Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/14557
Document type: Dissertação
Access type: Acesso Aberto
Title: Programação genética paralela com Pareto: uma ferramenta para modelagem via regressão simbólica
Alternate title (s): Parallel Pareto Genetic Programming: a tool to modeling via symbolic regression
Author: Marques, Leonardo Garcia
First Advisor: Yamanaka, Keiji
First member of the Committee: Soares, Alexsandro Santos
Second member of the Committee: Calixto, Wesley Pacheco
Third member of the Committee: Freitas, Sergio Antonio Andrade de
Summary: Indução de programas envolve a descoberta de programas de computador que produzem alguma saída desejada quando estes são submetidos a alguma entrada em particular. Um exemplo é a regressão simbólica, ferramenta de modelagem que busca expressões de funções matemáticas para ajustar determinado conjunto de dados multivariados, mapeando variáveis de entrada para variáveis de saída de controle. A programação genética, uma sub-área da computação evolutiva que usa analogia da teoria da evolução de Darwin e algumas ideias de genética, é uma técnica automática para produzir programas de computador amplamente usada para resolver problemas. No entanto, a implementação da programação genética não é trivial para a maioria dos profissionais, além de demandar alto poder computacional. Este trabalho apresenta uma implementação paralela de programação genética simples de se manusear, otimizada para computadores de arquitetura com múltiplos núcleos e que satisfaz o critério competitivo de simplicidade estrutural e exatidão na predição, através de variação especial multiobjetiva de programação genética, chamada programação genética com Pareto. A implementação proposta tem ganhos de desempenho proporcionais à quantidade de núcleos disponíveis em uso, além de ter sido aplicada com sucesso em diversos tipos de problemas de regressão.
Abstract: Program induction involves the inductive discovery of a computer program that produces some desired output when presented with some particular input. An example is the symbolic regression, a modeling tool that seeks mathematical expressions of functions to fit a given multivariate data set, mapping input variables to output variables of control. The genetic programming, a subarea of evolutive computing that uses an analogy of Darwin s evolutionary theory and some ideas from the genetics field, is an automatic technique for producing a computer program widely used to solve such problems. However, implementing genetic programming is not trivial for most professionals, besides demanding high computational power. This work presents a parallel implementation of genetic programming simple to handle, optimized for computers with multicore architecture, and satisfying competitive criteria of structural simplicity model and prediction accurate model, through a special multi-objective flavor of a genetic programming, called Pareto Genetic Programing. The proposed implementation has performance gains proportional to the amount of available cores in use, and has been successfully applied to several types of regression problems.
Keywords: Programação genética
Processadores multicore
Dominância de Pareto
Genetic Programming
Multicore processors
Pareto dominance
Informática
Programação paralela (Computação)
Inteligência artificial
Programação genética (Computação)
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Language: por
Country: BR
Publisher: Universidade Federal de Uberlândia
Institution Acronym: UFU
Department: Engenharias
Program: Programa de Pós-graduação em Engenharia Elétrica
Quote: MARQUES, Leonardo Garcia. Parallel Pareto Genetic Programming: a tool to modeling via symbolic regression. 2013. 113 f. Dissertação (Mestrado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 2013.
URI: https://repositorio.ufu.br/handle/123456789/14557
Date of defense: 26-Nov-2013
Appears in Collections:DISSERTAÇÃO - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
ProgramacaoGeneticaParalela.pdf3.25 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.