Submitted by FERNANDA DA SILVA VON PORSTER (fdsvporster@univates.br) on 2017-06-22T17:29:50Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2016StephanieCristineHeppRehfeldt.pdf: 1376808 bytes, checksum: e08f7b650ff772d3630584abfa19f877 (MD5) / Approved for entry into archive by Ana Paula Lisboa Monteiro (monteiro@univates.br) on 2017-06-26T18:30:40Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2016StephanieCristineHeppRehfeldt.pdf: 1376808 bytes, checksum: e08f7b650ff772d3630584abfa19f877 (MD5) / Made available in DSpace on 2017-06-26T18:30:40Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2016StephanieCristineHeppRehfeldt.pdf: 1376808 bytes, checksum: e08f7b650ff772d3630584abfa19f877 (MD5) Previous issue date: 2017-06 / CAPES / Dentre os sistemas neurais responsáveis pela ingestão dos alimentos, destaca-se a via dopaminérgica mesolímbica que, por ação da dopamina (DA), impulsiona comportamentos gratificantes como a alimentação. Sendo assim, a obesidade pode estar intimamente relacionada à capacidade individual de liberação de DA, em resposta à ingestão de um alimento palatável de alta energia. Uma vez que os receptores de dopamina D2 e D4 integram o sistema de recompensa dopaminérgico e modulam respostas DA-dependentes, variantes nos genes DRD2, ANKK1 e DRD4 representam candidatos para estudos genéticos e podem implicar diretamente na predisposição dos indivíduos a ganharem de peso no futuro. Nesse sentido, esse trabalho teve por objetivo avaliar a associação dos polimorfismos rs2283265 do gene DRD2, rs1800497 do gene ANKK1, e o VNTR de 48pb no exon III do gene DRD4 com parâmetros antropométricos e bioquímicos em uma amostra de indivíduos adultos. Após assinar o TCLE, os participantes realizaram anamnese clínica e nutricional, avaliação antropométrica e coleta de sangue. Após a extração de DNA, os polimorfismos rs2283265 e rs1800497 foram genotipados pelo sistema de discriminação alélica TaqMan, em equipamento de PCR em Tempo Real (StepOnePlus®, Applied Biosystems), de acordo com os protocolos do fabricante. Já o VNTR de 48pb no exon III do gene DRD4 foi genotipado por PCR convencional conforme protocolo descrito anteriormente por Lichter et al. (1993). Dentre os 601 participantes incluídos no presente estudo, a média de idade observada foi de 25,4 anos, sendo 74,2% da amostra pertencente ao sexo feminino. Evidenciou-se uma associação significativa entre índices de gordura corporal e o alelo de risco 7R, do polimorfismo localizado no gene DRD4, bem como entre consumo diário de carboidratos e os alelos de risco dos polimorfismos rs2283265 e rs1800497, localizados nos genes DRD2 e ANKK1, respectivamente, corroborando com a literatura existente. Além disso, os resultados encontrados indicam uma possível associação entre os níveis elevados de HDL e polimorfismos e haplótipos de risco no sistema dopaminérgico. Uma vez que não há uma hipótese biológica clara que justifique tais achados, são necessários mais estudos para comprovar o efeito desses polimorfismos.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2018. / Técnicas de projeto de circuitos digitais atualmente se baseiam principalmente em métodos top-down, que utilizam um conjunto de regras e restrições para auxiliar a construção do projeto. Por conta disso, ainda há um espaço desconhecido de soluções para vários problemas. Algoritmos genéticos, por outro lado, constroem soluções utilizando uma metodologia bottom-up, e provaram-se úteis para problemas de alta complexidade e de otimização. Este trabalho propõe uma nova abordagem para o projeto de circuitos sequenciais utilizando algoritmos genéticos para explorar soluções fora do espaço alcançado atualmente pelo estado da arte. Trabalhos recentes têm um foco grande em evoluir apenas a parte combinacional dos circuitos sequenciais, ou seja, suas funções de transição e saída. Neste projeto, armazenamento e funcionalidade são ambos levados em conta, permitindo que a evolução use dos dois para alcançar seu objetivo. Os experimentos realizados nos circuitos básicos assíncronos, em ordem crescente de complexidade, latches SR, D, XOR, JK, D multiplexada, de duas portas e BILBO, e também nos circuitos síncronos flipflop D e paridade-2, mostram que é possível encontrar soluções inovadoras, algumas com características como melhor utilização de espaço, para esses tipos de circuito. / Current digital circuit design techniques are based on top-down methods, which depend on a set of rules and restrictions made to help the design process. Because of that, there is still an unknown space of solutions for many problems. Genetic algorithms, on the other hand, build solutions by using a bottom-up methodology and have proven themselves useful for high complexity and optimization problems. This work proposes a new approach to the design of sequential circuits by using genetic algorithms to explore solutions outside the design space currently reached by the state of the art. Recent works focus mainly on evolving the combinational part of a sequential circuit, that is, its transition and output functions. In this project, both the mechanism used for storing and its functionality are taken into account, allowing the genetic algorithm to manipulate both in its search. The experiments done on the basic asynchronous circuits, in increasing complexity, SR, D, XOR, JK, multiplexed D, two port and BILBO latches, and on the synchronous circuits D flip-flop and 2 bit parity circuits show that it is possible to find novel solutions, some with improvements such as better space usage, for these kinds of circuits.

Made available in DSpace on 2019-03-29T23:12:30Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-07-21 / The GA-patrol it is a framework with an approach based in evolutionary computation that aims tunning the parameters of a combined model of multiagent simulation to an allocation problem. In particular, the work is concentrated in the study of an multiagent model of simulation applied the area public security to elaborate in automatic way the planning of routes of patrolling in an environment of simulation of occurrence of crimes of a region. KEYWORDS: Police patrol; Genetic Algorithm; Multi-agent simulation; swarm networks; Simulation; Automatic route allocation; Automatic hot spot detection. / O GAPatrol é um framework com uma abordagem baseada em Computação Evolutiva que visa calibrar os parâmetros de um modelo de simulação multiagente combinado a um problema de alocação em particular. O trabalho concentra-se no estudo de um modelo de simulação multiagente aplicado à área de segurança pública para elaborar, de maneira automática, o planejamento de rotas de patrulhamento em um ambiente de simulação de ocorrência de crimes em uma região. PALAVRAS-CHAVE: Patrulhamento policial preventivo. Algoritmo Genético. Simulação multiagente. Inteligência coletiva. Simulação. Alocação automática de rotas. Detecção automática de pontos quentes.

Made available in DSpace on 2019-03-29T23:12:57Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-09-30 / To understand the behavior of criminal events and how they are distributed is important information for planning urban police. The identification of the main aspects that influence criminal occurrence allows for better use and distribution of police resources. However, the evaluation of this problem is complex because it involves many variables. This dissertation deals with this issue proposing the use of a simulation model of criminal behavior, in which were inserted the characteristics that are necessary for crime simulation in a region. At the end of the simulation, we can consider the spatial and temporal distribution of crimes generated by the simulator to be similar to the real distribution of crimes occurred in a region. The model was built based on multiagent systems, where each agent is responsible for representing persons and objects that are placed in an environment that is shared by all. The behavior of agents that are part of this model follows a bio-inspired model and is based on a swarm intelligence algorithm. To evaluate the model, comparative analysis were performed with the crime distributions generated by the criminal model and the real distribution of crimes occurred. In order to perform this analysis, a characterization of criminal data of the city of Fortaleza was performed and this data was very important to validate this research. Keywords: Multiagent Simulation, Crime Model, Swarm Intelligence, Genetic Algorithms and Artificial Intelligence. / Entender o comportamento dos eventos criminais e como eles estão distribuídos é uma importante informação para o planejamento do policiamento urbano. A identificação dos principais aspectos que influenciam a ocorrência de crimes permite uma melhor utilização e distribuição dos recursos policiais. Contudo, este é um problema complexo de ser avaliado, pois envolve diversas variáveis. Este trabalho aborda esta questão propondo o emprego de um modelo de simulação criminal, no qual foram inseridas as características necessárias para a simulação dos crimes em uma região e ao final da simulação poderemos considerar a distribuição espacial e temporal dos crimes gerada pelo simulador como similar à distribuição real dos crimes ocorridos na região. O modelo foi construído utilizando uma arquitetura de sistemas multiagentes, onde cada agente é responsável por representar um indivíduo no ambiente que é compartilhado por todos. O comportamento dos agentes que fazem parte desse modelo segue um modelo bio-inspirado, baseado em no algoritmo de inteligência coletiva. Para avaliar o modelo, foram realizadas análises comparativas entre as distribuições dos crimes geradas pelo modelo criminal e a distribuição real de crimes ocorridos, para essa análise foi realizada uma caracterização dos dados criminais da cidade de Fortaleza, dados estes importantes para a validação dessa pesquisa. Palavras-chave: Simulação Multiagente, Modelo Criminal, Inteligência Coletiva, Algoritmo Genético e Inteligência Artificial

Made available in DSpace on 2019-03-29T23:16:04Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-08-21 / Real-world databases may contain several missing values, which may degrade the performance of data mining algorithms running over them, making it hard to analyze data. This problem is usually dealt with missing value imputation. The present work evaluates how imputation by numerical optimization using bio-inspired algorithms may affect the performance of classifiers induced over pre-processed data. Here, three techniques were conceived: imputation using genetic algorithm (GA), imputation using particle swarm optimization (PSO), and imputation using cooperative co-evolution. In order to analyze the proposed techniques, six different datasets from the UCI Machine Learning Repository and five well known classification algorithms were adopted. In this analysis, efficiency and efficacy criteria were taken into account. In order to compare the results obtained, two traditional missing value imputation techniques were used, namely, imputation using mean or mode, and imputation using the KNN algorithm. The study shows that all the imputation techniques considered could increase the performance of the resulting classifiers. The obtained results do not point out an optimal method, adequate to all situations. The experiments, however, showed that, in general, the techniques that use bio-inspired algorithms were the most effective, while traditional techniques entailed better computational performance. It should also be observed that the heuristic techniques PSO and cooperative co-evolution, still not much explored in the context of data preprocessing, could have prevailed in several experiments. Keywords: Data mining, Data preparation, Missing value imputation, Metaheuristics, Genetic algorithms, Particle swarm optimization, Cooperative co-evolution. / Diversas bases de dados reais se caracterizam pela ausência marcante de determinados valores de seus atributos. Esses dados ausentes podem vir a degradar sobremaneira o desempenho de algoritmos de mineração de dados, dificultando a análise resultante. Uma maneira comum de tratar esse problema é via imputação, ou seja, estimação dos valores faltantes a partir de outros existentes na base. Este trabalho avalia como uma abordagem de imputação por otimização numérica utilizando algoritmos bio-inspirados pode vir a aprimorar o desempenho de classificadores induzidos sobre as bases pré-processadas. Três técnicas foram empregadas segundo esta abordagem: imputação utilizando algoritmo genético (GA), imputação utilizando otimização por enxame de partículas (PSO) e imputação utilizando co-evolução cooperativa. Com o intuito de analisar as técnicas propostas, em termos de eficiência e eficácia, seis bases de dados do repositório UCI e cinco populares algoritmos de classificação foram adotados. Para efeito de comparação, foram empregadas ainda outras duas técnicas tradicionais de imputação: a imputação pela média ou moda e a imputação fazendo uso do algoritmo KNN. O estudo mostra que todas as técnicas de imputação consideradas são capazes de elevar o desempenho dos classificadores. Os resultados obtidos não apontam para um método ótimo para todas as situações. Contudo, os experimentos sugerem que, em geral, as técnicas que fazem uso de algoritmos bio-inspirados são as mais eficazes ao passo que as técnicas tradicionais são as de melhor desempenho computacional. Observa-se também que os algoritmos co-evolução cooperativa e PSO, ainda não muito explorados no contexto de pré-processamento de dados, sobressaíram-se em diversos experimentos realizados. Palavras-Chave: Mineração de dados, Pré-processamento de dados, Imputação de valores faltantes, Metaheurísticas, Algoritmos genéticos, Otimização por enxame de partículas, Co-evolução cooperativa.

Made available in DSpace on 2019-03-29T23:22:38Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-12-28 / Wireless sensor networks (WSNs) are very usefull in a wide range of applications. However, the sensor nodes that composes these WSNs are very limited devices. Their batteries cannot supply energy for a lifetime as long as desired. In a particular scenario, the areas where these devices are deployed are inaccessible so these batteries replacements are unfeasible. In this situation the energy consumption plays a very important role and must be well optimized. Recent literature presented an integer programming model for optimizing this energy consumption. The Generate and Solve is a new hybrid methodology. The integrative collaboration of Genetic Algorithms and Linear Integer Programming merged their strong points and offered excellent results on cutting and packing problem domains. However, its original implementation had some problems which limits the results, one of them is the density explosion. This methodology has been adapted and enhanced to fix these problems and extend the capacity of this model to larger problem instances. Thus, the WSN lifetime can be much longer than before. Comparing the results against literature, the WSN lifetime planned by Generate and Solve is 150% longer and it is capable of handling problem instances with a number of sensor nodes 125% larger. Keywords: Wireless sensor networks, Optimization, Hybridization, Genetic Algorithms, Linear Integer Programming. / Redes de sensores sem fios (RSSF) são muito úteis em uma ampla gama de aplicações. Entretanto, os nós sensores que compõem essas RSSF's são dispositivos muito limitados. Suas baterias não podem suprir a energia de uma vida útil tão longa quanto desejada. Em um cenário particular, as áreas nas quais estes dispositivos são instalados são inacessíveis, logo, as trocas dessas baterias são inviáveis. Nesta situação, o consumo de energia tem um papel muito importante e deve ser bem otimizado. Uma literatura recente apresentou um modelo de programação inteira para otimizar este consumo de energia. A Gerar e Resolver é uma nova metodologia híbrida. A colaboração integrativa entre algoritmos genéticos e programação linera inteira fundiu os seus pontos fortes e ofereceu exelentes resultados em domínios de cortes e empacotamento. Entretanto, sua implementação original teve alguns problemas os quais limitam os resultados, um deles é a explosão da densidade. Esta metodologia foi adaptada e melhorada para corrigir esses problemas e extender a capacidade deste modelo para instancias de problemas maiores. Desta forma, a vida útil da RSSF pode ser bem maior que anteriormente. Comparando os resultados com a literatura, o tempo de vida da RSSF planejada pela Gerar e Resolver é 150% mais longa e ela é capaz de lidar com instâncias de problemas com um número de nós sensores 125% maior. Palavras-chave: Redes de sensores sem fios, Otimização, Hibridização, Algorítmos Genéticos, Programação Linear Inteira.

Made available in DSpace on 2019-03-29T23:33:04Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-07-27 / The selection of components in ensembles of classifiers is a very common activity in the field of Machine Learning with several studies showing its effectiveness in obtaining significant gains in accuracy. However, the most studied classification task involves mutually exclusive labels (classes). The objective of this work is to present a study on the selection of components in ensembles of multi-label classifiers, whereby an instance can become associated with more than one label. Two search approaches for the component selection were used, one based on Genetic Algorithms and the other based on Hill Climbing. Conversely, two types of evaluation measures were adopted for ensemble selection: one based on multilabel accuracy measures and the other based on well known diversity measures for ensembles, which were modified to handle the multilabel case. Another selection approach was also conceived to assign different ensembles to different labels of the labelset. Specifically for generating the RAkEL components, 10 well known learning algorithms for inducing one-label classifiers were used, namely, Naïve Bayes, RBF Neural Networks, Support Vector Machines, J48, REP Tree, IBk, Decision Stump, OneR, PART, and Decision Table. A systematic empirical study was conducted on seven publicly available datasets, involving two ensemble models, each making use of one of the well known multi-label classifiers RAkEL and ML-RBF. In general, the results achieved show that the ensembles produced via ensemble selection can yield better results than the full ensembles and some of their components. The ensemble selection type based on multilabel accuracy measures performed usually better than the other based on diversity measures. Finally, among the search procedures for conducting the selection, none has prevailed over the other. Keywords: Machine Learning, Multi-label Classification, Ensembles, Ensemble Selection, Diversity Measures, Genetic Algorithms, Hill Climbing. / A seleção de componentes em ensembles de classificadores é uma atividade muito comum no campo de Aprendizado de Máquina, com vários estudos comprovando sua efetividade em obter maiores ganhos de acuidade. Contudo, a tarefa de classificação mais investigada é a de rótulos, ou classes, mutuamente exclusivos. Nesse contexto, o objetivo deste trabalho é apresentar um estudo sobre a seleção de componentes em ensembles de classificadores multirrótulo, em que uma instância (padrão, exemplo) pode ser associada a mais de um rótulo. Os procedimentos de seleção investigados utilizaram a abordagem evolucionária dos Algoritmos Genéticos e o método de busca gulosa Subida da Encosta. Dois tipos de medidas de avaliação foram adotados para a seleção dos componentes: enquanto o primeiro tipo inclui métricas de acuidade já propostas para o caso multirrótulo, o segundo envolve medidas bem conhecidas de diversidade em ensembles, as quais sofreram modificações para tratar problemas de classificação multirrótulo. Foi analisada também uma abordagem de seleção de componentes que atribui distintos ensembles para distintos rótulos do problema. Um estudo empírico sistemático foi conduzido com base em sete conjuntos de dados disponíveis publicamente e envolvendo dois arranjos de ensembles, cada um fazendo uso de um dos conhecidos classificadores multirrótulo RAkEL e ML-RBF. Especificamente para gerar os componentes do RAkEL, foram escolhidos 10 algoritmos conhecidos de indução de classificadores único-rótulo, quais sejam, Naïve Bayes, Redes Neurais RBF, Máquinas de Vetores-Suporte, J48, REP Tree, IBk, Decision Stump, OneR, PART e Decision Table. Em geral, os resultados experimentais obtidos evidenciam que as diferentes abordagens de seleção de componentes podem melhorar o desempenho do novo ensemble em relação ao ensemble original e a alguns dos módulos-componentes. Dos tipos de seleção adotados, aquele que utilizou as métricas de acuidade geralmente apresentou os melhores resultados. Por outro lado, dos procedimentos de busca para a seleção, não houve um que obtivesse maior destaque que o outro. Palavras-chave: Aprendizado de Máquina, Classificação Multirrótulo, Ensembles, Seleção de Componentes, Medida de Diversidade, Algoritmos Genéticos, Subida da Encosta.

Made available in DSpace on 2019-03-29T23:32:55Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-08-30 / The aim of this study is to establish a parallel between four bioinspired metaheuristic algorithms (namely, Genetic Algorithm, Differential Evolution, Particle Swarm Optimization, and Harmony Search), testing them with continuous optimization benchmark functions and assessing them based on data collected about the quality of the solutions they generate and based on the way they explore the search space. Novel techniques are proposed to collect data about the modus operandi of the algorithms using Voronoi Diagrams and through a division of the search space in bi-dimensional regions using Self-Organizing Maps. The use of these maps as a Visual Data Mining tool aims to process the resulting data and identify the available clusters. We wish to understand the influence of parameter calibration on the search behavior of the metaheuristic algorithms, as well as their sensitivity to dimension changes of the optimization functions they are solving. Furthermore, behavior profiles can be established and patterns can be defined, allowing us to analyze in detail the similarities/dissimilarities between the algorithms. All metaheuristics were implemented step-by-step to allow us to understand their inner workings, peculiarities, and also facilitate the tracking of their search behavior along their execution on the optimization problems. Keywords: Bioinspired Metaheuristics. Information Visualization. Visual Data Mining. Self-Organizing Maps. Kohonen Maps. Voronoi Diagrams. / Este trabalho tem por finalidade traçar um paralelo entre quatro algoritmos bio-inspirados de cunho meta-heurístico (a saber: Algoritmo Genético, Evolução Diferencial, Otimização por Enxame de Partículas e Busca Harmônica), testando-os em funções de benchmark de otimização contínua e avaliando-os com base em dados coletados sobre a qualidade das soluções geradas e sobre o modo de exploração do espaço de busca. São propostas aqui técnicas de coleta de informações sobre o modus operandi dos algoritmos que envolvem Diagramas de Voronoi e divisão do espaço de busca em regiões bidimensionais utilizando Mapas Auto-organizáveis. O uso desses mapas como ferramenta de Mineração Visual de Dados tem como objetivo avaliar os dados gerados e identificar os agrupamentos que foram formados. Procuramos entender a influência da alteração dos valores dos parâmetros das meta-heurísticas no seu comportamento ao longo do tempo, bem como a sua sensibilidade às mudanças de dimensão das funções de otimização que estão solucionando. Dessa forma, almeja-se traçar perfis de comportamento e definir a posteriori um padrão para possibilitar a análise mais detalhada das similaridades/dissimilaridades entre as abordagens. Todos os algoritmos utilizados foram implementados passo-a-passo a fim de entender as suas particularidades, esclarecer melhor seus mecanismos internos e facilitar o rastreamento do comportamento dos mesmos no ato da resolução dos problemas. Palavras-chave: Meta-heurísticas Bioinspiradas. Visualização da Informação. Mineração Visual de Dados. Mapas Auto-Organizáveis. Mapas de Kohonen. Diagramas de Voronoi.

Made available in DSpace on 2014-06-12T17:41:04Z (GMT). No. of bitstreams: 2 arquivo7291_1.pdf: 580173 bytes, checksum: bd3d8db14bddcd9da6a6fb0b872d8ef7 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / Neste trabalho, propõe-se uma metodologia de modelagem para problemas de roteirização de veículos baseada no Problema do Caixeiro Viajante. Mais especificadamente, busca-se tornar o Problema do Caixeiro Viajante com Coletas de Prêmios mais coerente com a realidade do contexto logístico, levando em conta a capacidade operacional da organização e restrições mercadológicas. Para tal, são introduzidos novos elementos como a confiabilidade do caixeiro e restrições de tempo para realizar o roteiro. O modelo consiste, então, em maximizar o lucro obtido através da coleta de prêmios e do custo associado ao roteiro, sujeito a restrições de tempo máximo e confiabilidade mínima aceita ao final do percurso. Esta nova abordagem é modelada e resolvida via Algoritmos Genéticos e é ilustrada através de um estudo de caso

Submitted by DANIELE FERNANDA ZULIAN (danizullian@gmail.com) on 2017-04-09T00:57:36Z No. of bitstreams: 1 Dissertação_Zulian.pdf: 2057371 bytes, checksum: 7e5c31c1b77ca9a02ec7d98c0e5335b9 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-04-17T16:19:50Z (GMT) No. of bitstreams: 1 zulian_df_me_ilha.pdf: 2057371 bytes, checksum: 7e5c31c1b77ca9a02ec7d98c0e5335b9 (MD5) / Made available in DSpace on 2017-04-17T16:19:50Z (GMT). No. of bitstreams: 1 zulian_df_me_ilha.pdf: 2057371 bytes, checksum: 7e5c31c1b77ca9a02ec7d98c0e5335b9 (MD5) Previous issue date: 2017-02-09 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Pinus caribaea var caribaea, é uma espécie de importância para regiões tropicais do Brasil, pouco exigente em solo e com boa produção de madeira. A proposta desse trabalho foi estimar a variabilidade genética em pomares de pinus caribaea var. caribaea e analisar qual melhor método de seleção. O estudo foi conduzido em dois Pomares de Sementes por Mudas de Pinus caribaea var. caribaea, o primeiro com 76 progênies e 4 testemunhas (área 1) e o segundo com 99 progênies e uma testemunha (área 2), ambos de polinização aberta. Foram avaliados os caracteres quantitativos: altura total de plantas (m); diâmetro à altura do peito - DAP (cm) e calculado o volume (m³/arv-1). A análise de deviance e as estimativas dos parâmetros genéticos foram realizadas pelo procedimento REML/BLUP. Foram propostas oitenta estratégias de seleção: quatro métodos e dez intensidades de seleção para a área 1 e quatro métodos e dez intensidades para a área 2 com base nos valores de BLUP’s individuais. Para determinar a intensidade de seleção que maximiza tanto o Ganho de seleção (GS) quanto a diversidade genética (D), foi utilizado os valores de GS e D usando uma escala relativa de 0,0 – 0,1. Equações quadráticas foram utilizadas para estimar as linhas de regressão a partir dos pontos de dados, e determinar o ponto de intersecção das linhas, o qual foi considerado como o número ideal de indivíduos para cada método de seleção nas duas áreas. Os efeitos de progênies não foram significativos para nenhum dos caracteres. Variação significativa foi observada somente entre plantas dentro de parcelas para altura na área 1 e todos caracteres na área 2. As maiores estimativas de variação genética e herdabilidade foram obtidas para a área 1. Sem a otimização da seleção, o maior ganho obtido (4,8%) foi na seleção entre e dentro com uma intensidade de seleção de 52%, para a área 1. Na área 2 o maior ganho (2,86%) foi na seleção individual, porém ambas apresentaram a menor diversidade genética, a área 1 com 0,08 e área 2 com 0,07. Em ambas as áreas, foi possível otimizar ganho de seleção e a diversidade genética em apenas três métodos de seleção. Concluímos que existe baixa variabilidade genética nos Pomares de Sementes por Mudas de Pinus caribaea var caribaea a ser explorada. O método de seleção que maximiza o ganho e a diversidade genética para a área 1 foi a seleção entre e dentro de progênies na intensidade de seleção de 30%. E para a área 2 é o método de seleção individual com uma intensidade de seleção de 8,1%. Recomenda-se a infusão de novos materiais genéticos para prosseguir com um programa de melhoramento florestal, visto que foi encontrado baixa variabilidade e baixos ganhos na seleção de Pinus caribaea var. caribaea. / Pinus caribaea var. caribaea, is a species of particular importance for tropical regions of Brazil. It is not very demanding on soil and is a good wood for production and manufacturing. The proposal of this work was to estimate the genetic variability in orchards of P. caribaea var. caribaea and to analyze the best methods of selection. This study was conducted in two Seed Orchards of P. caribaea var. caribaea. The first (area 1) consisted of 76 progenies and 4 controls and the second (area 2) was comprised of 99 progenies and one control. Both test orchards were open pollinated. Quantitative traits were evaluated: total plant height (m); Diameter at breast height - DAP (cm) and calculated volume (m³ / arv-1). Deviance analysis and estimates of genetic parameters were performed using the REML / BLUP procedure. Eighty selection strategies were proposed; four methods and ten selection intensities for area 1 and four methods and ten intensities for area 2 each based on individual BLUP values. To determine the selection intensity that maximizes both the Gain (GS) and the genetic diversity (D), GS and D values were analyzed using a relative scale of 0.0 - 0.1. Quadratic equations were analyzed to estimate the regression lines from the data points. Additionally, applying the same SigmaPlot computational methods, we were able to determine the point of intersection of the lines, which were considered as the ideal number of individuals for each selection method in the two respective areas. Progeny effects were not significant for any of the traits. Significant variation was observed only between plants within the plots for height in area 1 and all traits in area 2. The highest estimates of genetic variation and heritability were obtained for area 1. Without selection optimization, the highest gain (4.8%) was in the selection between and within with a selection intensity of 52%, for area 1. In area 2 the highest gain (2.86%) was in individual selection. But both each area showed low genetic diversity, area 1 with 0.08 and area 2 with 0.07. In both areas, it was possible to optimize selection gain and genetic diversity utilizing only three selection methods. The selection method that maximized gain and genetic diversity for area 1 was the selection between and within progenies at the selection intensity of 30%. And for area 2 is the individual selection method with a selection intensity of 8.1%. It is recommended the infusion of new genetic material to proceed with a forest improvement program, since it was found to have low variability and low gains in the selection of Pinus caribaea var. caribaea. We concluded low genetic variability exists in seed orchards by seedlings of Pinus caribaea var. caribaea; thereby identifying the need for further exploration.