Abordagem neuro-genética para mapeamento de problemas de conexão em otimização combinatória

• Ano de defesa: 2009
• Autor(a) principal: Pires, Matheus Giovanni
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Algoritmos genéticos; Artificial neural networks; Bipartite graph optimization; Combinatorial optimization; Genetic algorithms; N-Queens problem; Otimização combinatória; Problema das N-Rainhas; Problema do caminho mínimo; Problema do emparelhamento bipartido; Redes neurais artificiais; Shortest path problem
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-12062009-150911/

Devido a restrições de aplicabilidade presentes nos algoritmos para a solução de problemas de otimização combinatória, os sistemas baseados em redes neurais artificiais e algoritmos genéticos oferecem um método alternativo para solucionar tais problemas eficientemente. Os algoritmos genéticos devem a sua popularidade à possibilidade de percorrer espaços de busca não-lineares e extensos. Já as redes neurais artificiais possuem altas taxas de processamento por utilizarem um número elevado de elementos processadores simples com alta conectividade entre si. Complementarmente, redes neurais com conexões realimentadas fornecem um modelo computacional capaz de resolver vários tipos de problemas de otimização, os quais consistem, geralmente, da otimização de uma função objetivo que pode estar sujeita ou não a um conjunto de restrições. Esta tese apresenta uma abordagem inovadora para resolver problemas de conexão em otimização combinatória utilizando uma arquitetura neuro-genética. Mais especificamente, uma rede neural de Hopfield modificada é associada a um algoritmo genético visando garantir a convergência da rede em direção aos pontos de equilíbrio factíveis que representam as soluções para os problemas de otimização combinatória.