Página 1 dos resultados de 3088 itens digitais encontrados em 0.016 segundos

Otimização de estruturas de concreto armado utilizando algoritmos genéticos. ; Reinforced concrete structures optmization using genetic algorithms.

Silva, Elivaldo Elenildo da
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 21/11/2001 PT
Relevância na Pesquisa
66.15%
Neste trabalho são apresentadas duas importantes áreas de pesquisa voltadas para problemas de otimização: a Programação Matemática e, especialmente, os Algoritmos Genéticos. São classificados grande parte dos métodos clássicos da Programação Matemática, com uma breve apresentação das suas classes de subproblemas, bem como detalhes de alguns métodos. O desenvolvimento da ciência que explica a evolução das espécies é descrito, como uma ponte para a compreensão da técnica dos Algoritmos Genéticos. Apresentam-se as diferenças básicas entre os Métodos Clássicos e os Algoritmos Genéticos, com posterior análise das vantagens e desvantagens entre estas duas classes de ferramentas de otimização. São apresentados os principais parâmetros de influência no funcionamento de um Algoritmo Genético e algumas recomendações quanto às suas configurações. A essência desse trabalho se constitui em alguns exemplos de otimização de estruturas de concreto armado, como o de um trecho de Pilar dimensionado à Flexão Composta Obliqua e um Pórtico Plano de Concreto Armado de Cinco Pavimentos. Finalizando, conclui-se pela tendência promissora dos Algoritmos Genéticos para os próximos anos, o que tornará esta técnica uma das mais importantes e empregadas na resolução de uma vasta gama de aplicações.; This work addresses two important issues of Optimization: Mathematical Programming and Genetic Algorithms. First...

Aplicação de técnicas de planejamento experimental em otimizadores baseados em algoritmos genéticos.; Design of experiments applied to optimizers based on genetic algorithms.

Federico, Heitor Honda
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 02/04/2007 PT
Relevância na Pesquisa
66.11%
Um importante problema enfrentado por engenheiros é a busca por soluções ótimas para problemas com um grande número de soluções possíveis. Neste trabalho, estudamos métodos otimização probabilísticos baseados em algoritmos genéticos, propostos inicialmente para o estudo de sistemas biológicos. Propomos algumas alterações do método de otimização por algoritmos genéticos tradicional, utilizando técnicas estatísticas de planejamento experimental, que resultaram em uma melhoria da convergência, percebida, não só na velocidade de convergência, como no número de possibilidades de soluções diferentes analisadas. Como resultado, é proposto um algoritmo que cobre o domínio de atuação dos métodos por algoritmos genéticos e do método por gradientes, permitindo uma melhor sintonização do otimizador com o problema.; A important problem faced by engineers is the search of optimal solutions for problems with a great number of possible solutions. Throughout this work, it is studied stochastic optimizers based on genetic algorithms, applied initially to the study of biological systems. Some alterations on the traditional genetic algorithms based optimizer are proposed through the use of experiment design techniques...

Otimização de carteiras com lotes de compra e custos de transação, uma abordagem por algoritmos genéticos; Portfolio optimization with round lots and transaction costs, an approach with genetic algorithms

Marques, Felipe Tumenas
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 02/10/2007 PT
Relevância na Pesquisa
66.16%
Um dos problemas fundamentais em finanças é a escolha de ativos para investimento. O primeiro método para solucionar este problema foi desenvolvido por Markowitz em 1952 com a análise de como a variância dos retornos de um ativo impacta no risco do portifólio no qual o mesmo está inserido. Apesar da importância de sua contribuição, o método desenvolvido para a otimização de carteiras não leva em consideração características como a existência de lotes de compra para os ativos e a existência de custos de transação. Este trabalho apresenta uma abordagem alternativa para o problema de otimização de carteiras utilizando algoritmos genéticos. Para tanto são utilizados três algoritmos, o algoritmo genético simples, o algoritmo genético multiobjetivo (Multi Objective Genetic Algorithm - MOGA) e o algoritmo genético de ordenação não dominante (Non Dominated Sorting Genetic Algorithm - NSGA II). O desempenho apresentado pelos algoritmos genéticos neste trabalho mostram a perspectiva para a solução desse problema tão importante e complexo, obtendo-se soluções de alta qualidade e com menor esforço computacional.; One of the basic problems in finance is the choice of assets for investment. The first method to solve this problem was developed by Markowitz in 1952 with the analysis of how the variance of the returns of an asset impacts in the portfolio risk in which the same is inserted. Despite the importance of its contribution...

Análise de reabilitação de redes de distribuição de água para abastecimento via algoritmos genéticos multiobjetivo; Rehabilitation analysis of the water distribution networks by multiobjective genetic algorithms

Cheung, Peter Batista
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 02/02/2004 PT
Relevância na Pesquisa
66.1%
Reconhecendo-se a importância da água como recurso natural limitado e considerando-se a perspectiva de crescimento do contingente populacional urbano, faz-se necessária uma investigação dos sistemas de distribuição de água para abastecimento, por tratarem-se de infra-estruturas básicas comuns aos núcleos populacionais do mundo todo. O planejamento da reabilitação das redes de distribuição de água torna-se de fundamental importância considerando os recursos financeiros limitados e o comportamento operacional desses sistemas que são alterados ao longo do tempo devido ao processo de deterioração de seus componentes. O presente trabalho representa um esforço no sentido de considerar objetivos mais promissores na análise de reabilitação de redes. Dessa maneira, foram considerados: custo, benefício, vazamentos e confiabilidade. Este trabalho apresenta contribuições às análises multiobjetivo via algoritmos genéticos, propriciando um aprimoramento do algoritmo Multiobjective Genetic Algorithm (MOGA) e realizando investigação dos operadores (recombinação e mutação) e dos métodos Non-dominated Sorting Genetic Algorithm (NSGA), Strength Pareto Evolutionary Algorithm (SPEA) e Elitist Non-Dominated Sorting Genetic Algorithm (NSGA II). Do ponto de vista hidráulico...

Proposta de integração entre tecnologias adaptativas e algoritmos genéticos.; Proposal for integration of adaptive technology and genetic algorithms.

Lopes, Victor Dias
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 03/04/2009 PT
Relevância na Pesquisa
66.1%
Este trabalho é um estudo inicial sobre a integração de duas áreas da engenharia da computação, as tecnologias adaptativas e os algoritmos genéticos. Para tanto, foi realizada a aplicação de algoritmos genéticos na inferência de autômatos adaptativos. Várias tácnicas foram estudas e propostas para a implementação do algoritmo, visando µa obtenção de resultados cada vez mais satisfatórios. Ambas as tecnologias, algoritmos genéticos e tecnologia adaptativa, possuem caráter fortemente adaptativo, porém com características bastante diferentes na forma que são implementadas e executadas. As inferências, propostas neste trabalho, foram realizadas com sucesso, de maneira que as técnicas descritas podem ser empregadas em ferramentas de auxílio para projetistas desses tipos de dispositivos. Ferramentas que podem vir a ser úteis devido µa complexidade envolvida no desenvolvimento de um autômato adaptativo. Através desta aplicação dos algoritmos genéticos, observando como os autômatos evoluíram durante a execução dos ensaios realizados, acredita-se que foi obtido um entendimento melhor da estrutura e funcionamento dos autômatos adaptativos e de como essas duas tecnologias, tão importantes, podem ser combinadas.; This work is an initial study about the integration of two computing engineering areas...

Ajuste de taxas de mutação e de cruzamento de algoritmos genéticos utilizando-se inferências nebulosas.; Adjusments in genetic algorithms mutation and crossover rates using fuzzy inferences.

Burdelis, Mauricio Alexandre Parente
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 31/03/2009 PT
Relevância na Pesquisa
66.17%
Neste trabalho foi realizada uma proposta de utilização de Sistemas de Inferência Nebulosos para controlar, em tempo de execução, parâmetros de Algoritmos Genéticos. Esta utilização busca melhorar o desempenho de Algoritmos Genéticos diminuindo, ao mesmo tempo: a média de iterações necessárias para que um Algoritmo Genético encontre o valor ótimo global procurado; bem como diminuindo o número de execuções do mesmo que não são capazes de encontrar o valor ótimo global procurado, nem mesmo para quantidades elevadas de iterações. Para isso, foram analisados os resultados de diversos experimentos com Algoritmos Genéticos, resolvendo instâncias dos problemas de Minimização de Funções e do Caixeiro Viajante, sob diferentes configurações de parâmetros. Com base nos resultados obtidos a partir destes experimentos, foi proposto um modelo com a troca de valores de parâmetros de Algoritmos Genéticos, em tempo de execução, pela utilização de Sistemas de Inferência Nebulosos, de forma a melhorar o desempenho do sistema, minimizando ambas as medidas citadas anteriormente.; This work addressed a proposal of the application of Fuzzy Systems to adjust parameters of Genetic Algorithms, during execution time. This application attempts to improve the performance of Genetic Algorithms by diminishing...

Seleção de características por meio de algoritmos genéticos para aprimoramento de rankings e de modelos de classificação; Feature selection by genetic algorithms to improve ranking and classification models

Silva, Sérgio Francisco da
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 25/04/2011 PT
Relevância na Pesquisa
66.19%
Sistemas de recuperação de imagens por conteúdo (Content-based image retrieval { CBIR) e de classificação dependem fortemente de vetores de características que são extraídos das imagens considerando critérios visuais específicos. É comum que o tamanho dos vetores de características seja da ordem de centenas de elementos. Conforme se aumenta o tamanho (dimensionalidade) do vetor de características, também se aumentam os graus de irrelevâncias e redundâncias, levando ao problema da "maldição da dimensionalidade". Desse modo, a seleção das características relevantes é um passo primordial para o bom funcionamento de sistemas CBIR e de classificação. Nesta tese são apresentados novos métodos de seleção de características baseados em algoritmos genéticos (do inglês genetic algorithms - GA), visando o aprimoramento de consultas por similaridade e modelos de classificação. A família Fc ("Fitness coach") de funções de avaliação proposta vale-se de funções de avaliação de ranking, para desenvolver uma nova abordagem de seleção de características baseada em GA que visa aprimorar a acurácia de sistemas CBIR. A habilidade de busca de GA considerando os critérios de avaliação propostos (família Fc) trouxe uma melhora de precisão de consultas por similaridade de até 22% quando comparado com métodos wrapper tradicionais para seleção de características baseados em decision-trees (C4.5)...

Otimização topológica e paramétrica de vigas de concreto armado utilizando algoritmos genéticos.; Topology and shape optimization of concrete beams by genetic algorithms

Lima, Marina Lemos Rio
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 23/05/2011 PT
Relevância na Pesquisa
66.09%
Na Engenharia Civil são diversos os métodos aplicados visando à otimização de estruturas. Esta dissertação apresenta um estudo e uma aplicação de um desses métodos: os Algoritmos Genéticos (AG's). Os Algoritmos Genéticos são algoritmos de busca, não-determinísticos, que trabalham com amostras do conjunto de soluções e se inspiram na teoria da evolução das espécies para resolver o problema. Neste trabalho de pesquisa buscou-se apresentar as principais técnicas e parâmetros utilizados por diversos autores neste tema. Como objetivo principal pretendeu-se, através dos conhecimentos adquiridos sobre o assunto, aplicá-lo na otimização topológica e paramétrica de vigas de concreto armado, submetidas a um carregamento distribuído. Adotaram-se restrições laterais das variáveis e comportamentais (tensões máximas admissíveis - ELU). Procurou-se trabalhar com variáveis discretas, que melhor representam a realidade do projetista de estruturas. Para aplicação desta técnica implementou-se um programa, em linguagem Java seguindo o paradigma de programação orientada a objetos. O programa foi testado aplicando-se a um problema de otimização abordado por outros autores. Um deles utilizou uma abordagem determinística para a solução do problema. Outro utilizou uma abordagem probabilística...

Algoritmos genéticos aplicados à estimação fasorial em sistemas elétricos de potência; Genetic algorithms applied to power systems phasor measurement

Silva, Raphael Philipe Mendes da
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 27/08/2012 PT
Relevância na Pesquisa
66.13%
Esta trabalho apresenta a análise e implementação de uma técnica inteligente, o algoritmo genético (AG), para implementação de unidades de medição fasoriais, denominadas PMUs (Phasor Measurement Units). A disponibilidade dos fasores em diversos pontos de um sistema elétrico de potência (SEP) é importante, tanto para monitoramento quanto para controle, proteção e estudo do sistema. Entretanto, a obtenção de tais fasores só têm sentido se os mesmos possuírem o mesmo referencial no tempo. Este referencial é conseguido através de sinais de satélites GPS (Global Positioning System) que sincronizam as PMUs instaladas nos pontos de interesse. Existe uma vasta quantidade de m´métodos que podem ser utilizados para que, de posse das formas de onda discretizadas de tensão e corrente, estime-se os fasores correspondentes e as frequências locais. Este projeto apresenta os AGs como ferramenta de estimação para a obtenção de uma PMU com todas as vantagens relativas a tais algoritmos. Além disso, uma versão do AG que utiliza menos recursos computacionais , o algoritmo genético compacto (AGc) também será estudado. Um estudo norteado pela norma internacional C37.118 compara o desempenho dos AGs com dois métodos tradicionais de medição fasorial...

Função de avaliação dinâmica em algoritmos genéticos aplicados na predição de estruturas tridimensionais de proteínas; Genetic Algorithms with Dynamic Fitness Functions Applied to Tridimensional Protein Structure Prediction

Ishivatari, Luís Henrique Uchida
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 28/09/2012 PT
Relevância na Pesquisa
66.13%
O problema de predição de estruturas tridimensionais de proteínas pode ser visto computacionalmente como um problema de otimização, tal que dada a sequência de aminoácidos, deve-se encontrar a estrutura tridimensional da proteína dentre as muitas possíveis através da obtenção de mínimos de funções de energia. Vários pesquisadores têm proposto estratégias de Computação Evolutiva para a determinação de estruturas tridimensionais das proteínas, entretanto nem sempre resultados animadores têm sido alcançados visto que entre outros fatores, há um grande número de ótimos locais no espaço de busca. Geralmente as funções de fitness empregadas pelos algoritmos de otimização são baseadas em campos de força com diferentes termos de energia, sendo que os parâmetros destes termos são ajustados a priori e são mantidos estáticos ao longo do processo de otimização. Alguns pesquisadores sugerem que o uso de funções de fitness dinâmicas, ou seja, que mudam durante um processo de otimização evolutivo, pode aumentar a capacidade das populações fugirem de ótimos locais em problemas altamente multimodais. Neste trabalho, propõe-se que os parâmetros dos termos do campo de força utilizado sejam modificados durante o processo de otimização realizado por Algoritmos Genéticos (AGs) no problema de predição de estruturas de proteínas...

Análise formal da complexidade de algoritmos genéticos; Formal analysis of genetic algorithms complexity

Aguiar, Marilton Sanchotene de
Fonte: Universidade Federal do Rio Grande do Sul Publicador: Universidade Federal do Rio Grande do Sul
Tipo: Dissertação Formato: application/pdf
POR
Relevância na Pesquisa
66.26%
O objetivo do trabalho é estudar a viabilidade de tratar problemas de otimização, considerados intratáveis, através de Algoritmos Genéticos, desenvolvendo critérios para a avaliação qualitativa de um Algoritmo Genético. Dentro deste tema, abordam-se estudos sobre complexidade, classes de problemas, análise e desenvolvimento de algoritmos e Algoritmos Genéticos, este ultimo sendo objeto central do estudo. Como produto do estudo deste tema, é proposto um método de desenvolvimento de Algoritmos Genéticos, utilizando todo o estudo formal de tipos de problemas, desenvolvimento de algoritmos aproximativos e análise da complexidade. O fato de um problema ser teoricamente resolvível por um computador não é suficiente para o problema ser na prática resolvível. Um problema é denominado tratável se no pior caso possui um algoritmo razoavelmente eficiente. E um algoritmo é dito razoavelmente eficiente quando existe um polinômio p tal que para qualquer entrada de tamanho n o algoritmo termina com no máximo p(n) passos [SZW 84]. Já que um polinômio pode ser de ordem bem alta, então um algoritmo de complexidade polinomial pode ser muito ineficiente. Genéticos é que se pode encontrar soluções aproximadas de problemas de grande complexidade computacional mediante um processo de evolução simulada[LAG 96]. Como produto do estudo deste tema...

Aplicação de modelos de estimação de fitness em algoritmos geneticos; Fitness estimation models applied to genetic algorithms

Francisco Osvaldo Mendes Mota Filho
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 21/12/2005 PT
Relevância na Pesquisa
66.19%
Para obter uma solução satisfatória, algoritmos genéticos avaliam, em geral, um número grande de indivíduos durante o processo evolutivo. É comum, em aplicações práticas, encontrar funções de avaliação computacionalmente complexas e caras. Porém, nesses casos, o tempo é um fator determinante no desempenho de algoritmos genéticos. Dessa forma, os algoritmos genéticos devem encontrar soluções adequadas em curto intervalo de tempo. Uma alternativa promissora para contornar os custos computacionais referentes à função de avaliação considera o fato de que pode ser mais atrativo avaliar diretamente somente indivíduos selecionados e estimar os fitness dos restantes do que avaliar diretamente toda a população. Este trabalho propõe o uso de modelos de estimação de fitness em algoritmos genéticos. Especificamente, são sugeridos modelos de estimação baseados em agrupamento nebuloso supervisionado (Fuzzy C-Means) e não supervisionado (Aprendizagem Participativa). O objetivo é aproximar as funções de avaliação por meio de modelos de estimação de fitness, sem afetar significativamente a qualidade das soluções. Inicialmente, os modelos de estimação propostos são comparados e analisados experimentalmente com alternativas sugeri das por outros autores...

Planejamento e rastreamento de trajetorias e controle de posição atraves de algoritmos geneticos e redes neurais artificiais; Planning and tracking of trajectories and position control by genetic algorithms and artificial neural networks

Dionne Cavalcante Monteiro
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 17/10/2003 PT
Relevância na Pesquisa
66.11%
Neste trabalho os algoritmos genéticos e as redes neurais artificiais, técnicas de inteligência artificial, são empregadas para algumas das tarefas que podem ser realizadas por um braço de robô. Inicialmente os algoritmos genéticos são empregados para o controle de trajetória de um robô em um espaço de trabalho que possui a presença de um obstáculo. Operações como crossover e mutação são apresentadas, principalmente por estar-se tratando de trajetórias que são formadas por segmentos de retas. As redes neurais artificiais são testadas no controle direto de dois processos reais usados como paradigma: uma mesa XY e um pêndulo invertido acionado. Para tais processos, é utilizada uma estrutura bastante simplificada, onde a rede neural artificial fornece um ganho para o controlador proporcional que calcula o sinal de controle a ser aplicado. O erro do processo serve para treinar a rede neural sem ser considerado nenhum tipo de treinamento anterior, ou seja, todo o controle neural é executado em tempo real, além disso, uma função determina a taxa de aprendizagem do algoritmo back-propagation em função dos erro existentes nas malhas de controle dos processos. Como existem diversas variáveis para tais controladores neurais...

Metodologia de otimização probabilistica de estrategias de produção baseada em algoritmos geneticos; Methodology of production strategy optimization based on genetic algorithms

Pedro de Brito Nogueira
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 18/12/2008 PT
Relevância na Pesquisa
66.11%
Os altos níveis de incerteza e riscos associados a projetos de exploração e produção de alguns campos de petróleo sugerem a utilização de estratégias de produção otimizadas probabilisticamente. Desta forma, uma estratégia de produção adequada deve ser selecionada considerando vários cenários econômicos e geológicos. Neste trabalho, uma nova abordagem para otimização é proposta onde a estratégia de produção é otimizada simultaneamente em todos os cenários econômicos e modelos geológicos representativos (MGR) considerados. Diferentemente das metodologias convencionais de otimização, onde os valores presentes líquidos das estratégias são otimizados independentemente para cada MGR considerando um único cenário econômico, esta nova abordagem considera todos os MGR e cenários econômicos adotados simultaneamente. Isto permite disponibilizar mais informações a respeito do desempenho da estratégia nos diversos cenários permitindo que se realize uma melhor tomada de decisão. Além disso, a estratégia de produção definida pela abordagem proposta tende a ser mais adaptável às incertezas geológicas e econômicas. Contudo, geralmente, uma complexa superfície de resposta é gerada no processo de otimização da quantidade e posicionamento dos poços. O elevado potencial de geração de valores extremos locais justifica a utilização de técnicas robustas de busca como os algoritmos genéticos. Neste caso...

Estratégia alternativa de otimização em duas camadas de uma unidade de craqueamento catalítico-FCC : implementação de algoritmos genéticos e metodologia híbrida de otimização; Two layers approach alternative optimization strategy of a fluid catalytic cracking unit ¿ FCC : genetic algorithms and hybrid optimization strategy implementation

José Fernando Cuadros Bohórquez
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 05/11/2012 PT
Relevância na Pesquisa
66.19%
Esta pesquisa teve por finalidade o desenvolvimento de uma metodologia de otimização em duas camadas. A otimização preliminar foi baseada na técnica de planejamento de experimentos junto com a metodologia por superfície de resposta com a finalidade de identificar uma possível região de busca do ponto de operação ótimo, o qual foi obtido através da implementação de métodos híbridos de otimização desenvolvidos mediante associação do modelo determinístico de otimização por programação quadrática sucessiva (SQP) com a técnica dos algoritmos genéticos (GA) no modelo do processo de craqueamento catalítico fluidizado- FCC. Este processo é caracterizado por ser um sistema heterogêneo e não isotérmico, cuja modelagem detalhada engloba as equações de balanço de massa e energia das partículas do catalisador, como também para a fase líquida e gasosa, sendo um dos casos de estudo para a aplicação da metodologia de otimização desenvolvida. Como caso de estudo principal foi considerado o modelo do conversor do processo de FCC desenvolvido por Moro e Odloak (1995). Mediante a metodologia de otimização do processo baseado no uso do modelo determinístico da planta, foram definidas estratégias e políticas operacionais para a operação da unidade de FCC em estudo. Procurou-se alto nível de desempenho e segurança operacional...

Parallel Genetic Algorithms on Distributed-Memory Architectures

Bianchini, Ricardo ; Brown, Christopher M. (1945 - )
Fonte: University of Rochester. Computer Science Department. Publicador: University of Rochester. Computer Science Department.
Tipo: Relatório
ENG
Relevância na Pesquisa
66.12%
The implementation of parallel genetic algorithms raises many important issues. These issues can be divided into two main classes: genetic search quality and execution performance. In the context of parallel genetic algorithms on distributed-memory computers, performance considerations have always driven the design of implementations. Thus, centralized implementations have almost always been excluded from any consideration for distributed-memory architectures. The work we present here defines a set of genetic algorithm implementation alternatives for distributed-memory computers, in which strategies with some centralization are included. Each of our implementation alternatives uses a different level of distribution of the population, from the single logically centralized population to a totally distributed set of subpopulations. The design alternatives we define can be applied to the implementation of any parallel genetic algorithm. As an example of such an implementation, we study the quality of the search and the execution performance of our strategies on the 0-1 Integer Linear Programming problem, on a Transputer network. Our results show that implementations incurring higher overheads can produce as good or better solutions faster than than very "efficient" implementations...

Application of Genetic Algorithms to a Multi-Agent Autonomous Pilot of Motorcycles

Konanur, Poornima
Fonte: Indiana University South Bend Publicador: Indiana University South Bend
Tipo: Tese de Doutorado
EN_US
Relevância na Pesquisa
66.11%
Thesis (M.S) -- Indiana University South Bend, 2005.; The physics behind motorcycle driving are well understood and implemented by studying the laws of kinetics and kinematics behind the operation of the single track motor vehicle. In this thesis I worked with an application which is currently using OpenGL and implements an interactive motorcycle simulator which is based on the laws of physics. This application involves a multi-agent pilot capable of autonomously driving the vehicle using some configurable equations. I have applied genetic algorithms to find suitable values for the parameters of the pilot by testing it in a non graphical environment, and I visually verified the results of the genetic algorithms with the graphical interface application. The performance of the pilot derived by the genetic algorithms is also compared with the manually configured pilot.

Genetic algorithms in cryptography; GAs in cryptography

Delman, Bethany
Fonte: Rochester Instituto de Tecnologia Publicador: Rochester Instituto de Tecnologia
Tipo: Tese de Doutorado Formato: 539124 bytes; 1220359 bytes; 1220123 bytes; 1003907 bytes; 19284 bytes; 537 bytes; 539 bytes; 1727 bytes; 19168 bytes; 19630 bytes; 19149 bytes; 21868 bytes; 21147 bytes; 23856 bytes; 31031 bytes; 6479 bytes; 6943 bytes; 20517 bytes; 5083 bytes; 6691 byte
EN_US
Relevância na Pesquisa
66.12%
Genetic algorithms (GAs) are a class of optimization algorithms. GAs attempt to solve problems through modeling a simplified version of genetic processes. There are many problems for which a GA approach is useful. It is, however, undetermined if cryptanalysis is such a problem. Therefore, this work explores the use of GAs in cryptography. Both traditional cryptanalysis and GA-based methods are implemented in software. The results are then compared using the metrics of elapsed time and percentage of successful decryptions. A determination is made for each cipher under consideration as to the validity of the GA-based approaches found in the literature. In general, these GA-based approaches are typical of the field. Of the genetic algorithm attacks found in the literature, totaling twelve, seven were re-implemented. Of these seven, only three achieved any success. The successful attacks were those on the transposition and permutation ciphers by Matthews [20], Clark [4], and Gr¨undlingh and Van Vuuren [13], respectively. These attacks were further investigated in an attempt to improve or extend their success. Unfortunately, this attempt was unsuccessful, as was the attempt to apply the Clark [4] attack to the monoalphabetic substitution cipher and achieve the same or indeed any level of success. Overall...

Coarse-grained parallel genetic algorithms: Three implementations and their analysis

Pedersen, Daniel
Fonte: Rochester Instituto de Tecnologia Publicador: Rochester Instituto de Tecnologia
Tipo: Tese de Doutorado
EN_US
Relevância na Pesquisa
66.23%
Although solutions to many problems can be found using direct analytical methods such as those calculus provides, many problems simply are too large or too difficult to solve using traditional techniques. Genetic algorithms provide an indirect approach to solving those problems. A genetic algorithm applies biological genetic procedures and principles to a randomly generated collection of potential solutions. The result is the evolution of new and better solutions. Coarse-Grained Parallel Genetic Algorithms extend the basic genetic algorithm by introducing genetic isolation and distribution of the problem domain. This thesis compares the capabilities of a serial genetic algorithm and three coarse-grained parallel genetic algorithms (a standard parallel algorithm, a non-uniform parallel algorithm and an adaptive parallel algorithm). The evaluation is done using an instance of the traveling salesman problem. It is shown that while the standard course-grained parallel algorithm provides more consistent results than the serial genetic algorithm, the adaptive distributed algorithm out-performs them both. To facilitate this analysis, an extensible object-oriented library for genetic algorithms, encompassing both serial and coarse-grained parallel genetic algorithms...

Deep learning using genetic algorithms

Lamos-Sweeney, Joshua
Fonte: Rochester Instituto de Tecnologia Publicador: Rochester Instituto de Tecnologia
Tipo: Tese de Doutorado
EN_US
Relevância na Pesquisa
66.11%
Deep Learning networks are a new type of neural network that discovers important object features. These networks determine features without supervision, and are adept at learning high level abstractions about their data sets. These networks are useful for a variety of tasks, but are difficult to train. This difficulty is compounded when multiple networks are trained in a layered fashion, which results in increased solution complexity as well as increased training time. This paper examines the use of Genetic Algorithms as a training mechanism for Deep Learning networks, with emphasis on training networks with a large number of layers, each of which is trained independently to reduce the computational burden and increase the overall flexibility of the algorithm. This paper covers the implementation of a multilayer deep learning network using a genetic algorithm, including tuning the genetic algorithm, as well as results of experiments involving data compression and object classification. This paper aims to show that a genetic algorithm can be used to train a non trivial deep learning network in place of existing methodologies for network training, and that the features extracted can be used for a variety of real world computational problems.