Hibridização de Programação Genética Gramatical com estratégia evolutiva e evolução diferencial aplicada a problemas de regressão simbólica e de classificação

• Autor(a) principal: Motta, Flavio Andrade Amaral
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFJF
• Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/8287
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Programação Genética Gramatical; Evolução diferencial; Estratégia evolutiva; Hibridismo; Grammar-based Genetic Programming; Differential evolution; Evolution strategies; Hibrydsm

A Regressão simbólica consiste na manipulação de expressões matemáticas para encon-trar uma função que melhor representa um conjunto de dados. Já problemas de classifica-ção podem ser entendidos como o efeito de dispor por classes um conjunto de elementos. Técnicas computacionais foram desenvolvidas para resolver esses tipos de problema, a Programação Genética (PG) é uma delas. Uma vantagem dessa técnica é o fato de produ-zir modelos simbólicos que são possíveis de serem interpretados. A Programação Genética Gramatical (PGG) surgiu com o uso de gramáticas formais para auxiliar a busca desses modelos. Um problema da PGG é o ajuste de coeficientes, já que apenas valores gerados pela gramática podem aparecer dentro de um modelo. Diferentes formas de hibridização de PGG são utilizadas neste trabalho para ajuste de coeficientes. Evolução Diferencial (ED) e Estratégia Evolutiva (EE) são técnicas de otimização contínua e o objetivo deste trabalho é de gerar melhores soluções do que uma PGG padrão, ao utilizar essas técnicas para realizar o ajuste dos coeficientes. Foram testados 23 problemas de regressão simbó-lica e 7 de classificação para comparar o desempenho das técnicas propostas com a PGG padrão. Foram encontrados resultados promissores quando comparados a PGG na sua forma padrão.