Introdução às Redes Neurais Artificiais

Tamanho: px
Começar a partir da página:

Download "Introdução às Redes Neurais Artificiais"

Transcrição

1 Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva Departamento de Engenharia de Telecomunicações Escola de Engenharia Universidade Federal Fluminense Prof. João Marcos Meirelles da Silva p. 1/26

2 Créditos autorais Este curso e estes slides são parcialmente adaptados da bibliografia citada e das aulas do professor Luiz Pereira Calôba - COPPE/UFRJ caloba Prof. João Marcos Meirelles da Silva p. 2/26

3 Introdução Charles Robert Darwin ( ) Evolução das espécies John Holland Adaptation in Natural and Artificial Systems (década de 70) It is not the strongest of the species that survives, nor the most intelligent that survives. It is the one that is the most adaptable to change. - Charles Darwin Prof. João Marcos Meirelles da Silva p. 3/26

4 Introdução Algoritmos Genéticos são algoritmos de busca baseados em regras (heurísticas), onde essas regras são inspiradas nos mesmos mecanismos envolvidos na evolução das espécies. Evolutionary Computing Evolution Strategies Evolutionary Programming Evolutionary Algorithms Genetic Programming Genetic Algorithms Ant Colony Optimization Swarm Intelligence Particle Swarm Optimization Intelligent Water Drops Prof. João Marcos Meirelles da Silva p. 4/26

5 Aplicações Geralmente aplicados em problema conhecidos como NP-Hard, quando é necessário otimizar várias variáveis conflitantes com requisitos, onde geralmente outros algoritmos de otimização falham. Síntese de circuitos analógicos e digitais Projetos em mecânica Indústria farmacêutica Telecomunicações Medicina Prof. João Marcos Meirelles da Silva p. 5/26

6 Algoritmos Genéticos Consiste em uma população de soluções candidatas (também chamadas de indivíduo ou fenótipo); Cada indivíduo é formado por uma string binária dividida em partes chamadas de cromossomos ou genótipos; Cada cromossomo codifica (em binário) uma variável a ser otimizada. Logo, um problema com n variáveis a serem otimizadas requer um indivíduo com n cromossomos; O AG requer uma função de medida de desempenho (fitness function) que permita atribuir uma nota de desempenho a cada um dos indivíduos. Prof. João Marcos Meirelles da Silva p. 6/26

7 Algoritmos Genéticos Cada indivíduo recebe um nota através da avaliação realizada pela fitness function sobre os valores de suas variáveis codificadas; Cada iteração completa do algoritmo sobre a população é chamada de geração; Indivíduos com as melhores notas são selecionados, pareados e sofrem troca de cromossomos, seguida ou não de mutação em um dos cromossomos, formando assim uma nova população; A nova população é avaliada e o algoritmo segue até que um determinado critério de parada seja satisfeito. Prof. João Marcos Meirelles da Silva p. 7/26

8 Algoritmos Genéticos Vantagens Não necessita de um modelo matemático do problema, apenas uma função de avaliação das soluções; Robustez razoável em relação a mínimos e máximos locais; Existem diferentes implementações disponíveis Facilmente paralelizável, o que o torna interessante para aplicações que rodam em computadores de arquiteturas paralelas e multinúcleos. Prof. João Marcos Meirelles da Silva p. 8/26

9 Algoritmos Genéticos Desvantagens A criação de uma função de desempenho nem sempre é fácil; Tempo de convergência proibitivo em algumas aplicações; Dificilmente atinge o mínimo global de forma exata; Não conseguem resolver problemas onde a única medida de desempenho seja certo ou errado. Prof. João Marcos Meirelles da Silva p. 9/26

10 Algoritmos Genéticos Fases do Algoritmo 1. Inicialização da População 2. Aptidão dos indivíduos 3. Seleção 4. Geração da nova população Operador Crossover 5. Modificações na população Operador Mutação 6. Mecanismo de Elitismo (opcional) Prof. João Marcos Meirelles da Silva p. 10/26

11 Algoritmos Genéticos Indivíduo ou fenótipo A Figura abaixo apresenta duas variáveis x 1 e x 2 codificadas em dois cromossomos de quatro bits cada. Figura 1: Codificação de variáveis em cromossomos. Prof. João Marcos Meirelles da Silva p. 11/26

12 Algoritmos Genéticos População Uma coleção de indivíduos forma uma população, que pode ser iniciada de forma aleatória ou a partir de algum conhecimento prévio do problema. Figura 2: População de indivíduos. Prof. João Marcos Meirelles da Silva p. 12/26

13 Algoritmos Genéticos Seleção Na fase de seleção, os melhores indivíduos são selecionados, aleatoriamente, para a fase de cruzamento e, assim, gerar descendentes que serão novas soluções. Figura 3: Os melhores indivíduos são selecionados para cruzamento. Prof. João Marcos Meirelles da Silva p. 13/26

14 Algoritmos Genéticos Crossover Na fase de crossover um ponto de corte é sorteado, e uma das partes de um indivíduo é trocada com a parte correspondente do outro. Figura 4: As partes trocadas entre dois indivíduos geram dois outros indivíduos. Prof. João Marcos Meirelles da Silva p. 14/26

15 Algoritmos Genéticos Seleção Na fase de mutação, cada indivíduo é submetido a um sorteio para verificar se ele sofrerá mutação ou não. Em caso afirmativo, sorteia-se qual dos bits do indivíduo será invertido. Figura 5: Escolha de um bit aleatoriamente para negação lógica. Prof. João Marcos Meirelles da Silva p. 15/26

16 Exemplo Vamos encontrar os valores das variáveis x 1 e x 2 que minimizam a função de duas variáveis abaixo: f(x 1, x 2 ) = x x 2 2 Sabemos de antemão que os valores ótimos são f(0, 0) = Definir o range das variáveis: 10 x x Definir o número de bits necessários para codificar cada variável: x 1 = 4 bits x 2 = 4 bits Prof. João Marcos Meirelles da Silva p. 16/26

17 Exemplo 3. Definir o número de indivíduos: Popsize = 30 NumGeracoes = Os demais parâmetros como taxa de mutação, serão deixados com seus valores default do Matlab. Usaremos o toolbox de algoritmos genéticos do Matlab para esse exemplo. Prof. João Marcos Meirelles da Silva p. 17/26

18 Exemplo % ExemploAG.m % % Este script encontra os valores das variáveis x1 e x2 que minimizam % a função: % % f(x1,x2) = x1^2 + x2^2 % clear all close all clc % Definição de parâmetros nvars = 2; % Número de variáveis lb = [-10-10]; % Lower Bounds para x1 e x2. ub = [ ]; % Upper Bounds para x1 e x2. SizePop = 30; % Número de indivíduos. NumGeracoes = 50; % Número máximo de gerações. Prof. João Marcos Meirelles da Silva p. 18/26

19 Exemplo options = gaoptimset( PopulationType, DoubleVector, PopulationSize, SizePop, Generations, NumGeracoes, StallGenLimit, 10, [variaveis fval] = nvars, [ ], [ ], [ ], [ ], lb, ub, [ ], options); variaveis fval Prof. João Marcos Meirelles da Silva p. 19/26

20 Exemplo Os algoritmos genéticos necessitam de uma função de desempenho. No caso, a função foi chamada de ExemploAGFitness: % ExemploAGFitness.m % % Fitness function para o script ExemploAG.m % % Autor: João Marcos Meirelles da Silva % % Data de criação: 11/05/2013 function [J] = ExemploAGFitness(x) J = x(1)^2 + x(2)^2; end Prof. João Marcos Meirelles da Silva p. 20/26

21 Exemplo A Figura abaixo mostra a evolução do algoritmo genético em sua busca pelos valores ótimos Best: e 06 Mean: Best fitness Mean fitness 1 Fitness value Generation Figura 6: x 1 = 0, 0010 e x 2 = 0, Prof. João Marcos Meirelles da Silva p. 21/26

22 RNAs e AGs Algoritmos genéticos também podem ser utilizados para treinar uma rede neural feedfoward em vez de usarmos o algoritmo de aprendizado backpropagation. Vamos tomar como exemplo a rede neural do Exemplo 1 da aula anterior: Figura 7: Rede MLP. Prof. João Marcos Meirelles da Silva p. 22/26

23 RNAs e AGs W (1) Matriz de pesos da camada escondida W (1) = w(1) 10 w (1) 11 w (1) 12 w (1) 13 w (1) 20 w (1) 21 w (1) 22 w (1) 23 W (2) Matriz de pesos da camada de saída W (2) = w (2) 10 w (2) 11 w (2) 12 w (2) 20 w (2) 21 w (2) 22 w (2) 30 w (2) 31 w (2) 32, W (1) R 2 4, W(2) R 3 3 Prof. João Marcos Meirelles da Silva p. 23/26

24 RNAs e AGs O Algoritmo Genético deve codificar todos os elementos das matrizes de pesos W (1) e W (2) da rede neural. Dado um padrão, o Algoritmo Genético irá buscar o conjunto de elementos dessas matrizes que minimizam o erro médio quadrático da rede neural. Figura 8: Uso de um AG para treinamento autoassociativo. Veja o ExemploMLP03.m Prof. João Marcos Meirelles da Silva p. 24/26

25 Referências 1. Goldberg, D. E., Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, Bandyopadhyay, S., Pal, S. K., Classification and Learning Using Genetic Algorithms - Applications in Bioinformatics and Web Intelligence, Springer, Alba, H., Dorronsoro, E., Cellular Genetic Algorithms, Springer, Prof. João Marcos Meirelles da Silva p. 25/26

26 FIM Prof. João Marcos Meirelles da Silva p. 26/26

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

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

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

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

ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA

ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA 136 ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA FILITTO, Danilo 1 Resumo: Os algoritmos Genéticos inspiram-se no processo de evolução natural e são utilizados para resolver problemas de busca e otimização

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

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

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

- 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

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

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

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

Verificação de Impressões Digitais usando Algoritmos Genéticos

Verificação de Impressões Digitais usando Algoritmos Genéticos 1. Introdução Verificação de Impressões Digitais usando Algoritmos Genéticos Matheus Giovanni Pires, Fernando Vieira Duarte, Adilson Gonzaga Escola de Engenharia de São Carlos Universidade de São Paulo

Leia mais

Problemas Multi-modais e Distribuições Espaciais em Algoritmos Genéticos.

Problemas Multi-modais e Distribuições Espaciais em Algoritmos Genéticos. Problemas Multi-modais e Distribuições Espaciais em Algoritmos Genéticos. Thiago da Mota Souza Coordenação de Pós-Graduação e Pesquisa de Engenharia Centro de Tecnologia Universidade Federal do Rio de

Leia mais

UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS

UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS Alisson S. C. Alencar, Ajalmar R. da Rocha Neto Departamento de Computação, Instituto Federal do Ceará (IFCE). Programa

Leia mais

Algoritmos Genéticos. André Ricardo Gonçalves. andreric [at] dca.fee.unicamp.br www.dca.fee.unicamp.br/~andreric

Algoritmos Genéticos. André Ricardo Gonçalves. andreric [at] dca.fee.unicamp.br www.dca.fee.unicamp.br/~andreric Algoritmos Genéticos André Ricardo Gonçalves andreric [at] dca.fee.unicamp.br www.dca.fee.unicamp.br/~andreric Sumário 1 Algoritmo Genético p. 3 1.1 Computação Evolucionária...........................

Leia mais

MLP (Multi Layer Perceptron)

MLP (Multi Layer Perceptron) MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -

Leia mais

Inteligência Artificial. Redes Neurais Artificiais

Inteligência Artificial. Redes Neurais Artificiais Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

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

Computação Evolutiva: desvendando os algoritmos genéticos Evolutionary Computing: unleashing genetic algorithms

Computação Evolutiva: desvendando os algoritmos genéticos Evolutionary Computing: unleashing genetic algorithms Computação Evolutiva: desvendando os algoritmos genéticos Evolutionary Computing: unleashing genetic algorithms Sílvio Petroli Neto 1, FAJ, USF Resumo Este trabalho apresenta os Algoritmos Genéticos, uma

Leia mais

Ajuste dos parâmetros de um controlador proporcional, integral e derivativo através de algoritmos genéticos

Ajuste dos parâmetros de um controlador proporcional, integral e derivativo através de algoritmos genéticos Ajuste dos parâmetros de um controlador proporcional, integral e derivativo através de algoritmos genéticos ADJUSTMENT OF CONTROLLER PID S PARAMETERS OF GENETIC ALGORITHMS Luiz Eduardo N. do P. Nunes Victor

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

DESENVOLVIMENTO DE SISTEMA DE VIDA ARTIFICIAL BASEADO EM AGENTES DE COMPORTAMENTOS COMPLEXOS

DESENVOLVIMENTO DE SISTEMA DE VIDA ARTIFICIAL BASEADO EM AGENTES DE COMPORTAMENTOS COMPLEXOS DESENVOLVIMENTO DE SISTEMA DE VIDA ARTIFICIAL BASEADO EM AGENTES DE COMPORTAMENTOS COMPLEXOS RELATÓRIO FINAL DE PROJETO DE INICIAÇÃO CIENTÍFICA (PIBIC/CNPq/INPE) Juliana Martins Maia Pereira (UNIVAP, Bolsista

Leia mais

CONHECENDO O ALGORITMO GARP. Adair Santa Catarina Curso de Informática Unioeste Campus de Cascavel PR

CONHECENDO O ALGORITMO GARP. Adair Santa Catarina Curso de Informática Unioeste Campus de Cascavel PR CONHECENDO O ALGORITMO GARP Adair Santa Catarina Curso de Informática Unioeste Campus de Cascavel PR INPE Set/2006 Roteiro Introdução Algoritmos Genéticos (AG) GMS e DesktopGARP Avaliação dos Modelos Ajustados

Leia mais

Estudo comparativo de algoritmos genéticos aplicados ao escalonamento de tarefas

Estudo comparativo de algoritmos genéticos aplicados ao escalonamento de tarefas Estudo comparativo de algoritmos genéticos aplicados ao escalonamento de tarefas Cadernos de Daniela D'Andréa Santos Daniela Pasotto Alunas do Curso de Mestrado do Programa de em Engenharia da Universidade

Leia mais

Algoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008

Algoritmos 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 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

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

Alocação de Grade Horária em Instituições de Ensino Superior Utilizando Algoritmos Genéticos

Alocação de Grade Horária em Instituições de Ensino Superior Utilizando Algoritmos Genéticos Alocação de Grade Horária em Instituições de Ensino Superior Utilizando Algoritmos Genéticos Cristiane Divina L. Hamawaki 1, Keiji Yamanaka 1, Rodrigo C. Oliveira 1, Osvaldo T. Hamawaki 2 1 Faculdade de

Leia mais

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida 27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma

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

Evolução Biológica e Algoritmos Genéticos. Fábio Lima Custódio flc@lncc.br

Evolução Biológica e Algoritmos Genéticos. Fábio Lima Custódio flc@lncc.br Evolução Biológica e Algoritmos Genéticos Fábio Lima Custódio flc@lncc.br Sumário Conceitos gerais O que é evolução? Forças Evolutivas Mutação Deriva Gênica Fluxo gênico Seleção Natural A teoria evolutiva

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

A Otimização Colônia de Formigas

A Otimização Colônia de Formigas A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado

Leia mais

APLICAÇÕES DE ALGORITMOS GENÉTICOS

APLICAÇÕES DE ALGORITMOS GENÉTICOS APLICAÇÕES DE ALGORITMOS GENÉTICOS Augusto Cesar E. Redusino Faculdade Salesiana Maria Auxiliadora R. Monte Elíseos S/N Visconde de Araújo CEP 27943-180 Macaé-RJ e-mail: augustoredusino@gmail.com Resumo

Leia mais

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS UMA SOLUÇÃO DO PROBLEMA DAS N RAINHAS ATRAVÉS DE ALGORITMOS GENÉTICOS A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS Eliane Vendramini de Oliveira Mestre em Engenharia Elétrica UNESP/ Ilha Solteira

Leia mais

Problema 8-Puzzle: Análise da solução usando Backtracking e Algoritmos Genéticos

Problema 8-Puzzle: Análise da solução usando Backtracking e Algoritmos Genéticos Problema 8-Puzzle: Análise da solução usando e Nelson Florêncio Junior Orientador: Frederico Gadelha Guimarães Departamento de Computação UFOP 18 de agosto de 2011 Nelson Florêncio Junior (UFOP) PAA 1

Leia mais

OTIMIZAÇÃO DOS PARÂMETROS DE UM CONTROLADOR PROPORCIONAL, INTEGRAL E DERIVATIVO POR ALGORITMO GENÉTICO PARA UM SISTEMA DE CONTROLE DE NÍVEL DE LÍQUIDO

OTIMIZAÇÃO DOS PARÂMETROS DE UM CONTROLADOR PROPORCIONAL, INTEGRAL E DERIVATIVO POR ALGORITMO GENÉTICO PARA UM SISTEMA DE CONTROLE DE NÍVEL DE LÍQUIDO 121 OTIMIZAÇÃO DOS PARÂMETROS DE UM CONTROLADOR PROPORCIONAL, INTEGRAL E DERIVATIVO POR ALGORITMO GENÉTICO PARA UM SISTEMA DE CONTROLE DE NÍVEL DE LÍQUIDO PROPORTIONAL, INTEGRAL AND DERIVATIVE PARAMETERS

Leia mais

FUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO

FUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO FUNDAÇÃO DE APOIO AO ENINO TÉCNICO DO ETADO DO RIO DE JANEIRO PLANO DE CURO 1. Identificação Curso de Extensão: INTRODUÇÃO AO ITEMA INTELIGENTE Professor Regente: José Carlos Tavares da ilva Carga Horária:

Leia mais

Inteligência Computacional: resolvendo problemas difíceis da vida real

Inteligência Computacional: resolvendo problemas difíceis da vida real Instituto de Computação Semana Nacional da Ciência e Tecnologia Escola Agrotécnica Federal de Inconfidentes Inteligência Computacional: resolvendo problemas difíceis da vida real Carlos Eduardo de Andrade

Leia mais

Problema de alocação de salas de aulas: uma abordagem via algoritmos genéticos

Problema de alocação de salas de aulas: uma abordagem via algoritmos genéticos III Encontro de Modelagem Computacional Problema de alocação de salas de aulas: uma abordagem via algoritmos genéticos Marco Aurélio Buono Carone- thecoreh@gmail.com Vinícius Tinti de Paula Oliveira- viniciustinti@gmail.com

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

Redes Neurais no MATLAB 6.1

Redes Neurais no MATLAB 6.1 Redes Neurais no MATLAB 6.1 Redes Neurais no MATLAB Duas formas de utilização: Linhas de comando, e m-files Interface gráfica (NNTool) 1 Redes Neurais no MATLAB Duas formas de utilização: Linhas de comando,,

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

Pontifícia Universidade Católica do Paraná Programa de Pós-Graduação em Informática Aplicada. Computação Evolutiva. Luiz Eduardo S. Oliveira, Ph.D.

Pontifícia Universidade Católica do Paraná Programa de Pós-Graduação em Informática Aplicada. Computação Evolutiva. Luiz Eduardo S. Oliveira, Ph.D. Pontifícia Universidade Católica do Paraná Programa de Pós-Graduação em Informática Aplicada Computação Evolutiva Luiz Eduardo S. Oliveira, Ph.D. 2005 Sumário 1 Introdução 1 2 Algoritmos Genéticos 3 2.1

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

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

Evolution of Robustness in an Electronic Design

Evolution of Robustness in an Electronic Design Evolution of Robustness in an Electronic Design MAC0461 - Introdução ao Escalonamento e Aplicações Professor: Alfredo Goldman vel Lejbman Instituto de Matemática e Estatística Universidade de São Paulo

Leia mais

IDENTIFICAÇÃO DE PESSOAS ATRAVÉS DE ALGORITMO GENÉTICO APLICADO EM MEDIDAS DAS PROPORÇÕES ÁUREAS DA FACE HUMANA

IDENTIFICAÇÃO DE PESSOAS ATRAVÉS DE ALGORITMO GENÉTICO APLICADO EM MEDIDAS DAS PROPORÇÕES ÁUREAS DA FACE HUMANA IDENTIFICAÇÃO DE PESSOAS ATRAVÉS DE ALGORITMO GENÉTICO APLICADO EM MEDIDAS DAS PROPORÇÕES ÁUREAS DA FACE HUMANA (Recognition of Human Faces through Genetic Algorithm applied in Reasons Áureas) Walison

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

Frederico Gadelha Guimarães frederico.g.guimaraes@gmail.com. Departamento de Computação (DECOM) Universidade Federal de Ouro Preto (UFOP)

Frederico Gadelha Guimarães frederico.g.guimaraes@gmail.com. Departamento de Computação (DECOM) Universidade Federal de Ouro Preto (UFOP) Frederico Gadelha Guimarães frederico.g.guimaraes@gmail.com Natural problem solvers: (1) O cérebro humano neurocomputação; (2) O processo evolutivo computação evolutiva; Living organisms are consummate

Leia mais

Algoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto

Algoritmo 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 mais

ELIAS MELGAÇO CHAVES JÚNIOR ALGORITMOS GENÉTICOS: COMPARAÇÃO ENTRE OS FRAMEWORKS AFORGE E JGAP

ELIAS MELGAÇO CHAVES JÚNIOR ALGORITMOS GENÉTICOS: COMPARAÇÃO ENTRE OS FRAMEWORKS AFORGE E JGAP ELIAS MELGAÇO CHAVES JÚNIOR ALGORITMOS GENÉTICOS: COMPARAÇÃO ENTRE OS FRAMEWORKS AFORGE E JGAP Palmas 2012 ELIAS MELGAÇO CHAVES JÚNIOR ALGORITMOS GENÉTICOS: COMPARAÇÃO ENTRE OS FRAMEWORKS AFORGE E JGAP

Leia mais

Relatório de uma Aplicação de Redes Neurais

Relatório de uma Aplicação de Redes Neurais UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS

Leia mais

GT-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 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 mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem

Leia mais

Algoritmos genéticos na estimação de parâmetros em gestão de estoque

Algoritmos genéticos na estimação de parâmetros em gestão de estoque Artigos Algoritmos genéticos na estimação de parâmetros em gestão de estoque Sidnei Alves de Araújo Doutorando em Engenharia Elétrica Poli/USP; Professor e pesquisador do Departamento de Ciências Exatas

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

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

Otimização do Planejamento de Cargas de Dados utilizando Algoritmos Genéticos

Otimização do Planejamento de Cargas de Dados utilizando Algoritmos Genéticos Otimização do Planejamento de Cargas de Dados utilizando Algoritmos Genéticos Tatiana Escovedo 1, Adriano S. Koshiyama 1 e Marco Aurélio C. Pacheco 1 1 Departamento de Engenharia Elétrica Pontifícia Universidade

Leia mais

COMPUTAÇÃO EVOLUTIVA

COMPUTAÇÃO EVOLUTIVA COMPUTAÇÃO EVOLUTIVA Grupo de Pesquisas em Computação Evolutiva Aurora Pozo Andrea de Fatima Cavalheiro Celso Ishida Eduardo Spinosa Ernesto Malta Rodrigues Departamento de Informática Universidade Federal

Leia mais

Mestrado em Informática, tendo Inteligência Artificial como área de pesquisa.

Mestrado em Informática, tendo Inteligência Artificial como área de pesquisa. André Montevecchi Graduado em Sistemas de Informação. Mestrado em Informática, tendo Inteligência Artificial como área de pesquisa. andre@montevecchi.com.br 1 Agenda Introdução Teste de Turing Robótica

Leia mais

COPPE/UFRJ. CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba

COPPE/UFRJ. CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba COPPE/UFRJ CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba PROGRAMA PARA DEMONSTRAÇÃO DO PROCESSO DE APRENDIZADO DOS NEURÔNIOS DA CAMADA INTERMEDIÁRIA DE UMA REDE NEURAL FEEDFORWARD DE 2 CAMADAS,

Leia mais

PAPER 1/6. Estudo de Viabilidade Econômica na Utilização de MicroGrid no Sistema de Distribuição Elétrica de Energia de Média Tensão

PAPER 1/6. Estudo de Viabilidade Econômica na Utilização de MicroGrid no Sistema de Distribuição Elétrica de Energia de Média Tensão 1/6 Title Estudo de Viabilidade Econômica na Utilização de MicroGrid no Sistema de Distribuição Elétrica de Energia de Média Tensão Registration Nº: (Abstract) Empresa o Entidad Universidade de São Paulo

Leia mais

ALGORITMO GENÉTICO: REVISÃO HISTÓRICA E EXEMPLIFICAÇÃO

ALGORITMO GENÉTICO: REVISÃO HISTÓRICA E EXEMPLIFICAÇÃO ALGORITMO GENÉTICO: REVISÃO HISTÓRICA E EXEMPLIFICAÇÃO Ana Paula Grosko 1, José Robeto Gorski 2, João da Silva Dias 3 1,2 Alunos do Programa de Pós-graduação em Tecnologia em Saúde (PPGTS) Pontifícia Universidade

Leia mais

Genetic algorithms and sequential quadratic programming comparisons for engineering problems optimization

Genetic algorithms and sequential quadratic programming comparisons for engineering problems optimization Teoria e Prática na Engenharia Civil, n.15, p.29-39, Abril, 2010 Comparação de algoritmos genéticos e programação quadrática seqüencial para otimização de problemas em engenharia Genetic algorithms and

Leia mais

3 Métodos de Otimização

3 Métodos de Otimização 3 Métodos de Otimização 3.1. Introdução Os problemas de otimização são problemas de maximização ou minimização de função de uma ou mais variáveis num determinado domínio, sendo que, geralmente, existe

Leia mais

MÉTODO DE PRÉ-PROCESSAMENTO PARA AUMENTAR A EFICIÊNCIA DE UM SISTEMA DE RECONHECIMENTO DE ÍRIS E PERMITIR A CONSTRUÇÃO DE TEMPLATES MENORES

MÉTODO DE PRÉ-PROCESSAMENTO PARA AUMENTAR A EFICIÊNCIA DE UM SISTEMA DE RECONHECIMENTO DE ÍRIS E PERMITIR A CONSTRUÇÃO DE TEMPLATES MENORES MÉTODO DE PRÉ-PROCESSAMENTO PARA AUMENTAR A EFICIÊNCIA DE UM SISTEMA DE RECONHECIMENTO DE ÍRIS E PERMITIR A CONSTRUÇÃO DE TEMPLATES MENORES Milena B. P. Carneiro, Antônio C. P. Veiga, Edna L. Flores, Gilberto

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

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

Cálculo Numérico. ECA / 4 créditos / 60 h Introdução, Erros e Matlab. Ricardo Antonello. www.antonello.com.br

Cálculo Numérico. ECA / 4 créditos / 60 h Introdução, Erros e Matlab. Ricardo Antonello. www.antonello.com.br Cálculo Numérico ECA / 4 créditos / 60 h Introdução, Erros e Matlab Ricardo Antonello www.antonello.com.br Conteúdo Erros na fase de modelagem Erros na fase de resolução Erros de arredondamento Erros de

Leia mais

MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE

MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE Seminário Regional OSIsoft do Brasil 2010 São Paulo, Brasil MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE 28 de Outubro de 2010 André Paulo Ferreira Machado PETROBRAS Empowering

Leia mais

Otimização Aplicada à Engenharia de Processos

Otimização Aplicada à Engenharia de Processos Otimização Aplicada à Engenharia de Processos Aula 1: Introdução Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013 Antes de

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

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

XLVI Pesquisa Operacional na Gestão da Segurança Pública

XLVI Pesquisa Operacional na Gestão da Segurança Pública IMPLEMENTAÇÕES PARALELAS PARA O PROBLEMA DA MOCHILA MULTIDIMENSIONAL USANDO ALGORITMOS GENÉTICOS Bianca de Almeida Dantas Faculdade de Computação Universidade Federal de Mato Grosso do Sul CEP: 79070-900

Leia mais

Aplicação de algoritmos genéticos para ajuste de modelos regressores não lineares com grande número de parâmetros 1. Introdução

Aplicação de algoritmos genéticos para ajuste de modelos regressores não lineares com grande número de parâmetros 1. Introdução 15 Aplicação de algoritmos genéticos para ajuste de modelos regressores não lineares com grande número de parâmetros 1 Kamila Lacerda de Almeida 2, Mariana Tito Teixeira 3, Roney Alves da Rocha 4 Resumo:

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial Prof. Kléber de Oliveira Andrade pdjkleber@gmail.com Algoritmos Genéticos Conteúdo Introdução O Algoritmo Genético Binário Noções de Otimização O Algoritmo Genético com Parâmetros

Leia mais

Algoritmo Genético. Teoria da Evolução Princípio seguido pelos AGs

Algoritmo Genético. Teoria da Evolução Princípio seguido pelos AGs Algoritmo Genético Técnica de busca e otimização. Metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John Holland (1975) e seus

Leia mais

Do neurônio biológico ao neurônio das redes neurais artificiais

Do neurônio biológico ao neurônio das redes neurais artificiais Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais

Leia mais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José

Leia mais

UM ALGORITMO CULTURAL PARA PROBLEMAS DE DESPACHO DE ENERGIA ELÉTRICA

UM ALGORITMO CULTURAL PARA PROBLEMAS DE DESPACHO DE ENERGIA ELÉTRICA NÁTALLI MACEDO RODRIGUES UM ALGORITMO CULTURAL PARA PROBLEMAS DE DESPACHO DE ENERGIA ELÉTRICA MARINGÁ 2007 Catalogação na Publicação Fabiano de Queiroz Jucá CRB 9/1249 Biblioteca Central da UNICENTRO,

Leia mais

ESTUDO PRELIMINAR SOBRE A ESCALABILIDADE DE UM ALGORITMO GENÉTICO PARALELIZADO COM OPENMP. Mateus Fontoura Gomes da Rosa Márcia C.

ESTUDO PRELIMINAR SOBRE A ESCALABILIDADE DE UM ALGORITMO GENÉTICO PARALELIZADO COM OPENMP. Mateus Fontoura Gomes da Rosa Márcia C. ESTUDO PRELIMINAR SOBRE A ESCALABILIDADE DE UM ALGORITMO GENÉTICO PARALELIZADO COM OPENMP Mateus Fontoura Gomes da Rosa Márcia C. Cera Roteiro Introdução Problema de Roteamento de Veículos Objetivos da

Leia mais

Aplicando Algoritmos Genéticos na Alocação de Tarefas em Sistemas Distribuídos de Tempo Real

Aplicando Algoritmos Genéticos na Alocação de Tarefas em Sistemas Distribuídos de Tempo Real Aplicando Algoritmos Genéticos na Alocação de Tarefas em Sistemas Distribuídos de Tempo Real André C. Nácul +, Maurício Lima Pilla +, Rômulo Silva de Oliveira * {anacul,pilla}@inf.ufrgs.br, romulo@lcmi.ufsc.br

Leia mais

Utilizando Algoritmos Genéticos no Dimensionamento de Call Center

Utilizando Algoritmos Genéticos no Dimensionamento de Call Center > REVIST DE ITELIGÊCI COMPUTCIOL PLICD (ISS: XXXXXXX), Vol. X, o. Y, pp. 1-10 1 Utilizando lgoritmos Genéticos no Dimensionamento de Call Center Lima, Maximiliano Moreno. Resumo - Ultimamente o call center

Leia mais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade

Leia mais

OTIMIZAÇÃO POR NUVEM DE PARTÍCULAS: DIFERENÇA ENTRE APLICAÇÕES A PROBLEMAS CONTÍNUOS E DISCRETOS

OTIMIZAÇÃO POR NUVEM DE PARTÍCULAS: DIFERENÇA ENTRE APLICAÇÕES A PROBLEMAS CONTÍNUOS E DISCRETOS OTIMIZAÇÃO POR NUVEM DE PARTÍCULAS: DIFERENÇA ENTRE APLICAÇÕES A PROBLEMAS CONTÍNUOS E DISCRETOS Marilyn Cristine Serafim de Oliveira 1, Thales Lima Silva 1, Dario José Aloise 1 1 Universidade Federal

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução

Leia mais

Aplicações Práticas com Redes Neurais Artificiais em Java

Aplicações Práticas com Redes Neurais Artificiais em Java com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org

Leia mais

PARTICIONAMENTO HARDWARE/SOFTWARE : PROPOSTA DE SOLUÇÃO COM REDES NEURAIS ARTIFICIAIS

PARTICIONAMENTO HARDWARE/SOFTWARE : PROPOSTA DE SOLUÇÃO COM REDES NEURAIS ARTIFICIAIS PARTICIONAMENTO HARDWARE/SOFTWARE : PROPOSTA DE SOLUÇÃO COM REDES NEURAIS ARTIFICIAIS Maurício Acconcia Dias¹, Wilian Soares Lacerda¹ ¹Departamento de Ciência da Computação Universidade Federal de Lavras

Leia mais

Técnicas metaheurísticas aplicadas na otimização de parâmetros em um modelo probabilístico de gestão de estoques

Técnicas metaheurísticas aplicadas na otimização de parâmetros em um modelo probabilístico de gestão de estoques Técnicas metaheurísticas aplicadas na otimização de parâmetros em um modelo probabilístico de gestão de estoques Sidnei Alves de Araújo André Felipe Henriques Librantz

Leia mais

Simulador de Redes Neurais Multiplataforma

Simulador de Redes Neurais Multiplataforma Simulador de Redes Neurais Multiplataforma Lucas Hermann Negri 1, Claudio Cesar de Sá 2, Ademir Nied 1 1 Departamento de Engenharia Elétrica Universidade do Estado de Santa Catarina (UDESC) Joinville SC

Leia mais

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

Computação Evolucionária: criando programas que programam

Computação Evolucionária: criando programas que programam Computação Evolucionária: criando programas que programam Seminários de Graduação Bacharelado em Sistemas de Informação Universidade Federal Rural de Pernambuco Prof. Dr. Cícero Garrozi Departamento de

Leia mais

CENTRO UNIVERSITÁRIO UNISEB TRABALHO DE CONCLUSÃO DE CURSO BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO

CENTRO UNIVERSITÁRIO UNISEB TRABALHO DE CONCLUSÃO DE CURSO BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO CENTRO UNIVERSITÁRIO UNISEB TRABALHO DE CONCLUSÃO DE CURSO BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO AUTOMATIZAÇÃO NA DISTRIBUIÇÃO DE CARGA HORÁRIA DE PROFESSORES MÉTODO ALGORITMO GENÉTICO Allison Henrique

Leia mais

Disciplina de Projetos e Análise de Algoritmos. Aula 1 - Apresentação aos Algoritmos Computacionais

Disciplina de Projetos e Análise de Algoritmos. Aula 1 - Apresentação aos Algoritmos Computacionais Aula 1 - Apresentação aos Algoritmos Computacionais O que é a Disciplina? Disciplina de Projeto e Análise de Algoritmos Esta é uma disciplina de Algoritmos em nível de Pós-Graduação! Temas a serem abordados:

Leia mais

Representação por Números Reais

Representação por Números Reais Representação por Números Reais Cromossomas expressam valores através de números reais (ponto flutuante) e não em binário Para apresentarmos essa representação vamos introduzir o conceito de hibridização

Leia mais