Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2014-12-16T20:28:04Z
No. of bitstreams: 2
Dissertação - Carlos Antônio Campos Jorge - 2014.pdf: 703425 bytes, checksum: 664e77c2f8e857788e0128256d76d4b7 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2014-12-22T10:40:49Z (GMT) No. of bitstreams: 2
Dissertação - Carlos Antônio Campos Jorge - 2014.pdf: 703425 bytes, checksum: 664e77c2f8e857788e0128256d76d4b7 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-12-22T10:40:49Z (GMT). No. of bitstreams: 2
Dissertação - Carlos Antônio Campos Jorge - 2014.pdf: 703425 bytes, checksum: 664e77c2f8e857788e0128256d76d4b7 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5)
Previous issue date: 2014-04-08 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This work proposes the use of a multi-objective evolutionary algorithm that makes use
of subsets stored in a data structure called table in which the best individuals from
each objective considered are preserved. This approach is compared in this work with
the traditional mono-objective evolutionary algorithm (GA), classical algorithms (PLS
and SPA) and another classic multi-objective algorithm (NSGA-II). As a case study, a
multivariate calibration problem is presented which involves the prediction of protein
concentration in samples of whole wheat from the spectrophotometric measurements.
The results showed that the proposed formulation has a smaller prediction error when
compared to the mono-objective formulation and with a lower number of variables.
Finally,astudyofnoisesensitivityobtainedbythemulti-objectiveformulationshoweda
better resultwhen compared tothe other classical algorithmforvariable selection. / Este trabalho propõe o uso de algoritmo multi-objetivo evolutivo que faz uso de subconjuntos
armazenados em uma estrutura de dados chamada tabela em que os melhores
indivíduos de cada objetivo são preservadas. Esta abordagem é comparada neste trabalho
com o algoritmo evolutivo tradicional mono-objetivo e outros algoritmos clássicos
(MONO-GA-MLR, PLS, APS-MLR) e com o algoritmo multi-objetivo clássico NSGAII-MLR.Comoestudodecaso,oproblemadecalibraçãomultivariadaenvolveaprevisão
daconcentraçãodeproteínasemamostrasdetrigoapartirdasmediçõesespectrofotométricas.
Os resultados mostraram que a formulação proposta seleciona um número menor
de variáveis e apresenta um erro de predição menor quando comparada com o algoritmo
evolutivo mono-objetivo. Quando comparado com os algoritmos clássicos PLS e APSMLR
e com o algoritmo multi-objetivo clássico NSGA-II-MLR, o algoritmo proposto
apresenta um erro de predição menor, porém com um número maior de variáveis selecionadas.
Finalmente, um estudo de sensibilidade à ruído foi realizado. A solução obtida
pela formulação proposta apresentou melhores resultados quando comparado com o algoritmo
mono-objetivo e NSGA-II-MLR e desempenho similar à solução obtida com o
SPA-MLR.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/3813 |
| Date | 08 April 2014 |
| Creators | Jorge, Carlos Antônio Campos |
| Contributors | Soares, Anderso da Silva, Soares, Anderson da Silva, Coelho, Clarimar José, Delbem, Alexandre Cláudio Botazzo |
| Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF), UFG, Brasil, Instituto de Informática - INF (RG) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
| Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
| Relation | -3303550325223384799, 600, 600, 600, 600, -7712266734633644768, 3671711205811204509, 2075167498588264571 |
Page generated in 0.0024 seconds