Submitted by Franciele Moreira (francielemoreyra@gmail.com) on 2018-04-17T15:48:39Z No. of bitstreams: 2 Tese - Joelma de Moura Ferreira - 2018.pdf: 58164875 bytes, checksum: c19d300de77be476834ac9c2e7ca8b0e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-04-18T11:17:22Z (GMT) No. of bitstreams: 2 Tese - Joelma de Moura Ferreira - 2018.pdf: 58164875 bytes, checksum: c19d300de77be476834ac9c2e7ca8b0e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-04-18T11:17:22Z (GMT). No. of bitstreams: 2 Tese - Joelma de Moura Ferreira - 2018.pdf: 58164875 bytes, checksum: c19d300de77be476834ac9c2e7ca8b0e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-03-21 / Edge bundling is a technique to group, align, coordinate and position the depiction of edges in a graph drawing, so that sets of edges appear to be brought together into shared visual structures, i.e. bundles. The ultimate goal is to reduce clutter to improve how it conveys information. This thesis provides a general formulation for the explicity edge bundling problems, as a formal combinatorial optimization problem. This allows for the definition and comparison of edge bundling problems. In addition, we present four explicity edge bundling optimization problems that address minimizing the total number of bundles, in conjunction with other aspects, as the main goal. An evolutionary edge bundling algorithm is described. The algorithm was successfully tested by solving three related problems applied to real-world instances. The reported experimental results demonstrate the effectiveness and the applicability of the proposed evolutionary algorithm to help resolve edge bundling problems formally defined as optimization models. / A união de arestas em feixes é uma técnica para agrupar, alinhar, coordenar e posicionar a representação de arestas em um desenho de grafo, de modo que os conjuntos de arestas pareçam ser reunidos em estruturas visuais compartilhadas, ou seja, feixes. O objetivo final é reduzir a poluição visual do desenho melhorando a forma como ele transmite informações. Esta tese apresenta uma formulação geral para problemas de união explícita de arestas, como um problema formal de otimização. Essa formulação pode ser usada para definir e comparar problemas de união de arestas. Ainda, são definidos quatro problemas de otimização de união explícita de arestas, que têm por objetivo minimizar o número total de feixes, em conjunto com outros aspectos. Um algoritmo evolucionário é descrito. O algoritmo foi testado com sucesso em três dos problemas relacionados aplicados a instâncias do mundo real. Os resultados experimentais demonstram a eficácia e a aplicabilidade do algoritmo evolutivo proposto para ajudar a resolver problemas de união de arestas em feixes formalmente definidos como um modelo de otimização.

Made available in DSpace on 2014-12-17T14:55:29Z (GMT). No. of bitstreams: 1 AnaCMLA_da_capa_ate_pag_32.pdf: 11099536 bytes, checksum: 4f9f0f481f00f3c8e66d9a39f591e6a2 (MD5) Previous issue date: 2005-02-01 / ln this work, it was deveIoped a parallel cooperative genetic algorithm with different evolution behaviors to train and to define architectures for MuItiIayer Perceptron neural networks. MuItiIayer Perceptron neural networks are very powerful tools and had their use extended vastIy due to their abiIity of providing great resuIts to a broad range of appIications. The combination of genetic algorithms and parallel processing can be very powerful when applied to the Iearning process of the neural network, as well as to the definition of its architecture since this procedure can be very slow, usually requiring a lot of computational time. AIso, research work combining and appIying evolutionary computation into the design of neural networks is very useful since most of the Iearning algorithms deveIoped to train neural networks only adjust their synaptic weights, not considering the design of the networks architecture. Furthermore, the use of cooperation in the genetic algorithm allows the interaction of different populations, avoiding local minima and helping in the search of a promising solution, acceIerating the evolutionary process. Finally, individuaIs and evolution behavior can be exclusive on each copy of the genetic algorithm running in each task enhancing the diversity of populations / Neste trabalho foi desenvolvido um algoritmo gen?tico paralelo cooperativo com diferentes comportamentos evolutivos para o treinamento e defini??o de redes neurais Perceptron de M?ltiplas Camadas. As redes neurais Perceptron de M?ltiplas Camadas s?o ferramentas poderosas e tiveram seu uso intensificado j? que s?o capazes de proporcionar bons resultados para diversas aplica??es. A combina??o de algoritmos gen?ticos e de processamento paralelo aplicados no processo de treinamento e na defini??o de redes neurais Perceptron de M?ltiplas Camadas ? interessante uma vez que o processo de aprendizagem geralmente ? lento e a maioria dos algoritmos de treinamento existente realiza apenas o ajuste dos pesos sin?pticos da rede neural. Sabe-se que, sem conhecimento pr?vio da aplica??o, ? dif?cil definir uma arquitetura ideal para a rede neural. Desta maneira, tem-se que t?cnicas para automatizar a defini??o da arquitetura de redes neurais s?o de interesse. Al?m disso, o uso de coopera??o no algoritmo gen?tico permite a explora??o de ?reas promissoras do espa?o de busca encontradas por diferentes popula??es, pode evitar m?nimos locais e possibilita a re-introdu??o nas popula??es de informa??es previamente perdidas. Por fim, atrav?s da incorpora??o de diferentes comportamentos evolutivos, intensifica-se a diversidade dos indiv?duos e, assim, a busca por uma solu??o promissora