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

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

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

Transcrição

1 Generalidades A metáfora Biológica Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest ) Operadores Genéticos (Mendel) - recombinação (crossover ) - mutação (mutation ) Algoritmos Genéticos procura adaptativa global relativamente a uma função objectivo

2 Generalidades DADOS: INSTÂNCIAS (I):conjunto dos indivíduos do domínio HIPÓTESES (H): conjunto dos indivíduos que formam uma população CONCEITO ALVO (C): indivíduo de qualidade máxima EXEMPLOS DE TREINO DO C. A. (E): população inicial DETERMINAR: HIPÓTESES CONSISTENTES COM OS EXEMPLOS DE TREINO: indivíduos de qualidade superior obtidos a partir da população inicial

3 Generalidades Funcionamento

4 Generalidades Algoritmo GA(fa,pr,pm,cp) % fa, função de adaptabilidade % pr, probabilidade de recombinação % pm, probabilidade de mutação, pm % cp, critério de paragem 1. Definir aleatoriamente e avaliar a população inicial, p 0 2. Enquanto não existir um indivíduo em p i que satisfaz cp Selecciona indivíduos de p i de acordo com fa Recombina os indivíduos de acordo com pr Muta os indivíduos de acordo com pm Define e avalia nova população p i+1 3. Devolve o melhor individuo da população final

5 Generalidades Características - Rep. Experiência: cadeias binárias (geral) - Rep. Conhecimento: cadeias binárias (geral) - Tipo aprendizagem: indutivo - Condições do ambiente:. não supervisionado. não incremental - Tarefa: resolução problemas (p. ex. optimização)

6 Generalidades Conceitos: - população - indivíduo - cromossoma -gene - alelo

7 Generalidades Conceitos - Recombinação (crossover) A B A D C D C B troca de material genético - Mutação A B introduz novo material genético

8 Generalidades Exemplo (simples) de optimização - filosofia da caixa-preta (black-box) oo 11o 11 f(x) - calcular o máximo de f(x) = x - 50 com x [0, 127] - representação binária x = =

9 Generalidades Modelização população = 4 indivíduos indivíduo = 1 cromossoma cromossoma = 7 genes gene = 2 alelos alelo = 1 ou 0 Parâmetros adaptabilidade = valor de f(x) mutação = um gene recombinação = ponto de corte entre 4 e 5 gene

10 Generalidades Simulação Reprodução adaptativa Reprodução adaptativa mutações recombinação 1-4, mutação recombinação 1-4, 2-3

11 Generalidades Aplicações - Optimização numérica problemas combinatórios (escalonamento) - Programação Automática programas para tarefas específicas autómatos celulares - Aprendizagem Computacional classificação e previsão (meteorologia) pesos de redes neuronais regras de sistemas de classificação/ produção robótica -Economia inovação mercados financeiros estratégias de definição de preços

12 Generalidades - Sistemas Sociais colónias de insectos cooperação e comunicação em sistemas multi-agentes - Biologia Sistema Imunológico Ecologia Genética das Populações Evolução e Aprendizagem...

13 Representação Binária (Holland) - razões históricas - razões teóricas - comprimento fixo - ordem fixa - operadores genéticos simples de aplicar

14 Representação Exemplo: regras Se_Então Linguagem: atributos/valores + operadores céu ={limpo, nebulado, chuva } céu = [nebulado ou chuva] céu nebulado ou com chuva e vento forte SE vento forte Então jogar-ténis notar que céu não interessa!

15 Representação Números Reais - melhor legibilidade para os humanos

16 Represenção Árvores (Koza) - comprimento variável + sin x + Λ y x 2

17 Selecção proporcional à adaptabilidade (roleta) prob(hi) = fa(hi) p j=1 fa( j) - problema da convergência prematura por número de ordem (rank) - reduz a convergência prematura - importância dos menos aptos elistista - um número fixo dos melhores passa sempre - limita o poder destruidor dos ops. genéticos

18 Selecção por torneio escolhe dois indivíduos aleatóriamente. determina aleatóriamente qual dos dois passa para geração seguinte - semelhante à selecção por número de ordem - mais eficiente computacionalmente - paralelização estável (steady-state) - retém a maior parte dos melhores - os restantes são substituidos usando os ops. genéticos sobre os melhores

19 Recombinação um ponto dois pontos uniforme

20 Mutação mutação aleatória - mudança de um gene num cromossoma mutação por troca - dois genes do mesmo cromossoma trocam os respectivos valores

21 Operadores Genéticos restrições ao acasalamento (pb. da diversidade) - apenas os cromossomas de adaptabilidade semelhante acasalam (formação de espécies) - apenas os cromossomas de adaptabilidade diferente acasalam (proibição do incesto) - um novo cromossoma substitui o mais semelhante

22 Resolução de Problemas Programação Genética (Koza) - produzir automáticamente programas Representação : árvores + sin x + Λ y Modelização: x 2 - população = conjunto de programas - indivíduo = programa - cromossoma = conjunto de genes - gene = termo - alelos = árvores sintáticamente correctas a partir de objectos terminais e símbolos funcionais

23 Resolução de Problemas Parâmetros - adaptabilidade: relação entre saida do programa e valor esperado para uma dada entrada número de casos correctos - selecção: elitista 10% dos melhores transita 90% restantes escolhidos probabilisticamente função de fa - mutação: não existe

24 Resolução de Problemas - recombinação: um ponto de corte + + sin Λ sin x 2 + x + x y Λ y x sin Λ x x 2 x sin + Λ y 2 + x y

25 Resolução de Problemas Empilhamento n e s r v u l a i - dada uma configuração qualquer de blocos construir uma pilha formando a palavra UNIVERSAL terminais - CS (current stack): nome do bloco no topo da pilha (ou F se não existe) - TB (top current block): nome do bloco alto a partir do qual a pilha está correcta - NN (next necessary): nome do bloco necessário acima de TB, para formar Universal (ou F caso não existe)

26 Resolução de Problemas Funções - (MS x) (move to Stack): desloca x da mesa para topo da pilha - (MT x) (move to table): desloca x do topo da pilha para a mesa - (EQ x y): T se x=y F caso contrário - (NOT x): T se x=f, F se x=t (DU x y) (do until): executa x até y=t adaptabilidade: número de soluções correctas numa população de 166 casos população inicial: 300 programas após 10 gerações: (EQ (DU (MT CS) (NOT CS)) (DU (MS NN) (NOT NN)))

27 Resolução de Problemas AGs e Redes Neuronais - topologia da rede - algoritmo de aprendizagem - pesos das ligações (treino)

28 Resolução de Problemas Treino da Rede (aprendizagem dos pesos) Representação: números reais Rede: Cromossoma: ( ) de cima para baixo da esquerda para a direita Modelização

29 Resolução de Problemas Parâmetros adaptabilidade: valor da soma dos erros quadráticos (na saida) relativo a todos os exemplos de treino (quanto menor melhor!) selecção: mutação:aleatória = soma valor real ([-1,+1]) ( ) ( )

30 Resolução de Problemas recombinação: uniforme, só um descendente! ( ) ( ) ( ) são selecionados os pais para cada unidade determinando os valores das ligações de entrada

31 Resolução de Problemas Problema de Satisfação de Restrições (PSR) (X, D, C) X: conjunto finito de variáveis {x1,...,xn } D: conjunto indexado por X, Di: discreto e finito C: conjunto de restrições que limita o valor das variáveis Objectivo: uma instanciação das variáveis x i com valores de D i respeitando as restrições de C Exemplo: coloração de um mapa x i : país D i : conjunto de cores possíveis C: países adjacentes cores diferentes

32 Resolução de Problemas Escalonamento R: Recursos T: Tarefas C: Restrições Objectivo: Atribuir recursos às tarefas respeitando as restrições Modelização: População: conjunto soluções potenciais Indivíduo: 1 solução = 1 cromossoma Gene: associação tarefa/plano Nº Genes = Nº Tarefas Exemplo de Cromossomas {(T1, R1:R2), (T2,R2), (T3,R1+R4),(T4,R3) } {(T4,R1), (T1,R1+R4),(T2,R3+R4),(T3,R1+R4) } Cada recurso tem um tempo associado à tarefa

33 Resolução de Problemas População inicial - permutação das tarefas - escolha aleatória de um plano por tarefa - escolha aleatória da unidade do recurso Selecção: elitista - o melhor indivíduo é sempre mantido Recombinação - por ordem - por posição Mutação: troca - de tarefas - plano de recursos - (unidade) recurso

34 Resolução de Problemas Escalonamento {(T1, R1(5):R2(4)), (T2,R2(2)), (T3,R1(4)+R4(4)),(T4,R3(2)) } Função de adaptabilidade (utilização dos recursos) m n tempo de serviço(j, i) j = 1i = 1 K *(final início) *100% Critério de paragem - número máximo de gerações - indivíduo com qualidade pré-definida

35 Evolução e Coevolução Dilema do Prisioneiro (Axelrod) (B) C O (A) C O 3,3 0,5 5,0 1,1 Qual a melhor estratégia? solução humana - dois torneios ( tipo round-robin) estratégias (programas) - vencedor: TIT FOR TAT oferecer cooperação e corresponder à última jogada do adversário! C A C B O B C B O B O A

36 Evolução e Coevolução Dilema do Prisioneiro: solução Genética Representação das estratégias - palavras (strings) sobre alfabeto T={ C,O } memória = último jogo - Exemplo: TIT FOR TAT C C C?? C O O Jogo anterior O O C O C O Memória Estratégia

37 Evolução e Coevolução memória = 3 últimos jogos -4 3 = 64 possibilidades (1) C C C C C C? O O O O O O passado recente (64) O O O O O O? memória estratégia = palavra de = 70 símbolos - 6 símbolos adicionais para fabricar 3 jogos para primeira jogada estratégia estratégias diferentes 2 70

38 Evolução e Coevolução modelização - população = 20 estratégias (indivíduos) - indivíduo = 1 estratégia (cromossoma) - cromossoma = 70 genes - gene = jogada - alelo = C ou O Parâmetros adaptabilidade : valor médio dos resultados dos jogos com 8 estratégias humanas representa tivas (sem Tit For Tat!!) selecção: recombinação: mutação:

39 Evolução e Coevolução Resultados - gerações = 50 - analisa 20 * 50 = 1000 indivíduos (contra 2 70 ) - desenvolveu estratégias melhores que a melhor (TIT FOR TAT) humana - adaptabilidade estática vs. dinâmica ambiente fixo (8 estratégias) ambiente dinâmico - adaptabilidade: jogar contra os indivíduos da mesma população! --> estratégias tipo TFT - CoEvolução - variantes: sem recombinação memória de comprimento variável

40 Questões Resolução de Problemas - controlo optimização de processos encaminhamento tráfego (telecomunicações) escalonamento da produção - aprendizagem computacional classificação e previsão (meteorologia) redes neuronais robótica (planeamento de trajectórias) - economia inovação mercados financeiros estratégias de definição de preços

41 Questões Biologia - interacções ecológicas coevolução hospedeiro/parasita - genética diploidia, duplicação/eliminação de genes, regulação genética - evolução e aprendizagem Lamarck, Baldwin, Darwin - representações dinâmicas tamanho, hierarquização - adaptação dinâmica dos parâmetros pr, pm

42 Questões Ambientes de simulação -ECHO - GENESIS - LamBaDa

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

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

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

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

Leia mais

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

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

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

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

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

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

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

- 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

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

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Reconhecimento de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superior de Tecnologia Engenharia Informática Reconhecimento de Padrões Prof. João Ascenso e Prof.

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

Transcrição Automática de Música

Transcrição Automática de Música Transcrição Automática de Música Ricardo Rosa e Miguel Eliseu Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Leiria Departamento de Engenharia Informática A transcrição automática de

Leia mais

Resolução de Problemas Com Procura. Capítulo 3

Resolução de Problemas Com Procura. Capítulo 3 Resolução de Problemas Com Procura Capítulo 3 Sumário Agentes que resolvem problemas Tipos de problemas Formulação de problemas Exemplos de problemas Algoritmos de procura básicos Eliminação de estados

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

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

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

Leia mais

Atividade extra. Questão 1. Questão 2. Ciências da Natureza e suas Tecnologias Biologia. A diversidade biológica é o fruto da variação genética.

Atividade extra. Questão 1. Questão 2. Ciências da Natureza e suas Tecnologias Biologia. A diversidade biológica é o fruto da variação genética. Atividade extra Questão 1 A diversidade biológica é o fruto da variação genética. Falar em biodiversidade e em tempo significa, necessariamente, falar de: a. Degeneração. b. Conservação. c. Evolução. d.

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

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

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

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

Algoritmos Genéticos: uma Introdução 1

Algoritmos Genéticos: uma Introdução 1 Algoritmos Genéticos: uma Introdução 1 Diogo C. Lucas dlucas@inf.ufrgs.br Março, 2002 1 Apostila elaborada sob a orientação de Luís Otávio Álvares, para a disciplina de Ferramentas de Inteligência Artificial

Leia mais

IA: Problemas de Satisfação de Restrições. Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

IA: Problemas de Satisfação de Restrições. Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br IA: Problemas de Satisfação de Restrições Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Introdução Um PSR é definido por um conjunto de variáveis X 1, X 2,..., X n, e por um conjunto de restrições,

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

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

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente

Leia mais

Plataforma sinap t&d. Geração Distribuída. Análise de Redes Proteção Despacho Confiabilidade Manobras de Redes

Plataforma sinap t&d. Geração Distribuída. Análise de Redes Proteção Despacho Confiabilidade Manobras de Redes Agradecimentos Este trabalho foi desenvolvido no âmbito do Programa de Pesquisa e Desenvolvimento Tecnológico do Setor de Energia Elétrica regulado pela ANEEL e consta dos Anais do VI Congresso de Inovação

Leia mais

Introdução às Redes Neurais Artificiais

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

Leia mais

Satisfação de Restrições. Capítulo 5 (disponível online)

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

Leia mais

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

Escalonamento de Ordens de Produção Utilizando Algoritmos Genéticos

Escalonamento de Ordens de Produção Utilizando Algoritmos Genéticos Universidade Regional de Blumenau Centro de Ciências Exatas e Naturais Bacharelado em Ciências da Computação Estágio Supervisionado Escalonamento de Ordens de Produção Utilizando Algoritmos Genéticos Acadêmico:

Leia mais

Problemas de Satisfação de Restrições

Problemas de Satisfação de Restrições Computação Inteligente Problemas de Satisfação de Restrições Lucas Augusto Carvalho Mestrado em Ciência da Computação 2011.1 DCOMP - Universidade Federal de Sergipe 1 Conteúdo Problemas de Satisfação de

Leia mais

O Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados

O Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados SUMÁRIO - AULA1 O Processo de KDD O processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Pré-processamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento

Leia mais

Análise e Projeto de Algoritmos

Análise e Projeto de Algoritmos Análise e Projeto de Algoritmos Prof. Eduardo Barrére www.ufjf.br/pgcc www.dcc.ufjf.br eduardo.barrere@ice.ufjf.br www.barrere.ufjf.br Complexidade de Algoritmos Computabilidade: Um problema é computável

Leia mais

CLASSIFICAÇÃO GENÉTICA. Reprodução, Acasalamento, Manutenção e Algumas considerações...

CLASSIFICAÇÃO GENÉTICA. Reprodução, Acasalamento, Manutenção e Algumas considerações... CLASSIFICAÇÃO GENÉTICA Reprodução, Acasalamento, Manutenção e Algumas considerações... Classificação Genética Heterogênicos = outbred Isogênicos = Inbred Acasalamento Aleatório Não-Consangüíneos Acasalamento

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

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

Problemas de Satisfação de Restrições

Problemas de Satisfação de Restrições Problemas de Satisfação de Restrições Texto base: Stuart Russel e Peter Norving - Inteligência Artificial David Poole, Alan Mackworth e Randy Goebel - Computational Intelligence A logical approach junho/2007

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

Métodos e Algoritmos de Data Mining(parte 3)

Métodos e Algoritmos de Data Mining(parte 3) Robert Groth Métodos e Algoritmos de Data Mining(parte 3) Usama Fayyad et al 1 Métodos e Algoritmos de Data Mining Soluções distância (K-vizinhos mais próximos) Naïve-Bayes Arvores de decisão Regras de

Leia mais

O DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são

O DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são Atividade extra Fascículo 2 Biologia Unidade 4 Questão 1 O DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são chamados de genes. Assinale abaixo quais

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

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

Curso Técnico Superior Profissional em Desenvolvimento Web

Curso Técnico Superior Profissional em Desenvolvimento Web Curso Técnico Superior Profissional em Desenvolvimento Web PROVA DE AVALIAÇÃO DE CAPACIDADE REFERENCIAL DE CONHECIMENTOS E APTIDÕES Áreas relevantes para o curso de acordo com o n.º 4 do art.º 11.º do

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

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados GA em Otimização Combinatorial Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados Problem a do Caixeiro Viajante Problem as de Planejamento

Leia mais

Sistemas Inteligentes Lista de Exercícios sobre Busca

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

Leia mais

Algoritmos Genéticos: Aspectos Práticos. Estéfane G. M. de Lacerda DCA/UFRN Junho/2009

Algoritmos Genéticos: Aspectos Práticos. Estéfane G. M. de Lacerda DCA/UFRN Junho/2009 : Aspectos Práticos Estéfane G. M. de Lacerda DCA/UFRN Junho/2009 Principais Tópicos População Inicial Funções Objetivo de Alto Custo Critérios de Parada Convergência Prematura Diversidade Tipos de Substituição

Leia mais

Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br

Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Laboratório de Pesquisa e Desenvolvimento Universidade Federal de Alfenas versão

Leia mais

IC Inteligência Computacional Redes Neurais. Redes Neurais

IC Inteligência Computacional Redes Neurais. Redes Neurais Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais

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

Tabela de símbolos: tabelas de espalhamento

Tabela de símbolos: tabelas de espalhamento Tabela de símbolos: tabelas de espalhamento Marcelo K. Albertini 14 de Janeiro de 2014 2/28 Resumo de complexidades Análises para operação efetuada após N inserções pior caso caso médio keys chave get

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

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

Redes Neuronais e Aprendizagem Automática 1

Redes Neuronais e Aprendizagem Automática 1 Redes Neuronais e Aprendizagem Automática 2005/2006 17 a aula Fernando.Silva@ist.utl.pt Instituto Superior Técnico Redes Neuronais e Aprendizagem Automática 1 Sumário Árvores de decisão (continuação) Entropia.

Leia mais

BIOLOGIA IACI BELO. Como duas espécies distintas podem evoluir para formas idênticas?

BIOLOGIA IACI BELO. Como duas espécies distintas podem evoluir para formas idênticas? BIOLOGIA IACI BELO www.iaci.com.br ASSUNTO: EVOLUÇÃO CONVERGENTE Série: 3EM Como duas espécies distintas podem evoluir para formas idênticas? por Joshua Clark - traduzido por HowStuffWorks Brasil Há cerca

Leia mais

PHC Recursos Humanos CS

PHC Recursos Humanos CS PHC Recursos Humanos CS A gestão total dos Recursos Humanos A solução que permite a optimização da selecção e recrutamento, a correcta descrição de funções, a execução das avaliações de desempenho e a

Leia mais

Unidade: Sistemas de Reprodução Animal. Revisor Textual: Profa. Ms. Alessandra Fabiana Cavalcante

Unidade: Sistemas de Reprodução Animal. Revisor Textual: Profa. Ms. Alessandra Fabiana Cavalcante Unidade: Sistemas de Reprodução Animal Revisor Textual: Profa. Ms. Alessandra Fabiana Cavalcante Reprodução Natural: Ao acaso Determinada pelo ser humano: Pressão seletiva para características desejáveis

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

PLANIFICAÇÃO MODULAR ANO LECTIVO 2015 / 2016

PLANIFICAÇÃO MODULAR ANO LECTIVO 2015 / 2016 PLANIFICAÇÃO MODULAR ANO LECTIVO 2015 / 2016 CURSO/CICLO DE FORMAÇÃO Técnico de Eletrotecnia e Técnico de Gestão de Equipamentos Informáticos / 2015/2018 DISCIPLINA: Tecnologias da Informação e Comunicação

Leia mais

Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF

Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF No capítulo anterior... Estratégias de busca auxiliadas por heurísticas (A*, BRPM)

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

PRINCIPIOS GERAIS PARA A ELABORAÇÃO DE UM PLANO DE JOGO

PRINCIPIOS GERAIS PARA A ELABORAÇÃO DE UM PLANO DE JOGO PRINCIPIOS GERAIS PARA A ELABORAÇÃO DE UM PLANO DE JOGO ANTÓNIO GUERRA DEPARTAMENTO DE FORMAÇÃO DA FPV CONHEÇA A SUA EQUIPA E A COMPETIÇÃO ONDE PARTICIPA Primeiro que tudo têm de conhecer a sua equipa,

Leia mais

Genética I: Mendel, Mitose e Meiose

Genética I: Mendel, Mitose e Meiose Página 1 de 6 Genética I: Mendel, Mitose e Meiose Uma forma de estudar a função biológica é pegar um organismo/célula e dividi-lo em componentes, como as proteínas, e então estudar os componentes individuais.

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

Optimização Multi-critério para o Escalonamento de Operações Fabris

Optimização Multi-critério para o Escalonamento de Operações Fabris Unidade de Engenharia de Sistemas de Produção Campus da FEUP Rua Dr. Roberto Frias, 378 4200-465 Porto Tel. +351 22 2094300 Fax +351 22 2094350 E-mail uesp@inescporto.pt Web www.inescporto.pt/uesp Optimização

Leia mais

Curso: Redes II (Heterogênea e Convergente) Tema da Aula: Características Roteamento

Curso: Redes II (Heterogênea e Convergente) Tema da Aula: Características Roteamento Curso: Redes II (Heterogênea e Convergente) Tema da Aula: Características Roteamento Professor Rene - UNIP 1 Roteamento Dinâmico Perspectiva e histórico Os protocolos de roteamento dinâmico são usados

Leia mais

PPD: Balanceamento de Carga e Scheduling 2

PPD: Balanceamento de Carga e Scheduling 2 PPD: Balanceamento de Carga e Scheduling 2 Fernando Silva DCC-FCUP 2 (Alguns dos slides são baseados nos de Kathy Yelick, www.cs.berkeley.edu/ yelick) Fernando Silva (DCC-FCUP) PPD: Balanceamento de Carga

Leia mais

Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores

Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores Aula passada: Discussão sobre situações de conflito Exemplos de jogos Jogo em aula Aula de hoje: Introdução

Leia mais

2.1 Os projetos que demonstrarem resultados (quádrupla meta) serão compartilhados na Convenção Nacional.

2.1 Os projetos que demonstrarem resultados (quádrupla meta) serão compartilhados na Convenção Nacional. O Prêmio Inova+Saúde é uma iniciativa da SEGUROS UNIMED que visa reconhecer as estratégias de melhoria e da qualidade e segurança dos cuidados com a saúde dos pacientes e ao mesmo tempo contribua com a

Leia mais

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para

Leia mais

Aprendizagem automática Mapas auto-organizativos (SOMs)

Aprendizagem automática Mapas auto-organizativos (SOMs) Aprendizagem automática Mapas auto-organizativos (SOMs) 1 Redes neuronais de Kohonen self-organizing maps (SOMS) Visão algébrica dum conjunto de informação (valores, sinais, magnitudes,...) vs. Visão topológica

Leia mais

Introdução à Simulação

Introdução à Simulação Introdução à Simulação O que é simulação? Wikipedia: Simulação é a imitação de alguma coisa real ou processo. O ato de simular algo geralmente consiste em representar certas características e/ou comportamentos

Leia mais

Resolução de problemas por meio de busca. Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3

Resolução de problemas por meio de busca. Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Agentes de resolução de problemas Agentes reagvos não funcionam em ambientes para quais o número de regras condição-

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

PLANEJAMENTO ANUAL / TRIMESTRAL 2014 Conteúdos Habilidades Avaliação

PLANEJAMENTO ANUAL / TRIMESTRAL 2014 Conteúdos Habilidades Avaliação COLÉGIO LA SALLE BRASÍLIA SGAS Q. 906 Conj. E C.P. 320 Fone: (061) 3443-7878 CEP: 70390-060 - BRASÍLIA - DISTRITO FEDERAL Disciplina: Biologia Trimestre: 1º Professor(a): Camilla Silva (B1) e Elisangela

Leia mais

Computabilidade em sistemas dinâmicos

Computabilidade em sistemas dinâmicos 1 Computabilidade em sistemas dinâmicos Daniel da Silva Graça 1,2 1 DM/FCT, Universidade do Algarve, Portugal 2 SQIG, Instituto de Telecomunicações, Portugal 30 de Julho de 2009 2 Introdução Informalmente

Leia mais

Plano Curricular de Matemática 9º ano - 2014 /2015-3º Ciclo

Plano Curricular de Matemática 9º ano - 2014 /2015-3º Ciclo Plano Curricular de Matemática 9º ano - 2014 /2015-3º Ciclo Tema/Subtema Conteúdos Metas Nº de Aulas Previstas Org.Trat.Dados / Planeamento Estatístico Especificação do problema Recolha de dados População

Leia mais

MESTRADO EM PESQUISA DE MERCADOS 2006 2007

MESTRADO EM PESQUISA DE MERCADOS 2006 2007 MESTRADO EM PESQUISA DE MERCADOS 2006 2007 PROGRAMA DAS DISCIPLINAS 1 1º trimestre PESQUISA DE MERCADOS Objectivos Pretende-se que os alunos: (a) adquiram os conceitos e semântica próprios do tema, (b)

Leia mais

Política de Treinamento DME

Política de Treinamento DME Política de Treinamento DME Aperfeiçoamento Técnico com respeito ao Profissional. A DME é uma empresa voltada para o atendimento das necessidades em conclusão e consumo de Energia Elétrica, consagrou-se

Leia mais

Hashing. Estruturas de Dados. Motivação

Hashing. Estruturas de Dados. Motivação Estruturas de Dados Hashing Prof. Ricardo J. G. B. Campello Parte deste material é baseado em adaptações e extensões de slides disponíveis em http://ww3.datastructures.net (Goodrich & Tamassia). Motivação

Leia mais

2.3. TEORIAS E MODELOS DE DIFUSÃO DA INOVAÇÃO

2.3. TEORIAS E MODELOS DE DIFUSÃO DA INOVAÇÃO 2.3. TEORIAS E MODELOS DE DIFUSÃO DA INOVAÇÃO 2.3.1. Teoria epidémica, difusão logística (E.Mansfield) 2.3.2. Modelo probit cronológico e seccional (David, Davies) 2.3.3. Perspectiva Evolucionista (Siverberg,

Leia mais

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 11 Problemas com Satisfação de Vínculos

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 11 Problemas com Satisfação de Vínculos Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 11 Problemas com Satisfação de Vínculos 1 Constraint Satisfaction Problems (CSP) Conceitos básicos Busca cega simples e refinada Busca heurística

Leia mais

A gestão completa dos seus recursos humanos

A gestão completa dos seus recursos humanos PHC Recursos Humanos CS DESCRITIVO Optimize a selecção e recrutamento, proceda à correcta descrição de funções, execute as avaliações de desempenho e avalie as acções de formação. PHC Recursos Humanos

Leia mais

PERFIL PROFISSIONAL TÉCNICO(A) DE ELECTRÓNICA. PERFIL PROFISSIONAL Técnico/a de Electrónica Nível 3 CATÁLOGO NACIONAL DE QUALIFICAÇÕES 1/6

PERFIL PROFISSIONAL TÉCNICO(A) DE ELECTRÓNICA. PERFIL PROFISSIONAL Técnico/a de Electrónica Nível 3 CATÁLOGO NACIONAL DE QUALIFICAÇÕES 1/6 PERFIL PROFISSIONAL TÉCNICO(A) DE ELECTRÓNICA PERFIL PROFISSIONAL Técnico/a de Electrónica Nível 3 CATÁLOGO NACIONAL DE QUALIFICAÇÕES 1/6 ÁREA DE ACTIVIDADE - ELECTRÓNICA E AUTOMAÇÃO OBJECTIVO GLOBAL -

Leia mais

Tabela de Símbolos. Análise Semântica A Tabela de Símbolos. Principais Operações. Estrutura da Tabela de Símbolos. Declarações 11/6/2008

Tabela de Símbolos. Análise Semântica A Tabela de Símbolos. Principais Operações. Estrutura da Tabela de Símbolos. Declarações 11/6/2008 Tabela de Símbolos Análise Semântica A Tabela de Símbolos Fabiano Baldo Após a árvore de derivação, a tabela de símbolos é o principal atributo herdado em um compilador. É possível, mas não necessário,

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

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.

Leia mais

PERFIL PROFISSIONAL TÉCNICO/A DE ELECTRÓNICA. PERFIL PROFISSIONAL Técnico/a de Electrónica Nível 3 CATÁLOGO NACIONAL DE QUALIFICAÇÕES 1/10

PERFIL PROFISSIONAL TÉCNICO/A DE ELECTRÓNICA. PERFIL PROFISSIONAL Técnico/a de Electrónica Nível 3 CATÁLOGO NACIONAL DE QUALIFICAÇÕES 1/10 PERFIL PROFISSIONAL TÉCNICO/A DE ELECTRÓNICA PERFIL PROFISSIONAL Técnico/a de Electrónica Nível 3 CATÁLOGO NACIONAL DE QUALIFICAÇÕES 1/10 ÁREA DE ACTIVIDADE OBJECTIVO GLOBAL SAÍDA(S) PROFISSIONAL(IS) -

Leia mais

Modelagem e Simulação

Modelagem e Simulação AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.

Leia mais

Arquitetura de Computadores. Sistemas Operacionais IV

Arquitetura de Computadores. Sistemas Operacionais IV Arquitetura de Computadores Sistemas Operacionais IV Introdução Multiprogramação implica em manter-se vários processos na memória. Memória necessita ser alocada de forma eficiente para permitir o máximo

Leia mais

MUTAÇÃO. O que é mutação? - Alteração no material genético.

MUTAÇÃO. O que é mutação? - Alteração no material genético. Universidade Federal do Piauí Núcleo de Estudos em Genética e Melhoramento (GEM) CNPJ: 12.597.925/0001-40 Rua Dirce de Oliveira,3597- Socopo/Teresina-PI Mutação MARIANE DE MORAES COSTA Teresina, 01 de

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

Aperfeiçoamento Técnico com respeito ao Profissional.

Aperfeiçoamento Técnico com respeito ao Profissional. Política de Treinamento DME Aperfeiçoamento Técnico com respeito ao Profissional. A DME é uma empresa voltada para o atendimento das necessidades em conclusão e consumo de Energia Elétrica, consagrou-se

Leia mais

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que

Leia mais

Clusterização em Mineração de Dados

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

Leia mais