Repository logo
 
Loading...
Thumbnail Image
Publication

Representações redundantes para procura evolutiva

Use this identifier to reference this record.
Name:Description:Size:Format: 
Tese_MarisolCorreia.pdf24.69 MBAdobe PDF Download

Advisor(s)

Abstract(s)

Existe actualmente um grande interesse na influência da redundância e da neutralidade no comportamento dos algoritmos evolutivos. Alguns autores consideram que a procura evolutiva pode ser influenciada de forma positiva pela utilização de representações redundantes, enquanto outros afirmam que a adição de redundância aleatória parece ser inútil na optimização. Em virtude desta falta de consenso e tendo em conta a existência de redundância e de neutralidade no código genético, são propostas nesta dissertação duas novas famílias de representações binárias redundantes. A família de representações neutrais baseia-se na formulação matemática dos códigos de controlo de erros, utilizados em comunicações digitais, enquanto a família de representações não neutrais baseia-se em transformações lineares e permite definir a vizinhança fenotípica pretendida de uma forma simples e directa. É apresentado um estudo experimental destinado a avaliar a influência da redundância e da neutralidade no desempenho de um algoritmo evolutivo simples, especificamente, de uma estratégia evolutiva (1+1)-ES, modelada através de cadeias de Markov e aplicada a paisagens de aptidão NK. Os resultados permitem concluir que a vizinhança fenotípica induzida pela representação redundante domina o comportamento do algoritmo evolutivo, afectando de forma mais profunda a procura do que a neutralidade, e que as melhores representações não apresentam valores extremos de nenhum dos indicadores de qualidade das representações habitualmente considerados na literatura.

Description

Tese dout., Engenharia Electrónica, 2009, Universidade do Algarve

Keywords

Algoritmos Evolutivos Representações Redundantes Neutralidade Códigos de Controlo de Erros Paisagens de Aptidão NK

Citation

Research Projects

Organizational Units

Journal Issue

Publisher