Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/1334
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação
Title: Análise comparativa entre novos operadores genéticos incluídos no Framework Evolutionary Algorithms
metadata.dc.creator: BARRETO, Adriano Silva
SOUSA, Thales Silva de
metadata.dc.contributor.advisor1: SALES JUNIOR, Claudomiro de Souza de
metadata.dc.contributor.advisor-co1: MELO, George Tassiano de
Issue Date: 2019
Citation: BARRETO, Adriano Silva; SOUSA, Thales Silva de. Análise comparativa entre novos operadores genéticos incluídos no Framework Evolutionary Algorithms. Orientador: Claudomiro de Souza de Sales Junior. 2019. 76 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Faculdade de Computação, Instituto de Ciências Exatas e Naturais, Universidade Federal do Pará, Belém, 2019. Disponível em: http://bdm.ufpa.br/jspui/handle/prefix/1334. Acesso em:.
metadata.dc.description.resumo: Novos 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.
Abstract: New operators for Genetic Algorithms are being proposed daily by the academic community to improve the performance of this technique. It is necessary to know their performance in order to make good use of these improvements and to know their limitations and strengths. This work is a comparative analysis of variants of genetic algorithms that were created and implemented by the academic community. The purpose of this study is to perform comparisons between variants of genetic operators to identify the existing differences in performance offered by them. The genetic operators that were researched in this work are: the transgenic operator, the operator of parasite diversity and the adaptive immune operator based on information entropy. These operators were implemented and evaluated through tests with multimodal functions. An analysis was made among the genetic algorithms in order to evaluate if the algorithm finds the solution and the convergence guarantee. Some metrics that were evaluated in the operators were the robustness to optimize the function with a given error tolerance and a convergence analysis. It was considered in this work that the solution is found according to various defined precisions, where the error is less than or equal to 10−3, 10−2 and 10−1. After the tests, the performance analysis performed among the implemented operators showed that all the operators obtained good results for the functions with a good convergence and the operator that obtained the best results was the adaptive immune operator.
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::ENGENHARIA DE SOFTWARE
Keywords: Operadores genéticos variantes de algoritmo genético
Algoritmos genéticos
Computação evolucionária
metadata.dc.rights: Acesso Aberto
Appears in Collections:Faculdade de Computação - FC/ICEN

Files in This Item:
File Description SizeFormat 
TCC_AnaliseComparativaNovos.pdf2,58 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons