Busca evolutiva de um classificador de densidade binário em autômatos celulares quaternários
Carregando...
Tipo
TCC
Data de publicação
2019-11
Periódico
Citações (Scopus)
Autores
Oliveira, Guilherme Lopes de
Contrera, Leandro Cipolla
Contrera, Leandro Cipolla
Orientador
Oliveira, Pedro Paulo Balbi de
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Programa
Resumo
Este artigo apresenta uma forma de encontrar uma regra que resolva
satisfatoriamente o problema do classificador de densidade binário em um
autômato celular com quatro estados. Esse problema é considerado resolvido
quando for encontrada uma regra que convirja um autômato celular que
contenha todas as suas células no estado de maior quantidade em sua
configuração inicial. Os autômatos celulares têm como foco usar funções
locais para gerar mudanças globais. Para realizar essa busca de forma
otimizada, foram utilizadas técnicas de algoritmos genéticos, que são métodos
estocásticos de busca e de otimização, buscando duas soluções que possuem
uma taxa de acerto alta e mesclando-as, gerando assim uma nova solução na
esperança de ser ela melhor que as anteriores que, iterativamente, possa levar
a uma solução que satisfaça o problema por inteiro ou um resultado que
satisfaça o problema parcialmente.
This paper presents a way to find a rule that might satisfactorily solve the binary density classifier problem in a four-state cellular automaton. This issue is considered resolved when a rule that converts a cell automaton that contains all of its cells in the highest state in their initial configuration is found. Cellular automata are focused on using local functions to generate global changes. To perform this search optimally, genetic algorithm techniques were used, which are stochastic search and optimization methods. That seeks two solutions that have a high hit ratio and merging them, thus generating a new solution in the hope of it being better than the previous ones, and which, iteratively, can lead to a solution that satisfies the entire problem or a result that partially satisfies the problem.
This paper presents a way to find a rule that might satisfactorily solve the binary density classifier problem in a four-state cellular automaton. This issue is considered resolved when a rule that converts a cell automaton that contains all of its cells in the highest state in their initial configuration is found. Cellular automata are focused on using local functions to generate global changes. To perform this search optimally, genetic algorithm techniques were used, which are stochastic search and optimization methods. That seeks two solutions that have a high hit ratio and merging them, thus generating a new solution in the hope of it being better than the previous ones, and which, iteratively, can lead to a solution that satisfies the entire problem or a result that partially satisfies the problem.
Descrição
Palavras-chave
ciência da computação , computer science , algoritmos genéticos , genetic algorithm