Ajuste de regras e funções de pertinência utilizando algoritmos genéticos

• Ano de defesa: 2004
• Autor(a) principal: OLIVEIRA, Patrícia Cerávolo Rodrigues de Paiva Nunes
• Orientador(a): LAMBERT-TORRES, Germano
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Engenharia Elétrica
• Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
• País: Brasil
• Palavras-chave em Português: Algoritmos genéticos; Ajuste de regras e funções; Controle GEN1; Controle GEN2
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/3756

O propósito deste trabalho é apresentar uma estratégia para o ajuste automático das regras e das funções de pertinência usando Algoritmos Genéticos. Para tal, foi desenvolvido e implementado um algoritmo que transforma as regras e as funções de pertinências em cromossomos que são submetidos a uma evolução, cruzamento e mutação. A idéia geral é obter uma nova família de regras e funções de pertinência que possa melhor controlar um processo, otimizando o resultado final. O algoritmo proposto foi incorporado ao Pacote Computacional para o Ensino da Lógica Difusa anteriormente desenvolvido que tem o objetivo de ensinar a lógica difusa para estudantes de controle. Este pacote contém todas as instruções necessárias para os usuários compreenderem os princípios do controle difuso. O principal objetivo do pacote é estacionar um veículo, partindo de qualquer posição inicial, em uma garagem. Para cumprir esta tarefa, os estudantes devem inicialmente desenvolver um conjunto de regras de controle difuso e funções de pertinência que definirão a trajetória do veículo. Os processos de fuzzificação e defuzzificação das variáveis são realizados pelo programa sem a interferência do usuário. A escolha do método de otimização Algoritmos Genéticos é devido à melhora que esses algoritmos trazem ao desempenho de um controlador difuso, comprovado pelos resultados obtidos neste trabalho. Esses algoritmos vêm sendo aplicados com sucesso nos mais diversos problemas de otimização e aprendizado de máquina.