Modelagem dos algorítmos simples e Simulated Annealing por cadeias de Markov

AUTOR(ES)

José Cecílio Rosa Neto

DATA DE PUBLICAÇÃO

2010

RESUMO

Os Algoritmos Genético (AG) e o Simulated Annealing (SA) são algoritmos construídos para encontrar máximo ou mínimo de uma função que representa alguma característica do processo que está sendo modelado. Esses algoritmos possuem mecanismos que os fazem escapar de ótimos locais, entretanto, a evolução desses algoritmos no tempo se dá de forma completamente diferente. O SA no seu processo de busca trabalha com apenas um ponto, gerando a partir deste sempre um nova solução que é testada e que pode ser aceita ou não, já o AG trabalha com um conjunto de pontos, chamado população, da qual gera outra população que sempre é aceita. Em comum com esses dois algoritmos temos que a forma como o próximo ponto ou a próxima população é gerada obedece propriedades estoé asticas. Nesse trabalho mostramos que a teoria matemática que descreve a evolução destes algoritmos é a teoria das cadeias de Markov. O AG é descrito por uma cadeia de Markov homogênea enquanto que o SA é descrito por uma cadeia de Markov não-homogênea, por m serão feitos alguns exemplos computacionais comparando o desempenho desses dois algoritmos

ASSUNTO(S)

cadeias de markov homogêneas e não-homogêneas algoritmos genético e simulated annealing matematica aplicada stationary and nonstationary markov chains genetic algorithms and simulated annealing

Documentos Relacionados

• Cadeias de markov clássicas e quânticas
• Modelagem da gestão de estoques de peças de reposição através de cadeias de Markov
• Modelagem e otimização de experimentos para o tratamento térmico de recozimento: um estudo com o algoritmo simulated annealing
• Algoritmo de tomografia por impedância elétrica baseado em Simulated Annealing.
• Métodos estatisticos em cadeias de Markov