Show simple item record

dc.contributor.advisorZilli, Carlos Augusto
dc.contributor.authorRodrigues, Henrique
dc.contributor.authorMachado, Nixon César Severo
dc.coverage.spatialTubarãopt_BR
dc.date.accessioned2019-12-11T22:49:16Z
dc.date.available2019-12-11T22:49:16Z
dc.date.issued2019pt_BR
dc.identifier.urihttp://www.riuni.unisul.br/handle/12345/8832
dc.descriptionIncreasingly, humans are looking for optimal solutions to their most diverse problems, seeking maximum profits and minimum costs. It is also growing, as entrance exams and competitions address optimization problems, stimulating the search for different resolution methods. This paper presents an area of artificial intelligence that has been growing a lot in the last years: the evolutionary algorithms. These algorithms mimic nature, which does not refer to the search for the optimal solution, based on Charles Darwin's natural selection. This study aims to compare solutions that can solve upper limit problems and use genetic algorithms and differential calculus. Genetic algorithms attempt to abstract and mimic the evolutionary mechanisms in problem solving that are applicable, search and optimization. To achieve the proposed objectives, two optimization problems applied in ENEM tests from previous years were solved. Use the genetic algorithm method to arrive at the approximate solution and the differential calculation to arrive at the exact solution. The methodology adopted for the work was an exploratory research through case studies. Constant, although genetic algorithm troubleshooting is in some cases approximate, it is ideal when derived from the complicated display functions.pt_BR
dc.description.abstractCada vez mais o ser humano procura soluções ótimas para seus mais diversos problemas, em busca de lucros máximos e custos mínimos. É crescente, também, as provas de vestibulares e concursos abordarem problemas de otimização, estimulando a procura por diferentes métodos de resolução. Este trabalho apresenta uma área da inteligência artificial que vem crescendo muito nos últimos anos: os algoritmos evolucionários. Estes algoritmos imitam a natureza no que se refere à procura da solução ótima, baseando-se na seleção natural de Charles Darwin. O presente estudo objetiva comparar as soluções obtidas ao se resolver problemas de máximos e mínimos utilizando algoritmos genéticos e cálculo diferencial. Os algoritmos genéticos tentam abstrair e imitar os mecanismos evolutivos na resolução de problemas que requerem adaptação, busca e otimização. Para se atingir os objetivos propostos, dois problemas de otimização aplicados em provas do ENEM, de anos anteriores, foram solucionados. Utilizamos o método de algoritmos genéticos para chegar à solução aproximada e o cálculo diferencial para chegar à solução exata. A metodologia adotada para o trabalho foi a pesquisa exploratória, através de estudo de casos. Constatou-se que, ainda que a solução de problemas de otimização por algoritmos genéticos seja, em alguns casos, aproximada, ela é ideal quando as derivadas das funções envolvidas são de complicada resolução.pt_BR
dc.format.extent64 f.pt_BR
dc.language.isopt_BRpt_BR
dc.relation.ispartofMatemática - Tubarãopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectAlgoritmos genéticospt_BR
dc.subjectCálculo diferencialpt_BR
dc.subjectMatemáticapt_BR
dc.titleOtimização de funções polinomiais utilizando conceitos de cálculo diferencial e algoritmos genéticospt_BR
dc.typeEstudo de Casopt_BR
dc.subject.areaCiências Exatas e da Terrapt_BR


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 Brazil
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 Brazil

Mantido pela
Unisul
Plataforma
DSpace
Desenvolvido por
Digital Libraries
Licenciamento
Creative Commons