| Summary: | Tese (Doutorado) - Universidade Federal de Santa Catarina, Programa de Pos-Graduação em Engenharia de Produção === Made available in DSpace on 2012-10-17T01:15:21Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T22:15:51Z : No. of bitstreams: 1
148064.pdf: 3071414 bytes, checksum: a2abc137ef230439c72644148eda6370 (MD5) === Identificação de sistemas é um processo iterativo, que facilita obter novo conhecimento sobre a natureza do sistema observado a cada nova iteraçao. A identificação de sistemas está vinculada à invenção e avaliação de teorias científicas. O propósito deste trabalho é explorar métodos alternativos para o processo da identificação de sistemas. O modelo proposto é um modelo baseado em regras, que representa as relações entre os agentes do sistema. A incerteza associada aos sistemas é incorporada no modelo via teoria dos conjuntos difusos. A técnica de busca utilizada para descobrir as regras e escolher as funções de pertinência dos conjuntos difusos que otimizam a resposta do modelo, são os algoritmos genéticos. A natureza robusta e os mecanismos simples dos algoritmos genéticos fazem deles uma ferramenta adequada para este propósito. Os algoritmos genéticos são uma técnica baseada nos princípios evolutivos de Darwin. No entanto, biologicamente sempre foi discutido de que forma as adaptações adquiridas por aprendizado durante o tempo de vida de um indivíduo são passadas para seus descendentes. Neste trabalho consideramos estas teorias biológicas e propomos um modelo onde evolução e aprendizado interagem.
|
|---|
