Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/2365
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação
Title: Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional
metadata.dc.creator: DUARTE, Renan Lobo
metadata.dc.contributor.advisor1: SARAIVA, Filipe de Oliveira
Issue Date: 11-Jul-2019
Citation: DUARTE, Renan Lobo. Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional. Orientador: Filipe de Oliveira Saraiva. 2019. 55 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/2365. Acesso em:.
metadata.dc.description.resumo: Os algoritmos genéticos são técnicas da inteligência artificial utilizados para problemas de otimização baseando-se na teoria da seleção natural darwiniana. A eficácia desse algoritmo é mais notória em se tratando de problemas NP-difíceis como o Problema de Cobertura de Conjunto (SCP) e o Problema Multidimensional da Mochila (PMM). Operadores de cruzamento são uma das etapas dos algoritmos genéticos que tem importância fundamental na realização da busca por soluções no espaço de busca. Avaliar, portanto, os métodos de cruzamento é de suma importância, devido a sua capacidade de formar indivíduos, podendo melhorá-los ou piorá-los. Ao final deste trabalho, pode-se dizer qual o método de cruzamento se sobressai e para qual tipo de problema.
Abstract: Genetic algorithms are artificial intelligence techniques used for optimisation problems based on the theory of Darwinian natural selection. The effectiveness of this algorithm is more noticeable in the case of NP-hard problems such as the Set Covering Problem (SCP) and the Multidimensional Knapsack Problem (MKP). Crossover operators are the steps of the genetic algorithms that have fundamental importance in searching solutions in the search space. Evaluating, therefore, crossover methods is most important because of their ability to form individuals, which can improve or worsen them. At the end of this work, It can be said which crossover method fits better in and for which type of problem.
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Keywords: Algoritmo genético
Otimização
Cruzamento
metadata.dc.rights: Acesso Aberto
Appears in Collections:Faculdade de Computação - FC/ICEN

Files in This Item:
File Description SizeFormat 
TCC_ComparacaoOperadoresCruzamentos.pdf771,23 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons