Detalhes bibliográficos
Ano de defesa: |
2017 |
Autor(a) principal: |
Carvalho, Wanderson Laerte de Oliveira |
Orientador(a): |
Oliveira, Roberto Teodoro Gurgel de |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Área do conhecimento CNPq: |
|
Link de acesso: |
https://repositorio.ufrn.br/jspui/handle/123456789/24067
|
Resumo: |
O algoritmo genético é um processo iterativo de busca, utilizado para encontraro máximo global no domı́nio de funções não convencionais. Esse algoritmo se baseiaem fundamentos naturalistas, evoluindo uma amostra de candidatos a máximo globala cada iteração. Essa evolução é consequência de três operadores (Seleção, Mutaçãoe Cruzamento) que vasculham o domı́nio da função e ao mesmo tempo selecionam osmelhores candidatos obtidos. Nesse estudo, apresentaremos uma cadeia de Markovque modela a evolução desse algoritmo, e demonstraremos algumas propriedades dessacadeia que justificam a convergência do algoritmo. Realizaremos uma simulação paramodelar o efeito da parametrização do algoritmo em sua velocidade de convergência,estimada pelo número de iterações até obtenção do máximo global. Nessas simulaçõesobservaremos esse efeito em funções: unidimensionais, bidimensionais, com um únicomáximo local (o máximo global) e com vários máximos locais. Finalmente, esse tra-balho apresenta resultados que questionam a relevância do operador cruzamento nasfunções estudadas e argumentos para acreditar que o operador mutação otimiza a ve-locidade de convergência do algoritmo quando ocorre com probabilidade de mutaçãopróxima a 0, 2). |