Segmentação de uma imagem é um processo de extrema importância em processamento de imagens e consiste em subdividir a imagem em partes constituintes correspondentes a objetos de interesse no domínio de aplicação. Objetos de interesse podem apresentar cores que se caracterizam numa imagem por um conjunto de pixels, que por sua vez possuem um número muito grande de valores cromáticos. Estes conjuntos podem ser denominados por relativamente poucos rótulos lingüísticos atribuídos por seres humanos, caracterizando as cores, representadas por classes. Entretanto, a fronteira entre estas classes é vaga, pois os valores cromáticos que definem a transição de uma cor para outra dependem de diversos fatores do domínio. Esta tese visa contribuir no processo de segmentação de imagens através da proposta de um classificador de pixels exclusivamente por meio do atributo cor. Para lidar com o problema da vagueza entre as classes de cores, emprega-se a teoria dos conjuntos nebulosos. Assim, propõe-se um aprendizado híbrido e incremental de modelos nebulosos de classes de cores constituintes do classificador. O aprendizado híbrido combina os paradigmas de aprendizado supervisionado e não-supervisionado, transferindo a rotulação individual das instâncias (muito custosa) para a rotulação dos grupos de instâncias similares, pelo agente supervisor. Estes grupos são combinados por meio da aplicação de operadores de agregação adequados, que possibilitam uma forma de aprendizado incremental, onde os modelos das classes existentes podem ser revisados ou novas classes, obtidas com a continuidade do treinamento, podem ser incorporadas aos modelos. Propõe-se, ainda, um processo de generalização do modelo, visando sua completude. O classificador proposto foi testado na modelagem da cor da pele humana em imagens adquiridas em condições ambientais controladas e em condições variadas. Os resultados obtidos mostram a eficácia do classificador proposto, obtendo uma detecção robusta e acurada da cor da pele em imagens digitais coloridas. / Image segmentation is a very important process, which aims at subdividing an image in parts that correspond to objects of interest in the application domain. Objects may depict few colors that are represented in an image by a set of pixels presenting a very large range of chromatic values. A relatively small number of human-defined linguistic labels can be assigned to these sets, and these labels characterize colors represented by classes. However, the borders among these classes are fuzzy, since the chromatic values that define the transition from a class to another depend on different domain factors. This thesis contributes in the image segmentation process by proposing a pixel classifier based exclusively on the color attribute. Fuzzy sets theory is used to deal with the problem of fuzziness among color classes. This thesis proposes a hybrid and incremental scheme for learning fuzzy models of color classes included in the classifier. The hybrid-learning scheme combines unsupervised and supervised learning paradigms, transferring the labeling by a supervisor from individual instances (a very computationally costly task) to groups of similar instances. These groups are combined by application of adequate aggregation operators, providing an incremental learning scheme to the classifier, so that models can be revised and new classes can be incorporated into the models. In order to provide completeness to the models, a generalization process is also proposed. The classifier was tested in the human skin color-modeling problem, by using digital color-images captured under controlled and uncontrolled conditions. Experimental results assess its effectiveness, providing a robust and accurate detection of skin color in digital color-images.

A Inteligência Artificial atualmente é um vasto campo de pesquisa. Existem diversas técnicas sendo pesquisadas, sendo que nesta tese foram utilizadas a Teoria Fuzzy, Árvores de Decisão e Redes Neurais. As três técnicas têm sido empregadas com sucesso nas mais diversas aplicações nas áreas de automação e controle, reconhecimento de padrões, reconhecimento de voz, detecção de falhas e classificação, entre outras. A Teoria Fuzzy permite trabalhar com as incertezas e provê um entendimento simbólico para compreensão do conhecimento. As Árvores de Decisão têm capacidade de construir decisões simbólicas para a classificação de problemas e, através do conhecimento obtido, pode-se construir regras simbólicas para uma tomada de decisão. A Teoria Fuzzy também pode ser incorporada às árvores de decisão, aumentando seu poder de representação e aplicabilidade. As Redes Neurais (algoritmo back-propagation) têm apresentado ótimos resultados na aprendizagem de funções e em problemas de classificação. A contribuição desta tese é mostrar a aplicação das três técnicas de Inteligência Artificial (IA) em processos de fabricação de Vidro. Os processos de fabricação do vidro foram analisados e a proposta da tese é a aplicação das técnicas de IA nas fábricas de produção de vidros para embalagens e vidros planos. Na primeira fábrica aplicam-se as técnicas de IA para classificar os defeitos que ocorrem no Vidro para Embalagens, em função das condições operacionais dos fornos de fusão. Na segunda fábrica aplicam-se as técnicas para classificar os defeitos em função das matérias primas utilizadas na produção do vidro. Na terceira fábrica as técnicas são aplicadas na classificação dos padrões de fabricação do vidro plano. Os resultados obtidos com a classificação de defeitos e padrões foram de maneira geral satisfatórios. As três técnicas de IA apresentadas foram utilizadas para a análise das bases de dados nas três fábricas de vidro estudadas nesta tese. As técnicas de IA obtiveram classificações satisfatórias para os defeitos do vidro para embalagens e para classificar os padrões dos vidros planos. Os resultados obtidos a partir das técnicas são comparados e apresentam resultados promissores. / The Artificial Intelligence now is a vast research field. There are several techniques exist being researched. In this thesis Fuzzy Theory, Decision Trees and Neural Networks were used. The three techniques have been successfully applied in several applications in the areas of automation and control, pattern recognition, voice recognition, detection of flaws and classification, among others. The Fuzzy Theory allows to work with the uncertainties and they provide a symbolic understanding for understanding of the knowledge. The Decision Trees have capacity to build symbolic decisions for the classification of problems and through the knowledge obtained by the tree could be built symbolic rules for a socket of decision. The Fuzzy Theory can also be incorporate them tree of decision increasing the representation power and applicability of the Decision trees. Neural Networks (algorithm back-propagation) it has been presenting great results in the learning of functions and in classification problems. The contribution of this thesis is to show the application of the three techniques of Artificial Intelligence (AI) in processes of production of Glass. The processes of production of the glass were analyzed and the proposal of the thesis is the application of the techniques of AI in the factories of production of glasses to packings and plane glasses. In the first factory it is applied the techniques of AI to classify the defects that happen in the Glass for Packings in function of the operational conditions of the coalition ovens. In the second factory it is applied the techniques to classify the defects in the matters cousins\' function used in the production of the glass. In the third factory the techniques are applied in the classification of the patterns of production of the plane glass. The results obtained with the classification of defects and patterns were in a satisfactory general way. The three techniques of AI presented were used for the analysis of the bases of data in the three glass factories studied in thesis. The techniques of AI obtained a satisfactory classification for the defects of the glass for packings and for the patterns of the plane glasses. The results obtained starting from the techniques are compared and they present promising results.

Nesta tese são apresentadas metodologias alternativas ao enfoque determinístico de avaliação de desempenho elétrico de sistemas de distribuição, especificamente na análise dos riscos de violações de conformidade de tensão em sistemas de distribuição, utilizando para isto, métodos probabilísticos e teoria de conjuntos fuzzy. A Agência Nacional de Energia Elétrica estabeleceu a resolução nº 505/2001 que especifica indicadores de variação de tensão de longa duração, contendo os indicadores individuais e coletivos a serem mensurados, assim como, as penalidades pelo não cumprimento dos prazos limites estabelecidos para regularização. A ENERSUL, Empresa Distribuidora do Grupo ENBR Energias do Brasil e o ENERQ Centro de Estudos em Regulação e Qualidade de Energia Elétrica desenvolveram um projeto de P&D para a obtenção de metodologia e software de simulação dos indicadores de variação de tensão de longa duração. No projeto de P&D foi especificado e desenvolvido um módulo computacional para calcular o fluxo de carga com uma abordagem probabilística, partindo-se das curvas de carga típicas de consumidores, que representam a variação temporal da carga (demanda máxima e desvio padrão), obtendo-se as curvas de distribuição de probabilidades da tensão, que permitiram calcular, para cada ponto da rede, os riscos de transgressão dos indicadores de variação de tensão de longa duração. Após o projeto de P&D, uma nova abordagem que utiliza a teoria de conjuntos difusos (fuzzy) foi desenvolvida e foi possível a comparação com o método probabilístico. Baseado em números fuzzy que representam a estimativa de níveis tensão para cada ponto na rede, e com métodos específicos de classificação fuzzy, calculam-se os indicadores de DRP e DRC. / In this thesis are presented alternatives methodologies for deterministic approach for evaluation of performance of electrical distribution systems, specifically in the risk assessment of voltage levels violations in distribution systems, using for this, probabilistic methods and theory of fuzzy sets. ANEELs Resolution 505/2001 specifies long-term voltage variation indicators, with the following items to be measured: individual and collective indicators, and the penalties for not complying with the established limits. ENERSUL, the distribution company of the ENBR Group Energias do Brasil and ENERQ Center for Regulation and Power Quality Studies carryied out an R&D project for the development of a methodology and simulation software that will enable the company to evaluate long-term voltage variation indicators. A computational module was specified and developed to calculate the load flow with a probabilistic approach. Based on typical daily load curves, representing the time variation of the load (average and standard deviation curves), distribution curves are obtained for voltage probability, so that the risk of violating indicators can be calculated, for each point in the network. After the R&D project, a new approach based on fuzzy sets theory was developed and make possible the comparison with the probabilistic approach. Based on fuzzy numbers that represents an estimative for voltage levels for each point in the network, and with specific fuzzy classification methods, the RDI and RDC indicators can be calculated.

Nesta tese são apresentadas metodologias alternativas ao enfoque determinístico de avaliação de desempenho elétrico de sistemas de distribuição, especificamente na análise dos riscos de violações de conformidade de tensão em sistemas de distribuição, utilizando para isto, métodos probabilísticos e teoria de conjuntos fuzzy. A Agência Nacional de Energia Elétrica estabeleceu a resolução nº 505/2001 que especifica indicadores de variação de tensão de longa duração, contendo os indicadores individuais e coletivos a serem mensurados, assim como, as penalidades pelo não cumprimento dos prazos limites estabelecidos para regularização. A ENERSUL, Empresa Distribuidora do Grupo ENBR Energias do Brasil e o ENERQ Centro de Estudos em Regulação e Qualidade de Energia Elétrica desenvolveram um projeto de P&D para a obtenção de metodologia e software de simulação dos indicadores de variação de tensão de longa duração. No projeto de P&D foi especificado e desenvolvido um módulo computacional para calcular o fluxo de carga com uma abordagem probabilística, partindo-se das curvas de carga típicas de consumidores, que representam a variação temporal da carga (demanda máxima e desvio padrão), obtendo-se as curvas de distribuição de probabilidades da tensão, que permitiram calcular, para cada ponto da rede, os riscos de transgressão dos indicadores de variação de tensão de longa duração. Após o projeto de P&D, uma nova abordagem que utiliza a teoria de conjuntos difusos (fuzzy) foi desenvolvida e foi possível a comparação com o método probabilístico. Baseado em números fuzzy que representam a estimativa de níveis tensão para cada ponto na rede, e com métodos específicos de classificação fuzzy, calculam-se os indicadores de DRP e DRC. / In this thesis are presented alternatives methodologies for deterministic approach for evaluation of performance of electrical distribution systems, specifically in the risk assessment of voltage levels violations in distribution systems, using for this, probabilistic methods and theory of fuzzy sets. ANEELs Resolution 505/2001 specifies long-term voltage variation indicators, with the following items to be measured: individual and collective indicators, and the penalties for not complying with the established limits. ENERSUL, the distribution company of the ENBR Group Energias do Brasil and ENERQ Center for Regulation and Power Quality Studies carryied out an R&D project for the development of a methodology and simulation software that will enable the company to evaluate long-term voltage variation indicators. A computational module was specified and developed to calculate the load flow with a probabilistic approach. Based on typical daily load curves, representing the time variation of the load (average and standard deviation curves), distribution curves are obtained for voltage probability, so that the risk of violating indicators can be calculated, for each point in the network. After the R&D project, a new approach based on fuzzy sets theory was developed and make possible the comparison with the probabilistic approach. Based on fuzzy numbers that represents an estimative for voltage levels for each point in the network, and with specific fuzzy classification methods, the RDI and RDC indicators can be calculated.

Segmentação de uma imagem é um processo de extrema importância em processamento de imagens e consiste em subdividir a imagem em partes constituintes correspondentes a objetos de interesse no domínio de aplicação. Objetos de interesse podem apresentar cores que se caracterizam numa imagem por um conjunto de pixels, que por sua vez possuem um número muito grande de valores cromáticos. Estes conjuntos podem ser denominados por relativamente poucos rótulos lingüísticos atribuídos por seres humanos, caracterizando as cores, representadas por classes. Entretanto, a fronteira entre estas classes é vaga, pois os valores cromáticos que definem a transição de uma cor para outra dependem de diversos fatores do domínio. Esta tese visa contribuir no processo de segmentação de imagens através da proposta de um classificador de pixels exclusivamente por meio do atributo cor. Para lidar com o problema da vagueza entre as classes de cores, emprega-se a teoria dos conjuntos nebulosos. Assim, propõe-se um aprendizado híbrido e incremental de modelos nebulosos de classes de cores constituintes do classificador. O aprendizado híbrido combina os paradigmas de aprendizado supervisionado e não-supervisionado, transferindo a rotulação individual das instâncias (muito custosa) para a rotulação dos grupos de instâncias similares, pelo agente supervisor. Estes grupos são combinados por meio da aplicação de operadores de agregação adequados, que possibilitam uma forma de aprendizado incremental, onde os modelos das classes existentes podem ser revisados ou novas classes, obtidas com a continuidade do treinamento, podem ser incorporadas aos modelos. Propõe-se, ainda, um processo de generalização do modelo, visando sua completude. O classificador proposto foi testado na modelagem da cor da pele humana em imagens adquiridas em condições ambientais controladas e em condições variadas. Os resultados obtidos mostram a eficácia do classificador proposto, obtendo uma detecção robusta e acurada da cor da pele em imagens digitais coloridas. / Image segmentation is a very important process, which aims at subdividing an image in parts that correspond to objects of interest in the application domain. Objects may depict few colors that are represented in an image by a set of pixels presenting a very large range of chromatic values. A relatively small number of human-defined linguistic labels can be assigned to these sets, and these labels characterize colors represented by classes. However, the borders among these classes are fuzzy, since the chromatic values that define the transition from a class to another depend on different domain factors. This thesis contributes in the image segmentation process by proposing a pixel classifier based exclusively on the color attribute. Fuzzy sets theory is used to deal with the problem of fuzziness among color classes. This thesis proposes a hybrid and incremental scheme for learning fuzzy models of color classes included in the classifier. The hybrid-learning scheme combines unsupervised and supervised learning paradigms, transferring the labeling by a supervisor from individual instances (a very computationally costly task) to groups of similar instances. These groups are combined by application of adequate aggregation operators, providing an incremental learning scheme to the classifier, so that models can be revised and new classes can be incorporated into the models. In order to provide completeness to the models, a generalization process is also proposed. The classifier was tested in the human skin color-modeling problem, by using digital color-images captured under controlled and uncontrolled conditions. Experimental results assess its effectiveness, providing a robust and accurate detection of skin color in digital color-images.

A Inteligência Artificial atualmente é um vasto campo de pesquisa. Existem diversas técnicas sendo pesquisadas, sendo que nesta tese foram utilizadas a Teoria Fuzzy, Árvores de Decisão e Redes Neurais. As três técnicas têm sido empregadas com sucesso nas mais diversas aplicações nas áreas de automação e controle, reconhecimento de padrões, reconhecimento de voz, detecção de falhas e classificação, entre outras. A Teoria Fuzzy permite trabalhar com as incertezas e provê um entendimento simbólico para compreensão do conhecimento. As Árvores de Decisão têm capacidade de construir decisões simbólicas para a classificação de problemas e, através do conhecimento obtido, pode-se construir regras simbólicas para uma tomada de decisão. A Teoria Fuzzy também pode ser incorporada às árvores de decisão, aumentando seu poder de representação e aplicabilidade. As Redes Neurais (algoritmo back-propagation) têm apresentado ótimos resultados na aprendizagem de funções e em problemas de classificação. A contribuição desta tese é mostrar a aplicação das três técnicas de Inteligência Artificial (IA) em processos de fabricação de Vidro. Os processos de fabricação do vidro foram analisados e a proposta da tese é a aplicação das técnicas de IA nas fábricas de produção de vidros para embalagens e vidros planos. Na primeira fábrica aplicam-se as técnicas de IA para classificar os defeitos que ocorrem no Vidro para Embalagens, em função das condições operacionais dos fornos de fusão. Na segunda fábrica aplicam-se as técnicas para classificar os defeitos em função das matérias primas utilizadas na produção do vidro. Na terceira fábrica as técnicas são aplicadas na classificação dos padrões de fabricação do vidro plano. Os resultados obtidos com a classificação de defeitos e padrões foram de maneira geral satisfatórios. As três técnicas de IA apresentadas foram utilizadas para a análise das bases de dados nas três fábricas de vidro estudadas nesta tese. As técnicas de IA obtiveram classificações satisfatórias para os defeitos do vidro para embalagens e para classificar os padrões dos vidros planos. Os resultados obtidos a partir das técnicas são comparados e apresentam resultados promissores. / The Artificial Intelligence now is a vast research field. There are several techniques exist being researched. In this thesis Fuzzy Theory, Decision Trees and Neural Networks were used. The three techniques have been successfully applied in several applications in the areas of automation and control, pattern recognition, voice recognition, detection of flaws and classification, among others. The Fuzzy Theory allows to work with the uncertainties and they provide a symbolic understanding for understanding of the knowledge. The Decision Trees have capacity to build symbolic decisions for the classification of problems and through the knowledge obtained by the tree could be built symbolic rules for a socket of decision. The Fuzzy Theory can also be incorporate them tree of decision increasing the representation power and applicability of the Decision trees. Neural Networks (algorithm back-propagation) it has been presenting great results in the learning of functions and in classification problems. The contribution of this thesis is to show the application of the three techniques of Artificial Intelligence (AI) in processes of production of Glass. The processes of production of the glass were analyzed and the proposal of the thesis is the application of the techniques of AI in the factories of production of glasses to packings and plane glasses. In the first factory it is applied the techniques of AI to classify the defects that happen in the Glass for Packings in function of the operational conditions of the coalition ovens. In the second factory it is applied the techniques to classify the defects in the matters cousins\' function used in the production of the glass. In the third factory the techniques are applied in the classification of the patterns of production of the plane glass. The results obtained with the classification of defects and patterns were in a satisfactory general way. The three techniques of AI presented were used for the analysis of the bases of data in the three glass factories studied in thesis. The techniques of AI obtained a satisfactory classification for the defects of the glass for packings and for the patterns of the plane glasses. The results obtained starting from the techniques are compared and they present promising results.

Este trabalho de dissertação apresenta um método baseado em técnicas de inteligência computacional, como aprendizado de conjunto de regras, redes neurais artificiais e lógica fuzzy, para propor o desenvolvimento de ferramentas capazes de gerar e classificar casos de testes de caixa preta com as finalidades de auxiliar na atividade de preparação de testes, na detecção de defeitos em características ou funcionalidades e na diminuição do tempo de detecção de correção do software visando, com isto, atingir uma cobertura de testes qualitativamente superior ao processo criação manual. A obtenção de novos casos de testes e a classificação dos casos de testes gerados utilizam técnicas de aprendizado de um conjunto de regras, utilizando algoritmos de cobertura seqüencial, e de uma máquina de inferência fuzzy. A definição dos métodos, tanto para gerar como para classificar os casos de testes, foram fundamentados em experimentos visando comparar as similaridades entre os métodos fuzzy, redes neurais artificiais e aprendizado de conjunto de regras. Por fim, procurou-se desenvolver uma ferramenta à titulo de prova de conceitos objetivando aplicar os métodos que obtiveram melhores resultados nas experimentações. Os critérios adotados para definir os métodos foram às métricas de complexidade ciclomática e total de linhas de código (LOC). / This dissertation work presents a method based on computational intelligence techniques, such as learning set of rules, artificial neural networks and fuzzy logic, proposed the development of tools that generate test cases and sort of black box with the purposes of assisting activity in the preparation of tests for detection of defects in features or functionality and decreasing the detection time correction software aimed, with this, reach a qualitatively higher test coverage to the manual creation process. The acquisition of new test cases and classification of test cases generated using techniques Learning learning a whole set of Regrasregras using sequential covering algorithms, and a fuzzy inference machine. The definition of methods, both to generate and to classify the test cases were substantiated in experiments aimed at comparing the similarities between the fuzzy methods, neural networks and learning of the rule set. Finally, we sought to develop a tool for evidence of concepts aiming to apply the methods which obtained better results in trials. The criteria adopted to define the methods were metrics cyclomatic complexity and total lines of code (LOC).

Este trabalho de dissertação apresenta um método baseado em técnicas de inteligência computacional, como aprendizado de conjunto de regras, redes neurais artificiais e lógica fuzzy, para propor o desenvolvimento de ferramentas capazes de gerar e classificar casos de testes de caixa preta com as finalidades de auxiliar na atividade de preparação de testes, na detecção de defeitos em características ou funcionalidades e na diminuição do tempo de detecção de correção do software visando, com isto, atingir uma cobertura de testes qualitativamente superior ao processo criação manual. A obtenção de novos casos de testes e a classificação dos casos de testes gerados utilizam técnicas de aprendizado de um conjunto de regras, utilizando algoritmos de cobertura seqüencial, e de uma máquina de inferência fuzzy. A definição dos métodos, tanto para gerar como para classificar os casos de testes, foram fundamentados em experimentos visando comparar as similaridades entre os métodos fuzzy, redes neurais artificiais e aprendizado de conjunto de regras. Por fim, procurou-se desenvolver uma ferramenta à titulo de prova de conceitos objetivando aplicar os métodos que obtiveram melhores resultados nas experimentações. Os critérios adotados para definir os métodos foram às métricas de complexidade ciclomática e total de linhas de código (LOC). / This dissertation work presents a method based on computational intelligence techniques, such as learning set of rules, artificial neural networks and fuzzy logic, proposed the development of tools that generate test cases and sort of black box with the purposes of assisting activity in the preparation of tests for detection of defects in features or functionality and decreasing the detection time correction software aimed, with this, reach a qualitatively higher test coverage to the manual creation process. The acquisition of new test cases and classification of test cases generated using techniques Learning learning a whole set of Regrasregras using sequential covering algorithms, and a fuzzy inference machine. The definition of methods, both to generate and to classify the test cases were substantiated in experiments aimed at comparing the similarities between the fuzzy methods, neural networks and learning of the rule set. Finally, we sought to develop a tool for evidence of concepts aiming to apply the methods which obtained better results in trials. The criteria adopted to define the methods were metrics cyclomatic complexity and total lines of code (LOC).

Sistemas de Aprendizagem Adaptativos e Inteligentes, tema de pesquisa recente no mundo, são ambientes com arquitetura e algoritmos específicos, que consideram as características individuais de cada estudante para selecionar o objeto de aprendizagem mais adequado a ser oferecido ao aluno. O rápido desenvolvimento da infraestrutura sem fio e o amplo uso de dispositivos móveis na vida diária das pessoas motivam as pesquisas relativas ao uso desses dispositivos na educação, proporcionando o m-learning. Assim, relacionado a essas linhas de pesquisa, este trabalho propõe a arquitetura AdaptMLearning, elaborada para prover a aprendizagem em plataformas móveis e não móveis, considerando a seleção de objetos de aprendizagem que melhor se adaptam a diversos aspectos, tais como: dados sobre a tecnologia utilizada para acesso; informações sobre o estilo de aprendizagem de um estudante; desempenho e tempo associados à interação do estudante com o objeto de aprendizagem; conhecimentos adquiridos pelo estudante em consonância ao conteúdo do curso; e a garantia de que não só o professor possa configurar as adaptações a serem oferecidas ao seu curso, como também o aluno tenha a possibilidade de informar sua preferência pelos tipos de mídia. Essa arquitetura é baseada no modelo de referência AHAM para sistemas adaptativos AEHS, contemplando a quádrupla: espaço do conhecimento, modelo do usuário, observações e modelo de adaptação, referente à definição lógica desses sistemas. Na AdaptMLearning, foram desenvolvidos alguns algoritmos, utilizando-se o modelo FSLSM, relacionado aos estilos de aprendizagem de um estudante e o padrão IEEE 1484 para catalogação dos objetos de aprendizagem e uso de alguns atributos de suas categorias, associados às dimensões dos estilos de aprendizagem do modelo FSLSM. O algoritmo calcula um peso para um objeto catalogado em cada dimensão e permite uma busca pelo objeto mais adequado ao estilo do estudante, além de usar a computação fuzzy, para avaliar se o estudante pode sofrer mudanças no seu estilo, deve receber reforço ou necessita de um reestudo em determinado assunto de um curso, por meio de resultados obtidos com o tempo de estudo e desempenho. Também, este trabalho apresenta o desenvolvimento e a avaliação de um simulador para a arquitetura AdaptMLearning e seus algoritmos, realizada utilizando diversos cenários de simulação, envolvendo estudantes, cursos e tecnologias com diferentes configurações. Assim sendo, com base nos resultados obtidos por meio da avaliação, foi possível discutir, analisar e identificar o potencial de uso da AdaptMLearning e de seus algoritmos em uma situação real para elaboração de um ambiente de aprendizagem ou agregação a um ambiente existente. / Intelligent and Adaptive Learning Systems, subject of recent research in the world, are environments with specific architectures and algorithms, designed considering the individual characteristics of each student. The rapid development of wireless infrastructures and wide use of mobile devices in people\'s everyday life encourage research about the use of these devices in education, providing the mlearning. In the context of such research, this work proposes the AdaptMLearning architecture that was designed to be a learning infrastructure for mobile and nonmobile platforms. This architecture provides a selection of learning objects that takes into account as adaptation criteria the following data: the mobile device\'s technological specification; the student\'s learning style information, his/her performance and spent time associated to the student\'s interaction with the learning object; previously acquired knowledge by the student related to the course\'s content. In addition, it also allows the teacher to interfere in the adaptation criteria used during the study simulation, and allows the student to indicate his/her preferences for media types. This architecture is based on AHAM reference model for adaptive systems AEHS and uses the quadruple: the knowledge space, the user model, the observations and the model adaptation, referring to the logical definition of these systems. To implement the AdaptMLearning architecture some algorithms using the FSLSM model related to the student\'s learning styles were developed. The algorithms use the IEEE 1484 for cataloging learning objects and some of its categories and attributes associated with dimensions of learning styles FSLSM model, are used to compute a weight of an object in each dimension allowing a search of the most appropriate object according to the student\'s learning styles; and the use of fuzzy computing, considering that the student\'s learning style can change, determines if the student has to receive reinforcement or need a new study in a particular subject of a course, when the student gets unsatisfactory results in terms of timing and performance in a course\'s subject. Also, this work also presents the development and evaluation of a simulator for the AdaptMLearning architecture and their algorithms. The evaluation of the simulator was done by means of many simulations scenarios, considering students, courses and technologies with different settings. Based on the results obtained from the evaluation it was possible to discuss, analyze and identify the potential use of AdaptMLearning architecture and their algorithms in a real situation for developing a learning environment or its aggregation to an existing environment.

Neste trabalho foi realizada uma proposta de utilização de Sistemas de Inferência Nebulosos para controlar, em tempo de execução, parâmetros de Algoritmos Genéticos. Esta utilização busca melhorar o desempenho de Algoritmos Genéticos diminuindo, ao mesmo tempo: a média de iterações necessárias para que um Algoritmo Genético encontre o valor ótimo global procurado; bem como diminuindo o número de execuções do mesmo que não são capazes de encontrar o valor ótimo global procurado, nem mesmo para quantidades elevadas de iterações. Para isso, foram analisados os resultados de diversos experimentos com Algoritmos Genéticos, resolvendo instâncias dos problemas de Minimização de Funções e do Caixeiro Viajante, sob diferentes configurações de parâmetros. Com base nos resultados obtidos a partir destes experimentos, foi proposto um modelo com a troca de valores de parâmetros de Algoritmos Genéticos, em tempo de execução, pela utilização de Sistemas de Inferência Nebulosos, de forma a melhorar o desempenho do sistema, minimizando ambas as medidas citadas anteriormente. / This work addressed a proposal of the application of Fuzzy Systems to adjust parameters of Genetic Algorithms, during execution time. This application attempts to improve the performance of Genetic Algorithms by diminishing, at the same time: the average number of necessary generations for a Genetic Algorithm to find the desired global optimum value, as well as diminishing the number of executions of a Genetic Algorithm that are not capable of finding the desired global optimum value even for high numbers of generations. For that purpose, the results of many experiments with Genetic Algorithms were analyzed; addressing instances of the Function Minimization and the Travelling Salesman problems, under different parameter configurations. With the results obtained from these experiments, a model was proposed, for the exchange of parameter values of Genetic Algorithms, in execution time, by using Fuzzy Systems, in order to improve the performance of the system, minimizing both of the measures previously cited.