Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimental
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/17820 |
Resumo: | Neste trabalho são apresentadas propostas para aperfeiçoamento de algoritmos genéticos (AGs). Para isto, um algoritmo genético tradicional (AGT), encontrado na literatura para a solução do problema de clusterização automática de vértices de um grafo orientado não ponderado, é utilizado como base para as adaptações propostas. As propostas de aperfeiçoamento do AGT correspondem à realização de alterações em alguns dos seus parâmetros e à inserção de novos procedimentos ao algoritmo. Para cada proposta são apresentados os resultados experimentais obtidos a partir da sua implementação e execução, utilizando grafos orientados, não ponderados, contendo diferentes quantidades de vértices e arcos. São realizados experimentos computacionais, utilizando as propostas de forma individual ou através de combinações entre elas. Os resultados mostram que os algoritmos aqui propostos melhoram consideravelmente o desempenho do AGT em relação à qualidade das soluções obtidas, exigindo, em média, tempos computacionais similares, ou menores, que os do algoritmo da literatura |
id |
UFF-2_1e0fff24c1eea4c78e028101d399912d |
---|---|
oai_identifier_str |
oai:app.uff.br:1/17820 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimentalCiência da computaçãoAlgoritmo genéticoGrafoComputer scienceCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAONeste trabalho são apresentadas propostas para aperfeiçoamento de algoritmos genéticos (AGs). Para isto, um algoritmo genético tradicional (AGT), encontrado na literatura para a solução do problema de clusterização automática de vértices de um grafo orientado não ponderado, é utilizado como base para as adaptações propostas. As propostas de aperfeiçoamento do AGT correspondem à realização de alterações em alguns dos seus parâmetros e à inserção de novos procedimentos ao algoritmo. Para cada proposta são apresentados os resultados experimentais obtidos a partir da sua implementação e execução, utilizando grafos orientados, não ponderados, contendo diferentes quantidades de vértices e arcos. São realizados experimentos computacionais, utilizando as propostas de forma individual ou através de combinações entre elas. Os resultados mostram que os algoritmos aqui propostos melhoram consideravelmente o desempenho do AGT em relação à qualidade das soluções obtidas, exigindo, em média, tempos computacionais similares, ou menores, que os do algoritmo da literaturaIn this work, new proposals to improve genetic algorithms are presented. In order to do that, a classic genetic algorithm (AGT), which was obtained from the literature for the solution of automatic clustering problem applied to a non-weighted directed graph, is used as the basis for the proposed adaptations. The proposals for the improvement of AGT consider the accomplishment of modifications in its parameters and the insertion of new procedures to the algorithm. For each proposal, experimental results are presented, following its implementation and execution by using non-weighted directed graphs, which contain different amounts of nodes and edges. Computational experiments were performed by using the proposals in an individual way or combinations of them, and show that the algorithms here proposed considerably improve the performance of AGT as regards the quality of the obtained solutions, demanding, on the average, similar or even smaller running times in comparison to those of the algorithm in the literaturePrograma de Pós-Graduação em ComputaçãoComputaçãoOchi, Luiz Satoruhttp://lattes.cnpq.br/9171815778534257http://lattes.cnpq.br/9697423942721162Dias, Carlos Rodrigo2021-03-10T20:42:49Z2008-03-052021-03-10T20:42:49Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttps://app.uff.br/riuff/handle/1/17820porCC-BY-SAinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2023-06-07T18:52:23Zoai:app.uff.br:1/17820Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:06:47.672840Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimental |
title |
Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimental |
spellingShingle |
Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimental Dias, Carlos Rodrigo Ciência da computação Algoritmo genético Grafo Computer science CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAO |
title_short |
Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimental |
title_full |
Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimental |
title_fullStr |
Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimental |
title_full_unstemmed |
Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimental |
title_sort |
Algoritmos evolutivos para o problema de clusterização de grafos orientados: desenvolvimento e análise experimental |
author |
Dias, Carlos Rodrigo |
author_facet |
Dias, Carlos Rodrigo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ochi, Luiz Satoru http://lattes.cnpq.br/9171815778534257 http://lattes.cnpq.br/9697423942721162 |
dc.contributor.author.fl_str_mv |
Dias, Carlos Rodrigo |
dc.subject.por.fl_str_mv |
Ciência da computação Algoritmo genético Grafo Computer science CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAO |
topic |
Ciência da computação Algoritmo genético Grafo Computer science CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAO |
description |
Neste trabalho são apresentadas propostas para aperfeiçoamento de algoritmos genéticos (AGs). Para isto, um algoritmo genético tradicional (AGT), encontrado na literatura para a solução do problema de clusterização automática de vértices de um grafo orientado não ponderado, é utilizado como base para as adaptações propostas. As propostas de aperfeiçoamento do AGT correspondem à realização de alterações em alguns dos seus parâmetros e à inserção de novos procedimentos ao algoritmo. Para cada proposta são apresentados os resultados experimentais obtidos a partir da sua implementação e execução, utilizando grafos orientados, não ponderados, contendo diferentes quantidades de vértices e arcos. São realizados experimentos computacionais, utilizando as propostas de forma individual ou através de combinações entre elas. Os resultados mostram que os algoritmos aqui propostos melhoram consideravelmente o desempenho do AGT em relação à qualidade das soluções obtidas, exigindo, em média, tempos computacionais similares, ou menores, que os do algoritmo da literatura |
publishDate |
2008 |
dc.date.none.fl_str_mv |
2008-03-05 2021-03-10T20:42:49Z 2021-03-10T20:42:49Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://app.uff.br/riuff/handle/1/17820 |
url |
https://app.uff.br/riuff/handle/1/17820 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Programa de Pós-Graduação em Computação Computação |
publisher.none.fl_str_mv |
Programa de Pós-Graduação em Computação Computação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823663061663744 |