Publicação
Populações baseadas em multisets para algoritmos evolutivos
| Resumo: | Os algoritmos evolutivos simulam a evolução natural de uma população de indivíduos aplicando iterativamente operadores genéticos, recombinação, mutação e seleção dos mais aptos. O processo evolutivo pode ser visto como um processo de otimização. Nesse caso, os indivíduos representam soluções do problema e as variáveis do problema são codificados no equivalente aos genes. Estes algoritmos podem ser facilmente implementados e existem variantes especializadas para resolver várias classes de problemas. Uma das maiores dificuldades apresentadas por estes algoritmos é a convergência prematura da população para soluções sub-ótimas antes do espaço de procura ser devidamente explorado. Várias estratégias foram desenvolvidas para reduzir este risco e, neste trabalho, estudamos a possibilidade de substituir a representação da população. Tradicionalmente as populações são representadas como coleções de indivíduos e nesta tese propomos a sua substituição por um multiconjunto (multiset). Esta nova forma de representação das populações, que denominamos multipopulações, permite manipular um conjunto de genomas e os seus clones, multi-indivíduos, de uma forma muito eficiente. Adaptamos o processo evolutivo para otimizar multipopulações, estudamos o seu comportamento em vários tipos de algoritmos e problemas e desenvolvemos operadores genéticos especializados para trabalhar com a nova representação. Em resultado disso obtemos uma forma inovadora de manter uma elevada diversidade genética na população. As experiências realizadas permitiram-nos compreender melhor a dinâmica que a nova representação introduz no processo evolutivo e mostrar a sua eficácia. |
|---|---|
| Autores principais: | Manso, António Manuel Rodrigues |
| Assunto: | Algoritmos evolutivos populações multiconjuntos operadores genéticos Evolutionary algorithms populations multisets genetic operators |
| Ano: | 2020 |
| País: | Portugal |
| Tipo de documento: | tese de doutoramento |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Lisboa |
| Idioma: | português |
| Origem: | Repositório da Universidade de Lisboa |
| _version_ | 1865920825331286016 |
|---|---|
| author | Manso, António Manuel Rodrigues |
| author_facet | Manso, António Manuel Rodrigues Manso, António Manuel Rodrigues |
| author_role | author |
| contributor_name_str_mv | Correia, Luís Miguel Parreira e Repositório Científico de Acesso Aberto da ULisboa |
| country_str | PT |
| creators_json_str | [{\"Person.name\":\"Manso, António Manuel Rodrigues\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Correia, Luís Miguel Parreira e Repositório Científico de Acesso Aberto da ULisboa |
| datacite.creators.creator.creatorName.fl_str_mv | Manso, António Manuel Rodrigues |
| datacite.date.Accepted.fl_str_mv | 2020-04-01T00:00:00Z |
| datacite.date.available.fl_str_mv | 2021-06-09T16:53:11Z |
| datacite.date.embargoed.fl_str_mv | 2021-06-09T16:53:11Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| datacite.subjects.subject.fl_str_mv | Algoritmos evolutivos populações multiconjuntos operadores genéticos Evolutionary algorithms populations multisets genetic operators |
| datacite.titles.title.fl_str_mv | Populações baseadas em multisets para algoritmos evolutivos |
| dc.contributor.none.fl_str_mv | Correia, Luís Miguel Parreira e Repositório Científico de Acesso Aberto da ULisboa |
| dc.creator.none.fl_str_mv | Manso, António Manuel Rodrigues |
| dc.date.Accepted.fl_str_mv | 2020-04-01T00:00:00Z |
| dc.date.available.fl_str_mv | 2021-06-09T16:53:11Z |
| dc.date.embargoed.fl_str_mv | 2021-06-09T16:53:11Z |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://hdl.handle.net/10451/48445 |
| dc.language.none.fl_str_mv | por |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| dc.subject.none.fl_str_mv | Algoritmos evolutivos populações multiconjuntos operadores genéticos Evolutionary algorithms populations multisets genetic operators |
| dc.title.fl_str_mv | Populações baseadas em multisets para algoritmos evolutivos |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_db06 |
| description | Os algoritmos evolutivos simulam a evolução natural de uma população de indivíduos aplicando iterativamente operadores genéticos, recombinação, mutação e seleção dos mais aptos. O processo evolutivo pode ser visto como um processo de otimização. Nesse caso, os indivíduos representam soluções do problema e as variáveis do problema são codificados no equivalente aos genes. Estes algoritmos podem ser facilmente implementados e existem variantes especializadas para resolver várias classes de problemas. Uma das maiores dificuldades apresentadas por estes algoritmos é a convergência prematura da população para soluções sub-ótimas antes do espaço de procura ser devidamente explorado. Várias estratégias foram desenvolvidas para reduzir este risco e, neste trabalho, estudamos a possibilidade de substituir a representação da população. Tradicionalmente as populações são representadas como coleções de indivíduos e nesta tese propomos a sua substituição por um multiconjunto (multiset). Esta nova forma de representação das populações, que denominamos multipopulações, permite manipular um conjunto de genomas e os seus clones, multi-indivíduos, de uma forma muito eficiente. Adaptamos o processo evolutivo para otimizar multipopulações, estudamos o seu comportamento em vários tipos de algoritmos e problemas e desenvolvemos operadores genéticos especializados para trabalhar com a nova representação. Em resultado disso obtemos uma forma inovadora de manter uma elevada diversidade genética na população. As experiências realizadas permitiram-nos compreender melhor a dinâmica que a nova representação introduz no processo evolutivo e mostrar a sua eficácia. |
| dirty | 0 |
| eu_rights_str_mv | openAccess |
| format | doctoralThesis |
| fulltext.url.fl_str_mv | https://repositorio.ulisboa.pt/bitstreams/d61183b9-8f24-422e-a7c2-012fd83f024f/download |
| id | ul_a8f28aaa68e9c837dbc8ea4b66b352c0 |
| identifier.url.fl_str_mv | http://hdl.handle.net/10451/48445 |
| instacron_str | ul |
| institution | Universidade de Lisboa |
| instname_str | Universidade de Lisboa |
| language | por |
| network_acronym_str | ul |
| network_name_str | Repositório da Universidade de Lisboa |
| oai_identifier_str | oai:repositorio.ulisboa.pt:10451/48445 |
| organization_str_mv | urn:organizationAcronym:ul |
| person_str_mv | Manso, António Manuel Rodrigues Manso, António Manuel Rodrigues https://www.ciencia-id.pt/AE17-1477-51C0 AE17-1477-51C0 |
| publishDate | 2020 |
| reponame_str | Repositório da Universidade de Lisboa |
| repository_id_str | urn:repositoryAcronym:ul |
| service_str_mv | urn:repositoryAcronym:ul |
| spelling | porpt_PTOs algoritmos evolutivos simulam a evolução natural de uma população de indivíduos aplicando iterativamente operadores genéticos, recombinação, mutação e seleção dos mais aptos. O processo evolutivo pode ser visto como um processo de otimização. Nesse caso, os indivíduos representam soluções do problema e as variáveis do problema são codificados no equivalente aos genes. Estes algoritmos podem ser facilmente implementados e existem variantes especializadas para resolver várias classes de problemas. Uma das maiores dificuldades apresentadas por estes algoritmos é a convergência prematura da população para soluções sub-ótimas antes do espaço de procura ser devidamente explorado. Várias estratégias foram desenvolvidas para reduzir este risco e, neste trabalho, estudamos a possibilidade de substituir a representação da população. Tradicionalmente as populações são representadas como coleções de indivíduos e nesta tese propomos a sua substituição por um multiconjunto (multiset). Esta nova forma de representação das populações, que denominamos multipopulações, permite manipular um conjunto de genomas e os seus clones, multi-indivíduos, de uma forma muito eficiente. Adaptamos o processo evolutivo para otimizar multipopulações, estudamos o seu comportamento em vários tipos de algoritmos e problemas e desenvolvemos operadores genéticos especializados para trabalhar com a nova representação. Em resultado disso obtemos uma forma inovadora de manter uma elevada diversidade genética na população. As experiências realizadas permitiram-nos compreender melhor a dinâmica que a nova representação introduz no processo evolutivo e mostrar a sua eficácia.application/pdfpt_PTPopulações baseadas em multisets para algoritmos evolutivosPersonalManso, António Manuel RodriguesDSpacehttp://dspace.org/items/e9c7e56f-22da-42a3-85e7-275e939e3431DSpacehttp://dspace.org/items/e9c7e56f-22da-42a3-85e7-275e939e3431Rodrigues MansoAntónio ManuelCiência IDhttps://www.ciencia-id.ptAE17-1477-51C0Correia, Luís Miguel Parreira eHostingInstitutionOrganizationalRepositório Científico de Acesso Aberto da ULisboae-mailmailto:repositorio@reitoria.ulisboa.ptrepositorio@reitoria.ulisboa.ptURNurn:tid:1013044802021-06-09T16:53:11Z2020-042020-012020-04-01T00:00:00ZHandlehttp://hdl.handle.net/10451/48445http://purl.org/coar/access_right/c_abf2open accessAlgoritmos evolutivospopulaçõesmulticonjuntosoperadores genéticosEvolutionary algorithmspopulationsmultisetsgenetic operators5001537 bytesliteraturehttp://purl.org/coar/resource_type/c_db06doctoral thesishttp://purl.org/coar/access_right/c_abf2application/pdffulltexthttps://repositorio.ulisboa.pt/bitstreams/d61183b9-8f24-422e-a7c2-012fd83f024f/download |
| spellingShingle | Populações baseadas em multisets para algoritmos evolutivos Populações baseadas em multisets para algoritmos evolutivos Manso, António Manuel Rodrigues Algoritmos evolutivos populações multiconjuntos operadores genéticos Evolutionary algorithms populations multisets genetic operators Manso, António Manuel Rodrigues Algoritmos evolutivos populações multiconjuntos operadores genéticos Evolutionary algorithms populations multisets genetic operators |
| status | SINGLETON |
| subject.fl_str_mv | Algoritmos evolutivos populações multiconjuntos operadores genéticos Evolutionary algorithms populations multisets genetic operators |
| title | Populações baseadas em multisets para algoritmos evolutivos |
| title_full | Populações baseadas em multisets para algoritmos evolutivos |
| title_fullStr | Populações baseadas em multisets para algoritmos evolutivos Populações baseadas em multisets para algoritmos evolutivos |
| title_full_unstemmed | Populações baseadas em multisets para algoritmos evolutivos Populações baseadas em multisets para algoritmos evolutivos |
| title_short | Populações baseadas em multisets para algoritmos evolutivos |
| title_sort | Populações baseadas em multisets para algoritmos evolutivos |
| topic | Algoritmos evolutivos populações multiconjuntos operadores genéticos Evolutionary algorithms populations multisets genetic operators |
| topic_facet | Algoritmos evolutivos populações multiconjuntos operadores genéticos Evolutionary algorithms populations multisets genetic operators |
| url | http://hdl.handle.net/10451/48445 |
| visible | 1 |