Trabalho de Conclusão de Curso - Graduação

Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional

Genetic algorithms are artificial intelligence techniques used for optimisation problems based on the theory of Darwinian natural selection. The effectiveness of this algorithm is more noticeable in the case of NP-hard problems such as the Set Covering Problem (SCP) and the Multidimensional Knaps...

ver descrição completa

Autor principal: DUARTE, Renan Lobo
Grau: Trabalho de Conclusão de Curso - Graduação
Publicado em: 2019
Assuntos:
Algoritmo genético
Otimização
Cruzamento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Acesso em linha: https://bdm.ufpa.br/jspui/handle/prefix/2365
id oai:https:--bdm.ufpa.br:8443:prefix-2365
recordtype dspace
spelling oai:https:--bdm.ufpa.br:8443:prefix-23652019-11-06T03:06:41Z Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional DUARTE, Renan Lobo SARAIVA, Filipe de Oliveira http://lattes.cnpq.br/5883877669437870 Algoritmo genético Otimização Cruzamento CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Genetic algorithms are artificial intelligence techniques used for optimisation problems based on the theory of Darwinian natural selection. The effectiveness of this algorithm is more noticeable in the case of NP-hard problems such as the Set Covering Problem (SCP) and the Multidimensional Knapsack Problem (MKP). Crossover operators are the steps of the genetic algorithms that have fundamental importance in searching solutions in the search space. Evaluating, therefore, crossover methods is most important because of their ability to form individuals, which can improve or worsen them. At the end of this work, It can be said which crossover method fits better in and for which type of problem. Os algoritmos genéticos são técnicas da inteligência artificial utilizados para problemas de otimização baseando-se na teoria da seleção natural darwiniana. A eficácia desse algoritmo é mais notória em se tratando de problemas NP-difíceis como o Problema de Cobertura de Conjunto (SCP) e o Problema Multidimensional da Mochila (PMM). Operadores de cruzamento são uma das etapas dos algoritmos genéticos que tem importância fundamental na realização da busca por soluções no espaço de busca. Avaliar, portanto, os métodos de cruzamento é de suma importância, devido a sua capacidade de formar indivíduos, podendo melhorá-los ou piorá-los. Ao final deste trabalho, pode-se dizer qual o método de cruzamento se sobressai e para qual tipo de problema. 2019-11-05T13:04:16Z 2019-11-05T13:04:16Z 2019-07-11 Trabalho de Conclusão de Curso - Graduação DUARTE, Renan Lobo. Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional. Orientador: Filipe de Oliveira Saraiva. 2019. 55 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Faculdade de Computação, Instituto de Ciências Exatas e Naturais, Universidade Federal do Pará, Belém, 2019. Disponível em: http://bdm.ufpa.br/jspui/handle/prefix/2365. Acesso em:. https://bdm.ufpa.br/jspui/handle/prefix/2365 Acesso Aberto 1 CD-ROM
institution Biblioteca Digital de Monografias - UFPA
collection MonografiaUFPA
topic Algoritmo genético
Otimização
Cruzamento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
spellingShingle Algoritmo genético
Otimização
Cruzamento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
DUARTE, Renan Lobo
Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional
topic_facet Algoritmo genético
Otimização
Cruzamento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description Genetic algorithms are artificial intelligence techniques used for optimisation problems based on the theory of Darwinian natural selection. The effectiveness of this algorithm is more noticeable in the case of NP-hard problems such as the Set Covering Problem (SCP) and the Multidimensional Knapsack Problem (MKP). Crossover operators are the steps of the genetic algorithms that have fundamental importance in searching solutions in the search space. Evaluating, therefore, crossover methods is most important because of their ability to form individuals, which can improve or worsen them. At the end of this work, It can be said which crossover method fits better in and for which type of problem.
author_additional SARAIVA, Filipe de Oliveira
author_additionalStr SARAIVA, Filipe de Oliveira
format Trabalho de Conclusão de Curso - Graduação
author DUARTE, Renan Lobo
title Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional
title_short Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional
title_full Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional
title_fullStr Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional
title_full_unstemmed Comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional
title_sort comparação de operadores de cruzamentos utilizados em algoritmos genéticos aplicados aos problemas da cobertura de conjuntos e da mochila multidimensional
publishDate 2019
url https://bdm.ufpa.br/jspui/handle/prefix/2365
_version_ 1787154874468663296
score 11.755432

Registros relacionados