Modelagem dos algorítmos genético simples e simulated annealing por cadeias de Markov

Página do item simplificado Estatísticas
dc.contributor.advisorPereira, André Gustavo Campospt_BR
dc.contributor.advisorIDpor
dc.contributor.advisorLatteshttp://lattes.cnpq.br/7174877398310072por
dc.contributor.authorRosa Neto, José Cecíliopt_BR
dc.contributor.authorIDpor
dc.contributor.authorLatteshttp://lattes.cnpq.br/7356816488415091por
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.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.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.formatapplication/pdfpor
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.languageporpor
dc.publisherUniversidade Federal do Rio Grande do Nortepor
dc.publisher.countryBRpor
dc.publisher.departmentProbabilidade e Estatística; Modelagem Matemáticapor
dc.publisher.initialsUFRNpor
dc.publisher.programPrograma de Pós-Graduação em Matemática Aplicada e Estatísticapor
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.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADApor
dc.titleModelagem dos algorítmos genético simples e simulated annealing por cadeias de Markovpor
dc.typemasterThesispor

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
JoseCRN_DISSERT.pdf
Tamanho:
886.86 KB
Formato:
Adobe Portable Document Format
Imagem de Miniatura
 Baixar

Coleções

PPGMAE - Mestrado em Matemática Aplicada e Estatística
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM