RESUMO:Este projeto propõe a utilização de abordagens evolucionárias para modelagem de SistemasNeuro-Fuzzy. Sistemas Neuro-Fuzzy são técnicas de Inteligência Artificial que combinamcaracterísticas dos Sistemas Fuzzy e Redes Neurais, permitindo a construção de umsistema baseado em conhecimento acoplado em uma estrutura conexionista de com capacidade de generalização. Métodos tradicionais de aprendizado podem apresentar algumasdesvantagens, como a dificuldade em fugir de ótimos locais. Desta forma, técnicas híbridase baseadas em busca global têm ganhado grande espaço nesta área. As técnicas evolucionárias destacam-se especialmente por serem técnicas populacionais baseadas embusca global, o que favorece a exploração do espaço da busca. Como primeira fase destapesquisa apresenta-se o modelo FALCON-GA (FuzzyAdaptiveLearningControl NetworkwithGeneticAlgorithm), baseada na rede FALCON tradicional, e resultados preliminares. OFALCON-GA combina múltiplas técnicas para estabelecer os relacionamentos e conexõesentre as regras fuzzy, incluindo o uso de um Algoritmo Genético (AG) para extração deregras e um método baseado em gradiente para ajuste dos parâmetros das funções de pertinência. Seu algoritmo de aprendizado incorpora três componentes principais: o algoritmo deagrupamento ART para identificação inicial da função de pertinência, o Algoritmo Genéticopara extração de regras e o método Gradiente para ajustar os parâmetros das funções depertinência. Além disso, o FALCON-GA oferece flexibilidade ao permitir a incorporação dediferentes tipos de regras dentro da arquitetura FALCON, tornando-a flexível e expansível.O modelo proposto foi avaliado a partir de problemas de previsão relatados na literatura ecomparado a modelos alternativos. Experimentos computacionais demonstram a eficáciado FALCON-GA para problemas de previsão e mostram melhorias significativas de desempenho em comparação com o FALCON original. Esses resultados indicam que AlgoritmosGenéticos extraem regras de forma eficiente para Redes de Controle de AprendizagemAdaptativa Fuzzy.