TCC
Algoritmo genético híbrido aplicado à otimização de funções
Carregando...
Notas
Data
Autores
Orientadores
Toledo, Cláudio Fabiano Motta
Editores
Coorientadores
Membros de banca
Pereira, Marluce Rodrigues
Esmin, Ahmed Ali Abdalla
Título da Revista
ISSN da Revista
Título de Volume
Editor
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
Agência de fomento
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
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.
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.
Descrição
Área de concentração
Otimização
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
Palavras-chave
ISBN
DOI
Citação
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.