Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/36370 http://doi.org/10.14393/ufu.di.2022.5042 |
Resumo: | Reliable models allow the simulation of critical processes that can serve as a basis for planning and defining public policies. Dynamic systems modeling is an important research tool that can predict and assess the impact of decisions taken by organizations and governments. Cellular automata have been used as an alternative for these types of modeling, as they are dynamic, discrete systems capable of describing complex phenomena from a set of simple rules and local iterations. Once the basic representation of the system is defined, one of the main difficulties in modeling is the adjustment of the various parameters that compose it. Since the evolutionary algorithms have been shown to be a powerful adaptive search technique, in this work we investigate two strategies based on genetic algorithms (GAs) to adjust parameters of a model, aiming to approximate the simulations results to the behavior found in the data to be modeled. The first strategy consists of applying a typical genetic algorithm to solve the problem, while the second adopts multiple stages of evolution, where each stage is responsible for adjusting a subset of the parameters. Both strategies adopt as a case study a model that describes the evolution of a population of insect vectors responsible for Chagas disease (SLIMI et al., 2009). This model is based on probabilistic cellular automata and was originally proposed to reproduce real data collected in a village in Mexico. Here, it is used to generate the dataset used as reference by the genetic algorithm. Experimental results show that the parameters defined in both evolutionary strategies reproduce a behavior similar to the reference model with respect of the number of insects and their spatial distribution. |
id |
UFU_5f4d802585e5b8238c20dc249af508b7 |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/36370 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticosEvolutionary strategies for the adjustment of parameters of an epidemiological model based on probabilistic cellular automataAlgoritmos GenéticosAutômatos CelularesEvolução Multi-estágioComputação EvolutivaModelagem de sistemas dinâmicosAjuste de ParâmetrosDoença de ChagasGenetic AlgorithmsCellular AutomataMulti-stage evaluationEvolutionary ComputingDynamic systems modelingParameter adjustmentChagas DiseaseComputaçãoCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAOComputaçãoAlgorítmos genéticosAutomato celularComputação evolutivaChagas, Doença deReliable models allow the simulation of critical processes that can serve as a basis for planning and defining public policies. Dynamic systems modeling is an important research tool that can predict and assess the impact of decisions taken by organizations and governments. Cellular automata have been used as an alternative for these types of modeling, as they are dynamic, discrete systems capable of describing complex phenomena from a set of simple rules and local iterations. Once the basic representation of the system is defined, one of the main difficulties in modeling is the adjustment of the various parameters that compose it. Since the evolutionary algorithms have been shown to be a powerful adaptive search technique, in this work we investigate two strategies based on genetic algorithms (GAs) to adjust parameters of a model, aiming to approximate the simulations results to the behavior found in the data to be modeled. The first strategy consists of applying a typical genetic algorithm to solve the problem, while the second adopts multiple stages of evolution, where each stage is responsible for adjusting a subset of the parameters. Both strategies adopt as a case study a model that describes the evolution of a population of insect vectors responsible for Chagas disease (SLIMI et al., 2009). This model is based on probabilistic cellular automata and was originally proposed to reproduce real data collected in a village in Mexico. Here, it is used to generate the dataset used as reference by the genetic algorithm. Experimental results show that the parameters defined in both evolutionary strategies reproduce a behavior similar to the reference model with respect of the number of insects and their spatial distribution.FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas GeraisDissertação (Mestrado)Modelos confiáveis permitem a simulação de processos críticos que podem servir de base para o planejamento e definição de políticas públicas. A modelagem de sistemas dinâmicos é um importante instrumento de pesquisa que pode prever e avaliar o impacto de decisões tomadas por organizações e governos. Autômatos celulares têm sido usados como alternativa para esses tipos de modelagem, pois são sistemas dinâmicos, discretos e capazes de descrever fenômenos complexos a partir de um conjunto de regras simples e iterações locais. Uma vez definida a representação básica do sistema, uma das principais dificuldades na modelagem é o ajuste dos diversos parâmetros que o compõem. Considerando que os algoritmos evolutivos têm se mostrado uma poderosa técnica de busca adaptativa, neste trabalho investigamos duas estratégias baseadas em algoritmos genéticos (AGs) para ajustar parâmetros de um modelo, visando aproximar o resultado das simulações ao comportamento dos dados a serem modelados. A primeira estratégia consiste na aplicação de um algoritmo genético típico para resolver o problema, enquanto a segunda adota múltiplos estágios de evolução, no qual cada estágio é responsável por ajustar um subconjunto dos parâmetros. Ambas as estratégias adotam como estudo de caso um modelo que descreve a evolução de uma população de insetos vetores responsáveis pela doença de Chagas (SLIMI et al., 2009). Esse modelo é baseado em autômatos celulares probabilísticos e foi originalmente proposto para reproduzir dados reais coletados em uma aldeia no México. Aqui, ele é usado para gerar o conjunto de dados usada como referência pelo algoritmo genético. Resultados experimentais mostram que os parâmetros definidos em ambas as estratégias evolutivas reproduzem um comportamento semelhante ao modelo de referência tanto na quantidade de insetos quanto na sua distribuição espacial.Universidade Federal de UberlândiaBrasilPrograma de Pós-graduação em Ciência da ComputaçãoOliveira, Gina Maira Barbosa dehttp://lattes.cnpq.br/7119433066704111Martins, Luiz Gustavo Almeidahttp://lattes.cnpq.br/2546751023256424Carneiro, Murillo Guimarãeshttp://lattes.cnpq.br/8158868389973535Monteiro, Luiz Henrique Alveshttp://lattes.cnpq.br/1820487447148268Fraga, Larissa Maiara2022-11-10T11:28:14Z2022-11-10T11:28:14Z2021-07-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfFRAGA, Larissa Maiara. Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos. 2021. 129 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.di.2022.5042.https://repositorio.ufu.br/handle/123456789/36370http://doi.org/10.14393/ufu.di.2022.5042porAn error occurred getting the license - uri.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2022-11-11T06:16:28Zoai:repositorio.ufu.br:123456789/36370Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-11-11T06:16:28Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos Evolutionary strategies for the adjustment of parameters of an epidemiological model based on probabilistic cellular automata |
title |
Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos |
spellingShingle |
Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos Fraga, Larissa Maiara Algoritmos Genéticos Autômatos Celulares Evolução Multi-estágio Computação Evolutiva Modelagem de sistemas dinâmicos Ajuste de Parâmetros Doença de Chagas Genetic Algorithms Cellular Automata Multi-stage evaluation Evolutionary Computing Dynamic systems modeling Parameter adjustment Chagas Disease Computação CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAO Computação Algorítmos genéticos Automato celular Computação evolutiva Chagas, Doença de |
title_short |
Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos |
title_full |
Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos |
title_fullStr |
Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos |
title_full_unstemmed |
Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos |
title_sort |
Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos |
author |
Fraga, Larissa Maiara |
author_facet |
Fraga, Larissa Maiara |
author_role |
author |
dc.contributor.none.fl_str_mv |
Oliveira, Gina Maira Barbosa de http://lattes.cnpq.br/7119433066704111 Martins, Luiz Gustavo Almeida http://lattes.cnpq.br/2546751023256424 Carneiro, Murillo Guimarães http://lattes.cnpq.br/8158868389973535 Monteiro, Luiz Henrique Alves http://lattes.cnpq.br/1820487447148268 |
dc.contributor.author.fl_str_mv |
Fraga, Larissa Maiara |
dc.subject.por.fl_str_mv |
Algoritmos Genéticos Autômatos Celulares Evolução Multi-estágio Computação Evolutiva Modelagem de sistemas dinâmicos Ajuste de Parâmetros Doença de Chagas Genetic Algorithms Cellular Automata Multi-stage evaluation Evolutionary Computing Dynamic systems modeling Parameter adjustment Chagas Disease Computação CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAO Computação Algorítmos genéticos Automato celular Computação evolutiva Chagas, Doença de |
topic |
Algoritmos Genéticos Autômatos Celulares Evolução Multi-estágio Computação Evolutiva Modelagem de sistemas dinâmicos Ajuste de Parâmetros Doença de Chagas Genetic Algorithms Cellular Automata Multi-stage evaluation Evolutionary Computing Dynamic systems modeling Parameter adjustment Chagas Disease Computação CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAO Computação Algorítmos genéticos Automato celular Computação evolutiva Chagas, Doença de |
description |
Reliable models allow the simulation of critical processes that can serve as a basis for planning and defining public policies. Dynamic systems modeling is an important research tool that can predict and assess the impact of decisions taken by organizations and governments. Cellular automata have been used as an alternative for these types of modeling, as they are dynamic, discrete systems capable of describing complex phenomena from a set of simple rules and local iterations. Once the basic representation of the system is defined, one of the main difficulties in modeling is the adjustment of the various parameters that compose it. Since the evolutionary algorithms have been shown to be a powerful adaptive search technique, in this work we investigate two strategies based on genetic algorithms (GAs) to adjust parameters of a model, aiming to approximate the simulations results to the behavior found in the data to be modeled. The first strategy consists of applying a typical genetic algorithm to solve the problem, while the second adopts multiple stages of evolution, where each stage is responsible for adjusting a subset of the parameters. Both strategies adopt as a case study a model that describes the evolution of a population of insect vectors responsible for Chagas disease (SLIMI et al., 2009). This model is based on probabilistic cellular automata and was originally proposed to reproduce real data collected in a village in Mexico. Here, it is used to generate the dataset used as reference by the genetic algorithm. Experimental results show that the parameters defined in both evolutionary strategies reproduce a behavior similar to the reference model with respect of the number of insects and their spatial distribution. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-07-05 2022-11-10T11:28:14Z 2022-11-10T11:28:14Z |
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 |
FRAGA, Larissa Maiara. Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos. 2021. 129 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.di.2022.5042. https://repositorio.ufu.br/handle/123456789/36370 http://doi.org/10.14393/ufu.di.2022.5042 |
identifier_str_mv |
FRAGA, Larissa Maiara. Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos. 2021. 129 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.di.2022.5042. |
url |
https://repositorio.ufu.br/handle/123456789/36370 http://doi.org/10.14393/ufu.di.2022.5042 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
An error occurred getting the license - uri. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
An error occurred getting the license - uri. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Ciência da Computação |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Ciência da Computação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1813711585936408576 |