1. Pantheon
  2. Trabalhos Acadêmicos e Técnicos
  3. Trabalhos de Conclusão de Curso de Graduação
  4. Ciência da Computação
Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11422/25387
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorMarcelino, Carolina Gil-
dc.contributor.authorSilva, Arthur Valls da Costa-
dc.date.accessioned2025-03-20T14:21:09Z-
dc.date.available2025-03-22T03:00:12Z-
dc.date.issued2025-02-06-
dc.identifier.urihttp://hdl.handle.net/11422/25387-
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectMeta-heurísticaspt_BR
dc.subjectTelecomunicaçõespt_BR
dc.subjectAlgoritmos híbridospt_BR
dc.subjectMetaheuristicspt_BR
dc.subjectTelecommunicationspt_BR
dc.subjectHybrid algorithmspt_BR
dc.titleAcoplamento de algoritmos genéticos e de inteligência de enxame para a solução de problemas contínuos e combinatóriospt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.contributor.referee1Rossetto, Silvana-
dc.contributor.referee2Souza, Alan Costa de-
dc.description.resumoMeta-heurísticas são ferramentas essenciais para a resolução de problemas de otimização complexos, especialmente quando métodos exatos se tornam inviáveis devido ao alto custo computacional. Entre essas técnicas, os Algoritmos Genéticos (GA) e a Otimização por Enxame de Partículas (PSO) destacam-se por sua capacidade de explorar o espaço de busca e evitar a convergência prematura em mínimos locais. Neste trabalho, é proposto o GA-BBPSO, uma abordagem acoplada que integra operadores genéticos ao PSO Simplificado (BBPSO). Essa combinação tem como objetivo aprimorar a diversidade da população e acelerar a convergência, permitindo uma exploração mais eficaz das possíveis soluções. A metodologia desenvolvida foi avaliada por meio de um conjunto abrangente de funções de benchmark, evidenciando a robustez do GA-BBPSO em relação aos métodos tradicionais, tanto na qualidade das soluções quanto na redução do esforço computacional. Além disso, sua aplicação ao problema do posicionamento de torres de sinal, um desafio clássico de otimização combinatória, reforçou sua eficácia em cenários reais. Os resultados demonstram que o GA-BBPSO apresenta um potencial promissor para a resolução de problemas complexos.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Computaçãopt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.embargo.termsabertopt_BR
Aparece en las colecciones: Ciência da Computação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
AVCSilva.pdf622.37 kBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem Recomiende este ítem View Statistics


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.