ALGORITMOS GENÉTICOS APLICADOS EM RESTAURAÇÃO DE IMAGENS DE MICROSCOPIA DE FORÇA ATÔMICA (AFM)
|
|
- Iago Abreu de Sousa
- 7 Há anos
- Visualizações:
Transcrição
1 ALGORITMOS GENÉTICOS APLICADOS EM RESTAURAÇÃO DE IMAGENS DE MICROSCOPIA DE FORÇA ATÔMICA (AFM) Simone de Jesus Machado Ribeiro 1 - simone@biof.ufrj.br Carlos Eduardo Marques Hill 1 - hill@biof.ufrj.br Geraldo Antônio Guerrera Cidade 1 - gcidade@biof.ufrj.br Francisco José da Cunha Pires Soeiro 2 - soeiro@uerj.br Antônio J. Silva Neto 3,4 - ajsneto@iprj.uerj.br, ajsneto@lmn.con.ufrj.br 1 Instituto de Biofísica Carlos Chagas Filho, Universidade Federal do Rio de Janeiro, UFRJ, CEP , Rio de Janeiro, RJ, Brasil. 2 Departamento de Engenharia Mecânica, Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, UERJ, CEP , Rio de Janeiro, RJ, Brasil. 3 Instituto Politécnico, IPRJ, Universidade do Estado do Rio de Janeiro, UERJ, CP 97282, CEP , Nova Friburgo, RJ, Brasil. 4 Programa de Engenharia Nuclear, COPPE, Universidade Federal do Rio de Janeiro, UFRJ, CP 68509, CEP , Rio de Janeiro, RJ, Brasil. Resumo. Os microscópios de Força Atômica (AFM) (Binnig et al., 1986) comerciais incorporam tratamentos de imagens baseados principalmente na Transformada Rápida de Fourier (FFT) - uma técnica muitas vezes não adequada ao tratamento das imagens desta natureza, devido à presença freqüente de estruturas aperiódicas e não-estacionárias contidas na amostra. Neste sentido, os Algoritmos Genéticos (AGs) podem ser empregados na restauração de imagens de AFM, pois fazem parte de uma classe de algoritmos de otimização capazes de resolver problemas complexos e que envolvam discontinuidades, de forma simples e eficiente. O objetivo desse trabalho é desenvolver e implementar computacionalmente uma metodologia para a restauração de imagens de AFM em escala nanométrica, que conjugue a capacidade de obtenção do mínimo global dos AGs com a velocidade de convergência de um método baseado no gradiente, para a minimização do funcional de regularização de Tikhonov (Silva Neto e Soeiro, 2001). Com o advento das técnicas de paralelização, espera-se que, para imagens de dimensões significativas, somente a utilização dos AGs seja suficiente para alcançar a imagem-solução ótima de forma rápida e eficiente. Palavras-chave : Algoritmos Genéticos, Restauração de imagens, AFM, Regularização de Tikhonov, Computação paralela.
2 1. INTRODUÇÃO Os Algoritmos Genéticos (AGs) (Holland, 1975) fazem parte de uma classe de técnicas utilizadas para resolver problemas de busca complexos e problemas de otimização que não podem ser resolvidos através de métodos analíticos ou de mera enumeração (Goldberg, 1989). Por essa razão, os AGs são incluídos numa classe mais abrangente de métodos, conhecida como Computação Evolucionária. A idéia de um AG é justamente simular o processo de evolução dos organismos na natureza, baseando-se na Teoria de Seleção Natural de Darwin (Darwin, 1859). Segundo essa teoria, organismos mais adaptados às condições de seu meio ambiente possuem maiores chances de sobreviver e de se reproduzirem, perpetuando seu material genético através das próximas gerações de organismos. Isto significa que os indivíduos competem pelos recursos disponíveis e os mais fortes (ou melhor adaptados ao ambiente) conseguem sobreviver e gerar descendentes. E, do ponto de vista dos AGs, um indivíduo é melhor adaptado, em relação aos outros, caso ele possua características que o aproxime mais de uma solução ótima para um dado problema, onde o ótimo depende do critério estabelecido a priori pelo analista. Na natureza, os processos genéticos são responsáveis pela criação de novas populações de indivíduos, atuando naquelas já existentes através da reprodução e consecutiva troca de genes. No âmbito computacional também existem operadores que são responsáveis pela criação de novas populações de indivíduos (novas possíveis soluções para um problema). A correspondência entre os dois enfoques pode ser visto na Tabela 1. Tabela 1 : Correspondência entre os elementos naturais e os utilizados em um Algoritmo Genético. Natureza Computador competição cega Seleção cega (aleatória) genética operadores populações populações cromossomos strings organismos soluções sobrevivência alcançar objetivo O escopo de aplicações dos AGs é bastante amplo, incluindo problemas biológicos como os de modelagem molecular de proteínas (Dandekar e Argos, 1994), folding de RNA (Gultyaev et al., 1995) e restauração de imagens (Jiang e Evans, 2001; Li et al., 2000). Entretanto, mesmo sendo implementados de forma relativamente simples, sem a necessidade de funções matemáticas complexas ou que exijam muitos recursos computacionais, ainda é necessário definir uma função de avaliação para o AG. Essa função de avaliação servirá para atribuir a cada solução intermediária encontrada pelo AG um valor, que servirá como parâmetro de escolha para a melhor solução/indivíduo encontrado. É nesse sentido que o método de regularização de Tikhonov (Cidade et al., 2000) se conjugará com o AG, guiandoo no sentido de melhorar seu desempenho local no problema de restauração de imagens.
3 2. FORMULAÇÃO MATEMÁTICA DO PROBLEMA Diferentemente dos métodos de processamento freqüentemente empregados para o tratamento de imagens digitais, o principal objetivo da restauração é aproximar, matematicamente, o conteúdo da imagem adquirida do verdadeiro formato do objeto que a originou, segundo modelos determinados a priori. No caso das imagens de AFM, isto dependerá da dimensão de varredura da amostra, das características do operador de borramento e da relação sinal-ruído (SNR) da imagem. Neste sentido, o método de regularização de Tikhonov (Tikhonov e Arsenin, 1977) propõe a criação de uma base de tratamento local, assumindo como operador de borramento uma função do tipo gaussiana, cujos efeitos poderiam ser descritos pela expressão y = Bx+ n (1) em que y representa a imagem real, x a imagem relativa às características originais da amostra, B um operador compacto, descrito por uma matriz de borramento, e n o ruído aditivo, geralmente do tipo gaussiano. Este problema seria considerado bem-posto (bem-colocado) se, para cada imagem y, existisse uma imagem-solução única x, que dependesse continuamente nos dados observados. De outra forma, o problema seria considerado mal-condiciondo, sem solução aparente, se o operador B for uma matriz quadrada, com det(b)=0. Baseado neste argumento, o problema inverso 1 x = B y (2) seria considerado mal-condicionado. Como os auto-valores acumulam em zero, uma pequena perturbação nos dados amostrados (y) conduz a uma grande variação na solução (x). Entretanto, um problema inverso desta natureza pode ser resolvido através de otimização em dimensão finita, em que deseja-se minimizar um funcional do tipo Lx ( ) = y Bx 2 (3) conhecido como método dos mínimos quadrados. O funcional de Tikhonov é construído a partir da Eq. (3), sendo adicionado um termo de regularização S: ^ Q( x) 1 y( i, j) 2 = N N k = N l = N ^ b( k, l). x( i + k, j + l) 2 α S ( a > 0; i, j = 1,2,..., M ) (4) em que y corresponde ao dado de AFM na posição (i,j), b(k,l) à matriz de borramento com dimensão 2N x 2N, xˆ ao valor estimado da imagem original durante a restauração, e α ao parâmetro de regularização. O primeiro termo do lado direito da Eq. (4) também pode ser construído a partir do argumento Bayesiano de probabilidade condicionada. O termo de regularização αs é adicionado, buscando-se um compromisso ideal entre a acurácia e a estabilidade da solução. Quanto maior for a perturbação (ruído) imposta aos dados amostrados, tão maior deverá ser o valor do parâmetro de regularização α, ou seja, 2 α σ ruído (5)
4 O funcional S foi construído utilizando distâncias de Bregman (Bregman, 1967) como uma medida da discrepância entre o dado estimado e o modelo adotado como referência para a regularização (Cidade et al., 2000). 3. MÉTODO BASEADO NO GRADIENTE A estratégia adotada para a minimização do funcional da Eq. (5) consiste na determinação da equação de ponto crítico Q / xˆ = 0, que leva à obtenção de um sistema de equações nãolineares. No caso das imagens de AFM utilizadas neste trabalho (256 x 256 píxeis), deverão ser resolvidas equações, com um número equivalente de incógnitas. Para resolver o sistema de equações não-lineares utilizou-se o método de Newton-Raphson multivariável, sendo incluído adicionalmente um fator de atenuação γ, para estabilizar o processo iterativo em busca da solução. O sistema de equações lineares resultante deste procedimento é resolvido empregando-se o método de Gauss-Seidel. 4. COMPARAÇÃO DOS RESULTADOS COM A FFT Os programas embarcados nos microscópios de uso comercial freqüentemente disponibilizam filtros baseados na FFT e sua inversa, como os filtros de Wiener, que requerem a estimativa do espectro de potência do ruído e da imagem. Dado o caráter de filtragem passa-baixa imposto pela FFT sobre imagens de AFM com baixa SNR, tanto as freqüências espaciais das informações de contraste da imagem como aquelas referentes ao ruído aditivo passam a ser tratadas indistintamente, distanciando cada vez mais a imagem processada da área de solução provável. Neste caso, tanto o contraste como o ruído aditivo são penalizados dentro de uma mesma faixa dinâmica de freqüências, podendo resultar em perdas significativas de nitidez das estruturas que compõem a amostra. A Figura 1 compara os resultados obtidos a partir da aplicação da FFT em uma implementação passa-baixa e do método de regularização de Tikhonov sobre uma imagem biológica de AFM com (200 x 200) nm (Fig 1a), que representa um aglomerado de filamentos de ssdna. (a) (b) (c) (200 x 200) nm Figura 1. Resultados do tratamento de uma imagem biológica de AFM de 256 x 256 píxeis representando uma densa amostra de filamentos de ssdna (a), processada pela FFT em uma implementação passa-baixa (b) e restaurada através do método de regularização de Tikhonov (c).
5 Pode-se observar o ganho de contraste resultante da restauração obtida através do método de regularização de Tikhonov conjugado ao método de Newton-Raphson multivariável (Fig 1c), quando comparado com o resultado obtido através da FFT (Fig 1b), para uma freqüência de corte espacial de 0,3 píxeis/ciclo. Pode-se observar nitidamente que as imagens das Figs 1b e 1c exibem contornos muito similares em suas estruturas, indicando ser o método de regularização apropriado para o tratamento diferenciado de contraste e ruído aditivo em imagens com tais dimensões. 5. O ALGORITMO GENÉTICO CANÔNICO Os AGs são organizados em gerações, de forma cíclica, onde indivíduos nascem, evoluem e morrem, deixando suas características para seus descendentes. Logo, o primeiro passo para se implementar um AG é criar uma população inicial de indivíduos de forma aleatória. No problema de restauração de imagens, a população inicial é composta pelos píxeis, representados em tons de cinza, de uma imagem borrada contendo ruído aditivo. O método proposto neste trabalho visa à restauração de nitidez das estruturas da amostra presentes na imagem original. Cada píxel-indivíduo é avaliado independentemente dos outros indivíduos, através do método de regularização de Tikhonov, e recebe um valor chamado valor de avaliação ( f i ). Na medida em que os indivíduos estiverem sendo avaliados, são colocados num ranking em relação à média de avaliação de toda a população ( f ), e cada um passa a receber um valor de adaptação ( fi '), onde f i '= fi / f. É esse valor de adaptação que determina quais indivíduos são mais evoluídos (mais próximos da solução ótima para o problema), de forma que aqueles com maior valor de adaptação passam seus dados à geração seguinte. A partir desses indivíduos mais adaptados cria-se uma população intermediária, na qual os operadores de crossover e mutação são aplicados, e a população resultante constituirá a próxima geração. 5.1 Operadores O crossover é um operador que procura imitar a reprodução sexuada na natureza, originando dois novos indivíduos através da troca de dados entre dois outros (originais ou "pais"); ou seja, os dados de um pai são misturados com os do outro de forma aleatória para gerar os "filhos". A mutação é um operador que modifica um único indivíduo com uma dada probabilidade. Através dele é possível criar indivíduos que não são apenas cópias de seus pais, mas ligeiramente diferentes. Assim, a mutação não garante que o indivíduo originado será melhor ou pior do que era anteriormente, mas evita que a busca se torne estagnada, recombinando sempre os mesmos fragmentos de informação. 6. COMBINAÇÃO DOS AGs COM O MÉTODO BASEADO NO GRADIENTE Com a utilização dos AGs combinados ao método que baseia-se no gradiente, espera-se poder determinar com mais exatidão a imagem que melhor represente as estruturas da amostra, beneficiando-se do método de regularização de Tikhonov para o processamento diferenciado do ruído aditivo e das informações de contraste.
6 Partindo-se da experiência previamente adquirida com o método de Newton-Raphson multivariável para a restauração de imagens de AFM (Cidade et al., 2001a,b) com o uso do método de regularização de Tikhonov - método determinístico baseado no gradiente, podendo levar a mínimos locais - o AG será empregado como método estocástico de otimização global para a restauração de imagens (Jiang e Evans, 2001; Li e Evans, 2000). Embora os AGs demandem um alto custo computacional, são incondicionalmente convergentes, possibilitando a determinação de um mínimo global capaz de representar uma solução aceitável para imagens que exibam baixa relação sinal-ruído. Pretende-se, portanto, trabalhar inicialmente com imagens de reduzida dimensão (16x16 píxeis), para avaliar a convergência do método proposto, já que para maiores dimensões o mais adequado seria proceder à paralelização do algoritmo. 7. PARALELIZAÇÃO DO MÉTODO Como as imagens obtidas do AFM possuem dimensões maiores (256x256 píxeis, ou seja, indivíduos), a paralelização do algoritmo proposto torna-se oportuna, já que poderá ser executado nos clusters 1 do Instituto de Biofísica Carlos Chagas Filho-UFRJ e do Instituto Politécnico-UERJ. Os computadores pertencentes a um cluster são chamados nós. Cada nó se comunica usando um sistema de troca de mensagens (Baker e Buyya, 1999). Sua potencial escalabilidade e excelente relação custo-benefício, fizeram dos clusters uma solução para problemas que envolvem cálculos complexos e paralelizáveis com uso intenso de processador (Hargrove et al., 2001). Um dos clusters que será utilizado neste trabalho é composto por computadores padrão Intel x86 com 16 processadores de 1GHz interligados por uma rede Gigabit Ethernet. Alguns problemas naturalmente paralelos podem se benecifiar muito com este tipo de ferramenta distribuída, como aqueles que envolvem redes neurais ou AGs. Como ferramenta de troca de mensagens entre os nós, foi escolhido o Método de Execução Remota da Linguagem Java da Sun Microsystems. Esta escolha se baseia na sua independência de plataforma e na curva de implementação, que para esta tecnologia é muito mais rápida. A conclusão principal é que este tipo de ferramenta vem ao encontro das necessidades de pequenos grupos, que possuem problemas complexos e poucos recursos para investir em equipamentos do tipo SMP (Symetric Multiple Processing), ao mesmo tempo que podem se transformar em verdadeiros super-computadores para grandes grupos com pesados investimentos. 8. RESULTADOS ESPERADOS Tendo em vista os resultados obtidos por Silva Neto e Soeiro (2001), espera-se, numa fase inicial, obter resultados mais satisfatórios do que aqueles que vinham sendo obtidos somente através da utilização do método do gradiente, para imagens de pequenas dimensões. Com o advento das técnicas de paralelização, espera-se que, para imagens de dimensões mais significativas, somente a utilização dos AGs seja suficiente para alcançar a imagemsolução ótima de forma rápida e eficiente. 1 Clusters podem ser definidos como um grupo de computadores interconectados, disponibilizando seus recursos de maneira integrada e criando a ilusão de serem uma única máquina (Stallings, 2001).
7 REFERÊNCIAS Baker, Mark, Buyya, Rajkumar, 1999, High Performance Cluster Computing, Prentice Hall. Binnig, G., Quate, C.F. e Gerber, Ch., 1986, Atomic Force Microscope, Phys. Rev. Lett. 56(9), pp Bregman, L.M., 1967, The Relaxation Method of Finding the Common Point of Convex Sets and its Application to the Solution of Problems in Convex Programming, Zh. vÿchisl. Mat. mat. Fiz. 7(3), pp Cidade, G.A.G., Roberty, N. C., Silva Neto, A. J. e Bisch, P. M., 2001a, The Restoration of AFM Biological Images Using the Tikhonov's Method - the Proposal of a General Regularization Functional for Best Contrast Results, Acta Microscopica, vol. 10, Suppl.1, p Cidade, G. A. G., Roberty, N. C., Silva Neto, A.J. e Bisch, P.M., 2001b, The Evaluation of a General (q-discrepancy) Regularization Functional Applied to the Restoration of Atomic Force Images of Biological Samples, artigo completo submetido ao periódico Journal of Vacuum Science and Technology B. Cidade, G. A. G., Anteneodo, C., Roberty, N. C. e Silva Neto, A. J., 2000, A Generalized Approach for Atomic Force Microscopy Image Restoration with Bregman Distances as Tikhonov Regularization Terms, Inverse Problems in Engineering, Vol. 8, p Dandekar, T. e P. Argos, 1994, Folding the main chain of small proteins with the genetic algorithm, J. Mol. Biol. 236: Darwin, C., 1859, The Origin of Species, England Goldberg, D. E., 1989, Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley Gultyaev, A. P., van Batenburg, F. H. D. e Pleij, C. W. A., 1995, The computer simulation of RNA folding pathways using a genetic algorithm, J. Mol. Biol. 250 : Hargrove, W.W., Hoffman, F.M., Sterling, T., 2001, Scientific American. Holland, J. H., 1975, Adaptation In Natural and Artificial Systems, Ann Arbor, Michigan: The University of Michigan Press. Jiang, T. e Evans, D. J., 2001, Image Restoration by Combining Local Genetic Algorithm with Adaptive Pre-Conditioning; International Japanese Computer Math., Vol 76, Li, X., Jiang, T. e Evans, D. J., 2000, Medical Image Reconstruction using a Multi-Objective Genetic Local Search Algorithm; International Japanese Computer Math., Vol 74, Silva Neto, A.J. e Soeiro, F.J.C.P., 2001, A Combination of Gradient Based and Global Optimization Methods for the Solution of Inverse Heat Transfer Problems, Inverse Problems in Engineering, Aceito para publicação. Stallings, W., 2001, Operatings Systems: Internals and Design Principles, Quarta Edição, Prentice Hall. Tikhonov, A.N., e Arsenin, V.Y., 1977, Solutions of Ill-Posed Problems, Wiley, New York.
8 GENETIC ALGORITHMS APPLIED TO THE RESTORATION OF ATOMIC FORCE MICROSCOPY (AFM) IMAGES Summary. The commercial Atomic Force Microscopes (AFM) (Binnig et al., 1986) incorporate image treatments based mainly in the Fast Fourier Transform (FFT) - a technique that is not always adequate for the treatment of such images, by virtue of the frequent presence of aperiodic and non-stationary structures in the sample. Genetic Algorithms (GAs) could be applied to the restoration of AFM images, because they are included in a class of optimization algorithms that are able to solve complex and discontinuous problems, in a simple and efficient way. The main objective of the present work is to develop and implement computationally a methodology for the restoration of AFM images in the nanometer scale, that combines the capacity of obtaining an approximation for the global minimum of the genetic algorithms with the good rate of convergence of a gradient based method for the minimization of the Tikhonov s regularization functional (Silva Neto and Soeiro, 2001). From the use of parallel computing techniques, it is expected that, for larger images, the GAs approach might be sufficient to achieve the optimal solution-image in a faster and more efficient way. Keywords: Genetic Algorithms, image restoration, AFM, Tikhonov s regularization, parallel computing.
Algoritmos Genéticos. Pontos fracos dos métodos tradicionais. Características de alguns problemas. Tamanho do espaço de busca- Ex. caixeiro viajante:
Algoritmos Genéticos Prof. Luis Otavio Alvares INE/UFSC Características de alguns problemas Tamanho do espaço de busca- Ex. caixeiro viajante: 10 cidades: 181.000 soluções 20 cidades: 10.000.000.000.000
Leia maisUso de Graphics Processing Unit (GPU) na Restauração de Imagens de Microscopia de Força Atômica com Regularização de Tikhonov
Anais do CMAC v. ISS 1984-80X Uso de Graphics Processing Unit (GPU) na Restauração de Imagens de Microscopia de Força Atômica com Regularização de Tikhonov Augusto G. Almeida Instituto Federal do Rio de
Leia mais3 Algoritmos Genéticos
Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação
Leia maisInteligência Artificial. Algoritmos Genéticos. Aula I Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos
Leia maisComputação Evolutiva. Computação Evolutiva. Principais Tópicos. Evolução natural. Introdução. Evolução natural
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 1 2 Introdução Evolução natural http://www.formula-um.com/
Leia maisAlgoritmos Genéticos e Evolucionários
Algoritmos Genéticos e Evolucionários Djalma M. Falcão COPPE/UFRJ PEE e NACAD falcao@nacad.ufrj.br http://www.nacad.ufrj.br/~falcao/ http://www.nacad.ufrj.br/~falcao/ag/ag.htm Resumo do Curso Introdução
Leia maisAlgoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Algoritmo Genético Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução 2. Conceitos Básicos 3. Aplicações 4. Algoritmo 5. Exemplo Introdução São técnicas de busca
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisTópicos Especiais em Informática Fatec Indaiatuba
Prof. Dilermando Piva Jr. ((Compilação de diversas fontes na Internet)) Principal motivação para o estudo da computação evolutiva Otimização de processos complexo e que possuem um grande número de variáveis
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisALGORITMOS GENÉTICOS. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR
ALGORITMOS GENÉTICOS Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Fev/2018 Introdução Algoritmos Genéticos são algoritmos heurísticos de busca, que utilizam regras
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 01 Computação Evolucionária Max Pereira Motivação Se há uma multiplicidade impressionante de algoritmos para solução de problemas,
Leia maisDETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e
Leia maisMétodo de Hardy-Cross Capitulo 13- Algoritmo genético engenheiro Plínio Tomaz 24 dezembro de Algoritmo genético 13-1
1 Algoritmo genético 13-1 2 Capítulo 13-Algoritmo genético 13.1 Introdução As tecnologias recentes para dimensionamento de redes de água são: Algoritmo genético Programação Dinâmica Decision Support System
Leia maisAlgoritmos genéticos Abordagem unificada de algoritmos evolutivos simples
Introdução Inspiração biológica Histórico da computação evolutiva Algoritmo evolutivo simples Programação evolutiva Estratégias evolutivas Algoritmos genéticos Abordagem unificada de algoritmos evolutivos
Leia maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia maisAlgoritmos Genéticos
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Algoritmos Genéticos David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Algoritmos Genéticos 2 Objetivos Introduzir os principais
Leia maisMetahuerísticas: Algoritmos Genéticos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng.
Metahuerísticas: Algoritmos Genéticos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 8) Meta-heurísticas Classificação de métodos heurísticos: os métodos
Leia maisCONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
Leia maisFigura 3.1: Fluxograma do algoritmo da Programação Genética.
3 Programação Genética O termo Programação Genética passou a ser utilizado em 1990 nos trabalhos publicados por Koza [30] e De Garis [31]. A definição de Koza para este termo passou a predominar após a
Leia maisProcessamento de Imagem. Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres
Processamento de Imagem Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres Lembrando Filtragem Correlação A correlação e a convolução sãos dois conceitos relacionados a filtragem.
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisBreve Avaliação de Parâmetros básicos de Algoritmos Genéticos
https://eventos.utfpr.edu.br//sicite/sicite17/index Breve Avaliação de Parâmetros básicos de Algoritmos Genéticos RESUMO Stéfanie Caroline Pereira Dekker stefanie.c.dekker@gmail.com Universidade Tecnológica
Leia maisAlgoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
Leia maisDESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES
DESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES João Ricardo Kohler Abramoski (PAIC/FUNDAÇÃO ARAUCÁRIA), Sandra Mara Guse Scós Venske (Orientadora), e-mail: ssvenske@unicentro.br
Leia maisRestauração de imagens em escala nanométrica com morfologia matemática e estratégias híbridas
Restauração de imagens em escala nanométrica com morfologia matemática e estratégias híbridas Elisabete Ferreira Terrração, Antônio José da Silva Neto UERJ Universidade do Estado do Rio de Janeiro - Instituto
Leia maisOtimização com Algoritmos Evolutivos
Otimização com Algoritmos Evolutivos Francisco Pereira (xico@dei.uc.pt) ELBCE 2016 (Setembro 2016) Resumo Problem Optimization Method Solution } Algoritmos Evolutivos } Propriedades e funcionamento } Exemplos
Leia maisImplementação de um escalonador de processos em GPU
Implementação de um escalonador de processos em GPU Guilherme Martins guilhermemartins@usp.br 6 de abril de 2017 Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos
Leia maisExtracção de Conhecimento
Programa Doutoral em Engenharia Informática Mestrado Integrado em Engenharia Informática LIACC/FEUP Universidade do Porto www.fe.up.pt/ ec rcamacho@fe.up.pt Outubro 2007 Algoritmos Genéticos alguns destes
Leia maisAlgoritmos Genéticos. Texto base: Stuart Russel e Peter Norving - Inteligência Artificial
Algoritmos Genéticos Texto base: Stuart Russel e Peter Norving - Inteligência Artificial junho/2007 Algoritmo Genético Uma variante da busca em feixe estocástica Estado sucessor gerado pela combinação
Leia maisINSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO
INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) Informação - ICPG - Criciuma - SC 1 Características Gerais, operadores, algoritmo.
Leia maisComparação de Desempenho entre o Método dos Elementos de Contorno com Integração Direta e o Método dos Elementos Finitos em problemas de Poisson
Trabalho apresentado no III CMAC - SE, Vitória-ES, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Comparação de Desempenho entre o Método dos Elementos de Contorno
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisGT-JeDi - Curso de Desenv. de Jogos IA para Jogos. Gustavo Pessin 2007
GT-JeDi - Curso de Desenv. de Jogos IA para Jogos Gustavo Pessin 2007 Cronograma Base conceitual Exemplo: Achando o máximo de uma função... Como criar uma pequena aplicação: Exercício-Exemplo [Animal selvagem...]
Leia maisESTUDO DO EFEITO DOS PARÂMETROS GENÉTICOS DE UM ALGORITMO GENÉTICO NA SOLUÇÃO OTIMIZADA E NO TEMPO DE CONVERGÊNCIA EM UMA FUNÇÃO DE DUAS VARIÁVEIS
ESTUDO DO EFEITO DOS PARÂMETROS GENÉTICOS DE UM ALGORITMO GENÉTICO NA SOLUÇÃO OTIMIZADA E NO TEMPO DE CONVERGÊNCIA EM UMA FUNÇÃO DE DUAS VARIÁVEIS Marcelo Henrique dos Santos Universidade de Uberaba, Engenharia
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora
Leia maisCURSO DE MESTRADO EM Construções Metálicas
CURSO DE MESTRADO EM Construções Metálicas DEPARTAMENTO DE ENGENHARIA CIVIL - ESCOLA DE MINAS UNIVERSIDADE FEDERAL DE OURO PRETO Disciplina: Otimização Estrutural I Carga Horária: 45 Código: CIV 733 Responsável:
Leia maisOtimização. Algoritmos Genéticos. Teoria da Evolução. Otimização
Algoritmos Genéticos Otimização São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia maisESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP
ESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP Gilson Rogério Batista, Gideon Villar Leandro Universidade Regional do Noroeste do Estado do Rio
Leia maisOTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia maisAVALIAÇÃO DO ENRIQUECIMENTO POLINOMIAL NO MÉTODO DOS ELEMENTOS FINITOS GENERALIZADOS EM ELEMENTOS TRIANGULARES
AVALIAÇÃO DO ENRIQUECIMENTO POLINOMIAL NO MÉTODO DOS ELEMENTOS FINITOS GENERALIZADOS EM ELEMENTOS TRIANGULARES Neimar A. da Silveira Filho niemarsilveira@ufmg.br Thaiane Simonetti de Oliveira thaianesimo@gmail.com
Leia maisCÁLCULO DA ESTRUTURA ELETRÔNICA E CONFIGURAÇÃO DE EQUILÍBRIO DO TRANS- POLIACETILENO VIA ALGORTIMO GENÉTICO
CÁLCULO DA ESTRUTURA ELETRÔNICA E CONFIGURAÇÃO DE EQUILÍBRIO DO TRANS- POLIACETILENO VIA ALGORTIMO GENÉTICO Luiz A. Ribeiro Junior*, Pedro H. O. Neto, Geraldo M. e Silva Universidade de Brasília, Instituto
Leia maisProposta de Curso LNCC
Proposta de Curso LNCC Professor: Gilson A. Giraldi (D.Sc) Título do Curso: Visualização Científica para Análise de Imagens Médica. Período: Quarto Período de 2001 Objetivos O processamento/visualização
Leia maisMax Pereira. Inteligência Artificial
Max Pereira Inteligência Artificial Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora da teoria da evolução das espécies iniciada pelo Naturalista inglês Charles
Leia maisEstratégias Evolutivas EEs. Prof. Juan Moisés Mauricio Villanueva
Estratégias Evolutivas EEs Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan Estratégias Evolutivas Desenvolvidas por Rechenberg e Schwefel, e estendida por Herdy, Kursawe
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisUMA INTRODUÇÃO AOS ALGORITMOS GENETICOS
UMA INTRODUÇÃO AOS ALGORITMOS GENETICOS Uma visão geral dos GAs Um algoritmo genético é uma classe de algoritmo de busca. O algoritmo procura uma solução dentro de um espaço para um problema de otimização.
Leia mais3 Algoritmos Genéticos
Algoritmos Genéticos Algoritmos Genéticos (AGs) constituem um mecanismo de busca adaptativa que se baseia no princípio Darwiniano de seleção natural e reprodução genética [101]. AGs são tipicamente empregados
Leia maisAlgoritmo Genético: um experimento comparativo entre a execução paralela com troca de indivíduos de populações e a não paralela.
Algoritmo Genético: um experimento comparativo entre a execução paralela com troca de indivíduos de populações e a não paralela. Marlos A. S. Lima 1, Davi Magalhães 2, F. C. de Lima Júnior 3, Rommel W.
Leia maisALGORITMOS GENÉTICOS, QUADTREE E LÓGICA FUZZY NA SEGMENTAÇÃO E CLASSIFICAÇÃO DE IMAGENS COM ALTO DESEMPENHO 1. INTRODUÇÃO
ALGORITMOS GENÉTICOS, QUADTREE E LÓGICA FUZZY NA SEGMENTAÇÃO E CLASSIFICAÇÃO DE IMAGENS COM ALTO DESEMPENHO SILVA, Frederico Corrêa da 1 ; AGUIAR, Marilton Sanchotene de 1. 1 Programa de Pós-Graduação
Leia maisUNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ UNIOESTE CAMPUS UNIVERSITÁRIO DE CASCAVEL CURSO DE CIÊNCIA DA COMPUTAÇÃO LISTA DE EXERCÍCIOS
UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ UNIOESTE CAMPUS UNIVERSITÁRIO DE CASCAVEL CURSO DE CIÊNCIA DA COMPUTAÇÃO Disciplina: Processamento de Imagens Digitais Prof o : Adair Santa Catarina 1 Considerando
Leia maisUsando MLP para filtrar imagens
Usando MLP para filtrar imagens Thiago Richter, Ediel Wiezel da Silva, e Adilson Gonzaga Departamento de Engenharia Elétrica, Universidade de São Paulo, Brasil thiago.richter@yahoo.com.br, edielws@gmail.com,
Leia maisIntrodução a Algoritmos Genéticos
Introdução a Algoritmos Genéticos Tiago da Conceição Mota Laboratório de Inteligência Computacional Núcleo de Computação Eletrônica Universidade Federal do Rio de Janeiro Outubro de 2007 O Que São? Busca
Leia maisProblemas Inversos em Transferência Radiativa - Uma Formulação Implícita
Capítulo 3 Problemas Inversos em Transferência Radiativa - Uma Formulação Implícita AntônioJosédaSilvaNeto Haroldo Fraga de Campos Velho 3.1 O Que é um Problema Inverso? Em primeiro lugar vamos definir
Leia maisRECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ
RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ Marcela Ribeiro Carvalho marcela@enecar.com.br IFG/Câmpus Goiânia Hipólito Barbosa Machado Filho hipolito.barbosa@ifg.edu.br IFG/Câmpus Goiânia Programa Institucional
Leia maisAplicação da Metaheurística Algoritmos Genéticos na solução do problema das n Rainhas
Aplicação da Metaheurística Algoritmos Genéticos na solução do problema das n Rainhas Resumo Gardiego Luiz da Silva 1 Henrique Faria de Oliveira 2 Faculdade
Leia maisEstimação de Parâmetros em Modelos de Energia Livre de Gibbs em Excesso
Estimação de Parâmetros em Modelos de Energia Livre de Gibbs em Excesso Cláudio T. Lima, Gustavo M. Platt, Departamento de Modelagem Computacional - IPRJ - UERJ 28630-050, Nova Friburgo, RJ E-mail: ctlima@iprj.uerj.br,
Leia maisAssim, no algoritmo BIOCLIM, qualquer ponto do espaço pode ser classificado como:
ANEXO A ALGORITMOS BIOCLIM E GARP A.1 Algoritmo BIOCLIM O algoritmo BIOCLIM implementa o conceito de envelope bioclimático (Nix, 1986). O algoritmo calcula a média e o desvio-padrão para cada variável
Leia maisIMPLEMENTAÇÃO DE UM ALGORITMO GENÉTICO PARA DETERMINAÇÃO DO PONTO DE MÁXIMO E/OU MÍNIMO DA FUNÇÃO DO 2 e 3 GRAU
IMPLEMENTAÇÃO DE UM ALGORITMO GENÉTICO PARA DETERMINAÇÃO DO PONTO DE MÁXIMO E/OU MÍNIMO DA FUNÇÃO DO 2 e 3 GRAU Ana Cláudia M. SILVEIRA 1 ; Renato Machado PEREIRA 2 RESUMO A história da equação de segundo
Leia maisINTRODUÇÃO À. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR
INTRODUÇÃO À COMPUTAÇÃO EVOLUTIVA Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Fev/2018 Computação Evolutiva Ramo da ciência da computação que propõe um paradigma
Leia maisMétodos de Busca. Inteligência Artificial. Algoritmos Genéticos. Algoritmos Evolucionários. Prof. Ms. Luiz Alberto Contato:
Inteligência Artificial Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
Leia mais3 Métodos de Otimização
3 Métodos de Otimização Problemas de otimização são relacionados a minimização ou maximização de função de uma ou mais variáveis num determinado domínio, possivelmente com a existência de um conjunto de
Leia maisIF-705 Automação Inteligente Algoritmos Evolucionários
IF-705 Automação Inteligente Algoritmos Evolucionários Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br
Leia maisPesquisa Operacional Aplicada à Mineração
Pesquisa Operacional Aplicada à Mineração Módulo de Otimização Parte II-b Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo marcone.freitas@yahoo.com.br tulio@toffolo.com.br Departamento de Computação
Leia maisIN-1131 Computação Evolucionária. Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática
IN-1131 Computação Evolucionária Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática aluizioa@cin.ufpe.br Objetivos Este curso visa oferecer introdução abrangente em
Leia maisIntrodução aos Algoritmos Genéticos
Introdução aos Algoritmos Genéticos Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Algoritmos Genéticos: Introdução Introduzidos
Leia maisInterpolação de Curvas de Nível por Difusão de Calor
Interpolação de Curvas de Nível por Difusão de Calor Roberto de Beauclair Seixas Luiz Henrique de Figueiredo Cláudio Antonio da Silva {tron,lhf,cads}@visgraf.impa.br Motivação Identificação de um método
Leia maisAluno do Curso de Graduação em Ciência da computação da UNIJUÍ, bolsista PROBIC/FAPERGS, 3
ESTUDO E EXPLORAÇÃO DE ALGORITMOS GENÉTICOS: UMA SOLUÇÃO PARA PROBLEMAS DE OTIMIZAÇÃO NO CONTEXTO DE INTEGRAÇÃO DE APLICAÇÕES 1 STUDY AND EXPLORATION OF GENETIC ALGORITMS: A SOLUTION TO OPTIMIZATION PROBLEMS
Leia maisRESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS. Nielsen Castelo Damasceno
RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS Nielsen Castelo Damasceno Restauração de imagem Procura recuperar uma imagem corrompida com base em um conhecimento a priori do fenômeno de degradação. Restauração
Leia maisParalelização do Método de Jacobi em Memória Compartilhada 1
Paralelização do Método de Jacobi em Memória Compartilhada 1 Claudio Schepke cschepke@inf.ufrgs.br 1 PPGC - Instituto de Informática - UFRGS Introdução ao Processamento Paralelo e Distribuído Professor
Leia maisUm Algoritmo Genético Associado a uma Estratégia de Decisão Baseada em Lógica Fuzzy para Calibração Multiobjetivo de um Modelo Hidrológico
Um Algoritmo Genético Associado a uma Estratégia de Decisão Baseada em Lógica Fuzzy para Calibração Multiobjetivo de um Modelo Hidrológico Amarísio da S. Araújo 1, Haroldo F. de Campos Velho 2, Vitor C.
Leia mais3 Otimização Aplicada a Reconstituição de Acidentes
27 3 Otimização Aplicada a Reconstituição de Acidentes 3.1. Otimização A otimização é uma metodologia empregada para minimizar ou maximizar uma função e geralmente são utilizados em problemas onde existam
Leia maisESTIMAÇÃO DE PARÂMETROS DE SISTEMAS NÃO LINEARES UTILIZANDO ALGORITMOS GENÉTICOS
Anais do IX Congresso Brasileiro de Redes Neurais /Inteligência Computacional (IX CBRN) Ouro Preto 25-28 de Outubro de 2009 Sociedade Brasileira de Redes Neurais ESTIMAÇÃO DE PARÂMETROS DE SISTEMAS NÃO
Leia maisInteligência Computacional Aplicada. O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos
Inteligência Computacional Aplicada Resumo O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos O que é Inteligência Computacional? Técnicas e sistemas computacionais que imitam
Leia maisO USO DE ALGORITMOS GENÉTICOS NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR RESUMO INTRODUÇÃO
O USO DE ALGORITMOS GENÉTICOS NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR Douglas Peioto de Carvalho,Miquéias Augusto Ferreira Nantes (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisAlgoritmos Genéticos Fundamentos e Aplicações. Prof. Juan Moisés Mauricio Villanueva
Algoritmos Genéticos Fundamentos e Aplicações Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br Conteúdo Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de Algoritmos
Leia maisAlgoritmos Evolutivos Canônicos
Algoritmos Evolutivos Canônicos Como representar os indivíduos Vetor de comprimento fixo com L características escolhidas previamente. Ex.: Definição
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisAlgoritmos Genéticos Fernando Lobo
Algoritmos Genéticos Fernando Lobo Grupo de Análise de Sistemas Ambientais Faculdade de Ciências e Tecnologia Universidade Nova de Lisboa Sumário O que é um algoritmo genético? Para que serve? Como funciona?
Leia maisESTUDO COMPARATIVO DOS MÉTODOS DE APTIDÃO PARA PROBLEMAS COM MÚLTIPLOS OBJETIVOS
ESTUDO COMPARATIVO DOS MÉTODOS DE APTIDÃO PARA PROBLEMAS COM MÚLTIPLOS OBJETIVOS Laercio Brito Gonçalves, Marco Aurélio Cavalcante Pacheco ICA: Núcleo de Pesquisa em Inteligência Computacional Aplicada
Leia maisEstudo sobre decodificação iterativa usando códigos de treliça
Revista de Engenharia e Pesquisa Aplicada, Volume 2, Número 1, 2016 Estudo sobre decodificação iterativa usando códigos de treliça Souza, I. M. M. Escola Politécnica de Pernambuco Universidade de Pernambuco
Leia maisALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA
Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA Igor Acassio Melo
Leia maisComputação Evolucionária
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ UTFPR Programa de Pós-Graduação em Engenharia e Informática CPGEI Laboratório de Bioinformática e Inteligência Computacional Câmpus Curitiba (PR) Computação Evolucionária
Leia maisTE073 PDS II Programa de Graduação em Engenharia Elétrica
TE073 PDS II Programa de Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Segmentação Os algoritmos
Leia maisComunicado MMC 030/2010 Belo Horizonte, 30 de novembro de 2010 OFERTA DE DISCIPLI AS PARA O 1º SEMESTRE DE 2011
Comunicado MMC 030/2010 Belo Horizonte, 30 de novembro de 2010 OFERTA DE DISCIPLI AS PARA O 1º SEMESTRE DE 2011 º DISCIPLI A TIPO CH CR DOCE TE DIA HORÁRIO 1. Álgebra Linear OB 45 3 Fausto de Camargo Júnior
Leia maisFILTROS ESPACIAIS PASSA-BAIXA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO CMP65 - INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS PROFESSOR JACOB SCARCHANSKI FILTROS ESPACIAIS PASSA-BAIXA POR DANIEL NEHME
Leia maisUN ALGORITMO DE PUNTO INTERIOR PARA LA RESOLUCIÓN DE PROBLEMAS DE CONTACTO
UN ALGORITMO DE PUNTO INTERIOR PARA LA RESOLUCIÓN DE PROBLEMAS DE CONTACTO Sandro Rodrigues Mazorche Universidade Federal de Juiz de Fora - UFJF, Dep. de Matemática - ICE, Campus Universitário - CEP 36036-330
Leia maisAlgoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
Leia maisT4.1 Processamento de Imagem
T4.1 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas 4.
Leia maisCodificação das variáveis: binária Iniciação da população: aleatória Avaliação: função aptidão Operadores. Critério de parada: número de gerações
AG Simples/Canônico (AGS) AG introduzido por Holland Funciona bem para problemas de otimização simples e/ou de pequenas dimensões A maior parte da teoria dos AGs está baseada no AGS Utilidade didática
Leia maisFiltragem no Domínio da Freqüência Transformada de Fourier
Filtragem no Domínio da Freqüência Transformada de Fourier Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Abr/2013 Material de referência: Conci, A; Azevedo, E.; Leta,
Leia maisIMPLEMENTAÇÃO DE SISTEMA DE ATITUDE EM DSP
Anais do 15 O Encontro de Iniciação Científica e Pós-Graduação do ITA XV ENCITA / 2009 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 19 a 21 2009. IMPLEMENTAÇÃO DE SISTEMA
Leia mais