Tese

Algoritmo de otimização bayesiano com detecção de comunidades (2012)

• Authors:
  • Crocomo, Márcio Kassouf
  • Delbem, Alexandre Cláudio Botazzo (Orientador)
• Autor USP: CROCOMO, MÁRCIO KASSOUF - ICMC
• Unidade: ICMC
• Sigla do Departamento: SSC
• Subjects: COMPUTAÇÃO EVOLUTIVA; COMPUTAÇÃO EVOLUTIVA; DESCOBERTA DE CONHECIMENTO; RECONHECIMENTO DE PADRÕES; OTIMIZAÇÃO MATEMÁTICA; SISTEMAS DISTRIBUÍDOS; ANÁLISE DE DESEMPENHO
• Keywords: Algoritmo de otimização bayesiano; Algoritmos de estimação e distribuição; Algoritmos evolutivos; Bayesian optimization algorithm; Estimation of distribution algorithms; Evolutionary algorithms
• Language: Português
• Abstract: ALGORITMOS de Estimação de Distribuição (EDAs) compõem uma frente de pesquisa em Computação Evolutiva que tem apresentado resultados promissores para lidar com problemas complexos de larga escala. Nesse contexto, destaca-se o Algoritmo de Otimização Bayesiano (BOA) que usa um modelo probabilístico multivariado (representado por uma rede Bayesiana) para gerar novas soluções a cada iteração. Baseado no BOA e na investigação de algoritmos de detecção de estrutura de comunidades (para melhorar os modelos multivariados construídos), propõe-se dois novos algoritmos denominados CD-BOA e StrOp. Mostra-se que ambos apresentam vantagens significativas em relação ao BOA. O CD-BOA mostra-se mais flexível que o BOA, ao apresentar uma maior robustez a variações dos valores de parâmetros de entrada, facilitando o tratamento de uma maior diversidade de problemas do mundo real. Diferentemente do CD-BOA e BOA, o StrOp mostra que a detecção de comunidades a partir de uma rede Bayesiana pode modelar mais adequadamente problemas decomponíveis, reestruturando-os em subproblemas mais simples, que podem ser resolvidos por uma busca gulosa, resultando em uma solução para o problema original que pode ser ótima no caso de problemas perfeitamente decomponíveis, ou uma aproximação, caso contrário. Também é proposta uma nova técnica de reamostragens para EDAs (denominada REDA). Essa técnica possibilita a obtenção de modelos probabilísticos mais representativos, aumentando significativamente o desempenhodo CD-BOA e StrOp. De uma forma geral, é demonstrado que, para os casos testados, CD-BOA e StrOp necessitam de um menor tempo de execução do que o BOA. Tal comprovação é feita tanto experimentalmente quanto por análise das complexidades dos algoritmos. As características principais desses algoritmos são avaliadas para a resolução de diferentes problemas, mapeando assim suas contribuições para a Área de Computação Evolutiva
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2012
• Data da defesa: 02.10.2012


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  CROCOMO, Márcio Kassouf. Algoritmo de otimização bayesiano com detecção de comunidades. 2012. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2012. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-23012013-160605/. Acesso em: 28 fev. 2026.

• APA

  Crocomo, M. K. (2012). Algoritmo de otimização bayesiano com detecção de comunidades (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-23012013-160605/

• NLM

  Crocomo MK. Algoritmo de otimização bayesiano com detecção de comunidades [Internet]. 2012 ;[citado 2026 fev. 28 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-23012013-160605/

• Vancouver

  Crocomo MK. Algoritmo de otimização bayesiano com detecção de comunidades [Internet]. 2012 ;[citado 2026 fev. 28 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-23012013-160605/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Um algoritmo evolutivo para aprendizado on-line em jogos eletrônicos