Centro Federal de Educação Tecnológica de Minas Gerais Belo Horizonte, 18 de Maio de 2024

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular: DISCIPLINA
Tipo de Disciplina:
Forma de Participação:
Unidade Responsável: COORDENAÇÃO DO PROGRAMA DE PÓS-GRADUAÇÃO EM MODELAGEM MATEMÁTICA E COMPUTACIONAL - NG (11.52.10)
Código: MMC.020
Nome: Computação Evolucionária
Carga Horária Teórica: 60 h.
Carga Horária Prática: 0 h.
Carga Horária Total: 60 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional: Não
Matriculável On-Line: Sim
Horário Flexível da Turma: Não
Horário Flexível do Docente: Sim
Obrigatoriedade de Nota Final: Sim
Pode Criar Turma Sem Solicitação: Não
Necessita de Orientador: Não
Exige Horário: Sim
Permite CH Compartilhada: Não
Quantidade de Avaliações:
Ementa/Descrição: Conceitos básicos, evolução e seleção natural. Algoritmos Genéticos: conceituação, fundamentos matemáticos, aspectos computacionais, ambientes e técnicas de programação, paralelização de AG, aplicações. Introdução à Programação Genética. Introdução à Programação Evolucionária. Introdução à Estratégia Evolutiva. Computação Imunológica: elementos básicos do sistema imunológico, sistemas imunológicos artificiais, representação de antígenos e anticorpos, algoritmos imunológicos. Sistemas híbridos. Aplicações.
Referências: 1. CHAMBERS, Lance D. (Ed.). The Practical Handbook of Genetic Algorithms, Applications. Boca Raton, FL: Chapman Hall/CRC Press, 2nd ed., 2001. 2. de CASTRO, Leandro N.. Fundamentals of Natural Computing: Basic Concepts, Algorithms, and Applications. Chapman Hall/CRC, 2007. 3. EIBEN, A. E.; SMITH, J. E.. Introduction to Evolutionary Computing. Berlin: Springer-Verlag, 2003. (Natural Computing). 4. FOGEL, David B.. Evolutionary Computation: Toward a New Philosophy of Machine Intelligence. New Jersey: John Wiley & Sons, 3rd ed., 2005. (IEEE Press Series on Computational Intelligence). 5. GOLDBERG, David E.. Genetic Algorithms in Search, Optimization and Machine Learning. Reading: Addison-Wesley Publishing Company, 1989. 6. GORZALCZANY, Marian B.. Computational intelligence systems and applications: neuro-fuzzy and fuzzy neural synergisms. Heidelberg: Physica-Verlag GmbH, 2002. 7. HOLLAND, John H.. Adaptation in Natural and Artificial Systems. Cambridge: The MIT Press, 2nd ed., 1992. 8. KALLEL, Leila; NAUDTS, Bart; ROGERS, Alex (Ed.). Theoretical Aspects of Evolutionary Computing. Berlin: Springer, 2001. 9. KOZA, J. R.. Genetic Programming. The MIT Press, 1992. 10. MICHALEWICZ, Zbigniew. Genetic Algorithms and Data Structures: Evolution Programs. Springer-Verlag, 1996. 11. MITCHELL, Melanie. An Introduction to Genetic Algorithms. Cambridge: The MIT Press, 1996. 12. SPEARS, William M.. Evolutionary Algorithms: the role of mutation and recombination. Berlin: Springer, 2000. A bibliografia indicada será complementada e mantida atualizada mediante a utilização de artigos científicos de periódicos e anais de congressos, bem como de web sites.

SIGAA | Diretoria de Tecnologia da Informação - DTI - (31) 3319-7000 | Copyright © 2006-2024 - UFRN - vm-sig-app-06.ditic.sgi.cefetmg.br.inst6 v4.8.22cefet143