Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/5299
metadata.teses.dc.title: Algoritmo genético híbrido aplicado à otimização de funções
metadata.teses.dc.creator: Lima, Ednaldo Oliveira
metadata.teses.dc.contributor.advisor1: Toledo, Cláudio Fabiano Motta
metadata.teses.dc.contributor.referee1: Pereira, Marluce Rodrigues
Esmin, Ahmed Ali Abdalla
metadata.teses.dc.description.concentration: Otimização
metadata.teses.dc.date.issued: 10-Apr-2015
metadata.teses.dc.identifier.citation: LIMA, E. O. Algoritmo genético híbrido aplicado à otimização de funções. 2008. 73 p. Monografia (Graduação em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2008.
metadata.teses.dc.description.resumo: A presente monografia propõe um algoritmo genético híbrido (AGH) e avalia seu desempenho na otimização de funções. O AGH utiliza codificação binária para indivíduos, onde cadeias binárias de diferentes tamanhos são testadas. Os indivíduos em uma população estão estruturados de forma hierárquica em árvores binária ou ternária. Uma busca local é executada sobre o melhor indivíduo de cada população. O uso de multi-populações e diversos tipos de crossover também são avaliados. As abordagens propostas para o AGH são aplicadas na otimização de sete funções uni e multi-modais. Os melhores resultados obtidos pelo AGH são comparados aos resultados existentes na literatura.
metadata.teses.dc.description.abstract: The present work proposes a hybrid genetic algorithm (HGA) and evaluates its performance in functions optimization. The HGA uses a binary codification for individuals, where different strings lengths are tested. The individuals in each population are hierarchically structured in binary or ternary trees. A local search is executed over the best individual found in each population. The use of multipopulation and several crossover types are also evaluated. The approaches proposed for the HGA are applied to optimize seven minimum and multiminima functions. The best results found by HGA are compared with results available in the literature.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/5299
metadata.teses.dc.language: pt_BR
Appears in Collections:PROGRAD - Ciência da Computação (Trabalhos de Conclusão de Curso)

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_Algoritmo_genetico_hibrido_aplicado_a_otimizacao_de_funcoes.pdf628,08 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.