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

Criação: 25/06/2019

Nº de créditos: 6

Carga horária:

Teórica
Por semana
Prática
Por semana
Estudos
Por semana
Duração Total
3 3 9 6 Semanas 90 Horas

Docentes responsáveis:

Alexandre Cláudio Botazzo Delbem
Cláudio Fabiano Motta Toledo


Objetivos:

Estudo das metaheurísticas denominadas Algoritmos de Estimação de Distribuição.


Justificativa:

As metaheurísticas baseadas em processos evolutivos representados por meio de modelos probabilísticos de soluções candidatas, também chamadas de EDAs (do inglês, Estimation of Distribution Algorithms), têm sido bem sucedidas em vários problemas complexos. Além disso, os modelos probabilísticos possibilitam uma descrição mais precisa do comportamento dessas metaheurísticas, beneficando análises formais como, por exemplo, estimativas de convergência e de complexidade de tempo. A disciplina deve possibilitar que os pesquisadores interessados desenvolvam base conceitual para iniciarem pesquisas nessa área.


Conteúdo:

Revisão de metaheurísticas populacionais. Estudo de alguns dos principais EDAs: ECGA (Extended Compact Genetic Algorithms), BOA (Bayesian Optimization Algorithm) e OPA (Optimization based on Phylogram Analysis).


Forma de avaliação:

Seminários e trabalhos práticos.


Observação:

Nenhuma.


Bibliografia:

Fundamentais:
1. Martin Pelikan, Kumara Sastry, Erick Cantú-Paz (Eds.): Scalable Optimization via Probabilistic Modeling. Studies in Computational Intelligence (Book 33), Springer. 2006.
2. A Gaspar-Cunha, A., A Takahashi, R., A Antunes, C.H., Manual de computação evolutiva e metaheurística. Imprensa da Universidade de Coimbra. 2012.
3. Antonio Soares, Ricardo Râbelo, Alexandre Delbem, Optimization based on phylogram analysis, Expert Systems with Applications, Vol 78, Pages 32-50, 2017.
Complementares (se houver):

CONECTE-SE COM A GENTE
 

© 2024 Instituto de Ciências Matemáticas e de Computação