Sistema imunologico artificial para otimização multiobjetivo

Artificial immune system for multiobjetive optimization

dc.creatorRampazzo, Priscila Cristina Berbert, 1984-
dc.date2008
dc.date2008-10-03T00:00:00Z
dc.date2017-03-29T23:23:25Z
dc.date2017-07-13T19:41:40Z
dc.date2017-03-29T23:23:25Z
dc.date2017-07-13T19:41:40Z
dc.date.accessioned2018-03-29T03:49:20Z
dc.date.available2018-03-29T03:49:20Z
dc.identifier(Broch.)
dc.identifierRAMPAZZO, Priscila Cristina Berbert. Sistema imunologico artificial para otimização multiobjetivo. 2008. 108p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: <http://libdigi.unicamp.br/document/?code=vtls000440407>. Acesso em: 29 mar. 2017.
dc.identifierhttp://repositorio.unicamp.br/jspui/handle/REPOSIP/261870
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/1336784
dc.descriptionOrientador: Akebo Yamakami
dc.descriptionDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação
dc.descriptionResumo: O objetivo desta dissertação é explorar a utilização de um Sistema Imunológico Artificial, baseado no princípio de Seleção Clonal, na resolução de problemas de Otimização Multiobjetivo. Os Sistemas Imunológicos Artificiais apresentam, em sua estrutura elementar, as principais características requeridas para a resolução de problemas de Otimização Multiobjetivo: exploração, explotação, paralelismo, elitismo, memória, diversidade, mutação e clonagem proporcionais à afinidade e população dinâmica. A abordagem proposta utiliza o conceito de Pareto dominância e factibilidade para identificar os anticorpos (soluções) que devem ser clonados. Nos experimentos, foram consideradas algumas situações importantes que podem aparecer nos problemas reais: presença de restrições (lineares e não-lineares) e formato da Fronteira de Pareto (convexa, côncava, contínua, descontínua, discreta, não-uniforme). Na maioria dos problemas, o algoritmo obteve resultados bons e competitivos quando comparados com as propostas da literatura. Palavras-chave: Otimização Multiobjetivo, Algoritmos Bio-inspirados, Sistemas Imunológicos Artificiais, Seleção Clonal
dc.descriptionAbstract: The aim of this work is to explore an Artificial Immune System, based on the Clonal Selection principle, in the solution of Multiobjective Optimization problems. Artificial Immune Systems have, in their elementary structure, the main characteristics required to solve Multiobjective Optimization problems: exploration, exploitation, paralelism, elitism, memory, diversity, mutation and proliferation proportional to the affinity, and dynamic repertorie. The proposed algorithm uses the Pareto dominance concept and feasibility to identify the antibodies (solutions) that must to be cloned. In the experiments, some important situations that occurs in real problems were considered: the presence of constraints (linear and non-linear) and Pareto Front format (convex, concave, continuous, discontinuous, discrete, non-uniforme). In the major part of the problems, the algorithm obtains good and competitive results when compared with approaches from the literature. Keywords: Multiobjective Optimization, Bio-inspired Algorithms, Artificial Immune Systems, Clonal Selection
dc.descriptionMestrado
dc.descriptionTelecomunicações e Telemática
dc.descriptionMestre em Engenharia Elétrica
dc.format108p. : il.
dc.formatapplication/pdf
dc.languagePortuguês
dc.publisher[s.n.]
dc.subjectSistema imune
dc.subjectAlgoritmos evolutivos
dc.subjectOtimização matemática
dc.subjectInteligência artificial
dc.subjectMultiobjective optimization
dc.subjectBio-inspired algorithms
dc.subjectArtificial immune systems
dc.subjectClonal selection
dc.titleSistema imunologico artificial para otimização multiobjetivo
dc.titleArtificial immune system for multiobjetive optimization
dc.typeTesis


Este ítem pertenece a la siguiente institución