---

Área de concentração: 55134 - Ciências de Computação e Matemática Computacional

Criação: 15/12/2023

Nº de créditos: 4

Carga horária:

Teórica Por semana	Prática Por semana	Estudos Por semana	Duração	Total
3	0	7	6 Semanas	60 Horas

Docentes responsáveis:

Alexandre Cláudio Botazzo Delbem

Objetivos:

O objetivo deste curso é fornecer aos alunos uma forte base na área de Computação Evolutiva, abordando principalmente métodos de projeto e otimização de desempenho de Algoritmos Evolutivos (AEs). Pretende-se apresentar uma visão geral que reflita a situação atual da área, abordando os conceitos fundamentais; as técnicas mais atuais de seleção, crossover e mutação; o estudo de AEs voltados a pequenas populações (Micro Algoritmos Genéticos); aplicações em problemas do mundo real. Serão abordados métodos de otimização de parâmetros de configuração de AEs empregando inclusive outros AEs para isso. 

Justificativa:

A Computação Evolutiva é uma área de pesquisa que evoluiu dos Algoritmos Genéticos propostos por John Holland e estuda estratégias baseadas na competição entre espécies e seleção natural (baseada na Teoria da Evolução Neo-Darwiniana) para a produção de soluções para problemas de computação e engenharia. Com isso, um conjunto de soluções é gerado aleatoriamente e aplicado ao problema, para que sejam avaliadas. A partir daí, as melhores soluções são selecionadas e combinadas entre si para produzir novas conjuntos de soluções melhores. Essa metodologia computacional tem mostrado ser capaz de resolver eficientemente diversos problemas complexos nas áreas de engenharia e ciências, possibilitando encontrar soluções adequadas para problemas de grandes dimensões envolvendo sistemas altamente não-lineares.

Conteúdo:

- Introdução à Computação Evolutiva - Algoritmos Genéticos propostos por John Holland - Técnicas atuais de seleção, crossover e mutação - Algoritmos Evolutivos para pequenas populações (Micro Algoritmos Genéticos) - Aplicações de Algoritmos Evolutivos em problemas do mundo real.

Forma de avaliação:

Média de notas baseadas em provas, projetos e seminários.

Observação:

Nenhuma.

Bibliografia:

Fundamentais:
DE JONG, K. A., Evolutionary Computation. A Unified Approach, MIT Press, 2006.
Complementares (se houver):
BARONE, D. A. C., SIMOES, E. V., FERRUGEM, A., BAZZAN, A. L., YEPES, I., FRANZEN, E., SILVEIRA, S. R. Sociedades artificiais - a nova fronteira da inteligência nas máquinas. Porto Alegre - RS: ARTMED EDITORA S.A., 2003.
NOLFI, S. and FLOREANO, D.. Evolutionary robotics, the biology, intelligence, and technology of self-organizing machines. MIT Press/Bradford Books, 2001. 2. Xin Yao, Evolutionary computation: theory and applications, edited by University of Birmingham, UK, 1999.
FLAKE, G. W., The computational beauty of nature. MIT Press. 1999.
BACK, T., FOGEL, D. B., MICHALEWICZ, Z., Handbook of evolutionary computation, IOP Publishing Ltd and Oxford University Press, 1997.
GEN, M., Genetic algorithms and engineering design, New York : Wiley, 1997.