Bücher von Kelton de Sousa Santiago

Il calcolo evolutivo è un'area dell'informatica che utilizza le idee dell'evoluzione biologica per risolvere problemi computazionali. Molti di questi problemi richiedono la ricerca in un enorme spazio di possibilità di soluzione, come ad esempio tra un gran numero di possibili layout di circuiti hardware per una configurazione che produca il comportamento desiderato, per un insieme di equazioni che preveda gli alti e bassi di un mercato finanziario o per un insieme di regole che controllino un robot mentre naviga nel suo ambiente. Questi problemi computazionali spesso richiedono che il sistema sia adattivo, cioè che continui a funzionare bene in un ambiente in costante cambiamento.

La computación evolutiva es un área de la informática que utiliza ideas de la evolución biológica para resolver problemas computacionales. Muchos de estos problemas exigen la búsqueda de soluciones en un enorme espacio de posibilidades, por ejemplo, entre un gran número de posibles diseños de circuitos de hardware para una configuración que produzca el comportamiento deseado, para un conjunto de ecuaciones que predigan las subidas y bajadas de un mercado financiero o para una colección de reglas que controlen a un robot mientras navega por su entorno. Estos problemas computacionales exigen a menudo que un sistema sea adaptativo, es decir, que siga funcionando bien en un entorno en constante cambio.

Die evolutionäre Berechnung ist ein Bereich der Informatik, der Ideen aus der biologischen Evolution zur Lösung von Berechnungsproblemen nutzt. Viele dieser Probleme erfordern die Suche in einem riesigen Raum von Lösungsmöglichkeiten, z. B. unter einer großen Anzahl möglicher Hardware-Schaltungslayouts nach einer Konfiguration, die das gewünschte Verhalten hervorruft, nach einer Reihe von Gleichungen, die das Auf und Ab eines Finanzmarktes vorhersagen, oder nach einer Sammlung von Regeln, die einen Roboter bei der Navigation durch seine Umgebung steuern. Diese Berechnungsprobleme erfordern häufig, dass ein System anpassungsfähig ist, d. h. dass es in einer sich ständig verändernden Umgebung weiterhin gute Leistungen erbringt.

Evolutionary computation is an area of computer science that utilises ideas from biological evolution to solve computational problems. Many of these problems require searching through a huge space of solution possibilities, such as among a large number of possible hardware circuit layouts for a configuration that produces the desired behaviour, for a set of equations that will predict the ups and downs of a financial market, or for a collection of rules that will control a robot as it navigates its environment. These computational problems often require a system to be adaptive - that is, to continue to perform well in a constantly changing environment.

L'informatique évolutive est un domaine de l'informatique qui utilise les idées de l'évolution biologique pour résoudre des problèmes informatiques. Bon nombre de ces problèmes nécessitent la recherche d'un vaste espace de possibilités de solutions, par exemple parmi un grand nombre d'agencements possibles de circuits matériels pour une configuration produisant le comportement souhaité, pour un ensemble d'équations permettant de prédire les hauts et les bas d'un marché financier, ou pour un ensemble de règles permettant de contrôler un robot lorsqu'il navigue dans son environnement. Ces problèmes informatiques exigent souvent qu'un système soit adaptatif, c'est-à-dire qu'il continue à fonctionner correctement dans un environnement en constante évolution.

Com a explosão da geração de dados, obter soluções ideais para os problemas gerados por dados é cada vez tornando-se um desafio, se não impossível. É cada vez mais reconhecido que as aplicações de algoritmos inspirados na biologia são necessárias para resolver problemas altamente complexos para fornecer soluções no tempo, especialmente com definições de problemas dinâmicos, flutuações nas restrições, ou informações imperfeitas e capacidade de computação limitada. Mais ou menos algoritmos inteligentes estão sendo explorados para resolver problemas complexos. Enquanto alguns estudos estão explorando aplicação destes algoritmos em um novo contexto, outros estudos estão incrementalmente melhorando o próprio algoritmo.

O principal problema da química analítica quantitativa é estimar a concentra-ção de uma ou mais espécies, a partir dos valores de determinadas propriedades físico-químicas do sistema de interesse. Para isto, é necessário construir um modelo de cali-bração, ou seja, determinar a relação entre propriedades medidas e concentrações [72]. Dentre os métodos mais usados para se realizar a calibração estão as redes neurais arti-ficiais (ANN) [18], os mínimos quadrados parciais não lineares (N-PLS) [102], regreção em componentes principais (PCR) [44] e regressão linear múltipla (MLR) [92]. Dentre as técnicas citadas, a regressão linear múltipla é uma das mais utilizadas, por se tratar de um modelo simples, de fácil entendimento [9] e tem se mostrado bastante eficiente, devido à evolução das técnicas de seleção de variáveis [45].

O AG é um método de busca global estocástico que imita a metáfora da evolução biológica natural. Os GAs operam em uma população de soluções potenciais que aplicam o princípio da sobrevivência do mais apto para produzir (espera-se) melhores e melhores aproximações para uma solução. A cada geração, um novo conjunto de aproximações é criado pelo processo de seleção de indivíduos de acordo com seu nível de adequação no domínio do problema e sua criação conjunta usando operadores emprestados da genética natural. Este processo leva à evolução das populações de indivíduos que são mais adequados ao seu ambiente do que os indivíduos de quem eles foram criados, assim como na adaptação natural.