Use este identificador para citar ou linkar para este item: https://repositorio.ufu.br/handle/123456789/36370
ORCID:  http://orcid.org/0000-0003-3071-7910
Tipo do documento: Dissertação
Tipo de acesso: Acesso Aberto
Título: Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos
Título(s) alternativo(s): Evolutionary strategies for the adjustment of parameters of an epidemiological model based on probabilistic cellular automata
Autor(es): Fraga, Larissa Maiara
Primeiro orientador: Martins, Luiz Gustavo Almeida
Primeiro coorientador: Oliveira, Gina Maira Barbosa de
Primeiro membro da banca: Carneiro, Murillo Guimarães
Segundo membro da banca: Monteiro, Luiz Henrique Alves
Resumo: Modelos confiáveis permitem a simulação de processos críticos que podem servir de base para o planejamento e definição de políticas públicas. A modelagem de sistemas dinâmicos é um importante instrumento de pesquisa que pode prever e avaliar o impacto de decisões tomadas por organizações e governos. Autômatos celulares têm sido usados como alternativa para esses tipos de modelagem, pois são sistemas dinâmicos, discretos e capazes de descrever fenômenos complexos a partir de um conjunto de regras simples e iterações locais. Uma vez definida a representação básica do sistema, uma das principais dificuldades na modelagem é o ajuste dos diversos parâmetros que o compõem. Considerando que os algoritmos evolutivos têm se mostrado uma poderosa técnica de busca adaptativa, neste trabalho investigamos duas estratégias baseadas em algoritmos genéticos (AGs) para ajustar parâmetros de um modelo, visando aproximar o resultado das simulações ao comportamento dos dados a serem modelados. A primeira estratégia consiste na aplicação de um algoritmo genético típico para resolver o problema, enquanto a segunda adota múltiplos estágios de evolução, no qual cada estágio é responsável por ajustar um subconjunto dos parâmetros. Ambas as estratégias adotam como estudo de caso um modelo que descreve a evolução de uma população de insetos vetores responsáveis pela doença de Chagas (SLIMI et al., 2009). Esse modelo é baseado em autômatos celulares probabilísticos e foi originalmente proposto para reproduzir dados reais coletados em uma aldeia no México. Aqui, ele é usado para gerar o conjunto de dados usada como referência pelo algoritmo genético. Resultados experimentais mostram que os parâmetros definidos em ambas as estratégias evolutivas reproduzem um comportamento semelhante ao modelo de referência tanto na quantidade de insetos quanto na sua distribuição espacial.
Abstract: Reliable models allow the simulation of critical processes that can serve as a basis for planning and defining public policies. Dynamic systems modeling is an important research tool that can predict and assess the impact of decisions taken by organizations and governments. Cellular automata have been used as an alternative for these types of modeling, as they are dynamic, discrete systems capable of describing complex phenomena from a set of simple rules and local iterations. Once the basic representation of the system is defined, one of the main difficulties in modeling is the adjustment of the various parameters that compose it. Since the evolutionary algorithms have been shown to be a powerful adaptive search technique, in this work we investigate two strategies based on genetic algorithms (GAs) to adjust parameters of a model, aiming to approximate the simulations results to the behavior found in the data to be modeled. The first strategy consists of applying a typical genetic algorithm to solve the problem, while the second adopts multiple stages of evolution, where each stage is responsible for adjusting a subset of the parameters. Both strategies adopt as a case study a model that describes the evolution of a population of insect vectors responsible for Chagas disease (SLIMI et al., 2009). This model is based on probabilistic cellular automata and was originally proposed to reproduce real data collected in a village in Mexico. Here, it is used to generate the dataset used as reference by the genetic algorithm. Experimental results show that the parameters defined in both evolutionary strategies reproduce a behavior similar to the reference model with respect of the number of insects and their spatial distribution.
Palavras-chave: Algoritmos Genéticos
Autômatos Celulares
Evolução Multi-estágio
Computação Evolutiva
Modelagem de sistemas dinâmicos
Ajuste de Parâmetros
Doença de Chagas
Genetic Algorithms
Cellular Automata
Multi-stage evaluation
Evolutionary Computing
Dynamic systems modeling
Parameter adjustment
Chagas Disease
Computação
Área(s) do CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAO
Assunto: Computação
Algorítmos genéticos
Automato celular
Computação evolutiva
Chagas, Doença de
Idioma: por
País: Brasil
Editora: Universidade Federal de Uberlândia
Programa: Programa de Pós-graduação em Ciência da Computação
Referência: FRAGA, Larissa Maiara. Estratégias evolutivas para o ajuste de parâmetros de um modelo epidemiológico baseado em autômatos celulares probabilísticos. 2021. 129 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.di.2022.5042.
Identificador do documento: http://doi.org/10.14393/ufu.di.2022.5042
URI: https://repositorio.ufu.br/handle/123456789/36370
Data de defesa: 5-Jul-2021
Aparece nas coleções:DISSERTAÇÃO - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
EstratégiasEvolutivasAjuste.pdfDissertação38.58 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.