Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-10-04T22:42:26Z No. of bitstreams: 1 WandersonLaerteDeOliveiraCarvalho_DISSERT.pdf: 1338180 bytes, checksum: ab85e7ead71c427d2515347edf5bb1bb (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-10-13T23:34:51Z (GMT) No. of bitstreams: 1 WandersonLaerteDeOliveiraCarvalho_DISSERT.pdf: 1338180 bytes, checksum: ab85e7ead71c427d2515347edf5bb1bb (MD5) / Made available in DSpace on 2017-10-13T23:34:51Z (GMT). No. of bitstreams: 1 WandersonLaerteDeOliveiraCarvalho_DISSERT.pdf: 1338180 bytes, checksum: ab85e7ead71c427d2515347edf5bb1bb (MD5) Previous issue date: 2017-02-09 / O algoritmo gen?tico ? um processo iterativo de busca, utilizado para encontraro m?ximo global no dom??nio de fun??es n?o convencionais. Esse algoritmo se baseiaem fundamentos naturalistas, evoluindo uma amostra de candidatos a m?ximo globala cada itera??o. Essa evolu??o ? consequ?ncia de tr?s operadores (Sele??o, Muta??oe Cruzamento) que vasculham o dom??nio da fun??o e ao mesmo tempo selecionam osmelhores candidatos obtidos. Nesse estudo, apresentaremos uma cadeia de Markovque modela a evolu??o desse algoritmo, e demonstraremos algumas propriedades dessacadeia que justificam a converg?ncia do algoritmo. Realizaremos uma simula??o paramodelar o efeito da parametriza??o do algoritmo em sua velocidade de converg?ncia,estimada pelo n?mero de itera??es at? obten??o do m?ximo global. Nessas simula??esobservaremos esse efeito em fun??es: unidimensionais, bidimensionais, com um ?nicom?ximo local (o m?ximo global) e com v?rios m?ximos locais. Finalmente, esse tra-balho apresenta resultados que questionam a relev?ncia do operador cruzamento nasfun??es estudadas e argumentos para acreditar que o operador muta??o otimiza a ve-locidade de converg?ncia do algoritmo quando ocorre com probabilidade de muta??opr?xima a 0, 2).