Inteligência Artificial

URI Permanente para esta coleção

http://200.135.58.21/handle/repositorio/43

Navegar

Navegando Inteligência Artificial por Avaliador "Cristhian Heck, M.Eng"

Agora exibindo 1 - 2 de 2
  • Item
    Software educacional de apoio ao ensino de algoritmos genéticos
    (2018) Wessner, William; Daniel Gomes Soares, Msc; Cristhian Heck, M.Eng; Fábio Alexandrini, Dr
    Durante as últimas décadas os Algoritmos Genéticos (AGs) ganharam destaque por ser uma técnica poderosa para resolver problemas de busca e otimização, e consequentemente, o ensino desta técnica está se tornando cada vez mais comum. As aulas práticas com o uso de ferramentas didáticas são fundamentais para que os alunos consolidem e apliquem os conceitos aprendidos nas aulas teóricas. Este trabalho apresenta o GeneticsA, que é um software educacional de apoio ao ensino de AG, que tem como objetivo enriquecer o aprendizado, fazendo que o aluno consiga compreender como ocorreu a fases de avaliação, seleção, crossover e mutação. O GeneticsA permite que o usuário escolha as funções de avaliação (Simples, Normalização linear, Windowing e Escalonamento Sigma), os métodos de seleção (Roleta viciada, Método do torneio e Amostragem Estocástica), os operadores de crossover (Um ponto, Dois pontos e o operador Uniforme) e o problema de maximização de funções. O usuário também pode configurar parâmetros como tamanho da população, taxa de mutação, quantidade máxima de gerações e o número de genes. O software foi desenvolvido na linguagem de programação Java e para a criação da interface foi utilizada a API JavaFX.
  • Item
    Uso de algoritmos de busca heurística e algoritmos genéticos para dinamizar a logística no empacotamento de cargas
    (2019) Santos, Rafael José Schmidt; Juliano Tonizetti Brignoli, Dr; Cristhian Heck, M.Eng; Daniel Gomes Soares, Msc
    Problemas de empacotamento possuem uma relação forte com a área de logística, quando trata da alocação de um conjunto de itens em um recipiente, considerando variáveis como a otimização de espaço e ordem de entrega. Este trabalho apresenta o desenvolvimento de uma aplicação para dinamizar a logística no empacotamento de cargas utilizando algoritmos de Busca em Espaços de Estados com Heurística A* e Algoritmos Genéticos. Seu principal objetivo é apresentar a melhor forma de alocar um conjunto de pacotes de variados tamanhos em um confinamento também de tamanho variável, de forma com que se aproveite ao máximo o espaço, deixando a maior área útil livre possível no confinamento, como também deixar os pacotes com maior prioridade de retirada mais próximos da saída, e então comparar os resultados obtidos com ambas as técnicas. Os resultados mostram que é possível utilizar tanto o algoritmo de Busca em Espaços de Estados quanto Algoritmos Genéticos para solucionar o problema do empacotamento, verificando que para itens de grandes dimensões ou com maior largura, o Algoritmo de Busca em Espaço de Estados obteve melhor resultado, e para itens pequenos ou com maior comprimento, o Algoritmo Genético obteve o melhor resultado.