Made available in DSpace on 2015-03-03T11:52:41Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-24Bitstream added on 2015-03-03T12:06:08Z : No. of bitstreams: 1 000804349.pdf: 687208 bytes, checksum: 513575bcf70cbc15996bc5c0fdb99657 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Técnicas para seleção de características tem sido amplamente estudadas pela comunidade científica de reconhecimento de padrões e areas afins, dado que o problema de encontrar o subconjunto das características que maximiza a taxa de acerto de uma técnica de classificação de padrões pode ser modelado como um problema de otimização. Metodologias baseadas em inteligência evolucionista, tais como aquelas que simulam dinâmicas sociais e de interação entre morcegos, algumas espécies de aves e outros insetos, tem sido recentemente aplicadas nesse contexto. Assim sendo, o presente trabalho visou o estudo e desenvolvimento de técnicas de seleção de características utilizando abordagens de otimização evolucionistas, sendo elas: BBA - Binary Bat Algorithm, BCSS - Binary Charged System Search, BCS - Binary Cuckoo Search, BKH - Binary Krill Herd e BSSO - Binary Social-Spider Optimization. Experimentos realizados em seis bases de dados utilizando as técnicas propostas em conjunto com outras cinco técnicas (BGA - Binary Genetic Algorithm, BPSO - Binary Particle Swarm Optimization, BFA - Binary Fire y Algorithm, BGSA - Binary Gravitational Search Algorithm, BHS - Binary Harmony Search) mostraram a eficácia das técnicas evolucionistas propostas quando utilizadas em conjunto com o classificador OPF. O BSSO - Binary Social-Spider Optimization apresentou a melhor acurácia em 3 bases, chegando a aumentar a taxa de acerto do classificador OPF em até 19%, bem como, selecionou o menor número de características em cinco das seis bases. Em relação ao tempo de execuçãao, o BKH - Binary Krill Herd obteve o segundo melhor tempo em cinco bases, ficando atrás somente do BHS - Binary Harmony Search / Techniques for feature selection have been widely studied by the pattern recognition scientific community and related fields, as the problem of finding the subset of features that maximizes the classifier rate can be modeled as a optimization problem. Methodologies based on evolutionary intelligence, such as those that simulate social dynamics and interaction between bats, some species of birds and other insects, have recently been applied in this context. Therefore, this work aimed to the study and development of feature selection techniques using evolutionary optimization approaches: BBA - Binary Bat Algorithm, BCSS - Binary Charged System Search, BCS - Binary Cuckoo Search, BKH - Binary Krill Herd e BSSO - Binary Social-Spider Optimization. Experiments conducted in six databases using the proposed techniques together with ve other techniques (BGA - Binary Genetic Algorithm, BPSO - Binary Particle Swarm Optimization, BFA - Binary Fire y Algorithm, BGSA - Binary Gravitational Search Algorithm, BHS - Binary Harmony Search) have shown the efiectiveness of proposed evolutionary techniques when used with the OPF classifier. The BSSO - Binary Social-Spider Optimization showed the best accuracy on 3 datasets coming to increase the OPF classification rate in up to 19%. Also, SSO has selected the smallest number features in ve of the six datasets. Regarding the runtime, BKH - Binary Krill Herd was the second fastest technique in ve datasets, being only slower then BHS - Binary Harmony Search technique

Orientador: João Paulo Papa / Banca: Roberta Spolon / Banca: Alexandre Luís Magalhães Levada / Resumo: Técnicas para seleção de características tem sido amplamente estudadas pela comunidade científica de reconhecimento de padrões e areas afins, dado que o problema de encontrar o subconjunto das características que maximiza a taxa de acerto de uma técnica de classificação de padrões pode ser modelado como um problema de otimização. Metodologias baseadas em inteligência evolucionista, tais como aquelas que simulam dinâmicas sociais e de interação entre morcegos, algumas espécies de aves e outros insetos, tem sido recentemente aplicadas nesse contexto. Assim sendo, o presente trabalho visou o estudo e desenvolvimento de técnicas de seleção de características utilizando abordagens de otimização evolucionistas, sendo elas: BBA - Binary Bat Algorithm, BCSS - Binary Charged System Search, BCS - Binary Cuckoo Search, BKH - Binary Krill Herd e BSSO - Binary Social-Spider Optimization. Experimentos realizados em seis bases de dados utilizando as técnicas propostas em conjunto com outras cinco técnicas (BGA - Binary Genetic Algorithm, BPSO - Binary Particle Swarm Optimization, BFA - Binary Fire y Algorithm, BGSA - Binary Gravitational Search Algorithm, BHS - Binary Harmony Search) mostraram a eficácia das técnicas evolucionistas propostas quando utilizadas em conjunto com o classificador OPF. O BSSO - Binary Social-Spider Optimization apresentou a melhor acurácia em 3 bases, chegando a aumentar a taxa de acerto do classificador OPF em até 19%, bem como, selecionou o menor número de características em cinco das seis bases. Em relação ao tempo de execuçãao, o BKH - Binary Krill Herd obteve o segundo melhor tempo em cinco bases, ficando atrás somente do BHS - Binary Harmony Search / Abstract: Techniques for feature selection have been widely studied by the pattern recognition scientific community and related fields, as the problem of finding the subset of features that maximizes the classifier rate can be modeled as a optimization problem. Methodologies based on evolutionary intelligence, such as those that simulate social dynamics and interaction between bats, some species of birds and other insects, have recently been applied in this context. Therefore, this work aimed to the study and development of feature selection techniques using evolutionary optimization approaches: BBA - Binary Bat Algorithm, BCSS - Binary Charged System Search, BCS - Binary Cuckoo Search, BKH - Binary Krill Herd e BSSO - Binary Social-Spider Optimization. Experiments conducted in six databases using the proposed techniques together with ve other techniques (BGA - Binary Genetic Algorithm, BPSO - Binary Particle Swarm Optimization, BFA - Binary Fire y Algorithm, BGSA - Binary Gravitational Search Algorithm, BHS - Binary Harmony Search) have shown the efiectiveness of proposed evolutionary techniques when used with the OPF classifier. The BSSO - Binary Social-Spider Optimization showed the best accuracy on 3 datasets coming to increase the OPF classification rate in up to 19%. Also, SSO has selected the smallest number features in ve of the six datasets. Regarding the runtime, BKH - Binary Krill Herd was the second fastest technique in ve datasets, being only slower then BHS - Binary Harmony Search technique / Mestre

Este trabalho propõe o desenvolvimento de Algoritmos Evolutivos (AEs) para estimação dos parâmetros que modelam sinais elétricos (frequência, fase e amplitude) em tempo-real. A abordagem proposta deve ser robusta a ruídos e harmônicos em sinais distorcidos, por exemplo devido à presença de faltas na rede elétrica. AEs mostram vantagens para lidar com tais tipos de sinais. Por outro lado, esses algoritmos quando implementados em software não possibilitam respostas em tempo-real para uso da estimação como relé de frequência ou Unidade de Medição Fasorial. O desenvolvimento em FPGA apresentado nesse trabalho torna possível paralelizar o cálculo da estimação em hardware, viabilizando AEs para análise de sinal elétrico em tempo real. Além disso, mostra-se que AEs multiobjetivos podem extrair informações não evidentes das três fases do sistema e estimar os parâmetros adequadamente mesmo em casos em que as estimativas por fase divirjam entre si. Em outras palavras, as duas principais contribuições computacionais são: a paralelização do AE em hardware por meio de seu desenvolvimento em um circuito de FPGA otimizado a nível de operações lógicas básicas e a modelagem multiobjetiva do problema possibilitando análises dos sinais de cada fase, tanto independentemente quanto de forma agregada. Resultados experimentais mostram superioridade do método proposto em relação ao estimador baseado em transformada de Fourier para determinação de frequência e fase / This work proposes the development of Evolutionary Algorithms (EAs) for the estimation of the basic parameters from electrical signals (frequency, phase and amplitude) in real time. The proposed approach must be robust to noise and harmonics in signals distorted, for example, due to the presence of faults in the electrical network. EAs show advantages for dealing with these types of signals. On the other hand, these algorithms when implemented in software cant produce real-time responses in order to use their estimations as frequency relay or Phasor Measurement Unit. The approach developed on FPGA proposed in this work parallelizes in hardware the process of estimation, enabling analyses of electrical signals in real time. Furthermore, it is shown that multi-objective EAs can extract non-evident information from the three phases of the system and properly estimate parameters even when the phase estimates diverge from each other. This research proposes: the parallelization of an EA in hardware through its design on FPGA circuit optimized at level of basic logic operations and the modeling of the problem enabling multi-objective analyses of the signals from each phase in both independent and aggregate ways. Experimental results show the superiority of the proposed method compared to an estimator based on Fourier transform for determining frequency and phase

Técnicas de Agrupamento vêm obtendo bons resultados quando utilizados em diversos problemas de análise de dados, como, por exemplo, a análise de dados de expressão gênica. Porém, uma mesma técnica de agrupamento utilizada em um mesmo conjunto de dados pode resultar em diferentes formas de agrupar esses dados, devido aos possíveis agrupamentos iniciais ou à utilização de diferentes valores para seus parâmetros livres. Assim, a obtenção de um bom agrupamento pode ser visto como um processo de otimização. Esse processo procura escolher bons agrupamentos iniciais e encontrar o melhor conjunto de valores para os parâmetros livres. Por serem métodos de busca global, Algoritmos Genéticos podem ser utilizados durante esse processo de otimização. O objetivo desse projeto de pesquisa é investigar a utilização de Técnicas de Agrupamento em conjunto com Algoritmos Genéticos para aprimorar a qualidade dos grupos encontrados por algoritmos de agrupamento, principalmente o k-médias. Esta investigação será realizada utilizando como aplicação a análise de dados de expressão gênica. Essa dissertação de mestrado apresenta uma revisão bibliográfica sobre os temas abordados no projeto, a descrição da metodologia utilizada, seu desenvolvimento e uma análise dos resultados obtidos. / Clustering techniques have been obtaining good results when used in several data analysis problems, like, for example, gene expression data analysis. However, the same clustering technique used for the same data set can result in different ways of clustering the data, due to the possible initial clustering or the use of different values for the free parameters. Thus, the obtainment of a good clustering can be seen as an optimization process. This process tries to obtain good clustering by selecting the best values for the free parameters. For being global search methods, Genetic Algorithms have been successfully used during the optimization process. The goal of this research project is to investigate the use of clustering techniques together with Genetic Algorithms to improve the quality of the clusters found by clustering algorithms, mainly the k-means. This investigation was carried out using as application the analysis of gene expression data, a Bioinformatics problem. This dissertation presents a bibliographic review of the issues covered in the project, the description of the methodology followed, its development and an analysis of the results obtained.

Orientador: Fernando José Von Zuben / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-17T20:59:25Z (GMT). No. of bitstreams: 1 Azuma_ReginaMitsue_M.pdf: 2321816 bytes, checksum: 44c4417bf2a4fad2a8241c7189e4d04a (MD5) Previous issue date: 2011 / Resumo: A classe de problemas de estoque e roteamento está presente em várias áreas, incluindo indústria automobilística e gerência de numerário no reabastecimento de caixas eletrônicos. Supondo que o fornecedor é responsável pela estocagem e distribuição dos produtos, sujeito a um conjunto de restrições, o desafio que se apresenta é a determinação de uma política ótima, mais especificamente quais clientes atender, qual quantidade a ser fornecida a cada cliente e qual rota empregar visando a minimização dos custos. Este trabalho apresenta uma proposta de solução para uma das mais comuns formulações do problema: um produto é distribuído a partir de um fornecedor para vários clientes em um horizonte de tempo definido. O transporte é realizado por um veículo de capacidade limitada. Para produzir a otimização simultânea de ambos os objetivos, minimização dos custos de transporte e estoque, a proposta segue uma abordagem multiobjetivo e se baseia no uso do algoritmo SPEA2 (do inglês, Strength Pareto Evolutionary Algorithm 2), incluindo inovações na representação de soluções-candidatas, nos operadores genéticos e de busca local. A fronteira de Pareto estimada é então composta de múltiplas soluções não-dominadas, representando compromissos distintos entre custos de transporte e estoque. Como casos de estudo, são tomadas instâncias de médio porte extraídas da literatura e são geradas instâncias de grande porte. Para as instâncias de médio porte, as fronteiras de Pareto estimadas em cada caso são comparadas com as respectivas soluções ótimas da versão mono-objetivo de cada problema, pois já existe um algoritmo exato de solução para a formulação mono-objetivo de instâncias de médio porte / Abstract: The class of inventory routing problems (IRP) is present in several areas, including automotive industry and cash management for ATM networks. Given that the supplier is responsible for managing the product inventory and replenishment, subject to a set of restrictions, the challenge here is to determine an optimal policy, more specifically which retailers to serve, the quantity to deliver to each retailer and which routes to employ in order to minimize the cost. This work presents a proposal to solve one version of the IRP usually found in the scientific literature: a product is distributed from a supplier to several retailers in a defined time horizon. Shipment is performed by a vehicle with limited capacity. To perform the simultaneous optimization of both objectives, minimization of transportation and inventory costs, the proposal follows a multi-objective approach based on SPEA2 (Strength Pareto Evolutionary Algorithm 2), including innovative aspects mainly associated with the representation of candidate solutions, genetic operators and local search. The Pareto front is then composed of multiple non-dominated solutions with distinct trade-offs between transportation and inventory costs. As case studies, medium size instances extracted from the literature are considered and large size instances are generated. For the medium size instances, the estimated Pareto fronts are compared, in each case, with the corresponding optimal solutions associated with the single-objective version of each problem, given that there is already an exact algorithm to solve such medium size single-objective instances / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientador: Fernando José Von Zuben / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-18T04:29:56Z (GMT). No. of bitstreams: 1 Coelho_GuilhermePalermo_D.pdf: 7483685 bytes, checksum: 911cf6805528b86c8b1fc0f176f47e58 (MD5) Previous issue date: 2011 / Resumo: Meta-heurísticas baseadas no paradigma de Sistemas Imunológicos Artificiais (SIAs), especialmente aquelas inspiradas na teoria da Rede Imunológica, são reconhecidamente capazes de estimular a geração de conjuntos diversos de soluções para um dado problema, mesmo utilizando-se de mecanismos muito simples de controle da dinâmica da rede. Por outro lado, na literatura de SIAs há uma série de estudos que propõem modelos computacionais mais elaborados, geralmente baseados no conceito de concentração de anticorpos, que conseguem explicar melhor o comportamento dessas redes. Diante disso, neste trabalho é proposto um novo algoritmo imunoinspirado para otimização em espaços contínuos, denominado cob-aiNet (Concentration-based Artificial Immune Network), que emprega o conceito de concentração de anticorpos para promover um melhor controle da dinâmica da rede, permitindo assim obter uma melhor cobertura das regiões promissoras do espaço de busca. Esta propriedade da cob-aiNet foi verificada em uma série de análises experimentais, nas quais o algoritmo foi comparado a outras técnicas baseadas em paradigmas distintos, além de dois outros SIAs já propostos na literatura. Os experimentos mostraram que o algoritmo cob-aiNet, além de sua capacidade de manutenção de diversidade ao longo de toda a execução, é competitivo na aproximação do ótimo global dos problemas. Diante disso, também foi proposta neste trabalho uma extensão da cob-aiNet para tratar problemas de otimização multiobjetivo, denominada cob-aiNet[MO] (Concentration-based Artificial Immune Network for Multiobjective Optimization). Assim como um conjunto bem reduzido de propostas da literatura, a cob-aiNet[MO] é capaz de tratar problemas de otimização multiobjetivo que requerem uma manutenção adequada de diversidade também no espaço das variáveis de decisão, não apenas para superar as dificuldades introduzidas pela multimodalidade mas também para facilitar o processo de escolha a posteriori da solução que será efetivamente adotada na prática. Uma série de análises experimentais foram feitas com o algoritmo cob-aiNet[MO], sendo observado que esta ferramenta apresentou resultados superiores na maioria dos problemas, tanto em aproximação da fronteira de Pareto quanto em manutenção de diversidade / Abstract: Metaheuristics based on the Artificial Immune System (AIS) framework, especially those inspired by the Immune Network theory, are known to be capable of stimulating the generation of diverse sets of solutions for a given problem, even though they generally implement very simple mechanisms to control the dynamics of the network. However, there are several studies in the AIS literature that propose more elaborate computational models, generally based on the concept of concentration of antibodies, which better explain the behavior of such networks. Therefore, in this work we propose a novel immune-inspired algorithm for real-parameter optimization, named cob-aiNet (Concentrationbased Artificial Immune Network), that adopts the concept of concentration of antibodies to better control the dynamics of the network, so that a broader coverage of promising regions of the search space can be achieved. This property of cob-aiNet was verified in a series of experimental analyses, in which the algorithm was compared to several techniques based on distinct paradigms, including two popular AISs from the literature. The experiments have shown that cob-aiNet, besides being able to maintain diversity during all the iterations, is also competitive with respect to the approximation of the global optima of the problems. Therefore, it was also proposed in this work an extension of cob-aiNet to deal with multiobjective optimization problems, which was named cob-aiNet[MO] (Concentration-based Artificial Immune Network for Multiobjective Optimization). Like a small set of techniques from the literature, cob-aiNet[MO] is capable of dealing with multiobjective optimization problems that also require a proper maintenance of diversity in the decision space, not only to overcome difficulties introduced by multimodality but also to facilitate the post-optimization decision making process. A series of experimental analyses were also made with cob-aiNet[MO], and it was observed that this algorithm presented better results in most of the considered problems, with respect to both the approximation of the Pareto front and diversity maintenance / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientadores: Raul Vinhas Ribeiro, Antonio Carlos Moretti / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T22:13:26Z (GMT). No. of bitstreams: 1 Quinzani_CeciliaMorais_M.pdf: 890601 bytes, checksum: 304bbc7988e7df635b107fc3346436b3 (MD5) Previous issue date: 2010 / Resumo: O desenvolvimento das áreas tradicionais da engenharia tem sido caracterizado pelo crescente emprego de modelos de otimização como paradigmas para problemas de tomada de decisão. Quando estes modelos possuem mais de um objetivo são chamados de Problemas de Otimização Multiobjetivo (POM) e uma alternativa apropriada na resolução deste tipo de problema é a utilização de Algoritmos Evolutivos. Os Algoritmos Evolutivos (AE) simulam o processo de evolução natural. Simplificadamente, o conjunto de soluções candidatas (população) sobre o qual operam as metodologias é modificado utilizando dois princípios básicos de evolução: seleção e variação. O objetivo principal desta dissertação consiste na análise da aplicação de Algoritmos Evolutivos na otimização multiobjetivo de portfólios onde o importante é obter uma correlação ótima entre retorno e risco. Diversos algoritmos evolutivos foram analisados na dissertação, sendo também analisadas versões híbridas dos mesmos. A principal contribuição da dissertação é a proposta de um procedimento de refinamento das soluções que se baseia no comportamento da série histórica para gerar uma população inicial mais adequada. Uma comparação do desempenho dos diferentes algoritmos híbridos com e sem este refinamento da solução foi realizada e o algoritmo com melhor desempenho foi identificado / Abstract: The development of traditional areas of engineering has been characterized by the increasing use of optimization models as paradigms for decision making problems. when these models have more than one objective, they are called multi-objective optimiation problems (POMs), and are a suitable alternative in solving this kind of problem is the usage of Evolutionary Algorithms (EAs). The EAs simulate the process of natural evolution. Briefly, the set of candidate solutions (population) in which the methodologies operate is modified using two basic principles of evolution: selection and variation. The main objective of this dissertation is to review the application of Evolutionary Algorithms in Multiobjective optimization of portfolios in which it is important to obtain an optimal correlation between return and risk . Several evolutionary algorithms have been analyzed in the dissertation, and also analyzed hybrid versions of the same. The main contribution of the dissertation is to propose a procedure for the refinement of solutions based on the behavior of the series to generate a better initial population. A comparison of the performance of different algorithms hybrids with and without this refinement of the solution was performed and the algorithm with best performance was identified / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientador: Akebo Yamakami / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-11T03:11:24Z (GMT). No. of bitstreams: 1 Rampazzo_PriscilaCristinaBerbert_M.pdf: 1295026 bytes, checksum: ad0738bc161445ec5b9f0db0db565f09 (MD5) Previous issue date: 2008 / Resumo: O objetivo desta dissertação é explorar a utilização de um Sistema Imunológico Artificial, baseado no princípio de Seleção Clonal, na resolução de problemas de Otimização Multiobjetivo. Os Sistemas Imunológicos Artificiais apresentam, em sua estrutura elementar, as principais características requeridas para a resolução de problemas de Otimização Multiobjetivo: exploração, explotação, paralelismo, elitismo, memória, diversidade, mutação e clonagem proporcionais à afinidade e população dinâmica. A abordagem proposta utiliza o conceito de Pareto dominância e factibilidade para identificar os anticorpos (soluções) que devem ser clonados. Nos experimentos, foram consideradas algumas situações importantes que podem aparecer nos problemas reais: presença de restrições (lineares e não-lineares) e formato da Fronteira de Pareto (convexa, côncava, contínua, descontínua, discreta, não-uniforme). Na maioria dos problemas, o algoritmo obteve resultados bons e competitivos quando comparados com as propostas da literatura. Palavras-chave: Otimização Multiobjetivo, Algoritmos Bio-inspirados, Sistemas Imunológicos Artificiais, Seleção Clonal / Abstract: The aim of this work is to explore an Artificial Immune System, based on the Clonal Selection principle, in the solution of Multiobjective Optimization problems. Artificial Immune Systems have, in their elementary structure, the main characteristics required to solve Multiobjective Optimization problems: exploration, exploitation, paralelism, elitism, memory, diversity, mutation and proliferation proportional to the affinity, and dynamic repertorie. The proposed algorithm uses the Pareto dominance concept and feasibility to identify the antibodies (solutions) that must to be cloned. In the experiments, some important situations that occurs in real problems were considered: the presence of constraints (linear and non-linear) and Pareto Front format (convex, concave, continuous, discontinuous, discrete, non-uniforme). In the major part of the problems, the algorithm obtains good and competitive results when compared with approaches from the literature. Keywords: Multiobjective Optimization, Bio-inspired Algorithms, Artificial Immune Systems, Clonal Selection / Mestrado / Telecomunicações e Telemática / Mestre em Engenharia Elétrica

Made available in DSpace on 2016-03-15T19:37:43Z (GMT). No. of bitstreams: 1 Venyton Nathan Leandro Izidoro.pdf: 1903798 bytes, checksum: 9381a055579503451c2cb1fd8267f60f (MD5) Previous issue date: 2012-08-01 / The educational game Calangos is based on the ecological modeling of a real case of lizards that inhabit the Dunes of the Middle São Francisco River, in the state of Bahia - Brazil. The goal of the game is to enable students to interact with an environment that promotes a proper understanding of ecological and evolutionary processes. The game should serve as a tool to support the teaching and learning of ecology and evolution to high school students. For the Calangos Game to achieve this goal, central concepts of evolution and ecology should be properly incorporated in the game. Thus, the first scientific challenge of the project, in addition to the technological challenge of developing the game itself, is related to modeling the population dynamics and evolutionary biology in the context of Calangos. To investigate these aspects independently of the game, this dissertation proposes a simulator for Calangos, as well as a genetic-evolutionary model for the lizards. Furthermore, it performs a set of experiments that examine the ecology and evolution of the lizards in the proposed simulated environment. More specifically, four experimental scenarios and three difficulty levels for each environmental scenario are proposed to carefully analyze the dynamics of populations and the influence of the evolution on the fertility and longevity of lizards populations located within the simulated environment. The results clearly show that in a balanced environment without predators it is possible to observe a dynamic equilibrium of populations in a typical Lotka-Volterra model of population dynamics. On the other hand, it is also observed that in the most hostile environments containing large numbers of predators, the capability of evolution allows the lizard species to survive in the environment, which does not occur if the lizards evolution is disabled during the simulations. In the context of the Calangos game, the results presented here serve as the initial proof of concept necessary for the modeling of the lizards to be incorporated in the game. / O jogo eletrônico educativo Calangos é baseado na modelagem de um caso ecológico real relativo aos lagartos que habitam a região das Dunas do Médio São Francisco, no Estado da Bahia. O objetivo final do jogo é possibilitar ao estudante interagir com um ambiente que promova uma compreensão adequada de processos ecológicos e evolutivos da natureza. O jogo deve funcionar como ferramenta de apoio ao ensino e aprendizagem de ecologia e evolução no nível médio de escolaridade. Para que o Calangos atinja esse objetivo conceitos centrais de evolução e ecologia deverão ser incorporados adequadamente ao jogo. Nesse sentido, o primeiro desafio científico do projeto, que antecede aos desafios tecnológicos de desenvolvimento de jogos propriamente ditos, está relacionado à como modelar a dinâmica das populações e a biologia evolutiva no contexto do Calangos. Para investigar estes aspectos de forma independente do jogo, essa dissertação propõe um simulador para o Calangos, assim como uma modelagem genético-evolutiva para os lagartos e, na sequência, realiza um conjunto de experimentos que permitem analisar a ecologia e evolução dos lagartos no ambiente simulado. Mais especificamente, são propostos quatro cenários experimentais e três níveis de dificuldade ambiental para cada cenário, que permitirão analisar cuidadosamente a dinâmica das populações e influência da evolução na fecundidade e longevidade de populações de lagartos localizadas dentro do ambiente de simulação. Os resultados mostram que em um ambiente equilibrado e sem predadores é possível observar um equilíbrio dinâmico das populações, em um formato típico dos modelos clássicos de dinâmica populacional baseados nas equações de Lotka-Volterra. Por outro lado, observa-se também que em ambientes mais hostis contendo grande quantidade de predadores a capacidade de evolução dos lagartos permite a sobrevivência da espécie no ambiente, o que não ocorre caso os lagartos não possam evoluir durante as simulações. No contexto do jogo Calangos, os resultados apresentados aqui servem como a prova de conceito inicial necessária para a modelagem computacional dos lagartos a serem incorporados no jogo.

Orientador: Maria Gabriela Caffarena Celani / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Civil, Arquitetura e Urbanismo / Made available in DSpace on 2018-08-27T01:58:13Z (GMT). No. of bitstreams: 1 Martino_JarryerAndradede_D.pdf: 15987793 bytes, checksum: e3e7fece0c549d866ab2fb31f75bd0c8 (MD5) Previous issue date: 2015 / Resumo: O projeto de arquitetura é composto por diferentes variáveis que precisam ser constantemente negociadas, algumas delas envolvem situações contraditórias, aumentando a complexidade da solução do problema. Os algoritmos evolutivos correspondem a um conjunto de técnicas que contribuem para a solução desse tipo de problema, e que podem ser incorporados ao sistema generativo de projeto de maneira a potencializar a obtenção de melhores resultados. Para isso, foi necessário entender a teoria evolucionista e os seus principais mecanismos, a estruturação e a implementação dos algoritmos evolutivos no ambiente computacional, e a sistematização do processo de projeto como base para o desenvolvimento de um método evolutivo. Dessa forma, foi definido um quadro teórico composto pelos principais eventos e conceitos relacionados à teoria evolucionista, à computação evolutiva e à discussão na década de 1960 sobre a sistematização do processo de projeto como uma sequência operativa capaz de registrar o processo mental do projetista, e o método evolutivo de projeto de arquitetura, sendo apresentada a sua estrutura, os componentes e exemplos. Embora esse método tivesse sido implementado na arquitetura na década de 1960, foi verificado que as aplicações estavam bastante restritas, limitando-se a trabalhos acadêmicos em universidades específicas. O domínio de uma linguagem de programação e a falta de clareza e apropriação dos vocabulários, conceitos e técnicas desenvolvidas pela Computação Evolutiva dificultaram a sua implementação como método de projeto na arquitetura e urbanismo. Atualmente, existem recursos digitais que facilitam a implementação desse método de maneira simplificada sem perder a eficiência do método, justificando a sua retomada como um método de projeto pelos arquitetos e urbanistas. Dessa forma, os objetivos desta pesquisa foram os de organizar o conteúdo teórico dos algoritmos evolutivos de maneira a esclarecer a sua estrutura, o vocabulário, os conceitos básicos e os mecanismos que os envolvem, de definir como ocorre a sua relação com o elemento arquitetônico e com o método de projeto, da identificação de uma ferramenta computacional capaz de facilitar a sua implementação e o de apresentar situações concretas em que os arquitetos e urbanistas possam utilizá-los. Como resultado foi possível verificar que não existe dificuldade no entendimento do mecanismo evolutivo como possível recurso para o desenvolvimento de um método de projeto, mas sim, a necessidade de maior domínio sobre a ferramenta de programação que não estaria relacionada diretamente com o sistema evolutivo, mas sim, com a descrição algorítmica através de um código computacional de todo processo de projeto / Abstract: The architecture design is composed by different variables that need to be negotiated, some of them involve contradictory situations, increasing the complexity of the solution. The evolutionary algorithms are set by techniques that contribute to obtain solutions for this kind of problems, and they also may be incorporated in a project generative system in a way that potentiate the best results obtaining. For this it was necessary to understand the evolutionary theory and its main mechanisms, the structuring and implementation of evolutionary algorithms in computational environment, and the systematization of the design process as a base of an evolutionary design method development. Thus, it was important to define a theoretical framework from the main events and concepts related to the evolutionary theory, the evolutionary computation and to the discussion in the 1960s about the systematization of the design process as an operative sequence capable of registering the mental process of the designer and the evolutionary design method on architecture with their components and examples. Although this method had been implemented in architecture in the 1960s, its application was quite restricted to academic works development in some specific universities. The necessity of the knowledge of programming language, vocabulary, concepts and techniques from evolutionary computation made the implementation difficult as a project method in architecture and urbanism. Currently, there are digital resources that facilitate the method simplified implementation without losing its efficiency, justifying its resumption as a design method by architects and urban planners. Moreover, the objectives of this research were to organize the content about evolutionary algorithms, clarifying its structure, vocabulary, basic concepts and the involved mechanisms, to define its relationship with the architectural element and the project method, to identify a computational tool that facilitates the implementation and to present the real situations which architects can use them. As a result it was possible to validate that there is no difficulty in understanding the evolutionary algorithm as possible resource for the methodology development of a design, yet, the necessity to have more experience in the utilization of programming tool. This tool is not directly related to the evolutionary system, but with the algorithmic description through the computational implementation by any project codes / Doutorado / Arquitetura, Tecnologia e Cidade / Doutor em Arquitetura, Tecnologia e Cidade