1. Universidade Federal do Rio Grande do Norte
  2. BDTD - Biblioteca Digital de Teses e Dissertações
  3. Programa de Pós-Graduação em Matemática Aplicada e Estatística
  4. PPGMAE - Mestrado em Matemática Aplicada e Estatística
Use este identificador para citar ou linkar para este item: https://repositorio.ufrn.br/handle/123456789/18632
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorPereira, André Gustavo Campospt_BR
dc.contributor.authorRosa Neto, José Cecíliopt_BR
dc.date.accessioned2015-03-03T15:22:33Z-
dc.date.available2015-02-25pt_BR
dc.date.available2015-03-03T15:22:33Z-
dc.date.issued2010-04-16pt_BR
dc.identifier.citationROSA NETO, José Cecílio. Modelagem dos algorítmos genético simples e simulated annealing por cadeias de Markov. 2010. 74 f. Dissertação (Mestrado em Probabilidade e Estatística; Modelagem Matemática) - Universidade Federal do Rio Grande do Norte, Natal, 2010.por
dc.identifier.urihttps://repositorio.ufrn.br/jspui/handle/123456789/18632-
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal do Rio Grande do Nortepor
dc.rightsAcesso Abertopor
dc.subjectCadeias de Markov Homogêneas e Não-Homogêneaspor
dc.subjectAlgoritmos Genético e Simulated Annealingpor
dc.subjectStationary and nonstationary Markov chainseng
dc.subjectGenetic Algorithms and Simulated Annealingeng
dc.titleModelagem dos algorítmos genético simples e simulated annealing por cadeias de Markovpor
dc.typemasterThesispor
dc.publisher.countryBRpor
dc.publisher.initialsUFRNpor
dc.publisher.programPrograma de Pós-Graduação em Matemática Aplicada e Estatísticapor
dc.contributor.authorIDpor
dc.contributor.authorLatteshttp://lattes.cnpq.br/7356816488415091por
dc.contributor.advisorIDpor
dc.contributor.advisorLatteshttp://lattes.cnpq.br/7174877398310072por
dc.contributor.referees1Cruz, Juan Alberto Rojaspt_BR
dc.contributor.referees1IDpor
dc.contributor.referees1Latteshttp://lattes.cnpq.br/0061270564581180por
dc.contributor.referees2Silva, Michelli Karinne Barros dapt_BR
dc.contributor.referees2IDpor
dc.contributor.referees2Latteshttp://lattes.cnpq.br/5153188030285416por
dc.description.resumoOs Algoritmos Genético (AG) e o Simulated Annealing (SA) são algoritmos construídos para encontrar máximo ou mínimo de uma função que representa alguma característica do processo que está sendo modelado. Esses algoritmos possuem mecanismos que os fazem escapar de ótimos locais, entretanto, a evolução desses algoritmos no tempo se dá de forma completamente diferente. O SA no seu processo de busca trabalha com apenas um ponto, gerando a partir deste sempre um nova solução que é testada e que pode ser aceita ou não, já o AG trabalha com um conjunto de pontos, chamado população, da qual gera outra população que sempre é aceita. Em comum com esses dois algoritmos temos que a forma como o próximo ponto ou a próxima população é gerada obedece propriedades estocásticas. Nesse trabalho mostramos que a teoria matemática que descreve a evolução destes algoritmos é a teoria das cadeias de Markov. O AG é descrito por uma cadeia de Markov homogênea enquanto que o SA é descrito por uma cadeia de Markov não-homogênea, por fim serão feitos alguns exemplos computacionais comparando o desempenho desses dois algoritmospor
dc.publisher.departmentProbabilidade e Estatística; Modelagem Matemáticapor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADApor
Aparece nas coleções:PPGMAE - Mestrado em Matemática Aplicada e Estatística

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
JoseCRN_DISSERT.pdf886,86 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.