Aplicação de modelos de estimação de fitness em algoritmos geneticos

Detalhes bibliográficos
Autor(a) principal: Mota Filho, Francisco Osvaldo Mendes
Data de Publicação: 2005
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1601906
Resumo: Orientador: Fernando Antonio Campos Gomide
id UNICAMP-30_cb1fae25c9fac3296edc32399d848b54
oai_identifier_str oai::361825
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Aplicação de modelos de estimação de fitness em algoritmos geneticosFitness estimation models applied to genetic algorithmsAlgoritmos genéticosTeoria da aproximaçãoConjuntos fuzzyEngenharia ferroviária - PlanejamentoGenetic algorithmsApproximation modelsFuzzy clusteringTrain schedulingOrientador: Fernando Antonio Campos GomideDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de ComputaçãoResumo: Para obter uma solução satisfatória, algoritmos genéticos avaliam, em geral, um número grande de indivíduos durante o processo evolutivo. É comum, em aplicações práticas, encontrar funções de avaliação computacionalmente complexas e caras. Porém, nesses casos, o tempo é um fator determinante no desempenho de algoritmos genéticos. Dessa forma, os algoritmos genéticos devem encontrar soluções adequadas em curto intervalo de tempo. Uma alternativa promissora para contornar os custos computacionais referentes à função de avaliação considera o fato de que pode ser mais atrativo avaliar diretamente somente indivíduos selecionados e estimar os fitness dos restantes do que avaliar diretamente toda a população. Este trabalho propõe o uso de modelos de estimação de fitness em algoritmos genéticos. Especificamente, são sugeridos modelos de estimação baseados em agrupamento nebuloso supervisionado (Fuzzy C-Means) e não supervisionado (Aprendizagem Participativa). O objetivo é aproximar as funções de avaliação por meio de modelos de estimação de fitness, sem afetar significativamente a qualidade das soluções. Inicialmente, os modelos de estimação propostos são comparados e analisados experimentalmente com alternativas sugeri das por outros autores, utilizando, para isso, problemas de otimização considerados na literatura de algoritmos genéticos. A seguir, os modelos de estimação de fitness são aplicados em um problema real de engenharia, o planejamento de circulação de trens em ferrovias. Este é um caso típico onde o desempenho de cada planejamento exige um tempo significativo. A eficiência dos modelos propostos é verificada e comprovada experimentalmente comparando com os resultados, em instâncias mais simples, fornecidos por modelos de programação matemática e, em instâncias complexas, fornecidos pelo algoritmo genético clássicoAbstract: Genetic algorithms usually need a large number of fitness evaluations before a satisfying result can be obtained. In many real-world applications, fitness evaluation may be computationally complex and costly. In these cases, time is an essential subject in performance analysis of genetic algorithms. Therefore, genetic algorithms should provide good solutions in a short period of time. A promising approach to alleviate the computational cost of evaluations considers the fact that sometimes it is better to evaluate only selected individuals and estimate the fitness of the remaining individuals instead of evaluate a whole population. This work suggests the application of fitness estimation models in genetic algorithms. More specifically, it deals with estimation models based on supervised fuzzy clustering (Fuzzy C-Means) and unsupervised fuzzy clustering (Participatory Learning). The goal is to approximate the evaluation functions through the use of fitness estimation models, without significantly affect the quality of solutions. Initially, the fitness estimation models are compared and analyzed experimentally with other models already proposed in the literature. Their performance are evaluated using benchmark optimization problems found in the genetic algorithms literature. Next, the fitness estimation models are used to solve a real-world engineering problem, namely the train scheduling in a freight rail line. This is a typical case where the performance measure of each schedule demands a considerable amount of time. Once again, the performance of the fitness estimation models are evaluated experimentally, comparing their results with the results provided, for simple instances, by linear programming models and, for complex instances, by the classic genetic algorithmMestradoEngenharia de ComputaçãoMestre em Engenharia Elétrica[s.n.]Gomide, Fernando Antonio Campos, 1951-Camargo, Heloisa de ArrudaValente, Paulo Augusto FerreiraOhishi, TakaakiGudwin, Ricardo RibeiroUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de ComputaçãoPrograma de Pós-Graduação não informadoUNIVERSIDADE ESTADUAL DE CAMPINASMota Filho, Francisco Osvaldo Mendes20052005-12-21T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf184p. : il.(Broch.)https://hdl.handle.net/20.500.12733/1601906MOTA FILHO, Francisco Osvaldo Mendes. Aplicação de modelos de estimação de fitness em algoritmos geneticos. 2005. 184p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1601906. Acesso em: 2 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/361825porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T04:25:44Zoai::361825Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T04:25:44Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Aplicação de modelos de estimação de fitness em algoritmos geneticos
Fitness estimation models applied to genetic algorithms
title Aplicação de modelos de estimação de fitness em algoritmos geneticos
spellingShingle Aplicação de modelos de estimação de fitness em algoritmos geneticos
Mota Filho, Francisco Osvaldo Mendes
Algoritmos genéticos
Teoria da aproximação
Conjuntos fuzzy
Engenharia ferroviária - Planejamento
Genetic algorithms
Approximation models
Fuzzy clustering
Train scheduling
title_short Aplicação de modelos de estimação de fitness em algoritmos geneticos
title_full Aplicação de modelos de estimação de fitness em algoritmos geneticos
title_fullStr Aplicação de modelos de estimação de fitness em algoritmos geneticos
title_full_unstemmed Aplicação de modelos de estimação de fitness em algoritmos geneticos
title_sort Aplicação de modelos de estimação de fitness em algoritmos geneticos
author Mota Filho, Francisco Osvaldo Mendes
author_facet Mota Filho, Francisco Osvaldo Mendes
author_role author
dc.contributor.none.fl_str_mv Gomide, Fernando Antonio Campos, 1951-
Camargo, Heloisa de Arruda
Valente, Paulo Augusto Ferreira
Ohishi, Takaaki
Gudwin, Ricardo Ribeiro
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
Programa de Pós-Graduação não informado
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Mota Filho, Francisco Osvaldo Mendes
dc.subject.por.fl_str_mv Algoritmos genéticos
Teoria da aproximação
Conjuntos fuzzy
Engenharia ferroviária - Planejamento
Genetic algorithms
Approximation models
Fuzzy clustering
Train scheduling
topic Algoritmos genéticos
Teoria da aproximação
Conjuntos fuzzy
Engenharia ferroviária - Planejamento
Genetic algorithms
Approximation models
Fuzzy clustering
Train scheduling
description Orientador: Fernando Antonio Campos Gomide
publishDate 2005
dc.date.none.fl_str_mv 2005
2005-12-21T00:00:00Z
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 (Broch.)
https://hdl.handle.net/20.500.12733/1601906
MOTA FILHO, Francisco Osvaldo Mendes. Aplicação de modelos de estimação de fitness em algoritmos geneticos. 2005. 184p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1601906. Acesso em: 2 set. 2024.
identifier_str_mv (Broch.)
MOTA FILHO, Francisco Osvaldo Mendes. Aplicação de modelos de estimação de fitness em algoritmos geneticos. 2005. 184p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1601906. Acesso em: 2 set. 2024.
url https://hdl.handle.net/20.500.12733/1601906
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/361825
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
184p. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809188937678192640

Registros relacionados