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

Programa da Disciplina

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

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

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

Básica

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

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.