Navegando por Assunto "Bio-inspired algorithms"

Agora exibindo 1 - 3 de 3

Acesso aberto (Open Access)
Análise e otimização de coberturas de invisibilidade esféricas estratificadas em camadas homogêneas e isotrópicas
(Universidade Federal do Pará, 2012-06-29) MARTINS, Tiago Carvalho; DMITRIEV, Victor Alexandrovich; http://lattes.cnpq.br/3139536479960191
Neste trabalho, foram analisadas e otimizadas coberturas de invisibilidade estratificadas em camadas esféricas concêntricas constituídas por materiais dielétricos homogêneos e isotrópicos, em que tanto a seção reta de espalhamento total quanto o número de camadas foram minimizados. Também foram realizadas otimizações para aumentar a faixa de frequências na qual h´a invisibilidade, para isso, efeitos dispersivos foram levados em conta. Foram obtidas coberturas discretizadas (obtidas a partir de coberturas anisotrópicas) com reduções significativas (maiores do que 20 dB) da seção reta radar com relação ao espalhador sem cobertura em todas as direções de espalhamento, quando apenas 20 camadas foram utilizadas. Valores de redução equivalentes foram obtidos na literatura com no mínimo 80 camadas. Esses resultados foram obtidos em microondas. Nós obtivemos uma redução, com relação a esfera sem cobertura, de 32 dB na seção reta de espalhamento total para uma cobertura estratificada (não obtida a partir de camadas anisotrópicas) em apenas 13 camadas. Esses resultados foram obtidos em microondas. Nós otimizamos coberturas de invisibilidade dispersivas que apresentaram uma faixa de largura 5,4 vezes maior do que a que seria obtida sem considerar os efeitos dispersivos, na faixa de microondas. Foram projetadas coberturas de invisibilidade que funcionam em frequências ópticas, para uma faixa de frequências.
Acesso aberto (Open Access)
Avaliação de técnicas de paralelização de algoritmos bioinspirados utilizando computação GPU: um estudo de casos para otimização de roteamento em redes ópticas
(Universidade Federal do Pará, 2015-03-06) TADAIESKY, Vincent Willian Araújo; SANTANA, Ádamo Lima de; http://lattes.cnpq.br/4073088744952858
A aplicação em logística de distribuição é diversa, a exemplo do planejamento de transporte e entrega de mercadorias ou no roteamento de dados em redes de telecomunicações. Dado a amplitude e capilaridade desses problemas, trabalhos vêm sendo desenvolvidos visando reduzir os gastos para o funcionamento de redes dessa magnitude, sobretudo no que tange à demanda de energia elétrica. Sendo assim, o presente trabalho apresenta uma proposta de método de resolução de problemas de roteamento com alto grau de demanda. O método proposto é baseado em algoritmos bioinspirados, que aliados a outros métodos, garantem a integridade das soluções obtidas, além de sua proximidade ao ótimo. Entretanto, tais algoritmos se tornam computacionalmente custosos à medida que a complexidade da aplicação em questão aumenta e, portanto, ambientes multiprocessados, como plataformas de computação em GPU, vêm sendo largamente utilizados para aumentar a performance dos mesmos. Sendo assim, este trabalho visa realizar testes sobre as técnicas de paralelização desses algoritmos mais difundidas, com o objetivo de avaliar qual estratégia tem melhor relação com cada algoritmo testado para o problema descrito acima. Os algoritmos que auxiliaram nos testes foram Algoritmos Genéticos e Otimização por Enxame de Partículas, que são altamente difundidos. Os resultados mostram que a estratégia de paralelização a ser utilizada depende tanto da plataforma em que está sendo implementada, quanto do problema a ser tratado.
Acesso aberto (Open Access)
Geração de tarefas de ensino adaptadas através de algoritmos bio-inspirados para crianças em fase inicial da alfabetização
(Universidade Federal do Pará, 2018-09-14) SOUZA JÚNIOR, Gilberto Nerino; MONTEIRO, Dionne Cavalcante; http://lattes.cnpq.br/4423219093583221; SANTANA, Ádamo Lima de; http://lattes.cnpq.br/4073088744952858
Avanços em sistemas de aprendizagem ao longo das últimas duas décadas permitiram o desenvolvimento de tecnologias que auxiliam no engajamento de alunos. Embora esses sistemas possam usar procedimentos comportamentais para melhorar as habilidades em leitura, melhores resultados para cada aluno são obtidos na elaboração manual de um conjunto de tarefas por um especialista educacional. Todavia, o uso de um processo manual acaba acarretando demasiado tempo, esforço e subjetividade para a criação das tarefas de ensino. Adicionalmente, a geração automática de tarefas para o ensino da leitura pode ser inviável devido ao alto espaço de busca das possíveis combinações de tarefas. Este processo poderia considerar a adaptação da dificuldade de uma tarefa ao conhecimento do aluno, algo pouco explorado em trabalhos educacionais para crianças no início do aprendizado da leitura. A presente Tese apresenta uma abordagem para gerar tarefas do procedimento Matching-to-Sample para o ensino da leitura, adaptando suas dificuldades através de meta-heurísticas de otimização bio-inspiradas. Esta abordagem utiliza-se de resultados de pré-testes aplicados a alunos e da configuração de conteúdos de ensino determinados por tutores educacionais; esses dados permitem a utilização dos algoritmos de geração de tarefas e em seguida as tarefas podem ser apresentadas em softwares de aprendizagem. Experimentos demonstraram uma melhor convergência do algoritmo genético para este domínio, sendo que este algoritmo foi capaz de gerar tarefas em um nível de dificuldade adaptadas aos alunos e de acordo com pré-testes e configurações de atributos das tarefas definidas por psicólogos comportamentais. Como validação para este estudo, as tarefas foram aplicadas a um grupo de alunos em estágios iniciais da alfabetização obtendo efeitos satisfatórios no processo individual de aprendizagem. Adicionalmente foram implementados dois softwares interativos de de aprendizagem, um por meio do jogo digital e o outro por um aplicativo web, onde o uso do jogo digital com características lúdicas demostrou aceitação superior no uso de tarefas de ensino adaptadas para crianças em fase inicial da alfabetização.