Detalhes bibliográficos
Ano de defesa: |
2022 |
Autor(a) principal: |
Pinto, Matheus Henrique Tavares |
Orientador(a): |
Pereira, André Gustavo Campos |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/48411
|
Resumo: |
Muitos problemas práticos envolvendo modelos lineares em algum momento necessitam de uma redução do número de varíaveis envolvidas, seja pelo custo envolvido em se trabalhar com muitas variáveis, seja por que uma certa quantidade de variáveis já explica satisfatoriamente o problema abordado. Podemos citar entre outras técnicas a análise de componentes principais, a seleção do melhor subconjunto de variáveis, a seleção progressiva de variáveis, etc. Nesse trabalho apresentaremos como proceder a seleção de variáveis de um modelo linear utilizando o algoritmo genético . Além disso, mostramos que o algoritmo genético elitista (AGE) converge para o conjunto das populações contendo uma solução do problema de otimização considerado, ao mesmo tempo, mostramos como usar a convergência do AGE para obter soluções para o problema de seleção de variáveis. |