DESENVOLVIMENTO E OTIMIZAÇÃO DE ROTINAS NÃO DESTRUTIVAS DE ANÁLISE DE TANINO EM CAFÉ EMPREGANDO ALGORITMO GENÉTICO
|
|
- Anna Gomes Vidal
- 7 Há anos
- Visualizações:
Transcrição
1 DESENVOLVIMENTO E OTIMIZAÇÃO DE ROTINAS NÃO DESTRUTIVAS DE ANÁLISE DE TANINO EM CAFÉ EMPREGANDO ALGORITMO GENÉTICO Luiz Gustavo Neumann Curso de Engenharia da Produção UNISC Av. Independência 2293, Santa Cruz do Sul, RS, CEP Pedro Henrique de Almeida Konzen Curso de Matemática Aplicada e Computacional UNISC Av. Independência 2293, Santa Cruz do Sul, RS, CEP Marco Flores Ferrão Departamento de Química e Física UNISC Av. Independência 2293, Santa Cruz do Sul, RS, CEP João Carlos Furtado Departamento de Informática UNISC Av. Independência 2293, Santa Cruz do Sul, RS, CEP Marcelo Antonio Morgano Instituto de Tecnologia de Alimentos - ITAL Av. Brasil, 2880, Campinas, SP, CEP Neura Bragagnolo Faculdade de Engenharia de Alimentos - UNICAMP Cidade Universitária Zeferino Vaz s/n, Campinas, SP, CEP e Márcia Miguel Castro Ferreira Instituto de Química - UNICAMP Cidade Universitária Zeferino Vaz s/n, Campinas, SP, CEP In this work a new methodology of analysis for the quantification of tannin in green coffee is proposed, using genetic algorithm optimization with diffuse infrared spectroscopy and partial-least squares regression method (PLS). After the best wavelength selection, which results in models with better coefficient regression (R 2 ), these were improved using routines based on genetic algorithm heuristic method. For the evaluation of the optimization Standard Error Validation (SEV) and Standard Error Calibration (SEC) were used. The results reflect the importance to choose the set variable selection, as well as the kind of pre-processing applied. These results let us conclude that good models aiming the prediction of tannin levels can be obtained, and that reflection techniques are adequate to allow a fast obtain of spectra of the green coffee milling and not to create wastes which are harmful to the environment. Keywords: genetic algorithm, multivariate regression, green coffee a. Introdução Com a constante evolução dos processos produtivos, cada vez mais se fazem necessárias ferramentas analíticas que não causem impacto ambiental, bem como não necessitem de tratamentos demorados na amostra e ainda que não alterem as características inerentes dos insumos industriais. ENEGEP 2002 ABEPRO 1
2 Neste sentido o presente grupo vem pesquisando ferramentas analíticas para a caracterização das matérias-primas empregadas na industrialização de alimentos. Em especial vem sendo utilizadas técnicas espectroscópicas baseadas na radiação infravermelha, como por exemplo a reflexão no infravermelho próximo (NIR) e a reflexão difusa no infravermelho médio com transformada de Fourier (DRIFT). Aliados a estas técnicas de análise ferramentas quimiométricas de regressão como o método dos mínimos quadrados parciais (PLS) tem apresentado excelentes resultados. Apesar do bom desempenho apresentado pelas combinações NIR/PLS e DRIFT/PLS, uma limitação ao seu emprego como uma técnica de rotina nas empresas do ramo alimentício reside no fato de conhecer qual porção do espectro infravermelho deva ser empregada para a modelagem de cada parâmetro de qualidade a ser avaliado. Como solução desta limitação propomos o emprego de algoritmos genéticos os quais tem logrado êxito em problemas de natureza semelhante, sendo de fácil implementação e com os quais estamos obtendo resultados representativos. Em particular, este trabalho propõe a implementação de um método de controle de qualidade do café cru, a partir de dados de infravermelho buscando determinar o teor de tanino presente em diversas amostras de café nacional de diferentes procedências. Como estratégia empregamos a técnica PLS para construção dos modelos de calibração, sendo as mesmas otimizadas por uma rotina de algoritmo genético. 2. Reflexão Difusa A técnica de reflexão difusa está bem fundamentada na literatura [1-8], sendo amplamente aplicada associada aos equipamentos que operam no infravermelho próximo, com os quais geralmente é designada de espectroscopia de reflexão no infravermelho próximo (NIRS ou NIRR); ou associada àqueles que operam na região do infravermelho médio, sendo conhecida por espectroscopia por reflexão difusa no infravermelho médio com transformada de Fourier (DRIFTS). A reflexão difusa ocorre em superfícies não totalmente planas, podendo o substrato ser contínuo ou fragmentado (na forma de pó). Neste processo de reflexão o feixe incidente penetra a superfície da amostra interagindo com a matriz, retornando à superfície da mesma, após absorção parcial e múltiplos espalhamentos, conforme ilustrado pela figura 1. Na reflexão difusa, a radiação incidente entra em contato diversas vezes com as partículas da amostra sendo conseqüentemente atenuada. Com isto a radiação que sofre a reflexão difusa fornece informações qualitativas e quantitativas, sobre a natureza química da amostra. É importante salientar que a radiação que retorna de forma difusa de um substrato é geralmente muito inferior em magnitude que a radiação incidente, em função disso, a maior parte dos acessórios de reflexão difusa apresentam esquemas óticos que visam concentrar a radiação, para posteriormente a mesma ser focada sobre o sistema de detecção dos instrumentos. Do ponto de vista da análise quantitativa, além das anomalias que podem ser atribuídas à presença do fenômeno da reflexão especular, merece ainda destaque o efeito que os diferentes tamanhos de partículas podem ter sobre o espectro. Estas anomalias estão amplamente descritas nos trabalhos publicados por Olinger e Griffiths [9-11]. ENEGEP 2002 ABEPRO 2
3 Figura 1: Representação da reflexão especular e difusa de uma onda eletromagnética em uma amostra particulada [8]. Para reduzir o efeito do tamanho de partícula, a exemplo de Devaux et alii [12], muitos autores têm proposto transformações no espectro, tais como a primeira e a segunda derivadas ou correção do espalhamento multiplicativo (MSC). 3. Técnicas Heurísticas de Otimização Enquanto os problemas lineares contínuos possuem no simplex um algoritmo muito eficiente para a solução exata, os problemas lineares discretos, salvo alguns casos particulares, normalmente não são apropriados para este algoritmo. Desta forma, freqüentemente são propostos algoritmos heurísticos para obter soluções de qualidade. Heurística é qualquer método ou técnica criada, ou desenvolvida, para resolver um determinado tipo de problema Algoritmos Genéticos Algoritmo Genético (AG) é uma técnica de busca aleatória direcionada, desenvolvida por Holland [13], capaz de obter a solução ótima global num espaço de busca complexo multi-dimensional. Os AGs são baseados na evolução natural das espécies, usando operadores inspirados no processo de evolução natural. Estes operadores, conhecidos como operadores genéticos, manipulam indivíduos de uma população, através de gerações, para melhorar (aperfeiçoar) a adaptação (fitness) gradativamente. Os indivíduos numa população, também denominados de cromossomos, são representados por cadeias ( strings ) de números binários. Os algoritmos genéticos não usam muito conhecimento a respeito do problema a ser otimizado e não manipulam os parâmetros do problema diretamente, mas operam sobre códigos que representam os parâmetros do problema. Então, o primeiro passo numa aplicação de AGs, é codificar o problema sob estudo, ou seja, representar os parâmetros do problema. O segundo passo é criar uma população de possíveis soluções. O passo seguinte é determinar um conjunto de operadores genéticos (seleção, recombinação e mutação). Finalmente, como em outros métodos de busca, os AGs precisam saber quantificar a qualidade das soluções obtidas, para posteriormente poder melhora-las, o que é realizado através da determinação de uma função de avaliação (fitness). ENEGEP 2002 ABEPRO 3
4 A figura 2, representa os principais passos dos AGs. Pesquisadores têm investigado variações nos passos básicos neste fluxograma. [14-20] Figura 2: Principais passos que compoem o algoritmo genético a. População Inicial: Para iniciar a otimização, os AGs precisam de soluções iniciais. Existem duas maneiras de gerar esta população inicial. A primeira, consiste em produzir soluções aleatórias e a segunda, em agregar algum conhecimento sobre problema a ser otimizado de forma a produzir indivíduos de maior fitness. b. Operadores genéticos: Existem três operadores genéticos básicos: seleção, recombinação e mutação. Na literatura podemos encontrar muitas versões sobre estes operadores e estes podem funcionar de forma independente, não sendo necessário o emprego de todos em alguns casos [21]. A escolha dos operadores e sua forma de operação depende do problema e da representação utilizada. Seleção. A característica principal do procedimento de seleção é reproduzir cópias de indivíduos cujos valores de fitness são elevados. O procedimento de seleção possui um significado importante para conduzir a busca para regiões promissoras e obter boas soluções em curtos intervalos de tempo. No entanto, a diversidade da população precisa ser mantida, a fim de evitar a convergência prematura. Nos AGs existem dois procedimentos principais de seleção: seleção proporcional (ou seleção baseado em roleta russa) e seleção baseada em ranking. Recombinação (crossover). Este operador diferencia os AGs de outros algoritmos, tais como programação dinâmica. Ele é usado para criar dois novos indivíduos (filhos) de dois outros indivíduos existentes (pais), escolhidos da população corrente, obtidos pelo operador seleção. Existem diversas formas de realizar a recombinação. A mais comuns é a recombinação de 1 ponto, conforme figura 3. ENEGEP 2002 ABEPRO 4
5 Figura 3 : Representação de uma operação de recombinação. Mutação. Neste procedimento, todos indivíduos na população são considerados e o valor dos bits são aleatoriamente invertidos, de acordo com uma taxa especificada. Conforme figura 4. Figura 4 : Representação de uma operação de mutação. c. Parâmetros de controle: Parâmetros importantes de controle do AG incluem tamanho da população (número de indivíduos da população), taxa de crossover e taxa de mutação. d. Função de avaliação (fitness): A função de avaliação (fitness) estabelece a relação entre os AGs e o problema de otimização. A qualidade de uma solução proposta, normalmente, depende de quanto a solução satisfaz a função de avaliação do problema e grau em que as restrições são satisfeitas. 4. Procedimento Experimental O método de referência utilizado para a determinação do teor de tanino foi o de Folin-Denis [22]. Foram pesados 0, ,0001 g de amostra de café, transferiu-se para balão volumétrico de 500 ml com água destilada, agitou-se e completou-se o volume. Pipetou-se 5 ml da solução e transferiu-se para balão volumétrico de 1000 ml, contendo 75 ml de água destilada. Adicionou-se 5 ml do reagente de Folin-Denis (100 g de tungstato de sódio dihidratado p.a., 20 g de ácido fosfomolíbdico e 50 ml de ácido fosfórico p.a. concentrado em 750 ml de água destilada. Refluxa-se por 2 horas, esfria-se e dilui-se para um litro) e 10 ml de solução saturada de carbonato de sódio. Diluiu-se para 100 ml, agitou-se, filtrou-se após 30 minutos e determinou-se a absorbância em espectrofotômetro a 760 nm. O teor de tanino é determinado construindo-se uma curva analítica utilizando padrão de ácido tânico e reação com o reagente de Folin-Denis. Os espectros no infravermelho próximo foram coletados em um espectrômetro BOMEM DA-08, sendo realizadas 2 réplicas para cada amostra, com resolução de 4 cm -1, 16 varreduras para cada espectro e a região espectral utilizada foi de 4000 a cm -1. O instrumento foi equipado com um acessório de reflectância difusa (JASCO), sendo os sinais expressos em log (1/R). Já para a região do infravermelho médio, foi empregado o espectrofotômetro Nicolet Magna 550, sendo amostrada a região de cm -1. Foram ENEGEP 2002 ABEPRO 5
6 utilizadas 40 amostras no total, selecionando-se 22 para a construção dos modelos (44 espectros) e 18 para a validação dos mesmos (36 espectros). 5. Modelagem Quimiométrica Os modelos foram desenvolvidos em ambiente MATLAB, empregando os espectros em forma de Log(1/R). A calibração foi realizada com o método de regressão por mínimos quadrados parciais (PLS) utilizando os espectros normalizados. Para a avaliação dos modelos foram empregados os erros padrões de calibração (SEC) e de validação (SEV), conforme equação a seguir apresentada, onde y i é o valor de referência para a iésima amostra, e ŷ é a previsão para o valor desta amostra. i n = 1 ( yi yˆ i ) i= SEC (1) n Os modelos PLS foram otimizados empregando-se rotina baseada em AG com base na fitness ((SEV + SEC) + (SEV SEC) ). Como parâmetros de entrada da rotina AG foram empregados: a. População: 50 cromossomos b. Percentual de genes selecionados: 5 c. Percentual de mutação na população: 10 d. Percentual de mutação nas variáveis latentes: 30 e. Percentual de mutação de genes: 5 f. Número de iterações: 500 g. Número máximo de variáveis latentes: Resultados Nas tabelas 1 e 2 são apresentados alguns resultados da otimização empregando a algoritmo genético, sendo realizados 5 repetições do experimento para cada técnica no infravermelho. Repetição Fitness Sev (%) Var. Sel. LV's R 2 A 0, , ,9697 B 0, , ,9750 C 0, , ,9999 D 0, , ,9999 E 0, , ,9835 Tabela 1 Valores dos parâmetros da otimização na modelagem NIR/PLS-AG. 2 ENEGEP 2002 ABEPRO 6
7 Repetição Fitness Sev (%) Var. Sel. LV's R 2 A 0, , ,8447 B 0, , ,9162 C 0, , ,8360 D 0, , ,9364 E 0, , ,8335 Tabela 2 Valores dos parâmetros da otimização na modelagem DRIFT/PLS-AG. Dois modelos foram selecionados a partir das tabelas 1 e 2 para efeito de comparação. Nas figuras 3a e 3b são apresentadas as curvas de calibração para os modelos (E) NIR/PLS-AG e (D) DRIFT/PLS-AG, respectivamente. 6 5 R 2 = 0, R 2 = 0,9364 NIR/PLS-AG (%) Calibração Validação DRIFT/PLS-AG (%) Calibração Validação método de referência (%) método de referência (%) Figura 3: (a) Curva de calibração do tanino para o modelo (E) NIR/PLS-AG. (b) Curva de calibração do tanino para o modelo (D) DRIFT/PLS-AG. 7. Conclusões Os resultados apresentados demonstram a excelente performance da otimização dos modelos de regressão empregando algoritmos genéticos. Tanto os dados de NIRS quanto de DRIFTS possibilitam a obtenção de modelos de calibração com R 2 superiores a 0,90, porém a principal diferença reside no fato dos modelos com dados NIRS tenderem ao overfitting, isto é, tendem a utilizar muito mais componentes principais que os modelos DRIFTS, resultando em modelos que apresentam SEC muito menores que SEV. Independente do conjunto de espectros utilizados, podemos verificar que as concentrações de tanino em amostras de café cru podem ser facilmente determinadas empregando regressão por mínimos quadrados parciais em conjunto com técnicas de otimização combinatória, obtendo-se assim rotinas de análise que podem ser facilmente empregadas para o controle de matérias-primas na indústria alimentícia, tendo como vantagens a não destruição das amostras, a não necessidade de descarte de produtos nocivos ao ambiente, além do baixo tempo de análise. ENEGEP 2002 ABEPRO 7
8 8. Referências Bibliográficas: 1. WILSON,R.H. Trend. Anal. Chem., 9, , VAN DE VOORT,F.R. Food Res. Int., 25, , HART,J.R.; NORRIS,K.H. & GOLUMBIC,C. - Cereal Chem., 39, 94-99, ABDULLAH,A.H. & SHERMAN,W.F. - Vib. Spec., 13, , BIRTH,G.S. & HECHT,H.G. The physics of near-infrared reflectance in Nearinfrared technology in the agricultural and food industries by Phil Wiliams & Karl Norris, St. Paul: American Association of Cereal Chemists, CULLER,S.R. Diffuse reflectance infrared spectroscopy: Sampling techniques for qualitative/quantitative analysis of solids in Practical sampling techniques for infrared analysis by Patricia B. Coleman, Boca Raton: CRC Press, OSBORNE,B.G.; FEARN,T. & HINDLE,P.H. Practical NIR spectroscopy with applications in food and beverage analysis Singapure: Longman Scientific & Technical, WETZEL,D.L. - Anal. Chem., 55, 1165A-1176A, OLINGER,J.M. & GRIFFITHS,P.R. Anal. Chem., 60, , OLINGER,J.M. & GRIFFITHS,P.R. Appl. Spectrosc., 47, , OLINGER,J.M. & GRIFFITHS,P.R. Appl. Spectrosc., 47, , DEVAUX,M.F.;DUFOUR,N.N.;ROBERT,P. & BERTRAND,D. Appl. Spectrosc., 49, 84-91, HOLLAND, J.H. Adaptation in natural and artificial systems. MIT Press, p , BÄCK, TH.; SCHWEFEL, H.P. Evolutionary Computation, 1, 1-23, BAKER, J.E. Adaptive selection methods for genetic algorithms. In J.J. Grefenstette, ed., Proceedings of the First International Conference on Genetic Algorithms and Their Applications. Erbaum FOGARTY, T.C. Varying the Probability of Mutation in the Genetic Algorithm. Procs. of the 3 rd. Int. Conf. on Genetic Algorithms (ICGA), J.D. Schaffer (ed.), Morgan Kaufmann Publ., p , GOLDBERG, D.E. Genetic algorithms in search, optimization and machine learning. Addison-Wesley, Reading, MA, p , GOLDBERG, D.E.; KORB, B.; DEB, K. Complex Systems 3, , FURTADO, J.C. Algoritmo genético construtivo na otimização de problemas combinatoriais de agrupamento. Tese de doutorado, INPE, São José dos Campos SP, LORENA, L.A.N; FURTADO, J.C. Evolutionary Computation, 9, , MITCHELL, M. An Introduction to Genetic Algorithms. MIT Press, Cambridge, England, ASSOCIATION OF OFFICIAL ANALYTICAL CHEMISTS. Official methods of analysis of the A.O.A.C, Washington D.C., U.S.A. 10th 1965 (no 9.061). ENEGEP 2002 ABEPRO 8
EMPREGO DO ALGORITMO BUSCA TABU NA DETERMINAÇÃO DE PRINCIPIOS ATIVOS EM FÁRMACOS
EMPREGO DO ALGORITMO BUSCA TABU NA DETERMINAÇÃO DE PRINCIPIOS ATIVOS EM FÁRMACOS Pedro Henrique de Almeida Konzen Curso de Matemática Aplicada e Computacional UNISC João Carlos Furtado Departamento de
Leia maisOtimização combinatória empregando algoritmo genético aplicada na análise multivariada de medicamentos manipulados
Otimização combinatória empregando algoritmo genético aplicada na análise multivariada de medicamentos manipulados Luiz Gustavo Neumann (UNISC) engneumann@yahoo.com.br Tainá Flôres da Rosa (UNISC) m42365@mx.unisc.br
Leia maisDETERMINAÇÃO DE AÇÚCAR TOTAL EM CAFÉ CRU POR ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO E REGRESSÃO POR MÍNIMOS QUADRADOS PARCIAIS
Quim. Nova, Vol. 30, No. 2, 346-350, 2007 DETERMINAÇÃO DE AÇÚCAR TOTAL EM CAFÉ CRU POR ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO E REGRESSÃO POR MÍNIMOS QUADRADOS PARCIAIS Artigo Marcelo A. Morgano* Centro
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 maisInovação no Controle de Qualidade de Alimentos
Inovação no Controle de Qualidade de Alimentos Renata Cerqueira Especialista em Ciência dos Alimentos São Paulo 19/10/2018 Renata Cerqueira Palestrante Técnica Química, Farmacêutica-Bioquímica, com especializações
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 maisAplicação da técnica de infravermelho médio (MIR) na análise química imediata de carvão vegetal
http://dx.doi.org/10.12702/viii.simposfloresta.2014.29-669-1 Aplicação da técnica de infravermelho médio (MIR) na análise química imediata de carvão vegetal Rafaela M. R. Bezerra 1, Ana C. de O. Neves
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 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 maisRolf Fredi Molz 1, Pedro H. A. Konzen 2, João Carlos Furtado 1, Marco Flores Ferrão 3, Claudia Willke Carvalho 3, Geraldo Lopes Crossetti 4
Proceedings of the VI Brazilian Conference on Neural Networks - VI Congresso Brasileiro de Redes Neurais pp. 121 126, June 2 5, 2003 Centro Universitário da FEI, São Paulo - SP - Brazil Análise Comparativa
Leia maisAlgoritmo do Morcego para Seleção de Variáveis em Calibração Multivariada
1 Algoritmo do Morcego para Seleção de Variáveis em Calibração Multivariada Silva, W. R., Paula, L. C. M., Soares; A. S., Coelho, C. J. Escola de Ciências Exatas e da Computação, Pontifícia Universidade
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisAlgoritmos Genéticos. 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 mais20º Seminário de Iniciação Científica e 4º Seminário de Pós-graduação da Embrapa Amazônia Oriental ANAIS. 21 a 23 de setembro
20º Seminário de Iniciação Científica e 4º Seminário de Pós-graduação ANAIS 21 a 23 de setembro 2016 Empresa Brasileira de Pesquisa Agropecuária Embrapa Amazônia Oriental Ministério da Agricultura, Pecuária
Leia maisPalavras-chave: cafeína, trigonelina, ácido clorogênico, infravermelho, PLS.
DETERMINAÇÃO SIMULTÂNEA DOS TEORES DE CAFEÍNA, TRIGONELINA E ÁCIDO CLOROGÊNICO EM AMOSTRAS DE CAFÉ CRU POR ANÁLISE MULTIVARIADA (PLS) EM DADOS DE ESPECTROSCOPIA POR REFLEXÃO DIFUSA NO INFRAVERMELHO PRÓXIMO
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 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 maisOtimização com Algoritmos Evolutivos
Otimização com Algoritmos Evolutivos Francisco Pereira (xico@dei.uc.pt) ELBCE 2016 (Setembro 2016) Resumo Problem Optimization Method Solution } Algoritmos Evolutivos } Propriedades e funcionamento } Exemplos
Leia 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 maisOTIMIZAÇÃO DE MÉTODOS DE CONTROLE DE QUALIDADE DE FÁRMACOS USANDO ALGORITMO GENÉTICO E BUSCA TABU
versão impressa ISSN 0101-7438 / versão online ISSN 1678-5142 OTIMIZAÇÃO DE MÉTODOS DE CONTROLE DE QUALIDADE DE FÁRMACOS USANDO ALGORITMO GENÉTICO E BUSCA TABU Pedro Henrique de Almeida Konzen João Carlos
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 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 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 maisPredição de Proteína em Grãos de Milho pela Espectroscopia de Reflectância no Infravermelho Próximo
Predição de Proteína em Grãos de Milho pela Espectroscopia de Reflectância no Infravermelho Próximo Miguel M. G. Neto 1, Maria L. P. Simeone 2, Cristiane de C. Guimarães 2, Fátima V. Vasconcelos 4 e Mariana
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 maisAPLICAÇÃO DE CALIBRAÇÃO MULTIVARIADA NA DETERMINAÇÃO DE AMOXICILINA POR TRANSFLECTÂNCIA NO INFRAVERMELHO PRÓXIMO
APLICAÇÃO DE CALIBRAÇÃO MULTIVARIADA NA DETERMINAÇÃO DE AMOXICILINA POR TRANSFLECTÂNCIA NO INFRAVERMELHO PRÓXIMO Maurício A. M. Silva 1 ; Eduardo L. M. Castro ; Marcius P. Castro 3 ; Marcelo M. de Sena
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 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 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 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 maisQuantificação de azeite de oliva em misturas com óleos vegetais utilizando FTIR e calibração por regressão linear múltipla
https://eventos.utfpr.edu.br//sicite/sicite2017/index Quantificação de azeite de oliva em misturas com óleos vegetais utilizando FTIR e calibração por regressão linear múltipla RESUMO Lucas Wahl da Silva
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 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 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 maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS MÓDULO 05 Unidade Universitária de Ciências Exatas e Tecnológicas UnUCET Anápolis 1 2 MÓDULO 05 CALIBRAÇÃO MULTIVARIADA
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 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
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 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 maisIntrodução. Material e Métodos
Desenvolvimento de um modelo de regressão multivariado para determinação do teor de matéria seca em braquiária empregando espectroscopia no infravermelho próximo (NIR) 1 Rafaela Chaves de Oliveira Lopes
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. 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 maisO que é espectroscopia?
Espectroscopia por infravermelho próximo (NIRs) e imagens multiespectrais de sementes Aula 10 3 LPV 5731 - ANÁLISE DE IMAGENS DE SEMENTES E PLÂNTULAS Programa de pós-graduação em Fitotecnia Francisco G
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 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 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 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 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 maisDe 29 a 31 de maio de 2006 Itatiba - SP ... :
-- De 29 a 31 de maio de 2006 Itatiba - SP... : : END MADEIRA 2006 APLICAÇÃO DE MÉTODOS QUIMIOMÉTRICOS EM ANÁLISES NÃO-DESTRUTIV AS DE Eucalyptus grandis Washington Luiz Esteves Magalhães I, Lucélia Taverna
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 maisEspectrofotometria UV-Vis. Química Analítica V Mestranda: Joseane Maria de Almeida Prof. Dr. Júlio César José da Silva
Espectrofotometria UV-Vis Química Analítica V Mestranda: Joseane Maria de Almeida Prof. Dr. Júlio César José da Silva Relembrando... Conceitos Comprimento de onda (λ): distância entre dois pontos na mesma
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 maisAlgoritmo Genético. Teoria da Evolução Princípio seguido pelos AGs
Algoritmo Genético Técnica de busca e otimização. Metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John Holland (1975) e seus
Leia maisDeterminação de matéria orgânica em amostras de solo - Estudo comparativo de métodos
Determinação de matéria orgânica em amostras de solo - Estudo comparativo de métodos Bazoni, C.H.V. 1 ; Kleinert, J.J. 2 ; Germano, M.G. 3 ; Leite, R.S. 3 ; Oliveira Junior, A. de 4 1 Universidade Estadual
Leia maisESTUDO DA ESTABILIDADE DE NANOPARTÍCULAS UTILIZANDO ANÁLISE DE IMAGENS E MÉTODOS QUIMIOMÉTRICOS
ESTUDO DA ESTABILIDADE DE NANOPARTÍCULAS UTILIZANDO ANÁLISE DE IMAGENS E MÉTODOS QUIMIOMÉTRICOS Maykon Alves LEMES; Anselmo Elcana de OLIVEIRA; Denilson RABELO; Mariana da Silva GODINHO. Universidade Federal
Leia maisPlanejamento de Misturas
Na maioria dos planejamentos os níveis dos fatores são independentes. As propriedades de uma mistura são determinadas pelas proporções de seus ingredientes, e não por valores absolutos. Planejamento de
Leia maisIMPLEMENTANDO UM ALGORITMO GENÉTICO
IMPLEMENTANDO UM ALGORITMO GENÉTICO NA APROXIMAÇÃO DE ZEROS E PONTOS CRÍTICOS DE POLINÔMIOS Fábio Santos de Goes Resumo Este trabalho apresenta um pouco do know-how adquirido e dos resultados obtidos em
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 maisCHEMOMETRIC MODEL FOR OVERALL QUALITY PREDICTION OF ARABICA COFFEE BEVERAGE BASED ON NEAR INFRARED SPECTROSCOPY AND PARCIAL LEAST SQUARES REGRESSION
MODELO QUIMIOMÉTRICO PARA A PREVISÃO DA QUALIDADE GLOBAL DE BEBIDA DE CAFÉ ARÁBICA BASEADO EM ESPECTROSCOPIA DE INFRAVERMELHO PRÓXIMO E REGRESSÃO POR QUADRADOS MÍNIMOS PARCIAIS 1 Juliano Souza Ribeiro
Leia maisAlgoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
Leia 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 maisOTIMIZAÇÃO DE MODELOS DE REGRESSÃO MULTIVARIADOS EMPREGANDO MÉTODOS DE SELEÇÃO DE VARIÁVEIS
UNIVERSIDADE DE SANTA CRUZ DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E PROCESSOS INDUSTRIAIS MESTRADO ÁREA DE CONCENTRAÇÃO EM CONTROLE E OTIMIZAÇÃO DE PROCESSOS INDUSTRIAIS Gustavo Post Sabin OTIMIZAÇÃO
Leia maisDETERMINAÇÃO DE PROTEÍNA EM CAFÉ CRU POR ESPECTROSCOPIA NIR E REGRESSÃO PLS 1
DETERMINAÇÃO DE PROTEÍNA EM CAFÉ CRU POR ESPECTROSCOPIA NIR E REGRESSÃO PLS 1 Marcelo A. MORGANO 2,5, *, Cristiano Gomes FARIA 2,5, Marco F. FERRÃO 3, Neura BRAGAGNOLO 4, Márcia M.C. FERREIRA 5 RESUMO
Leia mais6º Congresso Interinstitucional de Iniciação Científica - CIIC a 15 de agosto de 2012 Jaguariúna, SP
PREDIÇÃO DO TEOR DE ÓLEO EM SEMENTES DE SOJA PELA TÉCNICA DE ESPECTROSCOPIA DE REFLECTÂNCIA NO INFRAVERMELHO PRÓXIMO FABIANA C. GIORA 1 ; DANIELA MATSUMOTO 2 ; REGINA H. G. PRIOLLI 3 ; CÁSSIA R. L. CARVALHO
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 mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação plicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada -
Leia maisUMA INTRODUÇÃO AOS ALGORITMOS GENETICOS
UMA INTRODUÇÃO AOS ALGORITMOS GENETICOS Uma visão geral dos GAs Um algoritmo genético é uma classe de algoritmo de busca. O algoritmo procura uma solução dentro de um espaço para um problema de otimização.
Leia maisLista de Exercício 1ª TVC Química Analítica V Teoria
Lista de Exercício 1ª TVC Química Analítica V Teoria Capítulo 7 Tratamento e Avaliação Estatística de Dados 7-3. Discuta como a dimensão do intervalo de confiança da média é influenciada pelos seguintes
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 maisAplicação do algoritmo genético na análise de medicamentos anti-inflamatórios industrializados
Aplicação do algoritmo genético na análise de medicamentos anti-inflamatórios industrializados Valdir Bruxel Junior (UNISC) hagnat@bol.com.br Graciele Parisotto (UNISC) gracieleparisotto@yahoo.com.br Tainá
Leia maisTÉCNICAS DE REFLEXÃO NO INFRAVERMELHO APLICADAS NA ANÁLISE DE ALIMENTOS
TÉCNICAS DE REFLEXÃO NO INFRAVERMELHO APLICADAS NA ANÁLISE DE ALIMENTOS Marco Flôres Ferrão Professor do Departamento de Química e Física da Universidade de Santa Cruz do Sul UNISC Palavras-chave: reflexão
Leia maisPREDIÇÃO DE PROPRIEDADES FÍSICO-MECÂNICAS DAS MADEIRAS DE EUCALIPTO E PINUS POR MEIO DO INFRAVERMELHO PRÓXIMO
Universidade de Brasília PREDIÇÃO DE PROPRIEDADES FÍSICO-MECÂNICAS DAS MADEIRAS DE EUCALIPTO E PINUS POR MEIO DO INFRAVERMELHO PRÓXIMO Ribeiro, P. G.; Gonçalez, J. C.; Pastore, T. C. M.; Braga, J. W. B.
Leia maisDESENVOLVIMENTO E VALIDAÇÃO DE MÉTODOS PARA QUANTIFICAÇÃO DE AMARANTO E AZUL BRILHANTE EM BEBIDAS NÃO ALCOÓLICAS UTILIZANDO UV- Vis
https://eventos.utfpr.edu.br//sicite/sicite2017/index DESENVOLVIMENTO E VALIDAÇÃO DE MÉTODOS PARA QUANTIFICAÇÃO DE AMARANTO E AZUL BRILHANTE EM BEBIDAS NÃO ALCOÓLICAS UTILIZANDO UV- Vis RESUMO Fabiana
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 maisPrática 10 Determinação da constante de equilíbrio entre íons Fe 3+ e SCN -
UNIVERSIDADE DO ESTADO DE SANTA CATARINA CENTRO DE CIÊNCIAS TECNOLÓGICAS CCT DEPARTAMENTO DE QUÍMICA DQMC Disciplina: Química Geral Experimental QEX0002 Prática 10 Determinação da constante de equilíbrio
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 maisDETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
Leia maisO que é espectroscopia?
Espectroscopia por infravermelho próximo (NIRs) e imagens multiespectrais de sementes Aula 14 3 LPV 5731 - ANÁLISE DE IMAGENS DE SEMENTES E PLÂNTULAS Programa de pós-graduação em Fitotecnia Francisco G
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 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 maisEFEITO DA VARIAÇÃO DA SUAVIZAÇÃO ESPECTRAL NA ROBUSTEZ DE MODELOS DE CALIBRAÇÃO DE METANOL E TEOR ALCOÓLICO EM AGUARDENTES POR FTIR-ATR
Comunicação ao FÓRUM ALABE 2016. Fátima, 19 e 20 de maio de 2016. Disponível na Internet em: http://alabe.pt/pt/eventos/comunicacoes.php ALABE Associação dos Laboratórios de Enologia, Porto, Portugal EFEITO
Leia maisAlgoritmos Genéticos como Metaheurísticas de Busca Conteúdos da Seção Introdução Implementação Codificação Avaliação Operadores
como Metaheurísticas de Busca Conteúdos da Seção Introdução Implementação Codificação Avaliação Operadores 1 Algoritmos Evolutivos Introdução o Algoritmos genéticos, desenvolvidos principalmente por A.
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 maisQUI346 ESPECTROFOTOMETRIA
QUI346 ESPECTROFOTOMETRIA ABSORÇÃO FOTOQUÍMICA 3ª Parte (cont.) A QUANTIFICAÇÃO Mauricio X. Coutrim QUANTIFICAÇÃO: BRANCO O BRANCO NA DETERMINAÇÃO A radiação absorvida não é a simples diferença entre as
Leia maisPlanejamento de Misturas
Na maioria dos planejamentos os níveis dos fatores são independentes. As propriedades de uma mistura são determinadas pelas proporções de seus ingredientes, e não por valores absolutos. Planejamento de
Leia maisCONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
Leia maisUm AG Baseado em Ordem para o Problema do Ladrão de Jóias com Múltiplas Restrições
> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10 1 Um AG Baseado em Ordem para o Problema do Ladrão de Jóias com Múltiplas Restrições Jarbas Silva Abstract Neste
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 mais4 Procedimento Experimental
Procedimento Experimental 84 4 Procedimento Experimental A gasolina, objeto de estudo deste trabalho, possui uma composição complexa podendo apresentar em torno de 250 componentes diferentes. Como o processo
Leia maisIntrodução. Material e Métodos
Desenvolvimento de um modelo de regressão multivariado para determinação de FDA e lignina em braquiária empregando espectroscopia no infravermelho próximo (NIR) 1 Priscila Vieira Caixeta 2, Maria Lúcia
Leia maisBibliografia Recomendada. Cornell, J. A. A Primer on Experiments with Mixtures.
Bibliografia Recomendada Cornell, J. A. A Primer on Experiments with Mixtures. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Bibliografia Recomendada
Leia maisLaboratório de Análise Instrumental
Laboratório de Análise Instrumental Prof. Renato Camargo Matos Tutora: Aparecida Maria http://www.ufjf.br/nupis Caderno de Laboratório 1. Título 2. Introdução 3. Objetivo 4. Parte Experimental 4.1. Reagentes
Leia maisComputação Evolutiva. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Evolutiva Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) Principais Tópicos Computação Evolutiva Algoritmos Genéticos Codificação Função de
Leia maisAlgoritmos Genéticos Aplicados a Projeto de Controle com Realimentação de Estados
Algoritmos Genéticos Aplicados a Projeto de Controle com Realimentação de Estados Phelipe S. Oliveira 1, Luciano S. Barros 1, Luiz G. de Q. Silveira Júnior 2 1 Mestrado em Ciência da Computação Universidade
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 maisDETERMINAÇÃO SIMULTÂNEA DOS TEORES DE CINZA E PROTEÍNA EM FARINHA DE TRIGO EMPREGANDO NIRR-PLS E DRIFT-PLS 1
DETERMINAÇÃO SIMULTÂNEA DOS TEORES DE CINZA E PROTEÍNA EM FARINHA DE TRIGO EMPREGANDO NIRR-PLS E DRIFT-PLS 1 Marco Flôres FERRÃO 2,*, Claudia Wollmann CARVALHO 2, Edson Irineu MÜLLER 2, Celso Ulysses DAVANZO
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 maisSIMULAÇÃO DE BANDAS DO SENSOR MSI/SENTINEL-2 EM LAGOS DA AMAZÔNIA E RIO GRANDE DO SUL
SIMULAÇÃO DE BANDAS DO SENSOR MSI/SENTINEL-2 EM LAGOS DA AMAZÔNIA E RIO GRANDE DO SUL 1. INTRODUÇÃO As geotecnologias estão cada vez mais inseridas nos estudos de cunho ambiental, servindo de suporte para
Leia mais