Algoritmos genéticos para planejamento em inteligência artificial

Detalhes bibliográficos
Ano de defesa: 2004
Autor(a) principal: Lecheta, Edson Martins
Orientador(a): Castilho, Marcos Alexandre, 1965-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Inteligência artificial
Algorítmos genéticos
Ciência da Computação
Link de acesso: https://hdl.handle.net/1884/25440
Resumo: Orientador: Marcos Alexandre Castilho
id UFPR_3353f9f9237715050daee3e4fa164a88
oai_identifier_str oai:acervodigital.ufpr.br:1884/25440
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaCastilho, Marcos Alexandre, 1965-Lecheta, Edson Martins2024-10-22T19:00:58Z2024-10-22T19:00:58Z2004https://hdl.handle.net/1884/25440Orientador: Marcos Alexandre CastilhoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em InformáticaResumo: Este trabalho apresenta uma revisão bibliográfica atualizada sobre duas grandes áreas da Inteligência Artificial: Planejamento e Algoritmos Genéticos. A pesquisa se estende pela criação de modelos genéticos implementados em um sistema planejador dedicado à resolução de uma conhecida classe de problemas de planejamento, usando bibliotecas de código de domínio público em ambas as áreas. Uma análise dos resultados motivou a remodelagem e nova implementação, alterando a plataforma e o sistema operacional e reescrevendo o código sem o uso das bibliotecas de domínio público. O modelo foi readaptado e ajustado conforme os resultados dos novos testes, para o uso de novos operadores genéticos não-convencionais, permitindo alcançar novas conclusões sobre a abordagem original proposta. Outra importante contribuição apresenta uma forma alternativa e simples de inferir tipos de objetos e parâmetros na linguagem PDDL para instancíar corretamente as ações e reduzir drasticamente o espaço de busca.Abstract: This work presents an up-to-dated literature review about two Artificial Intelligence areas: Planning and Genetic Algorithms. The investigation evolved to create genetic models implemented into a planning system applied to solve a known class of planning problems that uses public-domain code librarians for both areas. One of the resulting analysis has motivated the remodeling and a new implementation, which was accomplished in this work through changing the platform and the operating system by rewriting the code without the use of the public domain librarians. The model was readapted and adjusted in accordance with new test results, for to be used with nonconventional new genetic operators, allowing new conclusions about the proposed approach. Another important contribution presents an alternative and simple way to infer kinds of objects and parameters in the PDDL language to correctly instantiate the actions and to reduce drastically the search space.X, 114p. : il., tabs., grafs.application/pdfDisponível em formato digitalInteligência artificialAlgorítmos genéticosCiência da ComputaçãoAlgoritmos genéticos para planejamento em inteligência artificialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALD - LECHETA, EDSON MARTINS.pdfapplication/pdf12224618https://acervodigital.ufpr.br/bitstream/1884/25440/1/D%20-%20LECHETA%2c%20EDSON%20MARTINS.pdf5bf4136312c8472a470da382f317ea5eMD51open accessTEXTD - LECHETA, EDSON MARTINS.pdf.txtExtracted Texttext/plain234013https://acervodigital.ufpr.br/bitstream/1884/25440/2/D%20-%20LECHETA%2c%20EDSON%20MARTINS.pdf.txt8e82ee83b38a6ba496e8502bcb3ad156MD52open accessTHUMBNAILD - LECHETA, EDSON MARTINS.pdf.jpgGenerated Thumbnailimage/jpeg1197https://acervodigital.ufpr.br/bitstream/1884/25440/3/D%20-%20LECHETA%2c%20EDSON%20MARTINS.pdf.jpg156ffb7a620a3dc940b638a37ed98273MD53open access1884/254402024-10-22 16:00:58.142open accessoai:acervodigital.ufpr.br:1884/25440Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082024-10-22T19:00:58Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Algoritmos genéticos para planejamento em inteligência artificial
title Algoritmos genéticos para planejamento em inteligência artificial
spellingShingle Algoritmos genéticos para planejamento em inteligência artificial
Lecheta, Edson Martins
Inteligência artificial
Algorítmos genéticos
Ciência da Computação
title_short Algoritmos genéticos para planejamento em inteligência artificial
title_full Algoritmos genéticos para planejamento em inteligência artificial
title_fullStr Algoritmos genéticos para planejamento em inteligência artificial
title_full_unstemmed Algoritmos genéticos para planejamento em inteligência artificial
title_sort Algoritmos genéticos para planejamento em inteligência artificial
author Lecheta, Edson Martins
author_facet Lecheta, Edson Martins
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.advisor1.fl_str_mv Castilho, Marcos Alexandre, 1965-
dc.contributor.author.fl_str_mv Lecheta, Edson Martins
contributor_str_mv Castilho, Marcos Alexandre, 1965-
dc.subject.por.fl_str_mv Inteligência artificial
Algorítmos genéticos
Ciência da Computação
topic Inteligência artificial
Algorítmos genéticos
Ciência da Computação
description Orientador: Marcos Alexandre Castilho
publishDate 2004
dc.date.issued.fl_str_mv 2004
dc.date.accessioned.fl_str_mv 2024-10-22T19:00:58Z
dc.date.available.fl_str_mv 2024-10-22T19:00:58Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/25440
url https://hdl.handle.net/1884/25440
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv X, 114p. : il., tabs., grafs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/25440/1/D%20-%20LECHETA%2c%20EDSON%20MARTINS.pdf
https://acervodigital.ufpr.br/bitstream/1884/25440/2/D%20-%20LECHETA%2c%20EDSON%20MARTINS.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/25440/3/D%20-%20LECHETA%2c%20EDSON%20MARTINS.pdf.jpg
bitstream.checksum.fl_str_mv 5bf4136312c8472a470da382f317ea5e
8e82ee83b38a6ba496e8502bcb3ad156
156ffb7a620a3dc940b638a37ed98273
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526121273294848

Registros relacionados