Sistema para Geração de Escalas de Plantões Médicos
|
|
- Luís Carreiro Abreu
- 5 Há anos
- Visualizações:
Transcrição
1 Sistema para Geração de Escalas de Plantões Médicos Anderson Beppler 1, Daiana Petry Leite 2 1 UNIPLAC - Universidade do Planalto Catarinense Curso de Sistemas de Informação Av. Castelo Branco, 170. Bairro Universitário. Caixa Postal CEP Lages, SC abeppler2000@gmail.com 2 UNIPLAC - Universidade do Planalto Catarinense Curso de Sistemas de Informação Av. Castelo Branco, 170. Bairro Universitário. Caixa Postal CEP Lages, SC daiana@uniplac.net Resumo. A elaboração de escalas de horários (timetabling) é um problema clássico das instituições de ensino, no entanto, sua necessidade é verificada em vários segmentos. Dentro de um Estabelecimento Assistencial de Saúde (EAS), por exemplo, agendar horários dos plantões que os médicos devem realizar é uma tarefa bastante complexa e lenta. A grande quantidade de restrições neste tipo de timetabling dificulta sua solução através de métodos convencionais de programação e, portanto, necessita de uma técnica mais específica. Desta forma, este artigo aborda o desenvolvimento de um sistema para gerar escalas de horários de plantões médicos em EAS através de uma técnica de programação baseada na seleção natural das espécies, os Algoritmos Genéticos (AGs). 1. Introdução O desenvolvimento de uma escala de horários adequada que atenda às necessidades dos médicos, bem como dos pacientes de um Estabelecimento Assistencial de Saúde (EAS), é um fator indispensável na administração Hospitalar. Trata-se de um problema complexo e demorado, que vem sendo resolvido de forma manual pela maioria dos EAS, mas que, no entanto, pode ser resolvido através da construção de uma ferramenta computacional baseada em técnicas de Inteligência Artificial. Para Whitby [1], Inteligência Artificial (IA) é o estudo do comportamento inteligente (em homens, animais e máquinas) e a tentativa de encontrar formas pelas quais esse comportamento possa ser transformado em qualquer tipo de artefato por meio da engenharia. Já mais especificamente, os Algoritmos Genéticos (AGs), conforme Fernandes [2], estão inspirados no processo genético e evolutivo dos organismos vivos, onde a 174
2 combinação de boas características provenientes de diferentes indivíduos ancestrais evoluem, logrando características cada vez melhor adaptadas ao ambiente em que vivem. Desta forma, com o auxílio da inteligência artificial, mais especificamente da técnica de algoritmos genéticos, este artigo descreve o desenvolvimento de uma ferramenta capaz de auxiliar na geração das escalas de plantões médicos, também conhecidas como timetabling. 2. Algoritmos Genéticos e Timetabling Os algoritmos genéticos são o ramo mais conhecido da Computação Evolucionária (CE) e, portanto, se concentram na teoria da evolução e na genética. Nos algoritmos genéticos trabalha-se com um conjunto de indivíduos (população) no qual cada elemento é candidato a ser a solução desejada. O grau de aptidão de cada indivíduo é obtido através de uma função de avaliação. A próxima geração será uma evolução da anterior e, para que isso ocorra, os mais aptos deverão possuir maior probabilidade de serem selecionados e, após a aplicação de operadores genéticos (cruzamento e mutação), darão origem à nova geração [3, 4, 5]. O problema de geração de escalas de horário, timetabling, é um problema de otimização que vem sendo usado em vários tipos de aplicações, tais como, escalonamento de enfermeiros [6], horários de aula em instituições de ensino [7, 8, 9, 10,11], horários em instituições médicas [12] e planejamento de transporte público [13]. Com um amplo conjunto de restrições, que varia de acordo com o contexto, dois fatores são fundamentais neste tipo de problema: o tempo gasto buscando uma resposta que satisfaça as regras pré-estabelecidas, e a qualidade do resultado obtido. O problema de timetabling de plantões médicos consiste em organizar os plantões de um intervalo de tempo, geralmente um mês, de modo que eles satisfaçam as restrições pré-definidas. O conjunto de restrições varia com as características do estabelecimento assistencial de saúde (EAS). A montagem do horário é feita, na maioria dos casos, de forma manual e leva um considerável tempo na sua elaboração. 3. Materiais e Métodos O sistema foi desenvolvido utilizando a linguagem de programação Java, através da IDE Netbeans. Sua implementação foi dividida basicamente em 2 módulos principais: entrada e saída de dados e geração do horário Módulo de Entrada e Saída dos Dados O módulo de entrada e saída dos dados é realizada através da interface do sistema com o usuário, compreendendo todos os cadastros necessários para a execução do algoritmo genético (médico, especialidade, setor e feriados), bem como a interface que apresenta o horário gerado ao usuário. Como sistema de banco de dados para armazenamento das informações necessárias, foi utilizado o Firebird. 175
3 Para o cadastro das possíveis indisponibilidades dos médicos, foi desenvolvida uma página web, tornando o processo mais simples, desde que estará disponível no momento em que o profissional necessitar. Para o desenvolvimento da página foi utilizada a linguagem PHP (Hypertext Preprocessor), sendo que o compartilhamento de informações com o banco de dados foi feito através do formato XML (extensible Markup Language). As Figuras 1 e 2 apresentam as telas referentes à abertura do sistema e ao cadastro de médicos, respectivamente. Figura 1. Interface de Abertura do Sistema Figura 2. Interface de Cadastro de Médicos 3.2. Módulo de Geração de Horários 176
4 A implementação do algoritmo genético que gerará o quadro de horários de plantões médicos foi dividida em 3 etapas: geração da população inicial, avaliação/validação dos elementos da população e geração da nova população através da aplicação de operadores genéticos nos cromossomos selecionados Geração da População Inicial Cada cromossomo representa uma solução, ou seja, uma escala de plantão para determinado setor. Assim, a população de cromossomos é representada por um vetor tridimensional, conforme apresentado na Figura 3. Figura 3. Estrutura da População de Cromossomos Cada matriz representa uma grade de horários, cada linha um período do dia, cada coluna um dia do mês, e o valor inserido na matriz é o identificador do profissional conforme estabelecido no banco de dados. A geração da população inicial leva em consideração que existem 4 tipos diferentes de horários, "Manhã" = 08:00 às 12:00, "Tarde" = 12:00 às 16:00, "Noite" = 16:00 às 20:00 e Madrugada = 20:00 às 08:00. Diante disso geram-se dois números aleatórios, um para escolher o médico e outro para o horário em que este médico será inserido, construindo assim 40 indivíduos para a população inicial Avaliação/Validação dos Elementos da População Avaliação é o processo onde cada elemento da população é exposto à função de avaliação ou função objetivo e, ao final, é classificado de acordo com sua adaptação a esta função. Para se chegar à função de avaliação levam-se em consideração os seguintes problemas/restrições: Períodos Manhã-Tarde (MT), Noite-Madrugada (NM) e Madrugada-Manhã (MM): não existe a possibilidade de combinação dos períodos Manhã e Tarde, nem dos períodos Noite e Madrugada, e Madrugada e Manhã. Assim, um médico trabalha no período MT somente se for escalado para o Plantão Dia (Manhã, Tarde e Noite) e no período NM somente se for escalado para o Plantão 24 h. Já o período MM não apresenta nenhuma possibilidade; 177
5 Ocorrência de janelas (períodos livres entre períodos ocupados num mesmo dia ou dias adjacentes): não devem existir escalas nas quais o horário de trabalho do médico esteja intercalado com horário livre. Ou seja, caso o médico esteja escalado para trabalhar no horário Manhã, o mesmo não poderá estar escalado para trabalhar também no horário Noite do mesmo dia. Assim, algumas possíveis janelas seriam: Manhã-Noite, Manhã-Madrugada e Tarde-Madrugada, Disponibilidade médica: um médico não pode ser escalado para um horário no qual possui indisponibilidade. Finais de semana e feriados: é desejável também que determinado médico não seja escalado para finais de semana e feriados seguidos. Horas Trabalhadas: levando-se em conta o número de horas existente num mês e o número de médicos pertencentes a cada setor, o sistema procura distribuir uniformemente os médicos de acordo com o valor resultante de (quantidade de horas do mês / Número de médicos do setor). Assim, o algoritmo percorre cada indivíduo da população e, a cada restrição encontrada, desconta 5 pontos do valor inicial de 500 pontos (função de avaliação fa), determinando então o quão perto da solução a grade (indivíduo) está. O indivíduo perfeito para o algoritmo é considerado aquele que não sofre descontos no decorrer do processo de avaliação, ou seja, aquele que continue com fa = 500. Tendo em mãos a classificação dos cromossomos de uma população, basta compará-las com o objetivo buscado. No caso de proximidade aceitável, diante de critérios definidos pelo usuário, pode-se finalizar o processo, validando o cromossomo melhor classificado como resultado da busca. No caso de encontrar uma proximidade aceitável, parte-se para a geração de uma nova população, através da aplicação de operadores genéticos. Para esse sistema foi considerada uma proximidade aceitável quando os descontos fossem decorrentes de dois casos: a) quantidade de horas trabalhadas fora do intervalo (horas_mês/quantidade_médicos_setor) + ou - 16, sendo que o desvio padrão não fosse maior que 24; b) quando a repetição de finais de semana acontecesse, mas não fossem acumulados mais que 5 períodos de trabalho Geração da Nova População Por fim são aplicados os operadores genéticos que dão origem às novas populações (possibilidades de solução) até que a solução perfeita seja encontrada ou até que um número máximo de 100 gerações seja alcançado. Antes da aplicação dos operadores genéticos, cruzamento e mutação, é feita a seleção dos cromossomos (pais) que darão origem a nova população (filhos). Seleção: O processo de seleção tem início após a avaliação da população e tem por objetivo fazer com que os indivíduos mais bem adaptados tenham mais chances de ser escolhidos para dar origem à nova população. 178
6 Dentre os vários métodos existentes para a seleção dos cromossomos, para este trabalho definiu-se os métodos de elitismo e da roleta ponderada. O operador elitista força a cópia do melhor ou melhores cromossomos de cada geração para a geração seguinte, com a intenção de garantir que os melhores indivíduos da população não sejam descartados, pois a melhor solução já pode ter sido encontrada. Para este algoritmo os 8 melhores indivíduos (20%) são escolhidos para dar início a nova população. A roleta ponderada (RP), utilizada para definir a seleção do restante dos cromossomos, primeiramente ordena todos os indivíduos conforme seu desempenho. Logo após, cada indivíduo recebe uma nota: o pior cromossomo, aquele que possui a maior distância do objetivo, recebe nota igual a 1, o segundo pior recebe nota igual a 2, e assim por diante até que o melhor receba nota igual ao tamanho da população. Esses valores é que formarão a roleta, ou seja, significarão o percentual de chance que cada cromossomo terá de ser selecionado na roleta. Dessa forma, garante-se uma redução da distância entre os indivíduos, evitando que alguns deles monopolizem a descendência. Cruzamento: Após os cromossomos serem selecionados, estes se cruzam para que deem origem a novas possibilidades de solução para o problema. Primeiramente, os cromossomos selecionados pelo processo de elitismo são simplesmente copiados. Posteriormente, os cromossomos selecionados pela roleta ponderada, excluindo da mesma aqueles indivíduos já selecionados pelo elitismo, se cruzam e formam novos indivíduos que completarão a nova população (40 indivíduos). Durante o cruzamento ocorre a troca genética entre os cromossomos pais, através de um único ponto de corte obtido aleatoriamente, gerando então os cromossomos descendentes, como ilustra a Figura 4. Figura 4. Exemplo de Cruzamento de Cromossomos Mutação: Para o processo de mutação, cria-se um vetor do tamanho da população o qual recebe de forma aleatória os números de 0 a 100. Após o preenchimento do vetor, seus valores são 179
7 comparados com a porcentagem pré-determinada (10%) para se saber se determinado gene (cada elemento do cromossomo) passará ou não pelo processo de mutação. Para os genes escolhidos é aplicado um processo semelhante ao de criação da população inicial, gerando aleatoriamente outros genes para substituí-los. 4. Resultados O sistema ainda não foi implantado num ambiente real de atuação, estando na sua fase de testes e possíveis ajustes, mas já se consegue encontrar as respostas buscadas como perfeitas, muito próximas da buscada, em seus testes preliminares e fictícios se comportou de maneira aceitável, conforme demonstra o estudo de caso a seguir Estudo de caso para a geração de uma escala médica fictícia Foi gerada a escala fictícia de 13 médicos para a UTI (Unidade de Tratamento Intensivo) de um EAS. O mês de novembro foi escolhido por compreender dois feriados (dias 2 e 15). Existindo 13 médicos no setor e o mês possuindo 720 horas, segundo descrito na seção , espera-se que a quantidade de horas para cada médico esteja no intervalo de 39 a 71. Para este caso ainda foram cadastradas indisponibilidades para dois médicos. A Figura 5 apresenta o número do médico inserido no período e dia correspondente ao seu compromisso. Figura 5. Compromissos Cadastrados para o Estudo de Caso A execução do sistema para a geração de tal grade apresentou como saída o individuo 34 da iteração/população 51 com FA = 485, conforme mostra a Figura 6. Ou seja, ocorreram três descontos de 5 pontos. Figura 6. Saída do Sistema para Geração da Escala do Estudo de Caso 180
8 Analisando a escala gerada (Figura 7), podem-se encontrar quais foram as causas dos três descontos na avaliação da mesma quanto as restrições especificadas anteriormente, além de outras observações. Figura 7. Escala Gerada para o Estudo de Caso Ao analisar-se os dias 7 e 14 (sábados seguidos), percebe-se o Médico 3 aparece em ambos os dias, em desacordo com uma das restrições impostas. No entanto, apesar de computar o desconto, de acordo com a seção , esse desacordo é aceitável, já que a quantidade de períodos de trabalho acumulado deste médico, nos dois dias, não ultrapassa o valor 5 estipulado. Ao verificar-se a quantidade total de horas destinadas ao Médico 11 (76), encontra-se um valor que não está no intervalo esperado de 39 a 71. No entanto, também apesar de computar o desconto, de acordo com a seção , o valor de fa encontrado é considerável aceitável por estar no intervalo de 31 a 79. O terceiro desconto é encontrado no dia 23, no qual aparece a combinação dos períodos Manhã e Tarde, não aceitável segundo as restrições impostas. Quanto à restrição de não colocar um médico em feriados seguidos, percebe-se que o algoritmo se comportou de maneira correta, pois nos dias 2 e 15 não aparecem médicos iguais. Quanto à restrição referente às janelas (horário livre entre horários de trabalho no mesmo dia), verifica-se que nenhuma delas foi gerada na resposta da escala. Bem como, quanto a combinação de períodos Noite e Madrugada, que também não apareceu. Quanto aos compromissos cadastrados para os médicos 1 e 8, conforme mostrado na Figura 5, os mesmo foram respeitados, desde que os médico não foram escalados para os dias em que estavam indisponíveis. Para melhor ilustração do funcionamento sistema, a Figura 8 apresenta a tela do sistema para apresentação da escala gerada. 181
9 Figura 8. Tela de Apresentação de Escalas Geradas 5. Conclusões Foi apresentado um sistema para geração de escalas de horários de plantões médicos desenvolvido através da técnica de algoritmos genéticos, a fim de tornar esse processo mais rápido e simples. Estando o sistema em sua fase de testes e possíveis ajustes, conclui-se que, apesar de ter sido apresentado um estudo de caso para o qual o algoritmo não supriu uma das restrições, o sistema num todo tem se comportado bem e, na medida em que for sendo testado no ambiente real de aplicação será facilmente ajustado. Referências [1] Whitby, B. Inteligência artificial: um guia para iniciantes, Madras, São Paulo, [2] Fernandes, A.M.R., Inteligência artificial: noções gerais, Visual Books, Florianópolis, [3] Barreto, J.M., Inteligência artificial no limiar do século XXI, Florianópolis, 3. ed., [4] Bittencourt, G., Inteligência artificial: ferramentas e teorias, Editora da UFSC, Florianópolis, [5] Goldberg, D. E., Genetics algorithms in search, optimization and machine learning. Editora Addison-Wesley, Boston, 1989, 412 p. [6] Cheang, B., Nurse rostering problems: a bibliographic survey, European Journal of Operational Research, Vol. 151, No. 3, Janeiro de 2003, pp [7] Freitas, C.C., Guimarães, P.R.B., Neto, M.C.M., Barboza1, F.J.R., Uma Ferramenta Baseada em Algoritmos Genéticos para a Geração de Tabela de Horário Escolar, ERBASE,
10 [8] Borges, C. P., Aperfeiçoamento de um Algoritmo Genético para Elaboração de Quadros de Horários em Instituições de Ensino, tcc, UNIPLAC Universidade do Planalto Catarinenese, Lages, dezembro de [9] Lenzi A. L. Desenvolvimento de grades horárias por Algoritmos Genéticos p. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) Departamento de Ciências Exatas e Tecnológicas, Universidade do Planalto Catarinense Lages, [10] Oliveira, M. Aperfeiçoamento de Algoritmos Genéticos para a geração de grade horária em instituições de ensino p. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) Departamento de Ciências Exatas e Tecnológicas, Universidade do Planalto Catarinense, Lages [11] Pereira, J. F. Geração de Grades horárias por Algoritmos Genéticos p. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) Departamento de Ciências Exatas e Tecnológicas, Universidade do Planalto Catarinense, Lages, [12] Santos, G. C. Sistema para desenvolvimento de escalas de serviços do Hospital e Maternidade Tereza Ramos p. Trabalho de conclusão de curso (Bacharelado em Informática) Departamento de Ciências exatas e Tecnológicas, Universidade do Planalto Catarinense, Lages, [13] Lourenço, H. R., Paixão, J. P., Portugal, R., The Crew-Scheduling Module in the GIST System, Universidade de Lisboa, Lisboa,
ALGORITMO GENÉTICO PARA GERAÇÃO DE ESCALA HORÁRIA MÉDICA
UNIVERSIDADE DO PLANALTO CATARINENSE DEPARTAMENTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE SISTEMAS DE INFORMAÇÃO (BACHARELADO) ANDERSON BEPPLER ALGORITMO GENÉTICO PARA GERAÇÃO DE ESCALA HORÁRIA MÉDICA
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 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 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 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 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 maisALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA
Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA Igor Acassio Melo
Leia 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 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 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 maisAPLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO
APLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO Profa. Mariana Cavalca Baseado em: Material didático do Prof. Dr. Carlos Henrique V. Moraes da UNIFEI Curso de verão da Profa. Gisele L. Pappa Material
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 maisINSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO
INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) Informação - ICPG - Criciuma - SC 1 Características Gerais, operadores, algoritmo.
Leia 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 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 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 maisAlgoritmos Genéticos. Texto base: Stuart Russel e Peter Norving - Inteligência Artificial
Algoritmos Genéticos Texto base: Stuart Russel e Peter Norving - Inteligência Artificial junho/2007 Algoritmo Genético Uma variante da busca em feixe estocástica Estado sucessor gerado pela combinação
Leia 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 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 maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia 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 maisIntrodução a Algoritmos Genéticos
Introdução a Algoritmos Genéticos Tiago da Conceição Mota Laboratório de Inteligência Computacional Núcleo de Computação Eletrônica Universidade Federal do Rio de Janeiro Outubro de 2007 O Que São? Busca
Leia 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 maisINTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL. Aula 06 Prof. Vitor Hugo Ferreira
Universidade Federal Fluminense Escola de Engenharia Departamento de Engenharia Elétrica INTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL Aula 06 Prof. Vitor Hugo Ferreira Representação por cromossomos Codificação
Leia maisUTILIZANDO TÉCNICAS DE ALGORITMO GENÉTICO PARA RESOLUÇÃO DO PROBLEMA DE GERAÇÃO DE GRADE HORÁRIA PARA ENFERMARIAS
Conferência IADIS Ibero-Americana Computação Aplicada 2013 UTILIZANDO TÉCNICAS DE ALGORITMO GENÉTICO PARA RESOLUÇÃO DO PROBLEMA DE GERAÇÃO DE GRADE HORÁRIA PARA ENFERMARIAS Ricardo Soares Bôaventura 1,
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 maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 06 Algoritmos Genéticos Edirlei Soares de Lima Algoritmos Genéticos Método de busca local. Boa abordagem para lidar com espaços de busca muito
Leia maisINTRODUÇÃO À. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR
INTRODUÇÃO À COMPUTAÇÃO EVOLUTIVA Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Fev/2018 Computação Evolutiva Ramo da ciência da computação que propõe um paradigma
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Introdução Um Algoritmo Genético (AG), conceitualmente, segue passos inspirados no processo biológico de evolução natural segundo a teoria de Darwin Algoritmos Genéticos seguem a idéia
Leia maisAssim, no algoritmo BIOCLIM, qualquer ponto do espaço pode ser classificado como:
ANEXO A ALGORITMOS BIOCLIM E GARP A.1 Algoritmo BIOCLIM O algoritmo BIOCLIM implementa o conceito de envelope bioclimático (Nix, 1986). O algoritmo calcula a média e o desvio-padrão para cada variável
Leia maisUm Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
Leia maisMétodos de Busca. Inteligência Artificial. Algoritmos Genéticos. Algoritmos Evolucionários. Prof. Ms. Luiz Alberto Contato:
Inteligência Artificial Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
Leia maisElaboração de Grades Horárias Utilizando Algoritmos Genéticos
Elaboração de Grades Horárias Utilizando Algoritmos Genéticos Lucas Bucior, Fabio Asturian Zanin, Marcos A. Lucas Departamento de Engenharias e Ciência da Computação Universidade Regional Integrada do
Leia maisInteligência 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 maisBreve Avaliação de Parâmetros básicos de Algoritmos Genéticos
https://eventos.utfpr.edu.br//sicite/sicite17/index Breve Avaliação de Parâmetros básicos de Algoritmos Genéticos RESUMO Stéfanie Caroline Pereira Dekker stefanie.c.dekker@gmail.com Universidade Tecnológica
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Roteiro Introdução Algoritmos Genéticos Otimização Representação Seleção Operadores Genéticos Aplicação Caixeiro Viajante Introdução Algoritmos Genéticos (AGs), são métodos de otimização
Leia maisESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP
ESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP Gilson Rogério Batista, Gideon Villar Leandro Universidade Regional do Noroeste do Estado do Rio
Leia 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 maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia maisAlgoritmos Genéticos 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 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 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 maisAlgoritmos Evolutivos para Otimização
Algoritmos Evolutivos para Otimização A área de aplicação que tem recebido mais atenção é a otimização. Uma das razões é que existem uma variedade de problemas de otimização e a maioria deles sem solução
Leia mais4 Metáforas de Optimização
4 Metáforas de Optimização O gigantesco avanço tecnológico que vem sofrendo os sistemas de computação, mais precisamente as unidades de processamento, criou a base para o uso efetivo da Inteligência Computacional,
Leia maisUma Ferramenta Baseada em Algoritmos Genéticos para a Geração de Tabela de Horário Escolar
Uma Ferramenta Baseada em Algoritmos Genéticos para a Geração de Tabela de Horário Escolar Cherze C. Freitas 1, Priscilla R. B. Guimarães 1, Manoel C. M. Neto 1, Frederico J. R. Barboza 1 1 Faculdade Ruy
Leia maisOTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia maisUm Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
Leia mais11/1/2012. Agenda. Classe de problemas de interesse. Busca Local. Busca Local. Exemplo de Espaço de Estados
Agenda PCS / PCS 09 Inteligência Artificial Prof. Dr. Jaime Simão Sichman Profa. Dra. Anna Helena Reali Costa Busca Local e Problemas de Otimização. Introdução. Busca Local I. Subida da Encosta (Hill-Climbing)
Leia maisProblema de Satisfação de Restrições. Problema de Satisfação de Restrições. Grafo de restrições. Exemplo: 4 Rainhas como um PSR
Problema de Satisfação de Restrições Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas
Leia maisProblema de Satisfação de Restrições
Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas para PSRs Problema de Satisfação
Leia maisFigura 3.1: Fluxograma do algoritmo da Programação Genética.
3 Programação Genética O termo Programação Genética passou a ser utilizado em 1990 nos trabalhos publicados por Koza [30] e De Garis [31]. A definição de Koza para este termo passou a predominar após a
Leia mais3 Algoritmos Genéticos
Algoritmos Genéticos Algoritmos Genéticos (AGs) constituem um mecanismo de busca adaptativa que se baseia no princípio Darwiniano de seleção natural e reprodução genética [101]. AGs são tipicamente empregados
Leia maisEscalonador de Ordens de Produção Utilizando Algoritmos Genéticos
Escalonador de Ordens de Produção Utilizando Algoritmos Genéticos Nome: Wilian Kohler Supervisor na FURB: Prof. Jomi Fred Hübner Orientador na Empresa: Evaldo Moresco Jr. Empresa: Metalúrgica Siemsen Ltda.
Leia mais3 Métodos de Otimização
3 Métodos de Otimização Problemas de otimização são relacionados a minimização ou maximização de função de uma ou mais variáveis num determinado domínio, possivelmente com a existência de um conjunto de
Leia maisIA: Inteligência Artificial
UNIFEI Os Sistemas Especialistas DENDRAL ~ 1960 EME006 - Automação Industrial IA: Inteligência Artificial Aula 12 Prof. José Hamilton Chaves Gorgulho Júnior Edward Feigenbaum 1936 - Joshua Lederberg 1925-2008
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 maisAprendizado Evolutivo: Introdução aos Algoritmos Genéticos
Aprendizado Evolutivo: Introdução aos Algoritmos Genéticos SCC-230 Inteligência Artificial Thiago A. S. Pardo Solange O. Rezende 1 Computação Evolutiva (CE) Trata de sistemas para a resolução de problemas
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 maisIF-705 Automação Inteligente Algoritmos Evolucionários
IF-705 Automação Inteligente Algoritmos Evolucionários Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br
Leia maisO USO DE ALGORITMOS GENÉTICOS NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR RESUMO INTRODUÇÃO
O USO DE ALGORITMOS GENÉTICOS NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR Douglas Peioto de Carvalho,Miquéias Augusto Ferreira Nantes (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia mais5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Leia maisInteligência 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 maisCOMPUTAÇÃO EVOLUTIVA APLICADA AO PROBLEMA DE PRODUÇÃO DE GRADE HORÁRIA: O CASO DO CURSO DE ANÁLISE E DESENVOLVIMENTO DE SISTEMAS DO IFTM
COMPUTAÇÃO EVOLUTIVA APLICADA AO PROBLEMA DE PRODUÇÃO DE GRADE HORÁRIA: O CASO DO CURSO DE ANÁLISE E DESENVOLVIMENTO DE SISTEMAS DO IFTM Jairo Gervásio de Freitas, Keiji Yamanaka jairo@iftm.edu.br, keiji@ufu.br
Leia maisEstratégias Evolutivas Projeto de Filtros Passa Faixa
Estratégias Evolutivas Projeto de Filtros Passa Faixa 1. Introdução: A utilização de estratégias evolutivas é uma técnica de solução de sistemas baseada no princípio da evolução hereditária, tais sistemas
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisComputação Bioinspirada PROF. PAULO SALGADO
Computação Bioinspirada AULA 1 APRESENTAÇÃO DA DISCIPLINA PROF. PAULO SALGADO Aula de hoje Falar sobre Objetivos Ementa Avaliação Roteiro Proposto (Cronograma) Referências Periódicos da Área Objetivos
Leia mais4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Leia maisOtimização. Algoritmos Genéticos. Teoria da Evolução. Otimização
Algoritmos Genéticos Otimização São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John
Leia maisMotivação Computação Evolucionária e Algoritmos Genéticos. Teoria da Evolução. Teoria da Evolução. Otimização. Algoritmos Genéticos AG
Motivação Computação Evolucionária e Algoritmos Genéticos Sabedoria da natureza aplicada à computação Eduardo J. Spinosa Adaptado por Huei Diana Lee e Newton Spolaôr...Se variações úteispara qualquer organismo
Leia maisUm Estudo Empírico de Métodos Hiper-Heurísticos
Um Estudo Empírico de Métodos Hiper-Heurísticos Igor Ribeiro Sucupira (Aluno de Mestrado) Flávio Soares Corrêa da Silva (Orientador) Departamento de Ciência da Computação Instituto de Matemática e Estatística
Leia maisINF 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 maisCOMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO E A FUNÇÃO SOLVER
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ARTES, CIÊNCIAS E HUMANIDADES SISTEMAS DE INFORMAÇÃO COMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO
Leia maisOTIMIZAÇÃO DA LIMPEZA DE REDES DE TROCADORES DE CALOR EMPREGANDO OS ALGORITMOS GENÉTICOS
OTIMIZAÇÃO DA LIMPEZA DE REDES DE TROCADORES DE CALOR EMPREGANDO OS ALGORITMOS GENÉTICOS C. de O. GONÇALVES 1, E. M. QUEIROZ 2, F. L. P. PESSOA 2, F. S. LIPORACE 3, S. G. OLIVEIRA 3 e A. L. H. COSTA 1
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
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 maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisALGORITMOS GENÉTICOS, 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 maisResolvendo o Problema do Cavalo do Xadrez Utilizando Algoritmo Genético
Resolvendo o Problema do Cavalo do Xadrez Utilizando Algoritmo Genético Alexandre Tadeu Rossini da Silva 1, Gustavo Setúbal Nazareno 1, André Marcelo Schneider 2 1 Bacharelado em Ciência da Computação
Leia maisVERIFICAÇÃO DO DECAIMENTO DE INFORMAÇÃO EM REDES NEURAIS RECORRENTES APLICADAS AO PROBLEMA DO MUNDO DE WUMPUS 1
VERIFICAÇÃO DO DECAIMENTO DE INFORMAÇÃO EM REDES NEURAIS RECORRENTES APLICADAS AO PROBLEMA DO MUNDO DE WUMPUS 1 Henrique Augusto Richter 2, Eldair Fabrício Dornelles 3, Márcia Da Silva 4, Rogério Samuel
Leia maisSistemas Inteligentes if684. Germano Vasconcelos Página da Disciplina:
Sistemas Inteligentes if684 Germano Vasconcelos gcv@cin.ufpe.br Página da Disciplina: www.cin.ufpe.br/~îf684/ec 1 1 Algoritmos Genéticos 2 Algoritmos Genéticos n Técnicas de busca e otimização n Metáfora
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 maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 0-000 Tel: ()-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP -
Leia maisUma Ferramenta Para Geração de Grades Horárias 1. Utilizando Algoritmos Genéticos
Uma Ferramenta Para Geração de Grades Horárias 1 Utilizando Algoritmos Genéticos José Luender de Lima Santos, Yuri de Almeida Malheiros Barbosa Centro de Ciências Aplicadas e Educação Universidade Federal
Leia maisFaculdade de Talentos Humanos - FACTHUS, Uberaba (MG), Brasil 2. Universidade Federal de Uberlândia UFU, Uberlândia (MG), Brasil
CALONAMEN DE HORÁRIOS ACADÊMICOS UTILIZANDO ALGORITMOS GENÉTICOS Allan Barsanulfo 1, Fernando Mattioli 2, Roberto Duarte Campos 3, Eduardo Fernandes Saad 3, Rogério Bernardes Andrade 3 1, 2, 3 Faculdade
Leia maisComparação de métodos de seleção de reprodutores alternativos com o método da roleta
Comparação de métodos de seleção de reprodutores alternativos com o método da roleta A.R. Pinto, Paulo Sérgio da Silva Borges INE-CTC Universidade Federal de Santa Catarina Florianópolis - SC arpinto@inf.ufsc.br,
Leia maisRoteirização de veículo para realização de coleta utilizando algoritmo evolucionários
Departamento de Sistemas e Computação FURB Curso de Ciência da Computação Trabalho de conclusão de curso 2014/01 Roteirização de veículo para realização de coleta utilizando algoritmo evolucionários Acadêmico:
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 70-000 Tel: (7)-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP
Leia maisAlgoritmos Genéticos. 1 Semestre de Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática
Algoritmos Genéticos 1 Semestre de 2015 Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 2 Introdução Darwin Naturalistas: cada espécie havia sido criada separadamente
Leia maisALGORITMOS GENÉTICOS PARA GERAÇÃO DE QUADROS DE HORÁRIO
UNIVERSIDADE DO PLANALTO CATARINENSE DEPARTAMENTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE SISTEMAS DE INFORMAÇÃO (BACHARELADO) EMANUEL MACHADO DA SILVA ALGORITMOS GENÉTICOS PARA GERAÇÃO DE QUADROS DE
Leia maisAlgoritmos Genéticos
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Algoritmos Genéticos David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Algoritmos Genéticos 2 Objetivos Introduzir os principais
Leia maisAPLICAÇÃO DE REDES NEURAIS RECORRENTES EM AMBIENTES PARCIALMENTE OBSERVÁVEIS 1
APLICAÇÃO DE REDES NEURAIS RECORRENTES EM AMBIENTES PARCIALMENTE OBSERVÁVEIS 1 Eldair Fabrício Dornelles 2, Henrique Augusto Richter 3, Márcia Da Silva 4, Rogério Samuel De Moura Martins 5, Sandro Sawicki
Leia maisAluno do Curso de Graduação em Ciência da computação da UNIJUÍ, bolsista PROBIC/FAPERGS, 3
ESTUDO E EXPLORAÇÃO DE ALGORITMOS GENÉTICOS: UMA SOLUÇÃO PARA PROBLEMAS DE OTIMIZAÇÃO NO CONTEXTO DE INTEGRAÇÃO DE APLICAÇÕES 1 STUDY AND EXPLORATION OF GENETIC ALGORITMS: A SOLUTION TO OPTIMIZATION PROBLEMS
Leia maisUtilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real
Utilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real Amarildo de Vicente 1, Rogério Luis Rizzi 1 1 Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 0-000 Tel: ()-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP -
Leia maisCTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro
CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Busca Competitiva Para Ambientes multiagentes...
Leia mais