CONSTRUÇÃO DE FUNÇÕES DE PERTINÊNCIA PARA CONTROLADORES LÓGICOS DIFUSOS VIA ALGORITMOS GENÉTICOS
|
|
- Marcela Silveira Canedo
- 5 Há anos
- Visualizações:
Transcrição
1 I SBAI - UNESP - Rio. Claro/SP - Brasil CONSTRUÇÃO DE FUNÇÕES DE PERTINÊNCIA PARA CONTROLADORES LÓGICOS DIFUSOS VIA ALGORITMOS GENÉTICOS ARAN B. TCHOLAKlAN STANGE EPS3ABC AT BRUFSe.BITNET Prof. PUNIO DEPARTAMENTO DE PRODUÇÃO E SISTEMAS - PROGRAMA DE POS-GRADUAÇÃO U.F.S.e. - CAIXA POSTAL CEPo RESUMO Neste trabalho. é apresentado um algoritmo para calcular funções de pertinência para controladores lógicos difusos. O algoritmo proposto baseia-se nos Algoritmos Genéticos. ferramenta adequada para o tratamento de problemas paralelos e altamente não lineares. PALA VRAS CHAVES: Algoritmos Genéticos, Controladores Lógicos Difusos. I.Introdução. A Teoria dos Conjuntos Difusos (TCD) [3] introduzida por Zadeh, fornece uma base teórica para se trabalhar com imprecisões e incertezas [11], [12] é considerada uma ferramenta apropriada para a representação das decisões humanas. Na TCD, as funções de pertinência são usadas para a representação numérica das ariáeis lingüísticas usadas pelos tomadores de decisão humanos. A construção das funções de pertinência é o aspecto que consome mais tempo nos Sistemas Especialistas, que trabalham com lógica difusa, como os controladores lógicos difusos [6], [7]. Neste trabalho, são apresentados os resultados iniciais de um algoritmo que determina funções de pertinência de ariáeis lingüísticas, para Controladores Lógicos Difusos (CLD). O método proposto baseia-se nos Algoritmos Genéticos (AG) [4], considerados como uma ferramenta adequada para o tratamento de problemas paralelos e altamente não lineares. 2. Controlador Lógico Difuso (CLD). Essencialmente, um CLD fornece um algoritmo que conerte a estratégia de controle lingüístico, baseada no conhecimento do operador humano, em um sistema computacional. A estrutura de um elo consiste de 4 unidades principais, [8], [5], estes módulos são: i). Base de Conhecimento (BC): Contém uma Base de Dados (BD) e uma Regra Base (RB). Neste módulo, interessa, para este trabalho, a escolha das funções de pertinência. Entre os ários estudos, referentes às funções de pertinência, em [2], propõe-se uma função de pertinência com 4 parâmetros: - os extremos do interalo a e b, - o ponto de inflexão, e
2 - a agudeza À. A função se expressa como: (1-) À - 1 À (x-a) 1 fj. (x) = = À-1 À À-1 À (1-) (x-a) + () (b-x) como função crescente, e (1-) À (b-x) 1 fj. (x) = = À-1 À À-1 À À - 1 À (1-) (b-x) + () (x-a) 1 + ( /1-) (x-a/b-x) À - 1 como função decrescente. À ( /1-) (b-xlx-a) Também interesa a forma de descreer o conseqüente das regras do tipo Se-Então. Nesta aplicação, considera-se o conseqüente como uma combinação dos alores lingüísticos das ariáeis de controle [1], ponderados pelos alores de pertinência das ariáes de decisão [10]. Por exemplo: Se (u( = A 2 (0.4)) e (11 2 = B3 (0.7» Então = O.O/Cl + 0.4/C /C3, onde Ui são as ariáeis de controle do sistema, Ai e Bi os alores lingüísticos dessas ariáeis, 0.4 e 0.7, são os alores obtidos do módulo de fuzzificação, é a ariáel de decisão do sistema e C i os alores lingüísticos dessa ariáel. ii). Fuzzificador: Comprende a medição dos alores reais das ariáeis do sistema e a transformação desses alores para os termos difusos das ariáeis lingüísticas correspondentes. iii). Tomada de Decisão Lógica: A principal função de um modelo difuso é implicar informação difusa sobre uma ariáel a partir de informação difusa sobre uma ariáel li, sendo este processo conhecido como implicação difusa [1]. i). Defuzzificador: Transforma a saída da inferência difusa em um número real, que indica a ação a ser tomada. o método de defuzzificação foi baseado em [9], onde o alor real de saída das regras é calculado como L ( fj. i */; )/ L ( fj. i ), onde fj. i com i = 1... n, são os alores de i i pertinência do alor lingüístico i, e fi, o alor real correspondente. À
3 I SBAI - UNESP - RioClaro/SP - Brasil 3. Algoritmo Genético (AG). Os AG [4], são uma técnica de busca, baseada na teoria eolucionária. Basicamente, os AG, diferem de outras técnicas de busca em: - consideram uma população de pontos, e não um só, - são independentes do domínio do problema, - trabalham com string de caracteres, geralmente em código binário, para representar um conjunto de parâmetros, e não os parâmetros em si mesmos, - usam regras propabilísticas para guiar a busca, e não regras detenninísticas, - são um método indutio, e não dedutio, porque procuram soluções atraés da justaposição de suspeitas. Nos AG, cada ponto do espaço solução é considerado como um cromossoma. O conjunto de cromossomas forma o que é chamado de população. Os indiíduos da população eoluem de geração em geração por meio de operações entre os cromossomas, como as operações de seleção, crossoer e mutação. O ciclo básico dos AG, está mostrado na figo 1. C::=;El ~.;;.1:;0 ].. IIL..::.I - ::[~-~~!~ ~~-~~:.~~:~=~~~ Fig. 1: Ciclo Básico dos Algoritmos Genéticos. A obtenção da população da geração t + 1, a partir da população da geração t, se realiza da seguinte maneira: - Uma ez representados os indiíduos, calcula-se o alor que representa a capacidade do cromossoma, com respeito ao problema a resoler, isto é, a adequação do indiíduo ao meio ambiente. Esta medida de capacidade é chamada de fitness. - Esta medida é importante, porque cromossomas com fitness baixos, terão menos possibilidades no processo eolutio. Assim, a escolha dos cromossomas mais adequados está em função do fitness, e é realizada pelo operador de s~leção. - Os cromossomas são selecionados aos pares, para efetuar-se o cruzamento entre eles e obter dois descendentes. Esta operação é realizada em função de uma probabilidade de cruzamento, que detennina um lugar fisico do cromossoma em que se produz o corte. Assim, os dois cromossomas intercambiam suas partes cortadas,. formando dois descendentes. Na figo 2, ê-se como é realizada esta operação
4 Ct- omo:ssoma 2 descendente 2 Fig. 2: Cruzamento entre dois cromossomas, e os descendentes formados. - Em cada descendente obtido, pode-se aplicar a operação de mutação, em função de uma probabilidade de mutação. Esta operação é aplicada a cada posição fisica do cromossoma. Em cromossomas codificados em binário, o operador muda zeros por ums e iceersa. 4. Representação do Problema. Neste trabalho, considera-se que cada cromossoma representa todas as funções de pertinência da ariáel lingüística considerada. Para isto, cada cromossoma é constituído de sete caractensticas, que representam quatro funções de pertinência. Na fig.3, pode-se er um cromossoma representado e, na figo 4, o desenho das funções de pertinência que esse cromossoma representa. As características ai' b l e b 2 representam os extremos da função, VI e 2 o ponto de inflexão, e ÀI e À 2 a agudeza da função. Fig. 3: Exemplo de representação das funções de pertinência em um cromossoma. Note-se que cada cromossoma tem as seguintes restríções: ai < b l 5:. b z ' O 5:. Vi 5:.1 e À i ~. o fitness de cada cromos soma, será calculado, como a soma dos respectios erros quadráticos, definidos como: L ( n rl - n ml )2 / L ( n rl )2, 1= 1 1= 1 onde - n rl é a resposta do sistema real no ponto I, - n m I é a resposta do modelo difuso no ponto I,
5 - V é O número de dados da base de dados...'...,/ " / 0-, ~...,...,. ~.., " '0",. '-, "0'0.." )al = JO.OO bj b2 = Landa! Landa ;JO I = = 0.50 Fig. 4: Funções de Pertinência correspondentes ao cromossoma da figo 3. Este soma é realizada sobre uma base de dados, onde se encontram a resposta de sistema real e os alores de pertinência das ariáeis de controle. No quadro 2, pode-se er a resposta do sistema real para a ariáel lingüística temperatura, em uma aplicação de um CLD para o processo de secagem da massa cerâmica [la], os alores de pertinência da ariáel de controle, para os alores lingüísticos "Zero", "pouco" e "muito", e os resultados após o calculo das funções de pertinência, para quatro simulações diferentes. o,, QUADRO 1 SIT. 1 SIT. 2 SIT. 3 SIT. 4 TAMANHO POPULAÇÃO TAMANHO DO CROMOSSOMA NÚMERO DE GERAÇÕES PROBo DE CRUZAMENTO l.0 l.0 l.0 l.0 PROB. DE MUTAÇÃO Quadro 1: Parâmetros usados nas diferentes simulações
6 QUADRO 2 VALORES VALORES DE PERTINÊNCIA VALORES DO MODELO APÓS O DO SISTEMA Zero Pouco Muito CALCULO DAS FUNÇÕES DE PERTINÊNCIA Sit. 1 Sito 2 Sit. 3 Sit l.0 l l l l l l l.48 2l l l l Quadro 2: Dados obtidos das diferentes simulações. Para obserar a performance do algoritmo proposto, consideramos as seguintes medidas, a soma dos erros quadráticos relatios quadráticos L (n rl - nml )2 1=1 L ( n rl - nml )2 / L ( n rl )2, e a soma dos erros 1=1 1=1 QUADRO 3 SOMA DOS ERROS QUADRÁTICOS SOMA DOS ERROS QUADRÁTICOS RELATIVOS SIT. 1 SIT. 2 SIT. 3 SIT Quadro 3: Medidas dos Erros nas quatro Simulações
7 ._..~- - _. o., _ ' : _. '._~ ~ ~ :-:._._, _._. /... '==--=-~_::::._:_= ,-:--..:-=-=_.::-:.-:-=-:;.:::-= 1 I, 1I \, '\ :. I : I :: / I ; '. / 'li:._, f, _ _ _ _-_ _ _ -..._..._..._ i _ _... f / \ ~ I.,:l /... \ l I ;/, \ ~ \ ) ai = 0.00 bi. :3 1. O O b :;~ = 4,'. O O 1.J.uldal 2.00 Landa2 = J ~ J = 1.00 ";-:2 =.1.() O Fig. 5: Funções de Pertinência Obtidas na Primeira Simulação. ) aj 5.00 bl 1. OU l.nndal = O I = O.4- ~1 Fig. 6: Funções de Pertinência Obtidas na Segunda Simulação. \... \... _.._- 1 ~). O O b 2 = 5 9. O O l.anda~2 = 2 ~3. O O 2 =
8 I SBAI - UNESP -Rio Claro/SP - Brasil '- ~==:-:-""" =:=O~---~"== _= =-=_:-::-:._ ':'~ '-'-' "..,.... Pai 1:3.00 bl :,?O.OO b:2 = 5:2.00 Iru:ldal 1 J.O O landa.. 8 = = O.~:H3,,:2 = 0, :1-3 Fig. 7: Funções de Pertinência Obtidas na Terceira Simulação_ )al 1.. :3.00 bl :_!- (' O O 1,:2 = :3 O. O O Lnnda.l = 4f).0 O Landa2 = : = O.(,~3 2 = O,2~2 Fig. 8: Funções de Pertinência Obtidas na Quarta Simulação. 5. Conclusões
9 As conclusões podem ser enumeradas como: - Neste trabalho, apresentam-se algoritmos, baseados em técnicas de eolução natural, para calcular funções de pertinência, um problema que consome muito tempo na construção de Sistemas Especialistas Difusos. - Das diferentes simulações realizadas, pode-se concluir: - quando o tamanho da população foi menor, os resultados não forom satisfatorios. - a diferenca da primeira e terceira simulação, está no número das gerações, o que proa a sua importancia. - uma mutação muito alta, como no caso da segunda simulação, faz perder muito cromossomas bons. - Pelos números expostos na seção 4 acima, pode-se obserar que os resultados primários obtidos pelo algoritmo proposto são muito bons. BIBLIOGRAFIA [1] CAO, Z., KANDEL, A, LI, L. - A New Model offuzzy Reasoning - Fuzzy Sets and Systems, n. 36 p , [2] DOMBI, 1. - Membership Function as an Ealuation - Fuzzy sets ans Systems, n. 35, p. 1-21, [3] DUBOIS, D., PRADE, H. - Fuzzy Sets and Systems: Theory and Applications, [4] GOLDBERG, D.E. - Genetic Algorithms in Search, Optimization, and Machine Learning, [5] HAEDA, M., MURAKAMI, S. - A Desing for a Fuzzy Logic Controller - Information Sciences, n.45, p , [6] KARR, C. - Genetics Algorithms for Fuzzy Controllers - AI. Expert, p , February [7] KARR, C. - Appling Genetics to Fuzzy Logic - AI. Expert, p.38-43, March [8] LEE, c.c. - Fuzzy Logic in Control Systems: Fuzzy Logic Controller, Part I - IEEE Transactions on Systems, Man and Cybernetics ol. 20, n. 2, p , March/ April [9] SUGENO, M. - An Introductory Surey offuzzy Control - Information Sciences, n. 36, p , [10] TCHOLAKIAN, AB. - Modelagem Lingüística: Alternatia na Análise de Sistemas Complexos - Dissertação de Mestrado, EPS - UFSC, [11] ZADEH, L. A - Outline of a New Approach to the Analysis of Complex Systems and Decision Processes - IEEE Transactions on Systems, Man and Cybernetics, oi. SMC-3, n.l, January [12] ZADEH, L. A - The Role of Fuzzy Logic in the Management of Uncertainty in Expert Systems - Approximate Reasoning in Expert Systems, Noth-Holland, p. 3-31,
Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisGERAÇÃO DO CONJUNTO DE REGRAS DE INFERÊNCIA PARA UM CONTROLADOR NEBULOSO USANDO ALGORITMOS GENÉTICOS
o. SBAI Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, 8- de Setembro de 999 GERAÇÃO DO CONJUNTO DE REGRAS DE INFERÊNCIA PARA UM CONTROLADOR NEBULOSO USANDO ALGORITMOS GENÉTICOS Yván J. Túpac,
Leia maisCONTROLADOR FUZZY PARA MOTOR A RELUTÂNCIA. Dr. Tauler Teixeira Borges Departamento de Engenharia Universidade Católica de Goiás
CONTROLADOR FUZZY PARA MOTOR A RELUTÂNCIA Dr. Tauler Teixeira Borges Departamento de Engenharia Universidade Católica de Goiás Dr. Haroldo Rodrigues de Azevedo Faculdade de Engenharia Elétrica Universidade
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
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 maisSistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy
Redes Neurais Sistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy Um Sistema de Inferência Fuzzy (SIF) é um tipo especial de Sistema Baseado em Conhecimento (SBC).
Leia maisCONTROLE DE VIBRAÇÕES USANDO LÓGICA FUZZY COM REGRAS OTIMIZADAS POR ALGORITMOS GENÉTICOS
CONTROLE DE VIBRAÇÕES USANDO LÓGICA FUZZY COM REGRAS OTIMIZADAS POR ALGORITMOS GENÉTICOS Rafael Luís Teixeira Prof. Dr. José Francisco Ribeiro Laboratório de Sistemas Mecânico, Faculdade de Engenharia
Leia maisLógica Nebulosa. Lógica Fuzzy
Lógica Nebulosa Ou Lógica Fuzzy Lógicas Bivalente e Polivalente Na logica clássica ou aristotélica: Dois valores verdade possíveis: Proposições verdadeiras;ou Proposições falsas. São sistemas chamados
Leia maisAlgoritmos 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 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 maisConjuntos Difusos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7)
Conjuntos Difusos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7) Conjuntos Difusos 2 Conjuntos Difusos Quais das seguintes pessoas são altas? Paulo:
Leia maisAPLICAÇÃO DE LÓGICA FUZZY PARA AVALIAÇÃO DE CURSOS SUPERIORES COM BASE NOS CONCEITOS CPC E IGC
APLICAÇÃO DE LÓGICA FUZZY PARA AVALIAÇÃO DE CURSOS SUPERIORES COM BASE NOS CONCEITOS CPC E IGC Henrique Silva Costa henriquesilva_052@hotmail.com Rafael Furtado Seeberger rafaelseeberger@gmail.com Thiago
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 maisLógica Nebulosa (Fuzzy)
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Lógica Nebulosa (Fuzzy) Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
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 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 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 maisUma abordagem Fuzzy para a previsão de curto-prazo do consumo de energia elétrica
Uma abordagem Fuzzy para a previsão de curto-prazo do consumo de energia elétrica Roger Júnio Campos, Tales Argolo Jesus, Centro de Pesquisa e Desenvolvimento em Engenharia Elétrica - CPDEE - UFMG, 31270-901,
Leia maisSISTEMAS NEURO-FUZZY NEURAL-FUZZY SYSTEMS
SISTEMAS NEURO-FUZZY NEURAL-FUZZY SYSTEMS Stéphanie Lucchesi, Sandra Regina Monteiro Masalskiene Roveda Campus Experimental de Sorocaba Engenharia Ambiental steh_l@hotmail.com, ISB. Palavras chave: fuzzy,
Leia maisEscola Politécnica da Universidade de São Paulo. Engenharia Elétrica. Programa de Pós Graduação. PCS Computação Fuzzy - 1 º Ciclo
Escola Politécnica da Universidade de São Paulo Engenharia Elétrica Programa de Pós Graduação PCS 5711 - Computação Fuzzy - 1 º Ciclo - 2000 Professor: Dr. Marco Túlio Carvalho de Andrade Trabalho Final
Leia maisSistemas difusos (Fuzzy Systems)
Sistemas difusos (Fuzzy Systems) Victor Lobo Mestrado em Estatística e Gestão de Informação Ideia geral Conjunto das pessoas altas h Lógica clássica Sim ou Não: ou é, ou não é Probabilidades Sim, com uma
Leia maisReconhecimento das cores do MSX por Lógica Fuzzy
Reconhecimento das cores do MSX por Lógica Fuzzy Resumo O objetivo deste artigo é demonstrar como é possível reconhecer as cores nativas do MSX 1 a partir de imagens de 24 bits do PC. 1- Introdução A redução
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 maisUtilização da Lógica Fuzzy: Uma Aplicação na Área da Saúde
Utilização da Lógica Fuzzy: Uma Aplicação na Área da Saúde Cristiane Koehler Universidade de Caxias do Sul (UCS) Centro de Informática Médica (CIM) ckoehler@ucs.br Lucimar Fossatti de Carvalho Universidade
Leia maisSistemas especialistas Fuzzy
Sistemas Fuzzy Sistemas especialistas Fuzzy Especialistas Senso comum para resolver problemas Impreciso, inconsistente, incompleto, vago Embora o transformador esteja um pouco carregado, pode-se usá-lo
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
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 maisAVALIAÇÃO DE ESTRUTURAS ALTERNATIVAS PARA A BASE DE REGRAS DE CONTROLADORES SEMAFÓRICOS FUZZY
AVALIAÇÃO DE ESTRUTURAS ALTERNATIVAS PARA A BASE DE REGRAS DE CONTROLADORES SEMAFÓRICOS FUZZY Michelle Andrade Maria Alice Prudêncio Jacques Universidade de Brasília Programa de Pós-Graduação em Transportes
Leia maisRobert Fulghum. Exercícios de fixação. 1.1 Digite o texto abaixo: Aluno: Coloque aqui o seu nome Coisas da Vida 1
1.1 Digite o texto abaixo: Exercícios de fixação Coisas da Vida 1 A sabedoria não se encontra no topo de nenhuma montanha nem no último ano de um curso superior. É num pequeno monte de areia do recreio
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS. Metaheurísticas de Buscas
PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS Metaheurísticas de Buscas ALGORITMOS GENÉTICOS (AG) Popularizados por John Holland podem ser considerados os primeiros modelos algorítmicos
Leia maisEstudo comparativo de controladores de Mamdani e Sugeno para controle de tráfego em interseções isoladas
Estudo comparativo de controladores de Mamdani e Sugeno para controle de tráfego em interseções isoladas Michelle Andrade 1 ; Maria Alice Prudêncio Jacques 2 Resumo: Na definição de um controlador fuzzy
Leia maisESTUDO COMPARATIVO DE CONTROLADORES DE MAMDANI E SUGENO PARA CONTROLE DO TRÁFEGO EM INTERSEÇÕES ISOLADAS
ESTUDO COMPARATIVO DE CONTROLADORES DE MAMDANI E SUGENO PARA CONTROLE DO TRÁFEGO EM INTERSEÇÕES ISOLADAS Michelle Andrade Maria Alice Prudêncio Jacques Universidade de Brasília Programa de Pós-Graduação
Leia maisImplementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC
Implementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC Ederson Costa dos Santos 1, Leandro Barjonas da Cruz Rodrigues 1, André Maurício Damasceno Ferreira 2 1
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 maisCOMPARAÇÃO ENTRE CONTROLADORES PID CLÁSSICO E PID FUZZY COM GANHO PROGRAMADO NO SISTEMA DE AZIMUTE
COMPARAÇÃO ENTRE CONTROLADORES PID CLÁSSICO E PID FUZZY COM GANHO PROGRAMADO NO SISTEMA DE AZIMUTE Brehme D. R. de MESQUITA (1); Jefferson A. L. e SILVA (2); André M. D. FERREIRA (3) (1) Instituto Federal
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 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 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 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 maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy Conceitos Básicos da Lógica Fuzzy. Raciocínio aproximado Raciocínio aproximado é a forma mais conhecida de lógica fuzzy, cobrindo várias regras de inferência cujas premissas
Leia mais7 Estudo de Casos: Obtenção de uma Regra de Decisão Ótima por Aproximação com Algoritmos Genéticos
7 Estudo de Casos: Obtenção de uma Regra de Decisão Ótima por Aproximação com Algoritmos Genéticos 7.. Introdução Este capítulo analisa o problema de decisão de investimento num projeto sujeito a incertezas
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 maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 07 Inferência Difusa Sistemas de Controle Difuso Max Pereira Regras difusas SE ENTÃO Antecedente:
Leia maisModelo de Análise de Investimentos baseado em Sistema Especialista e Lógica Fuzzy
Modelo de Análise de Investimentos baseado em Sistema Especialista e Lógica Fuzzy Luiz Carlos Martinez Junior Reinaldo Pacheco Costa USP E-mail: rpcosta@usp.br Abstract A main problem in investments alternatives
Leia maisConteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier
Conteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier Sistemas fuzzy A inferência fuzzy é um paradigma computacional baseado na Teoria de conjuntos fuzzy, regras de inferência
Leia maisPREVISÃO EM SÉRIES TEMPORAIS COMBINANDO MODELOS ESTATÍSTICOS E CONCEITOS FUZZY
Especial Innovation Day 2015 PREVISÃO EM SÉRIES TEMPORAIS COMBINANDO MODELOS ESTATÍSTICOS E CONCEITOS FUZZY FORECASTING IN TIME SERIES COMBINING STATISTICAL MODELS AND FUZZY CONCEPTS Data de entrega dos
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 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 maisTÉCNICAS INTELIGENTES APLICADAS A SISTEMAS ELÉTRICOS DE POTÊNCIA
TÉCNICAS INTELIGENTES APLICADAS A SISTEMAS ELÉTRICOS DE POTÊNCIA 1. Técnicas Inteligentes Djalma M. Falcão Programa de Engenharia Elétrica COPPE/UFRJ A expressão Técnicas Inteligentes é utilizada neste
Leia maisAnálise do crescimento vegetal por meio de modelo não linear via regressão isotônica
Análise do crescimento vegetal por meio de modelo não linear via regressão isotônica Adriana Matheus da Costa Sorato 1 Thalita Kelen Leal do Prado 2 Augusto Ramalho de Morais 2 1 Introdução O estudo do
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 maisA TEORIA DE SISTEMA NEBULOSO E AS INFORMAÇÕES SUBJETIVAS DE CONFORTO AMBIENTAL
A TEORIA DE SISTEMA NEBULOSO E AS INFORMAÇÕES SUBJETIVAS DE CONFORTO AMBIENTAL L Y Cheng Universidade de São Paulo Dept. de Engenharia de Construção Civil Av. Prof. Almeida Prado, Trav. 2 No. 217, Cidade
Leia maisA maioria dos fenômenos com os quais nos deparamos são imprecisos. compreensão do problema. capacidade de medição.
SISTEMAS NEBULOSOS A maioria dos fenômenos com os quais nos deparamos são imprecisos Exemplo: dia QUENTE (40, 35, 30, 29,5?) Imprecisão Intrínseca ajuda na compreensão do problema. Fuzziness é independente
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 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 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 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 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 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 maisModelagem da Dinâmica de um Grupo de Indivíduos HIV Positivos com Parâmetro Fuzzy do Tipo 2
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 3, N., 25. Trabalho apresentado no XXXV CNMAC, Natal-RN, 24. Modelagem da Dinâmica de um Grupo de Indivíduos HIV
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 maisOtimização. Unidade 6: Algoritmo Genético. Jaime Arturo Ramírez. 7. Teoria do processo evolutivo num GA. 8. Aspectos avançados
Otimização Jaime Arturo Ramírez Conteúdo 1. Introdução 2. Analogia de mecanismos de seleção natural com sistemas artificiais 3. Algoritmo genético modelo 4. Um GA simples 5. Representação, genes e cromossomos
Leia maisCLASSIFICAÇÃO DE DIAGRAMAS UNIFILARES DE SUBESTAÇÕES ELÉTRICAS BASEADA EM SISTEMAS NEBULOSOS
CLASSIFICAÇÃO DE DIAGRAMAS UNIFILARES DE SUBESTAÇÕES ELÉTRICAS BASEADA EM SISTEMAS NEBULOSOS M. Sc. Daniel Gomes Ferrari Universidade Federal de Goiás. danielgferrari@uol.com.br Prof. Dr. Gelson da Cruz
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 maisSistemas de Apoio à Decisão Optimização V 2.0, V.Lobo, EN/ISEGI, 2011
V.0, V.Lobo, EN/ISEGI, 0 ópicos Métodos modernos de pesquisa e Optimização Victor Lobo Introdução Métodos matemáticos clássicos Método de Monte Carlo Hill- Climbing Simulated Annealing Algoritmos Genéticos
Leia maisA REPRESENTAÇÃO DE DADOS ATRAVÉS DE PROPOSIÇÕES CONDICIONAIS DIFUSAS
A REPRESENTAÇÃO DE DADOS ATRAVÉS DE PROPOSIÇÕES CONDICIONAIS DIFUSAS GERMANO LAMBERT-TORRES LUIZ EDUARDO BORGES DA SILVA RONALDO ROSSI Departamento de Engenharia Elétrica Universidade de Taubaté RESUMO
Leia maisLAB3 Controle nebuloso (VERSÃO PROVISÓRIA)
LAB3 Controle nebuloso (VERSÃO PROVISÓRIA) 3.1 Objetivo Esta experiência tem por objetivo a familiarição com a técnica de Controle Nebuloso (Fuzzy Control, em inglês). Para isso será contruído um controlador
Leia maisCONTEÚDO LÓGICA NEBULOSA INTRODUÇÃO INTRODUÇÃO. Lógica Procura modelar o raciocínio. Lógica. Marley Maria B.R. Vellasco
LÓGICA NEBULOSA Marley Maria B.R. Vellasco ICA: Núcleo de Pesquisa em Inteligência Computacional Aplicada PUC-Rio CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos Básicos Definição, Características
Leia maisCONJUNTOS, LÓGICA E SISTEMAS FUZZY
COE 765 TÉCNICAS INTELIGENTES APLICADAS A SISTEMAS DE POTÊNCIA CONJUNTOS, LÓGICA E SISTEMAS FUZZY Djalma M. Falcão COPPE/UFRJ Agosto de 2002 INTRODUÇÃO Modelos matemáticos convencionais são: Crisp, isto
Leia maisMétodos modernos de pesquisa e Optimização
Métodos modernos de pesquisa e Optimização Victor Lobo Importância para os SAD Definir o caminho a tomar depois de se ter trabalhado os dados ª Fase: Analisar os dados disponíveis Visualização OLAP, relatórios
Leia maisAlgoritmo Genético para determinação de relevância de sintomas no diagnóstico de Cardiopatia Isquêmica
Algoritmo Genético para determinação de relevância de sintomas no diagnóstico de Cardiopatia Isquêmica Sandro Moretti Almeida 1, Lourdes Brasil 1, Edilson Ferneda 1, Hervaldo Carvalho 2 1 Centro de Ciência
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 maisLógica Fuzzy. Plano de aula. Motivação Fundamentação Teórica Sistemas Difusos (aplicações) Estudo de Caso Considerações Finais
LÓGICA FUZZY 1 Plano de aula Motivação Fundamentação Teórica Sistemas Difusos (aplicações) Estudo de Caso Considerações Finais 2 Motivação: Grau de Crença vs. Grau de Verdade Grau de crença: População
Leia maisMétodos de pesquisa e Optimização
Métodos de pesquisa e Optimização Victor Lobo Importância para os SAD Definir o caminho a tomar depois de se ter trabalhado os dados 1ª Fase: Analisar os dados disponíveis Visualização OLAP, relatórios
Leia maisSistemas de Apoio à Decisão Optimização V 1.0, V.Lobo, EN/ISEGI, 2005
Métodos modernos de pesquisa e Optimização Victor Lobo Introdução Problema de optimização Dada uma função f(x) encontrar o seu óptimo (máximo ou mínimo) Cada um faz a sua pesquisa!!! Problema de pesquisa
Leia maisMétodos de Inferência Fuzzy
Métodos de Inferência Fuzzy Prof. Paulo Cesar F. De Oliveira, BSc, PhD 16/10/14 Paulo C F de Oliveira 2007 1 Seção 1.1 Método de Mamdani 16/10/14 Paulo C F de Oliveira 2007 2 Professor Ebrahim Mamdani
Leia maisAlgoritmo Híbrido Genético-Fuzzy aplicado em Câncer de Próstata
Algoritmo Híbrido Genético-Fuzzy aplicado em Câncer de Próstata Murilo A. Tosatti 1, Júlio C. A. Galvão Filho 1, Felipe R. Forbeck 1, André B. Fonseca 1, João P. M. K. Katayama 1, Emmanuel D. Silva 1,
Leia maisAPLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS
APLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS Alexandre Ferreira de Pinho, Mestrando Escola Federal de Engenharia de
Leia maisLÓGICA FUZZY (difusa ou nebulosa) Adão de Melo Neto
LÓGICA FUZZY (difusa ou nebulosa) Adão de Melo Neto SUMÁRIO INTRODUÇÃO CONCEITO OBJETIVO PRINCÍPIO LÓGICAS: CLÁSSICA x DIFUSA CONJUNTO FUZZY GRAU DE PERTINÊNCIA FUNÇÃO DE PERTINÊNCIA MODIFICADORES TERMINOLOGIA
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 07 Lógica Fuzzy Introdução A lógica FUZZY uma extensão da lógica booleana. Ela permite que estados imprecisos
Leia maisMETODOLOGIA PARA ACEITAÇÃO (ou rejeição) DE OPINIÕES DE ESPECIALISTAS USANDO CONJUNTOS NEBULOSOS
METODOLOGIA PARA ACEITAÇÃO (ou rejeição) DE OPINIÕES DE ESPECIALISTAS USANDO CONJUNTOS NEBULOSOS Mihail Lermontov, PhD Universidade Federal Fluminense mihail@lermontov.com Jorge Muniz Barreto, PhD Universidade
Leia maisLÓGICA FUZZY. Adão de Melo Neto
LÓGICA FUZZY Adão de Melo Neto INTRODUÇÃO CONCEITO OBJETIVO PRINCÍPIO LÓGICAS: CLÁSSICA x DIFUSA CONJUNTO FUZZY GRAU DE PERTINÊNCIA FUNÇÃO DE PERTINÊNCIA MODIFICADORES TERMINOLOGIA OPERAÇÕES SOBRE CONJUNTOS
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 maisCONTROLE DE CARGA EM SISTEMA MECÂNICO UTILIZANDO LÓGICA FUZZY
CONTROLE DE CARGA EM SISTEMA MECÂNICO UTILIZANDO LÓGICA FUZZY FELIPE CARLOS CRUZ, JEREMIAS BARBOSA MACHADO Instituto de Engenharias de Sistemas e Tecnologias da Informação, Universidade Federal de Itajubá,
Leia maisLÓGICA FUZZY NO CONTROLE DE EMBARQUE DE NAVIOS NO TERMINAL MARÍTIMO DE PONTA DA MADEIRA. Universidade Federal do Maranhão
LÓGICA FUZZY NO CONTROLE DE EMBARQUE DE NAVIOS NO TERMINAL MARÍTIMO DE PONTA DA MADEIRA *José Pinheiro de Moura, Ginalber Luiz de Oliveira Serra, Joâo Viana da Fonseca Neto Universidade Estaual do Maranhão
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 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 maisGeração Automática de Sistemas Nebulosos por Co-Evolução
Geração Automática de Sistemas Nebulosos por Co-Evolução Geração Automática de Sistemas Nebulosos por Co-Evolução Anderson Francisco Talon Heloisa de Arruda Camargo Geração Automática de Sistemas Nebulosos
Leia maisIncertezas na Computação Científica: Abordagens via Matemática Intervalar e Teoria Fuzzy
Incertezas na Computação Científica: Abordagens via Matemática Intervalar e Teoria Fuzzy Rogério Vargas Dr. Luciano Vitoria Barboza, orientador Dra. Graçaliz Pereira Dimuro, co-orientadora Pelotas-RS,
Leia maisEstudo Comparativo de Técnicas de Controle em um Processo de Nível
1 Estudo Comparativo de Técnicas de Controle em um Processo de Nível RESUMO O controle do nível de tanques é um problema clássico e é considerado um assunto de grande importância e aplicabilidade industrial,
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 maisAnálise Comparativa entre FastICA por Maximização da Negentropia e AG-ICA usando Negentropia de Rényi
Análise Comparativa entre FastICA por Maximização da Negentropia e AG-ICA usando Negentropia de Rényi Nielsen Castelo Damasceno 1, Adrião Duarte Dória Neto 1, Allan de Medeiros Martins 1 1 Centro de Técnologia
Leia maisLógica Fuzzy. Angelo Batista Neves Júnior Bruno Luan de Sousa Kelly de Paiva Soares
Lógica Fuzzy Angelo Batista Neves Júnior Bruno Luan de Sousa Kelly de Paiva Soares INTRODUÇÃO Introduzida em 1965 por Lofti Zadeh. Surgimento em 1930. Influência o Jan Lukasiewicz; o Max Black; o Lofti
Leia maisSOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS
Universidade Federal do Tocantins SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS Diogo Rigo de Brito Guimarães Alexandre Tadeu Rossini da Silva Objetivo Implementar soluções heurísticas para o Jogo de Damas
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 maisUtilização de Algoritmos Genéticos para Interpolação de Valores de Medição de Termoresistênicias (RTD)
Utilização de Algoritmos Genéticos para Interpolação de Valores de Medição de Termoresistênicias (RTD) Marcos A. A. de Oliveira 1, José F. M. do Amaral 2, Jorge L. M. do Amaral 3 1 UERJ / Laboratórios
Leia maisSISTEMAS FUZZY CONTEÚDO CONJUNTOS FUZZY. CONJUNTOS CRISP x FUZZY
SISTEMAS FUZZY A maioria dos fenômenos com os quais nos deparamos são imprecisos Exemplo: dia QUENTE (40, 35, 30, 29,5?) Imprecisão Intrínseca ajuda na compreensão do problema. Fuzziness é independente
Leia maisLÓGICA NEBULOSA CONTEÚDO
LÓGICA NEBULOSA Marley Maria B.R. Vellasco ICA: Núcleo de Pesquisa em Inteligência Computacional Aplicada PUC-Rio CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos Básicos Definição, Características
Leia mais