| Summary: | Made available in DSpace on 2015-05-14T12:36:58Z (GMT). No. of bitstreams: 1
arquivototal.pdf: 2207161 bytes, checksum: 5877bbc22ccba855f94681eca5267aa6 (MD5)
Previous issue date: 2011-03-04 === Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES === In many different fields of science we are faced to optimization problems. Many approaches have been proposed to solve such types of problems, including the use of Evolutionary Algorithms (AEs) and Genetic Algorithms (GAs). However, just a low quantity of works tried to create generic tools, capable to be reused in many different problems. Most of the current proposals show different implementations of GAs or AEs applied to specific purposes. Raising all these assertions, it is verified the need for the development of optimization tools that are capable of solving any kind of optimization problems. In such context, the main objective of this work is the development of an optimization tool, named X-GAT (XML based Genetic Algorithm Toolkit), that is: capable of solving any kind of optimization problem; configurable; operating system portable; extensible; a framework that helps the implementation of AEs; and can be used to build heterogenic systems. Using some computational techniques, parts of the algorithm can be abstracted, preventing that much time is spent on coding and validating the optimization technique. Aiming to achieve such objectives, some tools and techniques were used: Java programming language and its reflection API; the data description language XML (eXtensible Markup Language); and software design patterns. In order to verify and validate that the developed tool attended the proposed objectives, many different optimization problems were chosen. First, it is shown the optimization of some mathematical functions that have known optimum value. Then, the X-GAT tool is applied to the calibration of for rainfall-runoff models input parameters, which are common problems in hydrology. Finally, the X-GAT tool is used in an optimization process of input parameters of clustering algorithms for grouping trajectories points of moving objects. The motivation behind applying these algorithms is the addition of semantic information to spatiotemporal data. From the results obtained in many different fields of science, the proposed toolkit showed to be flexible and robust, in addition to being able to be easily applied in many problems, once it is properly configured. === Em vários campos da ciência nos deparamos com problemas de otimização. Muitas abordagens foram propostas para resolver tais problemas, incluindo o uso de algoritmos evolucionários (AEs) e algoritmos genéticos (AGs). Entretanto poucos trabalhos tentaram criar ferramentas genéricas, capazes de serem reutilizadas em vários problemas distintos. A maior parte dos trabalhos vistos na literatura mostram diversas implementações de AGs ou AEs, sendo estas dirigidas a um propósito específico. Verifica-se assim a necessidade da criação de ferramentas de otimização que sejam de propósito geral. O objetivo deste trabalho é desenvolver uma ferramenta de otimização, chamada X-GAT (XML based Genetic Algorithm Toolkit), que resolva problemas de otimização através do uso AGs, sendo esta ferramenta de propósito geral, configurável, portável, expansível, que possa funcionar em sistemas heterogêneos e que também seja um framework de suporte a otimizações com AEs. Diante disso, o esforço para realizar uma otimização se concentra na forma de configurar a ferramenta, e não em como a técnica deve ser implementada. A partir de algumas técnicas computacionais utilizadas algumas partes do algoritmo podem ser abstraídas, evitando que se gaste muito tempo em codificação e validação da técnica. Para que estes objetivos fossem alcançados, foram utilizados no seu desenvolvimento: a linguagem de programação Java e sua API de reflexão, a linguagem de descrição de dados eXtensible Markup Language (XML) e padrões de projeto (design patterns) de software. A fim de validar e verificar que a ferramenta atendeu a todos os princípios propostos, foram selecionados problemas de otimização de áreas distintas. Primeiramente, são mostradas otimizações de algumas funções matemáticas a fim de validar o algoritmo. Posteriormente a ferramenta é aplicada a problemas de otimização de parâmetros de entrada de modelos hidrológicos de transformação de chuva em vazão. Por fim, a ferramenta é aplicada no processo de otimização de parâmetros de entrada de algoritmos de clusterização de pontos de trajetórias de objetos móveis, que são usados com freqüência para adição de informações semânticas em dados espaciais. A partir dos resultados obtidos em diferentes áreas da ciência, pode-se concluir que a ferramenta é bastante flexível e robusta, podendo ser aplicada de forma simples e prática, desde que configurada de forma adequada.
|
|---|
