Return to search

ANÁLISE DO DESEMPENHO DE MÉTODOS DE INTELIGÊNCIA ARTIFICIAL BASEADOS NO COMPORTAMENTO DAS PLANTAS / Methods performance analysis of artificial intelligence based on the plants behavior

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.

Identiferoai:union.ndltd.org:IBICT/oai:tede2:tede/1252
Date20 February 2017
CreatorsAZEVEDO, Marília Marta Gomes Orquiza de
ContributorsPAUCAR, Vicente Leonardo
PublisherUniversidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, Brasil, DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.002 seconds