DC-UFRPE/Bacharelado em Ciência da Computação/Introdução à Computação Evolutiva

Programa da Disciplina

editar
Nome: INTRODUÇÃO À COMPUTAÇÃO EVOLUTIVA
Código: 06294
Departamento Departamento de Computação (DC)
Área REDES E SISTEMAS DISTRIBUÍDOS
Carga-horária total: 60h
Créditos: 4
Pré-requisitos: 14203 - ALGORITMOS E ESTRUTURAS DE DADOS

14074 - INTELIGÊNCIA ARTIFICIAL

Ementa

editar

Inspiração Biológica: Darwinismo e Mendelismo. Componentes de um Algoritmo Evolutivo: Representação, Função de Avaliação, População, Principais Mecanismos Evolutivos. Algoritmos Evolutivos Clássicos: Algoritmos Genéticos, Estratégias de Evolução, Programação Evolucionária, Programação Genética. Inteligência Coletiva. Otimização por Colônia de Formigas. Otimização por Enxame de Partículas. Cooperação e Competição. Modelos Híbridos: Combinação de Técnicas Evolutivas. Aplicações dos Algoritmos Evolutivos.

Conteúdo Programático

editar

Conteúdos do período letivo 2021.1

  1. Introdução
    1. Modelo de Teoria da Evolução Darwinista;
    2. Modelo Genético de Mendel;
    3. Histórico e Estado-da-Arte dos Algoritmos Evolutivos.
  2. Algoritmos Evolutivos
    1. Representação do Problema;
    2. Função de Avaliação;
    3. População;
    4. Principais Mecanismos Evolutivos: Seleção, Recombinação e Mutação.
  3. Algoritmos Genéticos
    1. Introdução;
    2. Representação do Problema
    3. Mutação;
    4. Recombinação;
    5. Seleção.
  4. Estratégias de Evolução
    1. Introdução;
    2. Representação do Problema;
    3. Mutação;
    4. Recombinação;
    5. Seleção.
  5. Programação Evolucionária
    1. Introdução;
    2. Representação do Problema;
    3. Mutação;
    4. Recombinação;
    5. Seleção.
  6. Programação Genética
    1. Introdução;
    2. Representação do Problema;
    3. Mutação;
    4. Recombinação;
    5. Seleção.
  7. Inteligência Coletiva
    1. Introdução;
    2. Principais Modelos.
  8. Otimização por Colônia de Formigas
    1. Introdução;
    2. Representação do Problema;
    3. Mecanismos Evolutivos de Busca;
    4. O Algoritmo.
  9. Otimização por Enxame de Partículas
    1. Introdução;
    2. Representação do Problema;
    3. Mecanismos Evolutivos de Busca;
    4. O Algoritmo.
    5. Abordagem LBest e GBest.
  10. Tópicos Complementares
    1. Abordagens Cooperativas;
      1. Introdução;
      2. Ilhas de Evolução;
      3. Modelos Cooperativos Coevolucionários
    2. Paralelismo em Algoritmos Evolutivos;
    3. Modelos Evolutivos Híbridos
  11. Projeto de Desenvolvimento de Sistema de Otimização com Computação Evolutiva

Bibliografia

editar

Básica

editar
  1. EIBEN, A. E.; SMITH, J. E. Introduction to Evolutionary Computing. Berlin: Springer, 2003.
  2. KENNEDY, J.; EBERHART, R. C. Swarm Intelligence. San Francisco: Kaufmann, 2001.
  3. SIMON, D. Evolutionary Optimization Algorithms. New Jersey: Wiley, 2013.
  4. DORIGO, M. Ant Colony Optimization. Boston: MIT Press, 2004.
  5. DE JONG, K. A. Evolutionary Computation. Boston: MIT Press, 2006.

Complementar

editar
  1. CORMEN, T. H.; LEISERSON, C. E.; RIVEST, R. L.; STEIN, C. Algoritmos: Teoria e Prática. Rio de Janeiro: Campus, 2012.
  2. RUSSELL, S.; NORVIG, P. Inteligência Artificial, 3ª Ed. Rio de Janeiro: Campus, 2013.
  3. FLOREANO, D.; MATTIUSSI, C. Bio-Inspired Artificial Intelligence: Theories, Methods and Technologies. Boston: MIT Press, 2008.
  4. ASHLOCK, D. Evolutionary Computation for Modeling & Optimization. Berlin: Springer, 2005.
  5. MITCHELL, T. Machine Learning. Boston: McGraw-Hill, 1999.