A Otimização Colônia de Formigas

Tamanho: px
Começar a partir da página:

Download "A Otimização Colônia de Formigas"

Transcrição

1 A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008

2 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado ao PQA Melhoramentos e Variantes

3 O que é Otimização por Colônia de Formigas Otimização colônia de formigas é uma metaheurística baseada em população e inspirada no comportamento forrageiro das formigas.

4 A Inspiração Biológica Muitas espécies de formigas são quase cegas. A comunicação entre as formigas é realizada através de uma substância química denominada de feromônio. Em algumas espécies, o feromônio é usado para criar caminhos (trilhas de formigas).

5 A Inspiração Biológica

6 A Inspiração Biológica

7 A Inspiração Biológica

8 A Inspiração Biológica Ao caminhar, as formigas depositam no chão o feromônio, formando, deste modo, uma trilha de feromônios. As formigas sentem o cheiro do feromônio, e quando elas têm que escolher um caminho, escolhem, com maior probabilidade, o caminho com maior quantidade de feromônio (cheiro mais forte). A trilha ajuda a formiga a achar o caminho de volta e as outras formigas a encontrar a fonte de alimentos.

9 O Experimento da Ponte Binária Experimento realizado por Deneubourg et al., 1990, para estudar o comportamento forrageiro das formigas.

10 O Experimento da Ponte Binária No inicio: As formigas são deixadas livres para escolher o caminho. Não há feromônio ainda.

11 O Experimento da Ponte Binária As formigas convergem para um dos caminhos com igual probabilidade. Devido a flutuações aleatórias, uma das pontes terá mais feromônio e atrairá as formigas com maior probabilidade. No Fim: ou

12 O Experimento da Ponte Binária Usando pontes de tamanhos diferentes, as formigas convergem para a ponte mais curta. Uma formiga percorre ida e volta a ponte curta no mesmo tempo que outra formiga realiza apenas o percurso de ida na ponte longa. Logo, será depositado mais feromônio na ponte curta do que na longa. Isto atrairá formigas para ponte curta.

13 Formigas Artificiais Formigas artificiais são heurísticas construtivas. Elas constroem soluções de forma probabilística utilizando duas informações: 1. A trilha de feromônio (artificial) que muda dinamicamente durante a execução do programa de modo a refletir a experiência já adquirida durante a busca. 2. A informação heurística especifica do problema a ser resolvido.

14 O Ant System Aplicado ao PCV O Ant System é o primeiro algoritmo que surgiu inspirado em Colônia de formigas. Matriz Distância do PCV ,0 1,0 2,2 2,0 4,1 2 1,0 0,0 1,4 2,2 4,0 3 2,2 1,4 0,0 2,2 3,2 4 2,0 2,2 2,2 0,0 2,2 5 4,1 4,0 3,2 2,2 0,0 cidades do PCV

15 Exemplo com o PCV Cada formiga irá construir uma solução movendo-se de uma cidade para outra. No ínicio, cada formiga é colocada em uma cidade diferente (ou colocada aleatoriamente).

16 A Construção da Solução pela Formiga Começando de uma cidade i, a formiga move-se escolhendo probabilisticamente a cidade vizinha j (entre os vizinhos factíveis).

17 Probabilidade de Transição A probabilidade da formiga k que está na cidade i de escolher a cidade j é dada pela regra: p k ij = (τ ij ) α (η ij ) β l N k i (τ il ) α (η il ) β, se j N k i, onde: τ ij é feromônio associado a aresta (i, j); α e β são parâmetros para determinar a influência do feromônio e da informação heurística; Ni k é a vizinhança factível da formiga k (i.e., o conjunto das cidades ainda não visitadas pela formiga k).

18 A Informação Heurística do PCV Associada a aresta (i, j) existe um valor heurístico η ij dado por η ij = 1 d ij que representa a atratividade da formiga visitar a cidade i depois de visitar a cidade j. O valor η ij é inversamente proporcional a distância d ij entre as cidades i e j.

19 Passo 1 Candidatos / prob. solução formiga de transição parcial 1 2(45%), 3(21%), 4(23%), 5(11%) (41%), 3(30%), 4(19%), 5(10%) (23%), 2(37%), 4(23%), 5(16%) (27%), 2(24%), 3(24%), 5(24%) (19%), 2(20%), 3(25%), 4(36%) 5-2 A escolha do candidato é de acordo com a probabilidade de transição. É feita de forma similar ao algoritmo da roleta dos algoritmos genéticos.

20 Passo 2 Candidatos / prob. solução formiga de transição parcial 1 3(50%), 4(32%), 5(18%) (38%), 4(42%), 5(20%) (35%), 2(32%), 5(32%) (30%), 2(31%), 3(39%) (46%), 3(33%), 4(21%) 5-2-1

21 Passo 3 Candidatos / prob. solução formiga de transição parcial 1 4(59%), 5(41%) (50%), 5(50%) (49%), 2(51%) (58%), 3(42%) (48%), 4(52%)

22 Passo 4 Candidatos / prob. solução formiga de transição parcial 1 4(100%) (100%) (100%) (100%) (100%)

23 Término da Primeira Iteração formiga solução comprimento (k) completa da viajem (L k ) , , , , ,4

24 O Pseudo-Código do Ant System Coloque cada formiga em uma cidade aleatória para t = 1 até número de iterações para k = 1 até m enquanto a formiga k não construir a viagem S k Selecione a próxima cidade pela regra p k ij fim enquanto Calcule a distância L k da viagem S k se L k < L então S = S k, L = L k fim se fim para Atualize os feromônios fim para retornar S

25 Atualização do Feromônio No feromônio τ ij associado a aresta (i, j) ocorre dois eventos: 1. A evaporação; Evita que o feromônio acumulado cresça indefinidamente; Permite esquecer pobres decisões do passado da busca. 2. O depósito de feromônio de todas as formigas que passaram sobre (i, j).

26 Atualização do Feromônio Depois que todas as formigas construíram suas viagens, o feromônio é atualizado. τ (k) ij é a quantidade de feromônio que a formiga k deposita sobre a aresta (i, j). É dado por: { τ (k) Q/Lk, se a aresta (i, j) pertence a viagem S ij = k. 0, caso contrário. onde Q é uma constante.

27 Atualização do Feromônio O feromônio τ ij associado a aresta (i, j) é atualizado pelo fórmula: m τ ij = (1 ρ)τ ij + τ (k) ij } {{ } k=1 evaporação } {{ } depósito onde 0 < ρ 1 é a taxa de evaporação de feromônio.

28 Exemplo de atualização do feromônio Atualização do feromônio na aresta (3, 5) Apenas as formigas 1, 2 e 5 depositam feromônio nesta aresta. Suponha Q = 1, 0. A contribuição de cada formiga: τ (1) 3,5 = 1/L 1 = 0, 102 τ (2) 3,5 = 1/L 2 = 0, 102 τ (5) 3,5 = 1/L 5 = 0, 081 k viagem L k , , , , ,4 Suponha ρ = 0, 5. τ 3,5 = (1 ρ)τ 3,5 + τ (1) (2) (5) 3,5 + τ 3,5 + τ 3,5 = (1 0, 5)1, 0 + 0, , , 081 = 0, 785

29 Critérios de Parada Número máximo de iterações; Estagnação.

30 Estagnação Estagnação é a situação na qual todas as formigas seguem sempre o mesmo percurso. A Estagnação é causado pelo excessivo crescimento de feromônio nas arestas de uma viagem subótima.

31 Estagnação Apesar da natureza estocástica do algoritmo, a forte concentração de feromônio nas arestas força a formiga a fazer sempre o mesmo percurso. Distribuição de feromônio no inicio da busca. Distribuição de feromônio após 100 iterações.

32 Problema Quadrático de Alocação fluxo A-C é o mais alto fluxos A-B e B-C são iguais. Possíveis soluções:

33 Exemplo de PQA Onde alocar os departamentos no terreno da Universidade? Matriz Fluxo F F = f ij = fluxo de pessoas entre i e j D = Matriz distância D

34 Cálculo do custo da alocação. Exemplo de PQA C(Π) = 4 i=1 4 f ij d πi π j j=1 onde Π = (3, 1, 4, 2). Então, C(Π) =f 1,2 d 3,1 + f 1,3 d 3,4 + f 1,4 d 2,3 + f 2,1 d 1,3 + f 2,3 d 1,4 + f 2,4 d 1,2 + f 3,1 d 4,3 + f 3,2 d 4,1 + f 3,4 d 4,2 + f 4,1 d 3,2 + f 4,2 d 2,1 + f 4,3 d 2,4 =1640 Nota: o PQA consiste em encontrar uma permutação Π que minimiza o custo.

35 Informação Heurística Esta informação heurística foi proposta por Dorigo et al., (1996). Distância Potencial D (soma das colunas de D) D = D = Fluxo potencial F (soma das colunas de F ) F = F =

36 Algoritmo Construtivo Guloso Parece ser bom alocar facilidade com alto fluxo potencial a localizações de baixa distância potencial. Exemplo F = [120, 110, 130, 80] T D = [6, 10, 12, 14] T i) atribua facilidade 3 a localização 1; ii) atribua facilidade 1 a localização 2; iii) atribua facilidade 2 a localização 3; iv) atribua facilidade 4 a localização 4.

37 Algoritmo Construtivo da Formiga Passo 1 A formiga k escolhe a próxima facilidade i de forma gulosa (i.e., pelo menor valor disponível no vetor de fluxo potencial F) Passo 2 A formiga k atribui uma localização j para a facilidade i de acordo com a probabilidade: p k ij = (τ ij ) α (η j ) β l N k i (τ il ) α (η il ) β, se j N k i. onde η j = 1/D j Passo 3 Se já construiu uma solução pare, caso contrário volte ao Passo 1.

38 Elitist Ant System (EAS) É o primeiro melhoramento no AS. Introduzido por Dorigo (1992); IDÉIA : fornecer um forte reforço adicional nas arestas pertencendo ao melhor percurso achado desde do inicio do algoritmo; Este percurso será denotado por T bs (do inglês best-so-far tour); É uma idéia similar a estratégia elitismo dos algoritmos evolucionários.

39 Elitist Ant System (EAS) Atualização do Feromônio: τ ij = (1 ρ)τ ij + onde τ (bs) ij τ (bs) ij = m k=1 é definido como: τ ij + e τ (bs) ij Q/L bs, se a aresta (i, j) pertence ao percurso T bs. 0, caso contrário. e e é um parâmetro definido pelo usuário.

40 Rank-Based Ant System (AS rank ) Introduzido por Bullnheimer et al (1999); Cada formiga deposita uma quantidade de feromônio que diminui de acordo com seu rank; Como no Elistist Ant System, a formiga que realiza o percurso best-so-far T bs também deposita feromônio.

41 Rank-Based Ant System (AS rank ) Atualização do Feromônio: w 1 τ ij = (1 ρ)τ ij + (w r) τ (r) ij r=1 onde r é o rank da formiga; + w τ (bs) ij Apenas as (w 1) formigas com melhor rank depositam feromônio; De acordo com Bullnheimer et al (1999), AS rank é levemente melhor que EAS e significativamente melhor que AS.

42 Ant Colony System (ACS) Introduzido por Dorigo & Gambardella, 1997; Através de elitismo, faz uso de mais intensificação do que o AS; Apenas a formiga best-so-far deposita feromônio; As formigas removem feromônio para aumentar a diversificação.

43 Ant Colony System (ACS) Regra Proporcional Pseudoaleatória: Com probabilidade q 0 Escolha a cidade j com o maior τ il (η il ) β, isto é: j = argmax l N k i {τ il (η il ) β }, (intensificação) Com probabilidade (1 q 0 ) Use a regra tradicional do AS: p k ij = (τ ij ) α (η ij ) β l N k i (τ il ) α (η il ), se j N k β i (diversificação tendenciosa)

44 Ant Colony System (ACS) Regra de Atualização Global de Feromônio: Apenas a formiga best-so-far deposita feromônio depois de cada iteração: τ ij = (1 ρ)τ ij + ρ τ (bs) ij, (i, j) T bs A evaporação e depósito de feromônio somente ocorre nas arestas do percurso best-so-far T bs. O feromônio depositado é uma média ponderada entre o antigo valor de feromônio e o novo valor a ser depositado.

45 Ant Colony System (ACS) Regra de Atualização Local de Feromônio: É aplicado imediatamente após a formiga atravessar a aresta: τ ij = (1 ξ)τ ij + ξτ 0 ; τ 0 (nível mínimo de feromônio) e ξ (0 < ξ < 1) são parametros; A formiga remove o feromônio da aresta que acabou de atravessar; Aumenta a diversificação ao reduzir a atratividade das arestas frequentemente visitadas.

Inteligência de Enxame: ACO

Inteligência de Enxame: ACO Inteligência de Enxame: ACO! Otimização colônia de formigas é uma meta-heurística: «baseada em população «inspirada no comportamento forrageiro das formigas.! Muitas espécies de formigas são quase cegas.!

Leia mais

IA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

IA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br IA Colônia de Formigas Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução O Experimento da Ponte Binária. Ant System Aplicado ao PCV. Elitist Ant System. Introdução Otimização colônia

Leia mais

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia

Leia mais

Inteligência Computacional Aplicada a Engenharia de Software

Inteligência Computacional Aplicada a Engenharia de Software Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar

Leia mais

Seleção de Variáveis: Um Sistema Híbrido Baseado em Colônia de Formigas e Rede Neural MLP

Seleção de Variáveis: Um Sistema Híbrido Baseado em Colônia de Formigas e Rede Neural MLP Trabalho de Conclusão de Curso Engenharia de Computação Seleção de Variáveis: Um Sistema Híbrido Baseado em Colônia de Formigas e Rede Neural MLP Autor: Arthur Fernandes Minduca de Sousa Orientador: Mêuser

Leia mais

A Otimização Nuvem de Partículas (particle swarm)

A Otimização Nuvem de Partículas (particle swarm) A Otimização Nuvem de Partículas (particle swarm) Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 20/06/2007 Índice Introdução Algoritmo Nuvem de Partículas Interpretação

Leia mais

Computação BioInspirada

Computação BioInspirada Computação BioInspirada Os Engenheiros da Natureza Fabrício Olivetti de França The reasonable man adapts himself to the world; the unreasonable one persists in trying to adapt the world to himself. Therefore

Leia mais

Resolução do Problema de Roteamento de Veículos com Frota Heterogênea via GRASP e Busca Tabu.

Resolução do Problema de Roteamento de Veículos com Frota Heterogênea via GRASP e Busca Tabu. Resolução do Problema de Roteamento de Veículos com Frota Heterogênea via GRASP e Busca Tabu. Camila Leles de Rezende, Denis P. Pinheiro, Rodrigo G. Ribeiro camilalelesproj@yahoo.com.br, denisppinheiro@yahoo.com.br,

Leia mais

O uso da colônia de formigas no problema de visitação na AMAN

O uso da colônia de formigas no problema de visitação na AMAN O uso da colônia de formigas no problema de visitação na AMAN Rogerio Carvalho Mendes Tavora rcmqco@ig.com.br AMAN Roberto Campos Leoni rcleoni@yahoo.com.br AEDB Resumo:A Academia Militar das Agulhas Negras

Leia mais

APLICAÇÃO DA METAHEURÍSTICA COLÔNIA DE FORMIGAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS

APLICAÇÃO DA METAHEURÍSTICA COLÔNIA DE FORMIGAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS APLICAÇÃO DA METAHEURÍSTICA COLÔNIA DE FORMIGAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS Mirlam Moro Lombardi e Jean Eduardo Glazar Departamento de Ciência da Computação Faculdade de Aracruz Uniaracruz {mirlam,

Leia mais

BUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH)

BUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH) BUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH) Francisco A. M. Gomes 1º sem/2009 MT852 Tópicos em pesquisa operacional Iterated local search (ILS) Método que gera uma sequência de soluções obtidas por

Leia mais

METAHEURÍSTICA COLÔNIA DE FORMIGAS APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE

METAHEURÍSTICA COLÔNIA DE FORMIGAS APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE METAHEURÍSTICA COLÔNIA DE FORMIGAS APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE Fábio Ribeiro Cerqueira (orientador) e Gildásio Lecchi Cravo Departamento de Ciência da Computação e Informática Faculdade de

Leia mais

Minicurso SBSE 2012:

Minicurso SBSE 2012: Campus de Ilha Solteira Faculdade de Engenharia de Ilha Solteira Departamento de Energia Elétrica Minicurso SBSE 2012: Metaheurísticas em sistemas elétricos de potência: introdução ao estudo e aplicações

Leia mais

Sistemas Auto-organizáveis BC0005

Sistemas Auto-organizáveis BC0005 Aplicações Sistemas Auto-organizáveis BC0005 Bases Computacionais da Ciência Modelagem e simulação Solução de problemas reais por modelos computacionais (visto na aula anterior) Sistemas auto-organizáveis

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Análisede links Page Rank Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Motivação Suponha que um modelo clássico, como

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos

Leia mais

JOSÉ DOMINGOS ALBUQUERQUE AGUIAR MCAC - MONTE CARLO ANT COLONY: UM NOVO ALGORITMO ESTOCÁSTICO DE AGRUPAMENTO DE DADOS

JOSÉ DOMINGOS ALBUQUERQUE AGUIAR MCAC - MONTE CARLO ANT COLONY: UM NOVO ALGORITMO ESTOCÁSTICO DE AGRUPAMENTO DE DADOS JOSÉ DOMINGOS ALBUQUERQUE AGUIAR MCAC - MONTE CARLO ANT COLONY: UM NOVO ALGORITMO ESTOCÁSTICO DE AGRUPAMENTO DE DADOS RECIFE-PE Fevereiro/2008 UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO PRÓ-REITORIA DE PESQUISA

Leia mais

Inteligência de Enxames

Inteligência de Enxames Inteligência de Enxames André Ricardo Gonçalves andreric [at] dca.fee.unicamp.br www.dca.fee.unicamp.br/~andreric Sumário 1 Inteligência de Enxames p. 3 1.1 Ant Colony Optimization...........................

Leia mais

Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento

Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento Ramon Pereira Lopes Rangel Silva Oliveira 31 de outubro de 2011 1 Introdução O presente documento refere-se ao relatório

Leia mais

Algoritmos Genéticos

Algoritmos Genéticos UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br

Leia mais

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia

Leia mais

3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS

3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS 3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS 3.1 - Conceitos Básicos Entendemos como algoritmo um conjunto predeterminado e bem definido de regras

Leia mais

Complemento IV Introdução aos Algoritmos Genéticos

Complemento IV Introdução aos Algoritmos Genéticos Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e

Leia mais

Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha

Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

AVALIANDO ALGORITMOS DE OTIMIZAÇÃO BASEADOS EM COLÔNIA DE FORMIGAS UTILIZANDO MÉTRICAS DE REDES COMPLEXAS

AVALIANDO ALGORITMOS DE OTIMIZAÇÃO BASEADOS EM COLÔNIA DE FORMIGAS UTILIZANDO MÉTRICAS DE REDES COMPLEXAS AVALIANDO ALGORITMOS DE OTIMIZAÇÃO BASEADOS EM COLÔNIA DE FORMIGAS UTILIZANDO MÉTRICAS DE REDES COMPLEXAS Trabalho de Conclusão de Curso Engenharia da Computação Sergio Ferreira Ribeiro Orientador: Prof.

Leia mais

- Computação Evolutiva -

- Computação Evolutiva - - Computação Evolutiva - Prof. Dr. Cícero Garrozi DEINFO - UFRPE PPGIA@UFRPE cicerog@gmail.com Site da disciplina: http://cicerog.blogspot.com Sumário Situando a Computação Evolucionária Metáfora principal

Leia mais

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 ESTRATÉGIAS PARA A ALOCAÇÃO OTIMIZADA DE INDICADORES DE FALTA EM REDES DE DISTRIBUIÇÃO DE ENERGIA RODRIGO F. G. SAU, MADSON C. DE ALMEIDA Faculdade de Engenharia Elétrica e de Computação, DSEE, Unicamp

Leia mais

Heurísticas para o Problema de Sequenciamento de Carros em Linhas de Montagem. Daniel Brasil, Thiago Ferreira de Noronha, Caroline Rocha

Heurísticas para o Problema de Sequenciamento de Carros em Linhas de Montagem. Daniel Brasil, Thiago Ferreira de Noronha, Caroline Rocha Capítulo 18 Heurísticas para o Problema de Sequenciamento de Carros em Linhas de Montagem Daniel Brasil, Thiago Ferreira de Noronha, Caroline Rocha Resumo: Este capítulo trata do Problema do Sequenciamento

Leia mais

Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados

Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas Departamento de Ciências

Leia mais

Teoria dos Grafos. Edson Prestes

Teoria dos Grafos. Edson Prestes Edson Prestes Grafos Cliques Maximais Para determinar os cliques maximais de um grafo G podemos usar o método de Maghout em Dado o grafo abaixo, calcule Determine os conjuntos independentes maximais em

Leia mais

Inteligência de Enxame *

Inteligência de Enxame * Inteligência de Enxame * 1. Introdução... 2 2. Algumas Idéias sobre Insetos Sociais... 5 2.1. Curiosidades sobre as formigas... 9 3. Colônia de Formigas... 10 3.1. Coleta de Alimento pelas Formigas...

Leia mais

3 Revisão da literatura

3 Revisão da literatura 3 Revisão da literatura Pensar é mais interessante que saber e menos interessante que observar. JOHANN WOLFGANG GOETHE O objetivo deste capítulo é apresentar as referências mais importantes relacionadas

Leia mais

Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br

Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal de

Leia mais

Paralelização do Algoritmo de Agrupamento de Formiga

Paralelização do Algoritmo de Agrupamento de Formiga CENTRO ESTADUAL DE ENSINO TECNOLÓGICO PAULA SOUZA FACULDADE DE TECNOLOGIA DE INDAIATUBA GUILHERME CAVASSAN Paralelização do Algoritmo de Agrupamento de Formiga Indaiatuba Novembro/2012 CENTRO ESTADUAL

Leia mais

O que é? Swarm Intelligence. Qual a origem? Cardume. Qualquer tentativa de projetar algoritmos ou técnicas de resolução distribuída de

O que é? Swarm Intelligence. Qual a origem? Cardume. Qualquer tentativa de projetar algoritmos ou técnicas de resolução distribuída de O que é? Swarm Intelligence (Inteligência oletiva) Prof. Luis Otavio lvares Qualquer tentativa de projetar algoritmos ou técnicas de resolução distribuída de problemas inspirada pelo comportamento coletivo

Leia mais

Meta-heurísticas. Métodos Heurísticos José António Oliveira zan@dps.uminho.pt. meta-heurísticas

Meta-heurísticas. Métodos Heurísticos José António Oliveira zan@dps.uminho.pt. meta-heurísticas Meta-heurísticas 105 meta-heurísticas Propriedades e Características: são estratégias que guiam o processo de pesquisa; - o objectivo a atingir é a exploração eficiente do espaço de pesquisa de modo a

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola

Leia mais

IMPLEMENTAÇÃO E AVALIAÇÃO DE ABORDAGENS HEURÍSTICAS PARA O PROBLEMA DO ROTEAMENTO DE CABOS EM PAINÉIS ELÉTRICOS

IMPLEMENTAÇÃO E AVALIAÇÃO DE ABORDAGENS HEURÍSTICAS PARA O PROBLEMA DO ROTEAMENTO DE CABOS EM PAINÉIS ELÉTRICOS UNIVERSIDADE DO ESTADO DE SANTA CATARINA UDESC CENTRO DE CIÊNCIAS TECNOLÓGICAS CCT DEPARTAMENTO DE ENGENHARIA ELÉTRICA DEE PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA PPGEEL ALEXANDRE ERWIN ITTNER

Leia mais

Algoritmos Genéticos (GA s)

Algoritmos Genéticos (GA s) Algoritmos Genéticos (GA s) 1 Algoritmos Genéticos (GA s) Dado um processo ou método de codificar soluções de um problema na forma de cromossomas e dada uma função de desempenho que nos dá um valor de

Leia mais

Teoria da Complexidade

Teoria da Complexidade handout.pdf June 5, 0 Teoria da Complexidade Cid C. de Souza / IC UNICAMP Universidade Estadual de Campinas Instituto de Computação o semestre de 0 Revisado por Zanoni Dias Autor Prof. Cid Carvalho de

Leia mais

HEURÍSTICAS COMPUTACIONAIS APLICADAS À OTIMIZAÇÃO ESTRUTURAL DE TRELIÇAS BIDIMENSIONAIS

HEURÍSTICAS COMPUTACIONAIS APLICADAS À OTIMIZAÇÃO ESTRUTURAL DE TRELIÇAS BIDIMENSIONAIS JOÃO PAULO GONÇALVES PEREIRA HEURÍSTICAS COMPUTACIONAIS APLICADAS À OTIMIZAÇÃO ESTRUTURAL DE TRELIÇAS BIDIMENSIONAIS Dissertação de Mestrado 1 JOÃO PAULO GONÇALVES PEREIRA HEURÍSTICAS COMPUTACIONAIS APLICADAS

Leia mais

O IMPACTO DA PARAMETRIZAÇÃO NO ALGORITMO HEURÍSTICO BASEADO EM COLÔNIA DE FORMIGAS ARTIFICIAIS COLORANT 3 -RT

O IMPACTO DA PARAMETRIZAÇÃO NO ALGORITMO HEURÍSTICO BASEADO EM COLÔNIA DE FORMIGAS ARTIFICIAIS COLORANT 3 -RT O IMPACTO DA PARAMETRIZAÇÃO NO ALGORITMO HEURÍSTICO BASEADO EM COLÔNIA DE FORMIGAS ARTIFICIAIS COLORANT 3 -RT Carla Négri Lintzmayer Instituto de Computação Universidade de Campinas (UNICAMP) carlanegri@gmail.com

Leia mais

BCC204 - Teoria dos Grafos

BCC204 - Teoria dos Grafos BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal

Leia mais

Renato Assunção UFMG

Renato Assunção UFMG Renato Assunção UFMG IR: O que existe de diferente na Web? (Kumar) Busca na Web: não e igual a busca numa base comum? Volume (> 40 bilhões = 4 * 10 10 ver http://www.worldwidewebsize.com) Mudança (23%

Leia mais

XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil

XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil HERMANN CLAY DE ALMEIDA LEITE ENERGISA PARAIBA DISTRIBUIDORA DE ENERGIA S/A hermann@energisa.com.br

Leia mais

MANUAL DO USUÁRIO. TOOLBOX SIA.

MANUAL DO USUÁRIO. TOOLBOX SIA. MANUAL DO USUÁRIO. TOOLBOX SIA. 1. Arquivos Disponibilizados. Os seguintes arquivos compõem o toolbox desenvolvido: - Pacote SIA: arquivos de comando tipo M (Malab) que resolvem o GAP utilizando o SIA.

Leia mais

FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2

FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2 FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO Projeto e Análise de Algoritmos II Lista de Exercícios 2 Prof. Osvaldo. 1. Desenvolva algoritmos para as operações abaixo e calcule a complexidade

Leia mais

Otimização por Colônia de Formigas

Otimização por Colônia de Formigas 1/111 Otimização por Colônia de Formigas Priscila V. Z. Capriles Goliatt Jaqueline da Silva Angelo Helio J.C. Barbosa {capriles, jsangelo, hcbm}@lncc.br Laboratório Nacional de Computação Científica -

Leia mais

Modelamento e simulação de processos

Modelamento e simulação de processos Modelamento e simulação de processos 4. Método de Monte Carlo Prof. Dr. André Carlos Silva 1. INTRODUÇÃO O Método de Monte Carlo (MMC) é um método estatístico utilizado em simulações estocásticas com diversas

Leia mais

DISSERTAÇÃO apresentada ao CEFET-PR para obtenção do título de MESTRE EM CIÊNCIAS. por RAFAEL STUBS PARPINELLI

DISSERTAÇÃO apresentada ao CEFET-PR para obtenção do título de MESTRE EM CIÊNCIAS. por RAFAEL STUBS PARPINELLI CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DO PARANÁ Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial DISSERTAÇÃO apresentada ao CEFET-PR para obtenção do título de MESTRE EM CIÊNCIAS

Leia mais

Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR

Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR Encontrar grupos de objetos tal que objetos em um grupo são similares (ou relacionados) uns aos outros e diferentes de (ou não relacionados) a objetos em outros grupos Compreensão Agrupa documentos relacionados

Leia mais

ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO

ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO Renan de Oliveira Yamaguti Faculdade de Engenharia de Computação / CEATEC renan.yamaguti@terra.com.br

Leia mais

Mestranda: Márcia Maria Horn. Orientador: Prof. Dr. Sandro Sawicki

Mestranda: Márcia Maria Horn. Orientador: Prof. Dr. Sandro Sawicki Universidade Regional do Noroeste do Estado do Rio Grande do Sul Departamento de Ciências Exatas e Engenharias Programa de Mestrado em Modelagem Matemática Grupo de Pesquisa em Computação Aplicada Temática:

Leia mais

Figura 1.1: Exemplo de links patrocinados no Google

Figura 1.1: Exemplo de links patrocinados no Google 1 Links Patrocinados 1.1 Introdução Links patrocinados são aqueles que aparecem em destaque nos resultados de uma pesquisa na Internet; em geral, no alto ou à direita da página, como na Figura 1.1. Figura

Leia mais

01/05/2016. Danillo Tourinho Sancho da Silva, MSc ROTEIRIZAÇÃO TEORIA DOS GRAFOS MOTIVAÇÃO

01/05/2016. Danillo Tourinho Sancho da Silva, MSc ROTEIRIZAÇÃO TEORIA DOS GRAFOS MOTIVAÇÃO ROTEIRIZAÇÃO Danillo Tourinho Sancho da Silva, MSc TEORIA DOS GRAFOS MOTIVAÇÃO 1 MOTIVAÇÃO Por que estudar grafos? Importante ferramenta matemática com aplicação em diversas áreas do conhecimento Utilizados

Leia mais

UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS

UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS Lucas Middeldorf Rizzo Universidade Federal de Minas Gerais Av. Antônio Carlos, 6627 - Pampulha - Belo Horizonte - MG CEP 31270-901

Leia mais

Planejamento operacional de lavra

Planejamento operacional de lavra UNIVERSIDADE FEDERAL DE OURO PRETO INSTITUTO DE CIÊNCIAS EXATAS E BIOLÓGICAS DEPARTAMENTO DE COMPUTAÇÃO Planejamento operacional de lavra Anexo do Relatório Técnico-científico Final apresentado ao CNPq,

Leia mais

Implementação de um Algoritmo Paralelo e Escalável do Ant Colony System aplicado ao Problema do Roteamento de Veículos

Implementação de um Algoritmo Paralelo e Escalável do Ant Colony System aplicado ao Problema do Roteamento de Veículos Francisco E. M. Pereira Implementação de um Algoritmo Paralelo e Escalável do Ant Colony System aplicado ao Problema do Roteamento de Veículos Pau dos Ferros 2015 Francisco E. M. Pereira Implementação

Leia mais

Complexidade de Algoritmos. Edson Prestes

Complexidade de Algoritmos. Edson Prestes Edson Prestes Caminhos de custo mínimo em grafo orientado Este problema consiste em determinar um caminho de custo mínimo a partir de um vértice fonte a cada vértice do grafo. Considere um grafo orientado

Leia mais

OTIMIZAÇÃO POR COLÔNIA DE FORMIGAS PARA O ROTEAMENTO E CONSUMO DE ENERGIA EM REDES DE SENSORES SEM FIO

OTIMIZAÇÃO POR COLÔNIA DE FORMIGAS PARA O ROTEAMENTO E CONSUMO DE ENERGIA EM REDES DE SENSORES SEM FIO OTIMIZAÇÃO POR COLÔNIA DE FORMIGAS PARA O ROTEAMENTO E CONSUMO DE ENERGIA EM REDES DE SENSORES SEM FIO RODRIGO C. DA SILVA, ANELISE MUNARETTO, MYRIAM R. DELGADO. Programa de Pós-Graduação em Engenharia

Leia mais

36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase

36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase 36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema 1 Turbo, o caracol, está participando de uma corrida Nos últimos 1000 mm, Turbo, que está a 1 mm por hora, se motiva e

Leia mais

Agrupamento de dados

Agrupamento de dados Organização e Recuperação de Informação: Agrupamento de dados Marcelo K. A. Faculdade de Computação - UFU Agrupamento de dados / 7 Overview Agrupamento: introdução Agrupamento em ORI 3 K-médias 4 Avaliação

Leia mais

Analise filogenética baseada em alinhamento de domínios

Analise filogenética baseada em alinhamento de domínios Analise filogenética baseada em alinhamento de domínios Moléculas biológicas e evolução Como já foi comentado anteriormente sabemos que o DNA de qualquer espécie de ser vivo sofre mutações ao longo do

Leia mais

Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest )

Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest ) Generalidades A metáfora Biológica Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest ) Operadores Genéticos (Mendel) - recombinação (crossover ) - mutação (mutation ) Algoritmos

Leia mais

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 04. Prof. Dr. Marco Antonio Leonel Caetano

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 04. Prof. Dr. Marco Antonio Leonel Caetano MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 04 Prof. Dr. Marco Antonio Leonel Caetano Guia de Estudo para Aula 04 Aplicação de Produto Escalar - Interpretação do produto escalar

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Aula anterior Organização e Recuperação de Informação(GSI521) Modelo vetorial- Definição Para o modelo vetorial, o

Leia mais

Complexidade de Algoritmos. Edson Prestes

Complexidade de Algoritmos. Edson Prestes Edson Prestes Idéias básicas Um algoritmo guloso seleciona, a cada passo, o melhor elemento pertencente a entrada. Verifica se ele é viável - vindo a fazer parte da solução ou não. Após uma seqüência de

Leia mais

SUMÁRIO LISTA DE FIGURAS... 15 LISTA DE TABELAS...17 LISTA DE SÍMBOLOS... 19. 1.1 - Introdução...21 1.2 - Revisão Bibliográfica...

SUMÁRIO LISTA DE FIGURAS... 15 LISTA DE TABELAS...17 LISTA DE SÍMBOLOS... 19. 1.1 - Introdução...21 1.2 - Revisão Bibliográfica... SUMÁRIO Pág. LISTA DE FIGURAS... 15 LISTA DE TABELAS...17 LISTA DE SÍMBOLOS... 19 CAPÍTULO 1 - INTRODUÇÃO... 21 1.1 - Introdução...21 1.2 - Revisão Bibliográfica...25 CAPÍTULO 2 - MODELAGEM ESTOCÁSTICA

Leia mais

Clusterização em Mineração de Dados

Clusterização em Mineração de Dados Clusterização em Mineração de Dados Luiz Satoru Ochi, Carlos Rodrigo Dias, Stênio S. Furtado Soares Programa de Pós Graduação em Computação Instituto de Computação Universidade Federal Fluminense (IC UFF)

Leia mais

Algoritmos Randomizados: Introdução

Algoritmos Randomizados: Introdução Algoritmos Randomizados: Introdução Celina Figueiredo Guilherme Fonseca Manoel Lemos Vinícius Sá 26º Colóquio Brasileiro de Matemática IMPA Rio de Janeiro Brasil 2007 Resumo Definições Monte Carlo Variáveis

Leia mais

Exercícios Teóricos Resolvidos

Exercícios Teóricos Resolvidos Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar

Leia mais

Satisfação de Restrições. Capítulo 5 (disponível online)

Satisfação de Restrições. Capítulo 5 (disponível online) Satisfação de Restrições Capítulo 5 (disponível online) Sumário Problemas de Satisfação de Restrições (CSPs) Procura com Retrocesso para CSPs Procura Local para CSPs Estrutura dos CSPs Problemas de Satisfação

Leia mais

1. Método Simplex. Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Pesquisa Operacional II Profa. Dra. Lílian Kátia de Oliveira

1. Método Simplex. Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Pesquisa Operacional II Profa. Dra. Lílian Kátia de Oliveira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Método Simple.. Solução eata para os modelos de Programação Linear O modelo de Programação Linear (PL) reduz um sistema real a um conjunto

Leia mais

Otimização por Descida de Gradiente

Otimização por Descida de Gradiente Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Otimização por Descida de Gradiente Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com

Leia mais

Conceitos Básicos de Algoritmos Genéticos: Teoria e Prática

Conceitos Básicos de Algoritmos Genéticos: Teoria e Prática Conceitos Básicos de Algoritmos Genéticos: Teoria e Prática Thatiane de Oliveira Rosa 1, Hellen Souza Luz 2 1 Curso de Sistemas de Informação Centro Universitário Luterano de Palmas (CEULP/ULBRA) Caixa

Leia mais

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011 Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende,

Leia mais

3 Market Basket Analysis - MBA

3 Market Basket Analysis - MBA 2 Mineração de Dados 3 Market Basket Analysis - MBA Market basket analysis (MBA) ou, em português, análise da cesta de compras, é uma técnica de data mining que faz uso de regras de associação para identificar

Leia mais

Simulação Estocástica

Simulação Estocástica Simulação Estocástica O que é Simulação Estocástica? Simulação: ato ou efeito de simular Disfarce, fingimento,... Experiência ou ensaio realizado com o auxílio de modelos. Aleatório: dependente de circunstâncias

Leia mais

Inteligência Computacional [2COP229]

Inteligência Computacional [2COP229] Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da

Leia mais

BC-0005 Bases Computacionais da Ciência. Modelagem e simulação

BC-0005 Bases Computacionais da Ciência. Modelagem e simulação BC-0005 Bases Computacionais da Ciência Aula 8 Modelagem e simulação Santo André, julho de 2010 Roteiro da Aula Modelagem O que é um modelo? Tipos de modelos Simulação O que é? Como pode ser feita? Exercício:

Leia mais

SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos

SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos Fredson Vieira Costa 1, Fábio Silveira Vidal 1, Claudomiro Moura Gomes André 1 1 Curso de Bacharelado em Ciência da Computação

Leia mais

Otimização de Recuperação de Informação usando Algoritmos Genéticos

Otimização de Recuperação de Informação usando Algoritmos Genéticos Otimização de Recuperação de Informação usando Algoritmos Genéticos Neide de Oliveira Gomes, M. Sc., nog@inpi.gov.br Prof. Marco Aurélio C. Pacheco, PhD Programa de Doutorado na área de Métodos de Apoio

Leia mais

NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX. No Renascimento de uma Nova Era... IX PREÂMBULO... XIII. Organização do livro... xiii. Destinatários...

NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX. No Renascimento de uma Nova Era... IX PREÂMBULO... XIII. Organização do livro... xiii. Destinatários... NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX No Renascimento de uma Nova Era... IX Índice PREÂMBULO... XIII Organização do livro... xiii Destinatários... xiv Utilização do livro... xiv Agradecimentos... xiv

Leia mais

4 Estudo de caso: Problema de seqüenciamento de carros

4 Estudo de caso: Problema de seqüenciamento de carros 4 Estudo de caso: Problema de seqüenciamento de carros O problema de seqüenciamento de carros em linhas de produção das indústrias automobilísticas é um tipo particular de problema de escalonamento que

Leia mais

UM MODELO DE OTIMIZAÇÃO PARA ÁREAS DE ARMAZENAMENTO BASEADO EM CLASSES DE PRODUTOS

UM MODELO DE OTIMIZAÇÃO PARA ÁREAS DE ARMAZENAMENTO BASEADO EM CLASSES DE PRODUTOS A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN UM MODELO DE OTIMIZAÇÃO PARA ÁREAS DE ARMAZENAMENTO BASEADO EM CLASSES DE PRODUTOS Marco Antônio Farah Caldas Universidade

Leia mais

UNIVERSIDADE CATÓLICA DE PELOTAS CENTRO POLITÉCNICO PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA

UNIVERSIDADE CATÓLICA DE PELOTAS CENTRO POLITÉCNICO PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA UNIVERSIDADE CATÓLICA DE PELOTAS CENTRO POLITÉCNICO PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA Aplicação de Algoritmos Heurísticos na Ordenação e Particionamento de Coeficientes em Arquiteturas de Filtros

Leia mais

Programação Dinâmica. Programa do PA. Técnicas Avançadas de Projeto. Aulas Anteriores. Introdução. Plano de Aula. Técnicas de Projeto de Algoritmos

Programação Dinâmica. Programa do PA. Técnicas Avançadas de Projeto. Aulas Anteriores. Introdução. Plano de Aula. Técnicas de Projeto de Algoritmos Programação Dinâmica Técnicas de Projeto de Algoritmos Aula 13 Alessandro L. Koerich Pontifícia Universidade Católica do Paraná (PUCPR) Ciência da Computação 7 o Período Engenharia de Computação 5 o Período

Leia mais

15.053 Quinta-feira, 14 de março. Introdução aos Fluxos de Rede Handouts: Notas de Aula

15.053 Quinta-feira, 14 de março. Introdução aos Fluxos de Rede Handouts: Notas de Aula 15.053 Quinta-feira, 14 de março Introdução aos Fluxos de Rede Handouts: Notas de Aula 1 Modelos de Rede Modelos de programação linear que exibem uma estrutura muito especial. Podem utilizar essa estrutura

Leia mais

Inteligência de Enxame: PSO

Inteligência de Enxame: PSO ! A otimização por enxame de partículas: «É baseada em uma estratégia inspirada no voo dos pássaros e movimento de cardumes de peixes; «Permite a otimização global de um função objetivo A função objetivo

Leia mais

Problema do Caixeiro Viajante Aplicado ao Roteamento de Veículos numa Malha Viária. José Luiz Machado Morais

Problema do Caixeiro Viajante Aplicado ao Roteamento de Veículos numa Malha Viária. José Luiz Machado Morais Problema do Caixeiro Viajante Aplicado ao Roteamento de Veículos numa Malha Viária José Luiz Machado Morais Problema do Caixeiro Viajante Aplicado ao Roteamento de Veículos numa Malha Viária José Luiz

Leia mais

Sistemas Inteligentes Lista de Exercícios sobre Busca

Sistemas Inteligentes Lista de Exercícios sobre Busca Sistemas Inteligentes Lista de Exercícios sobre Busca 1) A* - Problema do metrô de Paris Suponha que queremos construir um sistema para auxiliar um usuário do metrô de Paris a saber o trajeto mais rápido

Leia mais

Matemática 2. 01. A estrutura abaixo é de uma casa de brinquedo e consiste de um. 02. Abaixo temos uma ilustração da Victoria Falls Bridge.

Matemática 2. 01. A estrutura abaixo é de uma casa de brinquedo e consiste de um. 02. Abaixo temos uma ilustração da Victoria Falls Bridge. Matemática 2 01. A estrutura abaixo é de uma casa de brinquedo e consiste de um paralelepípedo retângulo acoplado a um prisma triangular. 1,6m 1m 1,4m Calcule o volume da estrutura, em dm 3, e indique

Leia mais

PESQUISA OPERACIONAL

PESQUISA OPERACIONAL Universidade Castelo Branco PESQUISA OPERACIONAL Prof. Cláudio H. S. Grecco RIO DE JANEIRO, RJ - BRASIL ii ÍNDICE. INTRODUÇÃO À PESQUISA OPERACIONAL. O Desenvolvimento da Pesquisa Operacional. Modelagem.3

Leia mais

Resolução da Lista 2 - Modelos determinísticos

Resolução da Lista 2 - Modelos determinísticos EA044 - Planejamento e Análise de Sistemas de Produção Resolução da Lista 2 - Modelos determinísticos Exercício 1 a) x ij são as variáveis de decisão apropriadas para o problemas pois devemos indicar quantos

Leia mais

BC-0506: Comunicação e Redes Algoritmos em Grafos

BC-0506: Comunicação e Redes Algoritmos em Grafos BC-0506: Comunicação e Redes Algoritmos em Grafos Santo André, 2Q2011 1 Parte 1: Algoritmos de Busca Rediscutindo: Representações em Grafos Matriz de Adjacências Matriz de Incidências Lista de Adjacências

Leia mais

DISCIPLINA: Métodos Heurísticos

DISCIPLINA: Métodos Heurísticos DISCIPLINA: Métodos Heurísticos CURSO(S): Licenciatura em Engenharia e Gestão Industrial Licenciatura em Engenharia de Sistemas e Informática Licenciatura em Matemática Aplicada Licenciatura em Matemática

Leia mais

ALGORITMOS GENÉTICOS

ALGORITMOS GENÉTICOS ALGORITMOS GENÉTICOS INTRODUÇÃO São métodos adaptativos que podem ser usados para resolver problemas de busca e otimização. Na natureza a combinação de boas características provenientes de diferentes indivíduos

Leia mais