menores, o algoritmo conseguiu manter sua precisão de classificação. A maior dificuldade encontrada no algoritmo foi o ajuste da medida de distância, parâmetro utilizado para as listas Tabu, o que afetou diretamente os resultados da precisão de classificação do algoritmo.
4

Otimização paramétrica de estruturas treliçadas por algoritmos genéticos / Parametric optimization of truss structures by genetic algorithms

Guerra, Crestina January 2008 (has links)
A minimização de massa de estruturas metálicas unifilares (como treliças) é um problema comum em projetos estruturais. Neste caso as áreas das seções transversais das barras podem ser assumidas como as variáveis de projeto para o dimensionamento estrutural de uma treliça. As estruturas estão sujeitas a critérios de normas a serem verificados e as variáveis de projeto (seções das áreas transversais), que podem ser contínuas ou discretas, oferecem uma grande variedade de combinações na solução do projeto. O uso da otimização objetiva selecionar as variáveis de projeto de uso comercial para obter um projeto eficiente (dentro dos limites estabelecidos em Normas) e ao mesmo tempo com massa minimizada. Neste trabalho utilizou-se o método do Algoritmo Genético fazendo utilização e modificações nos parâmetros do toolbox de Algoritmo Genéticos do MATLAB para obter a otimização de treliças tanto planas como espaciais. Através da otimização obtém-se uma massa mínima, levando em consideração restrições e critérios baseados em dados da literatura, os quais foram demonstrados e desenvolvidos através de exemplos numéricos para validação da metodologia proposta. Estudos paramétricos são utilizados para traçar indicações de sugestão na escolha dos parâmetros do método que melhor irá se adequar à proposta de minimização da massa. Por fim é apresentado um exemplo mais realista de uma estrutura de treliça espacial a qual é otimizada em termos das restrições impostas pela nova norma NBR8800:2008 e os resultados são comparados com aqueles obtidos através de um software comercial. / The structural mass minimization of steel truss structures is a common task in the structural design. The beam cross sectional areas can be assumed as design variables which represent the final structural design of a truss. The structures are ruled by rigid standard criteria that must be attended and the design variables (such as cross sectional areas), which could be continuous or discrete, offer a large variety combination in the project’s choice. The optimization procedure aims at the design variable evaluation using available commercial cross sectional areas to attain an efficient project (bounded by Standard prescriptions) and at the same time with reduced mass. In this work it is used the Genetic Algorithm method, using and modifying parameters of the Matlab’s Genetic Algorithm toolbox to reach minimum mass for plane and spatial trusses. This optimization accounts for constraints and criteria based on literature, which were used to develop and analyze through numerical examples to validate the proposed methodology. Parametric studies are used to draw suggestions regarding the algorithm’s parameters choice that best fits to the proposed task. At last it is presented a realistic spatial truss which is optimized taking into account NBR8800:2008 standard constraints and the results are compared against commercial software.
5

Otimização paramétrica de estruturas treliçadas por algoritmos genéticos / Parametric optimization of truss structures by genetic algorithms

Guerra, Crestina January 2008 (has links)
A minimização de massa de estruturas metálicas unifilares (como treliças) é um problema comum em projetos estruturais. Neste caso as áreas das seções transversais das barras podem ser assumidas como as variáveis de projeto para o dimensionamento estrutural de uma treliça. As estruturas estão sujeitas a critérios de normas a serem verificados e as variáveis de projeto (seções das áreas transversais), que podem ser contínuas ou discretas, oferecem uma grande variedade de combinações na solução do projeto. O uso da otimização objetiva selecionar as variáveis de projeto de uso comercial para obter um projeto eficiente (dentro dos limites estabelecidos em Normas) e ao mesmo tempo com massa minimizada. Neste trabalho utilizou-se o método do Algoritmo Genético fazendo utilização e modificações nos parâmetros do toolbox de Algoritmo Genéticos do MATLAB para obter a otimização de treliças tanto planas como espaciais. Através da otimização obtém-se uma massa mínima, levando em consideração restrições e critérios baseados em dados da literatura, os quais foram demonstrados e desenvolvidos através de exemplos numéricos para validação da metodologia proposta. Estudos paramétricos são utilizados para traçar indicações de sugestão na escolha dos parâmetros do método que melhor irá se adequar à proposta de minimização da massa. Por fim é apresentado um exemplo mais realista de uma estrutura de treliça espacial a qual é otimizada em termos das restrições impostas pela nova norma NBR8800:2008 e os resultados são comparados com aqueles obtidos através de um software comercial. / The structural mass minimization of steel truss structures is a common task in the structural design. The beam cross sectional areas can be assumed as design variables which represent the final structural design of a truss. The structures are ruled by rigid standard criteria that must be attended and the design variables (such as cross sectional areas), which could be continuous or discrete, offer a large variety combination in the project’s choice. The optimization procedure aims at the design variable evaluation using available commercial cross sectional areas to attain an efficient project (bounded by Standard prescriptions) and at the same time with reduced mass. In this work it is used the Genetic Algorithm method, using and modifying parameters of the Matlab’s Genetic Algorithm toolbox to reach minimum mass for plane and spatial trusses. This optimization accounts for constraints and criteria based on literature, which were used to develop and analyze through numerical examples to validate the proposed methodology. Parametric studies are used to draw suggestions regarding the algorithm’s parameters choice that best fits to the proposed task. At last it is presented a realistic spatial truss which is optimized taking into account NBR8800:2008 standard constraints and the results are compared against commercial software.
6

Otimização paramétrica de estruturas treliçadas por algoritmos genéticos / Parametric optimization of truss structures by genetic algorithms

Guerra, Crestina January 2008 (has links)
A minimização de massa de estruturas metálicas unifilares (como treliças) é um problema comum em projetos estruturais. Neste caso as áreas das seções transversais das barras podem ser assumidas como as variáveis de projeto para o dimensionamento estrutural de uma treliça. As estruturas estão sujeitas a critérios de normas a serem verificados e as variáveis de projeto (seções das áreas transversais), que podem ser contínuas ou discretas, oferecem uma grande variedade de combinações na solução do projeto. O uso da otimização objetiva selecionar as variáveis de projeto de uso comercial para obter um projeto eficiente (dentro dos limites estabelecidos em Normas) e ao mesmo tempo com massa minimizada. Neste trabalho utilizou-se o método do Algoritmo Genético fazendo utilização e modificações nos parâmetros do toolbox de Algoritmo Genéticos do MATLAB para obter a otimização de treliças tanto planas como espaciais. Através da otimização obtém-se uma massa mínima, levando em consideração restrições e critérios baseados em dados da literatura, os quais foram demonstrados e desenvolvidos através de exemplos numéricos para validação da metodologia proposta. Estudos paramétricos são utilizados para traçar indicações de sugestão na escolha dos parâmetros do método que melhor irá se adequar à proposta de minimização da massa. Por fim é apresentado um exemplo mais realista de uma estrutura de treliça espacial a qual é otimizada em termos das restrições impostas pela nova norma NBR8800:2008 e os resultados são comparados com aqueles obtidos através de um software comercial. / The structural mass minimization of steel truss structures is a common task in the structural design. The beam cross sectional areas can be assumed as design variables which represent the final structural design of a truss. The structures are ruled by rigid standard criteria that must be attended and the design variables (such as cross sectional areas), which could be continuous or discrete, offer a large variety combination in the project’s choice. The optimization procedure aims at the design variable evaluation using available commercial cross sectional areas to attain an efficient project (bounded by Standard prescriptions) and at the same time with reduced mass. In this work it is used the Genetic Algorithm method, using and modifying parameters of the Matlab’s Genetic Algorithm toolbox to reach minimum mass for plane and spatial trusses. This optimization accounts for constraints and criteria based on literature, which were used to develop and analyze through numerical examples to validate the proposed methodology. Parametric studies are used to draw suggestions regarding the algorithm’s parameters choice that best fits to the proposed task. At last it is presented a realistic spatial truss which is optimized taking into account NBR8800:2008 standard constraints and the results are compared against commercial software.
7

Resoluçao de Timetabling utilizando algoritmos genéticos e evoluçao cooperativa

Borges, Suzan Kelly 04 February 2011 (has links)
Resumo: A produção de grades horárias em instituições de ensino é uma tarefa complexa e de difícil solução, pois, neste contexto, existem muitas restrições necessárias à validade e aplicabilidade das respostas produzidas. Na literatura, a produção de grades horárias e, na verdade, uma das variações de timetabling, o qual, em essência, é um problema de escalonamento de eventos em um periodo finito de tempo, sujeito a restrições, como por exemplo, tempo, recursos humanos disponíveis (professores), recursos físicos existentes (salas de aula) e atividades a serem desenvolvidas (exames, aulas, entre outros). Para solucionar esse problema e automatizar o processo, abordagens de Inteligência Artificial têm sido aplicadas com sucesso, mais especificamente, os métodos da Computação Evolutiva. A computação evolutiva define uma classe de algoritmos que modelam computacionalmente os conceitos da teoria da Evolução de Charles Darwin. Esses algoritmos aplicam operadores genéticos sobre populações de indivíduos, visando à produção de indivíduos mais aptos que os antigos. Como resultado, obtêm-se indivíduos ou soluções candidatas com um alto grau de aptidão para solucionar um problema específico. O objetivo principal deste trabalho é estudar e implementar uma solução para o problema de Geração de Grades Horárias, com base na Computação Evolutiva. O método evolutivo escolhido é denominado Algoritmo Coevolutivo Cooperativo. Esse método subdivide um problema complexo em problemas menores, sendo que cada um deles é representado por uma população pertencente ao dominio do problema. Cada uma dessas populações possui características individuais e, no processo, todas evoluem paralelamente, de maneira cooperativa, por meio de sucessivas aplicações de operadores genéticos. Ao final do processo, os representantes de cada uma das populações formam, em conjunto, uma solução completa. Para verificar a validade do método para a resolução do problema em estudo, implementou-se um algoritmo cooperativo. Os resultados dos experimentos mostraram que algoritmos cooperativos são ferramentas poderosas, capazes de resolver problemas complexos de otimização numérica sujeitos a restrições.
8

Algoritmos genéticos para planejamento em inteligencia artificial

Lecheta, Edson Martins 31 March 2011 (has links)
Este trabalho apresenta uma revisão bibliográfica atualizada sobre duas grandes áreas da Inteligência Artificial: Planejamento e Algoritmos Genéticos. A pesquisa se estende pela criação de modelos genéticos implementados em um sistema planejador dedicado à resolução de uma conhecida classe de problemas de planejamento, usando bibliotecas de código de domínio público em ambas as áreas. Uma análise dos resultados motivou a remodelagem e nova implementação, alterando a plataforma e o sistema operacional e reescrevendo o código sem o uso das bibliotecas de domínio público. O modelo foi readaptado e ajustado conforme os resultados dos novos testes, para o uso de novos operadores genéticos não-convencionais, permitindo alcançar novas conclusões sobre a abordagem original proposta. Outra importante contribuição apresenta uma forma alternativa e simples de inferir tipos de objetos e parâmetros na linguagem PDDL para instancíar corretamente as ações e reduzir drasticamente o espaço de busca.
9

Alocação ótima de dispositivos limitadores de corrente de curto-circuito usando representação no nível de subestação

Duarte, Isabel Schvabe 14 June 2013 (has links)
Resumo: O constante crescimento do parque gerador e transmissor exige a realização contínua do cálculo.dos níveis de corrente de curto-circuito que circulam pelos disjuntores instalados nas subestações a fim de se sinalizar os que estão superadosNo entanto, as metodologias existentes para cálculo das correntes de curto-circuito utilizam o convencional modelo barra-ramo que impede a análise dos componentes internos às subestações, e que quando necessários devem ser feitos a parte, num processo dispendioso de tempo e de precisão. Para contornar estas questões, este trabalho propõe uma extensão da tradicional formulação matemática para cálculo de curto-circuito, de forma a torná-la capaz de processar redes modeladas no nível de subestação. Visando obter soluções para contornar as superações dos disjuntores internos às subestações, o trabalho também apresenta uma ferramenta para a alocação otimizada de dispositivos limitadores de corrente de curto-circuito - DLCCs, que são alocados neste trabalho através da utilização dos Algoritmos Genéticos Multiobjetivos - AGM, juntamente com a formulação do cálculo de curto-circuito no nível de subestação. Assim, o trabalho tem a capacidade de sinalizar os disjuntores superados e de informar a dimensão e disposição dos DLCCs para solucionar o problema de superação destes disjuntores.Esta metodologia foi testada no sistema de 5 barras e no sistema real de 291 barras, referente ao sistema elétrico do estado do Paraná.
10

Análise do impacto das estratégias de seleção de tradicionais MOEAs EM MOEDAs : CMA-ES E UMDA

Strickler, Andrei Strickler January 2017 (has links)
Orientador : Profª. Drª. Aurora Trinidad Ramirez Pozo / Coorientador : Prof. Dr. Roberto Santana Hermida / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 20/02/2017 / Inclui referências : f. 45-50 / Área de concentração: Ciência da computação / Resumo: Pesquisas apontam que, em problemas de otimização mono-objetivo, a capacidade de busca dos algoritmos de estimação de distribuição é fortemente influenciada pelo método de seleção que implementam. O mesmo se observa em problema de otimização multi-objetivo, isto é, os métodos de seleção e as estratégias de substituição desempenham papel importante. No entanto, esta relação entre modelos probabilísticos e os métodos de seleção não tem sido alvo de pesquisas ainda. Neste trabalho, é abordada esta questão avaliando algumas variantes de estratégias de seleção e diferentes modelos probabilísticos. Isto permite detectar possíveis interações entre esses dois componentes dos algoritmos evolutivos multi-objetivo. Especialmente, foram utilizadas as estratégias de seleção utilizadas nos algoritmos NSGA-II, SPEA2 e IBEA, e os modelos probabilísticos implementados como parte do UMDA e CMA-ES, bem como o operador de crossover (SBX). Dois conjuntos de problemas de benchmark para o contexto multi-objetivo com diferentes características são usados para a análise, são eles: problemas da família DTLZ e da ferramenta COCO recentemente introduzida. Os resultados mostram que utilizar modelos probabilísticos tem uma vantagem sobre o operador genético tradicional, desconsiderando o método de seleção aplicado. Entretanto, os resultados obtidos também mostram que alguns métodos de seleção apresentam um melhor desempenho quando aplicados em conjunto com MOEDAs. Palavras-chave: Algoritmos de Estimação de Distribuição, Problemas de Otimização Multi- Objetivo, Algoritmos Evolutivos Multi-Objetivo, Métodos de Seleção. / Abstract: Researches point that, in mono-objective optimization problems, the search capability of estimation of distribution algorithms is strongly influenced by the selection method they implement. The same is true in multi-objective optimization problem, that is, the selection methods and replacement strategies play an important role. However, this relationship between probabilistic models and selection methods has not been the subject of research yet. In this work, this question is approached by evaluating some variants of selection strategies and different probabilistic models. This allows to detect possible interactions between these two components of the multi-objective evolutionary algorithms. In particular, we used the selection strategies used in the NSGA-II, SPEA2 and IBEA algorithms, and the probabilistic models implemented as part of the UMDA and CMA-ES, as well as the crossover operator (SBX). Two sets of benchmark problems for the multi-objective context with different characteristics are used for the analysis, they are: problems of the DTLZ family and the recently introduced COCO framework. The results show that using probabilistic models has an advantage over the traditional genetic operator, disregarding the applied selection method. However, the obtained results also show that some selection methods present a better performance when applied in conjunction with MOEDAs. Keywords: Estimation of Distribution Algorithms, Multi-Objective Optimization Problems, Multi-Objective Evolutionary Algorithms, Selection Methods.

Page generated in 0.1273 seconds