Um autômato celular é um sistema dinâmico discreto que evolui pela iteração de regras. Os valores das variáveis do sistema mudam em função de seus valores correntes. Os autômatos celulares podem ser aplicados na resolução de diversos problemas. A tarefa de encontrar uma regra de transição que solucione um determinado problema pode ser generalizada como um problema de indução de regras para autômatos celulares. Várias abordagens baseadas em técnicas de computação evolucionária vêm sendo empregadas neste problema. No entanto, estas restringem-se a aplicações específicas. A principal contribuição deste trabalho é a proposição de uma metodologia genérica para indução de regras de autômatos celulares. Para alcançar este objetivo a pesquisa foi segmentada em quatro etapas. Na primeira etapa avaliou-se o desempenho de alguns parâmetros de previsão de comportamento calculados em função de regras de transição. Os resultados obtidos nesta etapa indicaram que os parâmetros de previsão de comportamento dinâmico devem ser utilizados de forma criteriosa. Este cuidado reside na possibilidade de se obter soluções válidas, porém, não satisfatórias. Ressalta-se também a necessidade da existência de parâmetros de referência que para a maioria dos problemas reais, não está disponível. Na segunda etapa apresentou-se um novo método para a previsão do comportamento dinâmico. Este método considera a regra de transição e a configuração inicial do autômato celular. Para a previsão utilizou-se como referência os padrões de comportamento dinâmico qualitativos descritos por Wolfram. O método mostrou-se eficiente para regras de comportamento nulo. Como o processo de simulação da dinâmica de um sistema pode ter um custo computacional elevado, desenvolveu-se uma terceira metodologia. Nesta metodologia implementou-se uma arquitetura baseada no conceito de hardware/software co-design com a finalidade de contornar problemas referentes a tempo de processamento. Esta arquitetura realiza a evolução de autômatos celulares utilizando lógica reconfigurável. A arquitetura diminuiu o tempo de processamento por centenas de vezes, mas algumas restrições do modelo, como número limitado de células lógicas e reprogramações do hardware inviabilizaram seu uso. Considerando-se as restrições impostas pela arquitetura implementada, iniciou-se a quarta etapa da pesquisa onde foi desenvolvida uma nova arquitetura paralela fundamentada no paradigma mestre-escravo. Neste paradigma um processo mestre implementa o algoritmo evolucionário e um conjunto de processos escravos dividem a tarefa de validação das regras obtidas. O sistema é executado em um cluster composto por 120 núcleos de processamento que se interligam por meio de uma rede ethernet. A estratégia co-evolucionária baseada em um modelo insular permitiu a busca por soluções que apresentam um melhor valor para função de fitness. O sistema genérico implementado sobre um ambiente paralelo foi capaz de solucionar os problemas abordados. Uma análise de distribuição de tarefas entre vários processadores enfatizou os benefícios do processamento paralelo. Os experimentos também indicaram um conjunto de parâmetros evolucionários de referência que podem ser utilizados para configurar o sistema. As contribuições deste trabalho foram tanto teóricas, com as avaliações realizadas sobre os parâmetros e os diferentes métodos de previsão de comportamento dinâmico, quanto metodológicas, pois desenvolveu-se a proposta de duas arquiteturas de processamento distintas. / A cellular automata is a discrete dynamic system that evolves thought interactions of rules and can be applied to solve several complex problems. The task to find the transition rule to solve a problem can be generalized as a problem of rule induction for cellular automata. Several approaches, based on evolutionary computation techniques, have been proposed to solve this problem. However, there is no generic methodology capable of being applied to a large range of problems. The main contribution of this work is a generic methodology for rule induction for cellular automata. This research was done in four steps to achieve this objective. In the first step we evaluated the performance of some dynamic behavior forecasting parameters calculated as function of a transition rule. The obtained results indicated that those parameters can be used in a careful way. This is due to the possibility of obtaining valid, but insatisfactory solutions. We stress the importance of considering reference parameters, which for the majority of real problems, are not available. In the second research step we proposed a new method to forecast the dynamic behavior. This method considers the transition rule and the initial configuration of the cellular automata. We used the qualitative dynamic behavior patterns described by Wolfram as reference to the forecast. This method was efficient for null behavior rules. Since the process of dynamic simulation can have a high computational cost, we developed a third methodology: an architecture based on the concept of hardware/software co-design to accelerate the processing time. This architecture implements the evolution of cellular automata using reconfigurable logic and was able to decrease hundreds of times the processing time. In the fourth step we developed a new parallel architecture based on the master-slave paradigm. In this paradigm, the master process implements the evolutionary algorithm and a set of slaves processes divide the task of validating the obtained rules. The system runs in a cluster with 120 processing cores connected by a local area network. The co-evolutionary strategy based on an insular model allowed the search for high quality solutions. The generic system implemented over a parallel environment was able to solve the problems proposed. A task distribution analyses among several processors emphasized the benefits of parallel processing. The experiments also indicated a set of reference parameters that can be used to configure the system. The contributions of this work were theoretical and methodological. The former refers to the evaluations done and the different methods for dynamic behavior forecasting parameters. The latter is about the development of two architectures for processing.

Orientadores: Christiano Lyra Filho, Celso Cavellucci / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-18T02:44:14Z (GMT). No. of bitstreams: 1 VizcainoGonzalez_JoseFederico_D.pdf: 9526841 bytes, checksum: 9fc3b73df592526f56693f9b329fc70c (MD5) Previous issue date: 2011 / Resumo: O trabalho desenvolve alternativas de otimização combinatória para a redução de perdas técnicas e melhoria das condições de operação de sistemas de distribuição de energia elétrica. Sua principal contribuição é na área de redução dos fluxos de reativos através da instalação e controle de bancos de capacitores. Duas alternativas de otimização são desenvolvidas. A primeira, propõe um algoritmo genético híbrido com buscas locais nas representações fenotípicas e genotípicas das soluções. A segunda alternativa utiliza conceitos de programação dinâmica no projeto de algoritmos que encontram soluções ótimas globais para o problema de localização, dimensionamento e controle de capacitores. Outro algoritmo genético híbrido, para a instalação de reguladores de tensão, complementa a possibilidade de melhoria nos perfis de tensão proporcionada pelos capacitores. Os algoritmos baseados em programação dinâmica são de complexidade polinomial; adicionalmente, suas complexidades são lineares para instâncias reais. As características desses algoritmos estabelecem novas referências para a área de localização e controle de capacitores em sistemas de distribuição de energia elétrica, hoje povoada por métodos heurísticos / Abstract: This work develops combinatorial optimization alternatives for technical loss reduction and improvements on operational conditions of power distribution networks. Its main contribution is in the area of loss reduction by decreasing reactive flows, through allocation and control of shunt capacitors banks. Two optimization strategies are proposed. The first one develops a hybrid genetic algorithm with local searches in both genotypical and fenotypical representations of solutions. The second alternative uses dynamic programming concepts in the design of algorithms that unveil global optimal solutions for capacitor location, sizing and control. Another hybrid genetic algorithm for allocation of voltage regulators complements the improvement in voltage profiles obtained with the allocation of capacitors. The algorithms based on dynamic programming concepts have polynomial-time complexity; further, they have linear-time complexity for practical applications. Therefore, these algorithms establish a new reference for the area of shunt capacitors allocation and control on power distribution systems, which is today populated by heuristic methods / Doutorado / Energia Eletrica / Doutor em Engenharia Elétrica

Orientadores: Akebo Yamakami, Jose Luis Verdegay Galdeano / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-14T06:44:19Z (GMT). No. of bitstreams: 1 Silva_RicardoCoelho_D.pdf: 1144878 bytes, checksum: 38379443fb6892fd6eda74c55c3b99dc (MD5) Previous issue date: 2009 / Resumo: O objetivo deste trabalho é buscar, estudar e estabelecer as condições de otimali-dade para resolver problemas de programação multi-objetivo irrestritos e restritos em um ambiente impreciso. Essas imprecisões estão presentes nos problemas da vida real e existem muitas formas de tratá-las, mas nesse trabalho será usado a teoria de conjuntos nebulosos. Utilizando como base a otimização nebulosa, foram desenvolvidas duas abordagens para resolver problemas multi-objetivo nebulosos. A primeira abordagem transforma um problema nebuloso em um problema clássico paramétrico com um número maior de funções objetivo, a qual é chamada de paramétrica. A segunda abordagem, chamada de possibilística, usa a teoria de possibilidade como um índice de comparação entre números nebulosos com a finalidade de garantir condições de otimalidade em um ambiente nebuloso. Alguns exemplos numéricos são resolvidos usando um algoritmo genético chamado NSGA-II elitista, com algumas modificações para a comparação de números nebulosos, e depois feita uma análise dos resultados encontrados por ambos os enfoques. / Abstract: The main goal of this work is to search, study and present the optimality conditions to solve the unconstraint and constraint multiobjetive programming problems in imprecise environment. These imprécisions can be found in the real-world optimization problems and there are utmost ways for dealing with them, but in this work will be used the theory of fuzzy sets. Using as a basis the fuzzy optimization, two approaches were developed to solve fuzzy multiobjective problems. The first approach transforms a fuzzy problem into a parametric classic multiobjective programming problem with many more objective functions, which is called parametric approach. The second one, called possibilistic, uses the possibility theory as a comparison index between two fuzzy numbers in order to ensure optimality conditions in a fuzzy environment. Some numerical examples are solved by using a genetic algorithm called elitist NSGA-II with some modifications to compare fuzzy numbers, and then the results obtained with both approaches are analysed. / Doutorado / Automação / Doutor em Engenharia Elétrica

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

Orientadores: Akebo Yamakami, Fabricio Oliveira de França / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-21T20:23:34Z (GMT). No. of bitstreams: 1 Rampazzo_PriscilaCristinaBerbert_D.pdf: 3129429 bytes, checksum: 7249077a4a6738637b25e26cc8b8c0d6 (MD5) Previous issue date: 2012 / Resumo: O Planejamento da Operação de Sistemas Hidrelétricos é um problema de otimização de grande porte, dinâmico, estocástico, interconectado e não-linear. Várias funções objetivo podem ser utilizadas na representação dos diferentes aspectos do problema. Neste trabalho foram propostas quatro abordagens para a resolução e estudo do problema. As propostas são baseadas em duas Metaheurísticas Evolutivas - Algoritmos Genéticos e Evolução Diferencial - e consideram o problema com as formulações Monobjetivo e Multiobjetivo. Os métodos trabalham simultaneamente com um conjunto de soluções, realizando exploração e explotação do espaço de busca. Com foco principal na Otimização Multiobjetivo, o intuito é encontrar um conjunto de soluções, obtidas em uma única rodada do algoritmo, que possam agregar explicitamente os diferentes critérios do problema. Os algoritmos propostos foram aplicados em vários testes com usinas pertencentes ao Sistema Hidrelétrico Brasileiro. Os resultados obtidos indicam que as abordagens propostas podem ser efetivamente aplicadas ao problema de Planejamento Hidrelétrico, fornecendo soluções alternativas e eficientes. Este trabalho é uma contribuição tanto para o Problema de Planejamento Hidrelétrico, com a proposição de métodos de resolução que permitem a análise de vários aspectos do problema, quanto para a Computação Evolutiva, com a aplicação das técnicas em um problema importante e real / Abstract: The Operation Planning of Hydroelectric Systems is a large, dynamic, stochastic, interconnected and nonlinear optimization problem. Several objective functions can be used in the representation of different aspects of the problem. In this work we proposed four approaches for the study and resolution of the problem. The proposals are based on two Evolutionary Metaheuristics - Genetic Algorithms and Differential Evolution - and consider the problem with single and multiobjective formulations. The methods work simultaneously with a set of solutions in order to perform exploration and exploitation of the search space. With main focus on Multiobjective Optimization, the intent is to find a set of solutions, obtained in a single round of the algorithm, which can explicitly add the different criteria of the problem. The proposed algorithms were applied to several tests with plants belonging to the Brazilian Hydropower System. The achieved results indicate that the proposed approaches can be effectively applied to the Hydropower Planning, providing efficient and alternative solutions. This work is a contribution so much to the Problem of Hydropower Planning, with the proposition of resolution methods that allow the analysis of various aspects of the problem, as for the Evolutionary Computation, with the application of the techniques in a real and important problem / Doutorado / Automação / Doutor em Engenharia Elétrica

Orientador: Christiano Lyra Filho / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-04T02:20:44Z (GMT). No. of bitstreams: 1 VizcainoGonzalez_JoseFederico_M.pdf: 972282 bytes, checksum: 652889ccc97d9102a9333902b4169885 (MD5) Previous issue date: 2003 / Resumo: As perdas técnicas de energia nas redes primarias de distribuição são decorrentes das resistências elétricas nas linhas. Pela natureza indutiva de algumas cargas e reatâncias das linhas, parte da energia dissipada é devida aos fluxos de potências reativas entre a subestação e os pontos de carga. Capacitores instalados próximo às cargas podem fornecer energia reativa local, diminuindo as perdas de energia na rede. Este trabalho apresenta inovações conceituais e de implementação que permitem o resgate da abordagem por programação dinâmica para a solução do problema de instalação e dimensionamento de capacitores fixos em redes de distribuição, para perfis de cargas fixos ou variáveis. O trabalho também aborda o problema de controle de capacitores chaveados, propondo duas novas abordagens. A primeira abordagem desenvolve uma versão de sistemas complexos adaptativos, também chamados sistemas classificadores. A segunda abordagem corresponde a uma especialização dos conceitos de programação dinâmica esenvolvidos para o problema de instalação de capacitores. Estudos de casos em redes reais de grande porte ilustram as possibilidades das metodologias desenvolvidas / Abstract: Technical energy losses in primary distribution networks are due to electrical resistances in lines. Due to reactance of power lines and inductive nature of some loads, part of the energy dissipated is due to reactive power that travels back and forth in lines, all the way from power sources to load points. Capacitors installed near load points can provide local complementary reactive power that decrease losses. This work presents conceptual and implementation innovations that allows to rescue the dynamic programming approach for the capacitors sizing and allocation problem in distribution networks, for fixes and variables loads. The work also presents two approaches to the capacitors control problem. The first approach is the development of a complex adaptive system (a classifier systems). The second approach to the capacitor control problem is a specialization of dynamic programming concepts, developed for the capacitors placement problem. Case studies in large real networks illustrate the possibilities of the developed methodologies / Mestrado / Automação / Mestre em Engenharia Elétrica

Este trabalho apresenta um método baseado em algoritmos genéticos – AGs, o qual consiste na estimação dos parâmetros associados as formas de ondas, tais como amplitude, freqüência e ângulo de fase das mesmas, referentes a uma proposição de relé de freqüência. O método proposto é baseado em algoritmos genéticos com representação real, tendo em vista a não necessidade de codificação dos valores logo na entrada do processo. O objetivo do trabalho é apresentar um estudo de uma das várias técnicas da computação evolutiva, conhecida como AG, cuja aplicação é inspirada nos mecanismos da evolução natural das espécies identificado pelo naturalista inglês Charles Darwin. A idéia principal do método é fazer com que os indivíduos da população evoluam ao longo das iterações, chamadas gerações, produzindo soluções cada vez melhores até convergir a uma solução ótima ou aproximadamente ótima. O algoritmo proposto foi testado com dados simulados no software Matlab. Pelos resultados observados têm-se caracterizado a potencialidade desta ferramenta computacional na estimação dos parâmetros desejados. / This work presents a method based on genetic algorithm – GAs, which consists on estimation of parameters in waveforms, such as their amplitude, frequency and phase angles, related to the application of a frequency relay. The proposed study is based on the genetic algorithms with real representation, once there is no need to codify the values on the input of the process. The objective of this work is to present one of the several techniques of artificial intelligence, known as genetic algorithm, in which the main application is inspired in mechanisms of natural evolution of the species identified by Charles Darwin. The main idea of this method is to make the individuals from one population, called generation, to evolute, producing better solutions until they converge to an optimal or approximately optimal solution. The proposed algorithm was tested with simulated data from Matlab software. The results observed have characterized the efficiency of this computational tool for the estimation of the desired parameters.

A tese apresenta um método para a solução dos problemas do valor inicial (PVIs) com margens de erro comparáveis às de métodos numéricos consagrados (MN), tanto para a função quanto para suas derivadas. O método é aplicável a equações diferenciais (EDs) lineares ou não, sendo o ferramental desenvolvido até a quarta ordem, que pode ser expandido para ordens superiores. A solução é uma expressão polinomial de alto grau com coeficientes expressos pela razão entre dois inteiros. O método se mostra eficaz mesmo em alguns casos em que os MN não conseguiram dar a partida. As resoluções são obtidas considerando que o espaço de soluções é um espaço de Hilbert, equipado com a base completa dos polinômios de Legendre. Em decorrência do método aqui desenvolvido, os majorantes de erros para a função e derivadas são determinados analiticamente por um cálculo matricial também deduzido nesta tese. Paralelamente a toda fundamentação analítica, foi desenvolvido o software SAM, que automatiza todas as tarefas na busca de soluções dos PVIs. A tese propõe e verifica a validade de um novo critério de erro no qual pesam tanto os erros locais quanto os erros globais, simultaneamente. Como subprodutos dos resultados já descritos, igualmente integrados ao SAM, obtiveram-se também: (1) Um critério objetivo para analisar a qualidade de um MN, sem necessidade do conhecimento de seu algoritmo; (2) Uma ferramenta para aproximações polinomiais de alta precisão para funções de quadrado integrável em determinado intervalo limitado, com um majorante de erro; (3) Um ferramental analítico para transposição genérica (linear ou não) dos PVIs até 4ª ordem, nas mudanças de domínio; (4) As matrizes de integração e diferenciação genéricas para todas as bases polinomiais do espaço de Hilbert. / This thesis shows a new method to get polynomial solutions to the initial value problems (IVP), with an error margin comparable to the consecrate numerical methods (NM), for both the function and its derivatives. The method works with differential equations (DEs) linear or not, beeing the developed tolls available until 4th order, whose can be expanded to higher orders. The solution is a polynomial high degree expression with coefficients expressed by the ratio between two integers. The method behaves efficiently even in some cases that NM cannot get started. The resolutions are gotten considering that, the solution space is a Hilbert space, equipped with a complete set basis of Legendre Polynomials. Due the method here developed, the errors majoratives for the function and its derivatives are found analytically by a matrix calculus, also derived in this thesis. Beside all analytical foundation, a software (SAM) was developed to automate the whole process, joining all the tasks involved in the search for solutions to the IVP. This thesis proposes, verifies and validates a new error criterion, which takes in account simultaneously the local and global errors. As sub-products of the results described before, also integrated to the SAM, the following achievements should be highlighted: (1) An objective criterion to analyze the quality of any NM, despite of the knowledge of its algorithm; (2) A tool for a polynomial approximation, of high precision, for functions whose square is integrable in a given limited domain, with an errors majorative; (3) A tool-kit for a generically transpose (linear or not) of the IVPs domain and form, taking into account its derivatives, until the 4th order; (4) The generic matrices for integration and differentiation for all the polynomial basis of the Hilbert space.

A qualidade das hipóteses induzidas pelos atuais sistemas de aprendizado de máquina supervisionado depende da quantidade dos exemplos no conjunto de treinamento. Por outro lado, muitos dos sistemas de aprendizado de máquina conhecidos não estão preparados para trabalhar com uma grande quantidade de exemplos. Grandes conjuntos de dados são típicos em mineração de dados. Uma maneira para resolver este problema consiste em construir ensembles de classificadores. Um ensemble é um conjunto de classificadores cujas decisões são combinadas de alguma maneira para classificar um novo caso. Apesar de melhorar o poder de predição dos algoritmos de aprendizado, ensembles podem ser compostos por muitos classificadores, o que pode ser indesejável. Ainda, apesar de ensembles classificarem novos exemplos melhor que cada classificador individual, eles se comportam como caixas pretas, no sentido de não oferecer ao usuário alguma explicação relacionada à classificação por eles fornecida. Assim, neste trabalho propomos uma abordagem que utiliza algoritmos de aprendizado simbólico para construir ensembles de classificadores simbólicos que explicam suas decisões de classificação e são tão ou mais precisos que o mais preciso dos seus classificadores individuais. Além disso, considerando que algoritmos de aprendizado simbólico utilizam métodos de busca local para induzir classificadores quanto que algoritmos genéticos utilizam métodos de busca global, propomos uma segunda abordagem para aprender conceitos simbólicos de grandes bases de dados utilizando algoritmos genéticos para evoluir classificadores simbólicos em um u´ nico classificador simbólico, de maneira que o classificador evoluído é mais preciso que os classificadores iniciais. Ambas propostas foram implementadas em dois sistemas computacionais. Diversos experimentos usando diferentes conjuntos de dados foram conduzidos para avaliar ambas as propostas. Ainda que os resultados experimenta das duas soluções propostas são promissores, os melhores resultados foram obtidos utilizando a abordagem relacionada a algoritmos genéticos / The quality of hypotheses induced by most of the available supervised machine learning algorithms depends on the quantity and quality of the instances in the training set. However, several well known learning algorithms are not able to manipulate many instances making it difficult to induce good classifiers from large databases, as are needed in the Data Mining process. One approach to overcome this problem is to construct ensembles of classifiers. An ensemble is a set of classifiers whose decisions are combined in some way to classify new cases (instances). However, although ensembles improve learning algorithms power prediction, ensembles may use an undesired large set of classifiers. Furthermore, despite classifying new cases better than each individual classifier, ensembles are generally a sort of ?black-box? classifier, not being able to explain their classification decisions. To this end, in this work we propose an approach that uses symbolic learning algorithms to construct ensembles of symbolic classifiers that can explain their classification decisions so that the ensemble is as accurate as or more accurate than the individual classifiers. Furthermore, considering that symbolic learning algorithms use local search methods to induce classifiers while genetic algorithms use global search methods, we propose a second approach to learn symbolic concepts from large databases using genetic algorithms to evolve symbolic classifiers into only one symbolic classifier so that the evolved classifier is more accurate than the initial ones. Both proposals were implemented in two computational systems. Several experiments using different databases were conducted in order to evaluate both proposals. Results show that although both proposals are promising, the approach using genetic algorithms produces better results.

A Determinação da Estrutura tridimensional de Proteínas (DEP) a partir da sua seqüência de aminoácidos é importante para a engenharia de proteínas e o desenvolvimento de novos fármacos. Uma alternativa para este problema tem sido a aplicação de técnicas de computação evolutiva. As abordagens utilizando Algoritmos Evolutivos (AEs) tem obtido resultados relevantes, porém estão restritas a pequenas proteínas, com dezenas de aminoácidos e a algumas classes de proteínas. Este trabalho propõe a investigação de uma abordagem utilizando AEs para a predição da estrutura terciária de proteínas independentemente do seu tamanho e classe. Os resultados obtidos demonstram que apesar das dificuldades encontradas a abordagem investigada constitue-se em uma alternativa em relação aos métodos clássicos de determinação da estrutura terciária das proteínas. / Protein structure determination (DEP) from aminoacid sequences is very importante to protein engineering and development of new drugs. Evolutionary computation has been aplied to this problem with relevant results. Nevertheless, Evolutionary Algorithms (EAs) can work with only proteins with few aminoacids and some protein classes. This work proposes an approach using AEs to predict protein tertiary structure independly from their size and class. The obtained results show that, despite of the difficulties that have been found, the investigate approach is a relevant alternative to classical methods to protein structure determination.