UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO Rua Dom Manoel de Medeiros, s/n, Dois Irmãos - Recife/PE CEP: 52171-900 | www.ufrpe.br PROGRAMA DE DISCIPLINA IDENTIFICAÇÃO DISCIPLINA: : Introdução à Computação Evolutiva CÓDIGO: 06294 DEPARTAMENTO/UNIDADE ACADÊMICA: DEINFO / Sede ÁREA: Fundamentos da Computação CARGA HORÁRIA TOTAL: 60 h NÚMERO DE CRÉDITOS: 4 CARGA HORÁRIA SEMANAL: 4 h TEÓRICAS: 3 h PRÁTICAS: 1 h PRÉ-REQUISITOS: Algoritmos e Estruturas de Dados , Inteligência Artificial CO-REQUISITOS: NENHUM SEMESTRE/ANO DE APLICAÇÃO: XXXX 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. CONTEÚDOS 1. Introdução. 1.1. Modelo de Teoria da Evolução Darwinista; 1.2. Modelo Genético de Mendel; 1.3. Histórico e Estado-da-Arte dos Algoritmos Evolutivos. 2. 2.1. 2.2. 2.3. 2.4. Algoritmos Evolutivos. Representação do Problema; Função de Avaliação; População; Principais Mecanismos Evolutivos: Seleção, Recombinação e Mutação. 3. Algoritmos Genéticos. 3.1. Introdução; 3.2. Representação do Problema; 3.3. Mutação; 3.4. Recombinação; 3.5. Seleção. 4. 4.1. 4.2. 4.3. 4.4. 4.5. Estratégias de Evolução. Introdução; Representação do Problema; Mutação; Recombinação; Seleção. 5. 5.1. 5.2. 5.3. 5.4. 5.5. Programação Evolucionária. Introdução; Representação do Problema; Mutação; Recombinação; Seleção. 6. 6.1. 6.2. 6.3. 6.4. 6.5. Programação Genética. Introdução; Representação do Problema; Mutação; Recombinação; Seleção. 7. 7.1. 7.2. Inteligência Coletiva. Introdução; Principais Modelos. UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO Rua Dom Manoel de Medeiros, s/n, Dois Irmãos - Recife/PE CEP: 52171-900 | www.ufrpe.br 8. 8.1. 8.2. 8.3. 8.4. Otimização por Colônia de Formigas. Introdução; Representação do Problema; Mecanismos Evolutivos de Busca; O Algoritmo. 9. 9.1. 9.2. 9.3. 9.4. 9.5. Otimização por Enxame de Partículas. Introdução. Representação do Problema; Mecanismos Evolutivos de Busca; O Algoritmo; Abordagem LBest e GBest. 10. 10.1. 10.1.1. 10.1.2. 10.1.3. 10.2. 10.3. Tópicos Complementares. Abordagens Cooperativas; Introdução; Ilhas de Evolução; Modelos Cooperativos Coevolucionários; Paralelismo em Algoritmos Evolutivos; Modelos Evolutivos Híbridos. 11. Projeto de Desenvolvimento de Sistema de Otimização com Computação Evolutiva. PRÁTICA COMO COMPONENTE CURRICULAR (quando houver) BIBLIOGRAFIA BÁSICA: 1. 2. 3. 4. 5. EIBEN, A. E.; SMITH, J. E. Introduction to Evolutionary Computing. Berlin: Springer, 2003. KENNEDY, J.; EBERHART, R. C. Swarm Intelligence. San Francisco: Kaufmann, 2001. SIMON, D. Evolutionary Optimization Algorithms. New Jersey: Wiley, 2013. DORIGO, M. Ant Colony Optimization. Boston: MIT Press, 2004. 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. Emitido em: ____/____/____ Responsável: _____________________________________________________