Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-17T12:23:49Z No. of bitstreams: 1 Tiago Martins Ribeiro.pdf: 2146814 bytes, checksum: c04c7e63303157b4345d0985576e1620 (MD5) / Made available in DSpace on 2017-04-17T12:23:49Z (GMT). No. of bitstreams: 1 Tiago Martins Ribeiro.pdf: 2146814 bytes, checksum: c04c7e63303157b4345d0985576e1620 (MD5) Previous issue date: 2017-02-20 / CAPES / Complex optimization problems have been studied over the years by researchers seeking better solutions, these studies have encouraged the development of several algorithms of artificial intelligence, and a part of them are bio-inspired methods, based on the behavior of populations. These algorithms target to develop techniques based on nature in search of solutions to these problems. In this work, was introduced as a purpose, an algorithm based on the behavior of locust swarms, the Locust Swarm Optimizer (LSO). The behavior of the desert locust is introduced highlighting the formation of clouds of attacks caused by a synthesized neurotransmitter monoamine, present on the insect, known as serotonin. Observing this behavior, the LSO was developed. It was compared to other known artificial intelligence techniques through 23 benchmark functions and also tested on an power system economical dispatch problem. From the point of view of the results and the ease of implementation, it can be concluded that the LSO algorithm is very competitive as compared to existing methods / Problemas complexos de otimização vêm sendo estudados ao longo dos anos por pesquisadores que buscam melhores soluções, estes estudos incentivaram o desenvolvimento de vários algoritmos de inteligência artificial, sendo que uma parte deles são métodos bioinspirados, baseados no comportamento de populações. Estes algoritmos têm como objetivo desenvolver técnicas baseadas na natureza em busca de soluções para estes problemas. Neste trabalho um algoritmo baseado no comportamento de enxames de gafanhotos-do-deserto, o Locust Swarm Optimizer (LSO), foi introduzido como objetivo. O comportamento do gafanhoto-do-deserto é apresentado destacando a formação de nuvens de ataques causada por uma monoamina neurotransmissora sintetizada, presente no inseto, conhecido por serotonina. Observando este comportamento, foi desenvolvido o LSO. Ele foi comparado com outras conhecidas técnicas de inteligência artificial através de 23 funções benchmarks e também, testado em um problema de despacho econômico. Do ponto de vista dos resultados e da facilidade de implementação, pode-se concluir que o algoritmo LSO é bastante competitivo comparado aos métodos atuais existentes.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-07T11:44:34Z No. of bitstreams: 1 Marilia Marta.pdf: 1791339 bytes, checksum: 4b1d16d2c77f148ff69597765e114fa2 (MD5) / Made available in DSpace on 2017-04-07T11:44:34Z (GMT). No. of bitstreams: 1 Marilia Marta.pdf: 1791339 bytes, checksum: 4b1d16d2c77f148ff69597765e114fa2 (MD5) Previous issue date: 2017-02-20 / CAPES / Artificial intelligence (AI) is a branch of computer science that studies the intelligent behavior of living beings, and mimics this intelligence by deploying it in computer programs, machines and systems in order to solve problems related to searching, optimization, planning, control, automation, etc. One of the areas of artificial intelligence is evolutionary computation, which is inspired by the principle of natural evolution of species. Within the evolutionary computation several methods based on the intelligence of plants have been recently proposed. How the plants survive and adapt in harsh environments has aroused great interest of researchers in AI. It is remarkable that the life cycle of a plant is extremely intriguing. The way the plants reproduce, propagate, disperse their seeds and select the most resistant is undoubtedly an evidence of intelligence of plants when optimize their existence. In this sense, several computer algorithms based on the intelligent lifecycle of plants have been proposed recently, these algorithms are in many cases, simple to implement, and very efficient in solving complex problems. In this work, the performance of some algorithms, the flower pollination algorithm, strawberry plant algorithm, invasive weed optimization and plant life cycle algorithm, all of them based on the intelligent behavior of plants, are analyzed when applied to optimization of test functions, and they are also compared with classical genetic algorithms. / A inteligência artificial (IA) é um ramo da ciência da computação que estuda o comportamento inteligente dos seres vivos e imita essa inteligência implantando-a em programas de computador, máquinas e sistemas para resolver problemas relacionados à busca, otimização, planejamento, controle, automação, etc. Uma das áreas da inteligência artificial é a computação evolutiva, que é inspirada pelo princípio da evolução natural das espécies. Dentro da computação evolutiva vários métodos baseados na informação de plantas têm sido recentemente proposto. Como as plantas sobrevivem e se adaptam em ambientes agressivos tem despertado grande interesse dos pesquisadores em IA. O ciclo de vida de uma planta é extremamente intrigante. A maneira como as plantas se reproduzem, propagam, dispersam suas sementes e selecionam as mais resistentes é, sem dúvida, uma evidência de inteligência das plantas quando otimizam sua existência. Nesse sentido, diversos algoritmos computacionais baseados no ciclo de vida inteligente das plantas têm sido propostos nos anos recentes, esses algoritmos são, em muitos casos, simples de implementar e muito eficientes na solução de problemas complexos. Neste trabalho é analisado o desempenho de alguns desses algoritmos, o algoritmo de polinização de flores, o algoritmo de planta de morango, otimização invasiva de ervas daninhas e algoritmo do ciclo de vida da planta, todos baseados no comportamento inteligente das plantas, quando aplicados à otimização de funções teste e também comparados com algoritmos genéticos clássicos.