Plano de Ensino

IDENTIFICAÇÃO

EMENTA

Inteligência computacional; complexidade; AG básico; análise teórica dos AG; operadores genéticos; tratamento de restrições; AG multiobjetivo; evolução diferencial; projetos.

JUSTIFICATIVA

Trata-se de uma disciplina fundamental no tratamento de problemas complexos.

OBJETIVO

PROGRAMA

1) Inteligência computacional, taxonomia;

2) Complexidade: problemas NP-completos;

3) O algoritmo genético básico, analogia com a natureza, definições básicas;

4) Representação do cromossomo, função de aptidão, operadores de cruzamento e mutação. Técnicas de seleção;

5) Análise teórica dos algoritmos genéticos;

6) Algoritmos genéticos com parâmetros contínuos;

7) Outros operadores genéticos;

8) Tratamento de restrições;

9) Algoritmos genéticos multiobjetivos;

10) Evolução diferencial;

11) Implementações;

12) Pesquisa bibliográfica.

METODOLOGIA

Para o presente componente curricular serão adotadas aulas presenciais ministradas em sala de aula com a utilização de quadro branco e projetor de vídeos. O atendimento ao aluno poderá ser realizado de forma presencial ou remota, através de e-mail, aplicativos de mensagens ou reuniões individuais através da plataforma Microsoft Teams, em horários específicos a serem definidos pelo professor.

AVALIAÇÃO

A metodologia de avaliação será baseada em duas estratégias:

▪ Trabalhos semanais Valor: 50,0 pontos

▪ Projeto final a ser apresentado em um seminário no último dia de aula. Valor: 50,0 pontos

BIBLIOGRAFIA

Básica

1] Goldberg, D. E. Genetic Algorithms in Search, Optimizaton and Machine Learning, Addison-Wesley, 1989.

[2] Linden, Ricardo, Algoritmos Genéticos, Brasport Livros e Multimídia Ltda, 2006.

Complementar

[1] Holland, John H. Adaptation in Natural and Artificial Systems. MIT Press, 1975.

[2] Mitchell, Melanie. An Introduction to Genetic Algoritms. MIT Press, 1998.

[3] Lopes, H.S., Takahashi, R.H.C. Computação Evolucionária em Problemas de Engenharia. Omnipax Ed., 2011.

[4] Storn, R. Price, K. Differential Evolution – a Simple and efficiente Heuristic for Global Optimization over Continuous Spaces, Journal of Global Optimization,11(4): 341-359, 1997.

---

Documento assinado eletronicamente por Keiji Yamanaka, Professor(a) do Magistério Superior, em 22/11/2023, às 11:52, conforme horário oficial de Brasília, com fundamento no art. 6º, § 1º, do Decreto nº 8.539, de 8 de outubro de 2015.

---

A autenticidade deste documento pode ser conferida no site https://www.sei.ufu.br/sei/controlador_externo.php?acao=documento_conferir&id_orgao_acesso_externo=0, informando o código verificador 4986204 e o código CRC 9C5235E1.

---