[pt] Sistemas Fuzzy-Genéticos compreendem uma área que une Sistemas
de Inferência Fuzzy e Meta-Heurísticas prevalentes nos conceitos de seleção
natural e recombinação genética. Esta é de grande interesse para a comunidade
científica, pois propicia a descoberta de conhecimento em áreas onde a
compreensão do fenômeno em estudo é exíguo, além de servir de apoio à
decisão para gestores público-privados. O objetivo desta dissertação é desenvolver
um novo Sistema Fuzzy-Genético Genérico, denominado Genetic Programming
Fuzzy Inference System (GPFIS). O principal aspecto do modelo
GPFIS são as componentes do seu processo de Inferência Fuzzy. Esta estrutura
é composta em sua base pela Programação Genética Multigênica
e pretende: (i ) possibilitar o uso de operadores de agregação, negação e
modificadores linguísticos de forma simplificada; (ii ) empregar heurísticas
de definição do consequente mais apropriado para uma parte antecedente;
e (iii ) usar um procedimento de defuzzificação, que induzido pela forma de
fuzzificação e sobre determinadas condições, pode proporcionar uma estimativa
mais acurada. Todas estas são contribuições que podem ser estendidas
a outros Sistemas Fuzzy-Genéticos. Para demonstrar o aspecto genérico, o
desempenho e a importância de cada componente para o modelo proposto,
são formuladas uma série de investigações empíricas. Cada investigação compreende
um tipo de problema: Classificação, Previsão, Regressão e Controle.
Para cada problema, a melhor configuração obtida durante as investigações
é usada no modelo GPFIS e os resultados são comparados com os de outros
Sistemas Fuzzy-Genéticos e modelos presentes na literatura. Por fim, para
cada problema é apresentada uma aplicação detalhada do modelo GPFIS
em um caso real. / [en] Genetic Fuzzy Systems constitute an area that brings together Fuzzy
Inference Systems and Meta-Heuristics that are often related to natural
selection and genetic recombination. This area attracts great interest from
the scientific community, due to the knowledge discovery capability in
situations where the comprehension of the phenomenon under analysis is
lacking. It can also provides support to decision makers. This dissertation
aims at developing a new Generic Genetic Fuzzy System, called Genetic
Programming Fuzzy Inference System (GPFIS). The main aspects of GPFIS
model are the components which are part of its Fuzzy Inference procedure.
This structure is basically composed of Multi-Gene Genetic Programming
and intends to: (i ) apply aggregation operators, negation and linguistic
hedges in a simple manner; (ii ) make use of heuristics to define the
consequent term most appropriate to the antecedent part; (iii ) employ a
defuzzification procedure that, driven by the fuzzification step and under
some assumptions, can provide a most accurate estimate. All these features
are contributions that can be extended to other Genetic Fuzzy Systems.
In order to demonstrate the general aspect of GPFIS, its performance
and the relevance of each of its components, several investigations have
been performed. They deal with Classification, Forecasting, Regression and
Control problems. By using the best configuration obtained for each of the
four problems, results are compared to other Genetic Fuzzy Systems and
models in the literature. Finally, applications of GPFIS actual cases in each
category is reported.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:26560 |
| Date | 08 June 2016 |
| Creators | ADRIANO SOARES KOSHIYAMA |
| Contributors | MARLEY MARIA BERNARDES REBUZZI VELLASCO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0027 seconds