Faculdade de Computação - FACOMP/ICEN
URI Permanente para esta coleção
Navegar
Navegando Faculdade de Computação - FACOMP/ICEN por Assunto "Algoritmos genéticos"
Agora exibindo 1 - 3 de 3
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Análise comparativa entre novos operadores genéticos incluídos no Framework Evolutionary Algorithms(2019) BARRETO, Adriano Silva; SOUSA, Thales Silva de; MELO, George Tassiano de; SALES JUNIOR, Claudomiro de Souza de; http://lattes.cnpq.br/4742268936279649Novos operadores para Algoritmos Genéticos estão sendo propostos diariamente pela comunidade acadêmica, para melhorar o desempenho dessa técnica. É necessário conhecer o desempenho dos mesmos afim de fazer bom uso dessas melhorias e conhecer suas limitação e pontos fortes. Este trabalho trata-se de uma análise comparativa sobre variantes de algoritmos genéticos que foram criados e implementados pela comunidade acadêmica. O objetivo desse estudo é realizar comparações entre as variantes de operadores genéticos para identificar as diferenças existentes de desempenho oferecido por eles. Os operadores genéticos que foram pesquisados neste trabalho são: o operador transgênico, o operador de diversidade de parasitas e o operador imune adaptativo baseado na entropia da informação. Tais operadores foram implementados e avaliados através de testes com funções multimodais. Uma análise foi feita entre os algoritmos genéticos com o objetivo de avaliar, se o algoritmo encontra a solução e a garantia de convergência. Algumas métricas que foram avaliadas nos operadores foram, a robustez para otimizar a função com uma dada tolerância de erro e uma análise de convergência. Foi considerado neste trabalho que a solução é encontrada de acordo com várias precisões definidas, sendo quando o erro é menor ou igual a 10−3, 10−2 e 10−1. Após os testes, a análise de desempenho feita entre os operadores implementados, mostrou que todos os operadores obtiveram bons resultados para as funções com uma convergência boa e o operador que obteve os melhores resultados foi o operador imune adaptativo.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Paralelização de algoritmo genético com operador não convencional(2018) CRISPINO, Gabriel Nunes; SANTOS FILHO, Reginaldo Cordeiro dos; http://lattes.cnpq.br/9157422386900321; SALES JUNIOR, Claudomiro de Souza de; http://lattes.cnpq.br/4742268936279649Algoritmos genéticos paralelos se aproveitam de execução concorrente para obter melhores resultados e um melhor aproveitamento do hardware da máquina. Geralmente são utilizadas diversas subpopulações que evoluem concorrentemente e que se comunicam através de uma política de migração definida, a fim de alcançar uma melhor exploração do espaço de busca. Existem também os operadores genéticos não convencionais, que se inspiram no funcionamento de alguns organismos, como vírus e bactérias, para alterar a arquitetura do algoritmo genético. É comum que esses operadores utilizem populações auxiliares contendo indivíduos especiais para obter maior variabilidade genética. Este trabalho propõe uma implementação de um algoritmo genético paralelo que se utiliza do operador genético não convencional de recombinação por transformação bacteriana, com o objetivo de comparar o seu desempenho tanto com algoritmos genéticos sequenciais que utilizam esse mesmo operador quanto com versões paralelas que utilizam operadores convencionais. Os resultados mostraram que a implementação apresentada em geral trouxe uma maior velocidade de convergência, maior robustez e precisão, se comparada a outras implementações utilizadas.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) O uso de aceleradores gráficos aplicados ao modelo XcalableMP para a paralelização de algoritmos genéticos(2017-03-09) PAZ, Geovani Oliveira Cabral da; ARAÚJO, Josivaldo de Souza; http://lattes.cnpq.br/8158963767870649Este trabalho tem como objetivo apresentar e avaliar uma estrutura de computação de clusters de aceleradores gráficos utilizando uma proposta de modelo de programação em memória distribuída, o XcalableMP. A programação paralela em memória distribuida geralmente, tira proveito, da divisão do trabalho de computação entre as CPUs do sistema, usando mecanismos de troca de mensagens como o MPI, porém desde o surgimento e eventual crescimento da computação em GPU novas possibilidades surgiram, também, no sentido de organizar máquinas distribuídas, equipadas com GPUs em ambientes de computação paralela, visando assim obter vantagens de um sistema híbrido composto por CPUs e GPUs, principalmente no significativo ganho de desempenho computacional. Assim, o presente trabalho utiliza uma arquitetura de cluster de aceleradores gráficos com objetivo de obter ganhos computacionais na solução de funções de algoritmos genéticos. O modelo XcalableMP foi usado como o gerenciador de processos em memória distribuída e o OpenACC como modelo de programação em GPU, formando assim, toda a estrutura de habilitação de programação híbrida. Os algoritmos genéticos foram executados e testados, destancando com isso, o ganho de desempenho computacional na execução das funções fitness, comparando-se as execuções sequenciais em CPU e execuções utilizando uma e duas GPUs.