Use este identificador para citar ou linkar para este item: https://repositorio.ufopa.edu.br/jspui/handle/123456789/1552
Título: Aprendizagem incremental baseada em populações aplicada ao problema do caixeiro viajante com vistas à recarga de combustíveis em reatores nucleares
metadata.dc.creator: NAST, Fernando Nogueira
Palavras-chave: Otimização;Recarga de Combustível Nuclear;Aprendizado Incremental Baseada em Populações;Problema do Caixeiro Viajante
Data do documento: 2016
Editor: Universidade Federal do Oeste do Pará
Citação: NAST, Fernando Nogueira. Aprendizagem incremental baseada em populações aplicada ao problema do caixeiro viajante com vistas à recarga de combustíveis em reatores nucleares. Orientador: Anderson Alvarenga de Moura Meneses. 2016. 12 f. Artigo (Bacharelado Interdisciplinar em Ciência e Tecnologia) - Universidade Federal do Oeste do Pará, Santarém, 2016. Disponível em: https://repositorio.ufopa.edu.br/jspui/handle/123456789/1552
Resumo: O problema de Otimização do Gerenciamento de Combustível Intra-Núcleo (In-Core Fuel Management Optimization; OGCIN), ou otimização do projeto de Padrões de Carregamento (PCs) são denominações para o problema de otimização associado à operação de recarga de combustível em um reator nuclear. A OCGIN é considerada um problema de difícil resolução, pois considera aspectos da otimização combinatória e cálculos de análise e física de reatores. A fim de validarmos algoritmos para a solução da OGCIN, são utilizados problemas benchmark tais como o Problema do Caixeiro Viajante (PCV). No presente trabalho, com o intuito de fazer uma iniciação às técnicas de Inteligência Artificial na Engenharia Nuclear, implementamos o algoritmo Aprendizagem Incremental Baseada em População (Population-Based Incremental Learning - PBIL) e o aplicamos à solução do PCV Oliver30. O PBIL foi apresentado inicialmente por Baluja (1994) e aplicado à OGCIN por Machado (1999, 2005) Schirru et. al. (2006), Caldas e Schirru, (2008). O PBIL baseia-se no algoritmo genético e aprendizado competitivo, utilizando um vetor probabilidade que sofre alteração através de um operador evolucionário. Apresentamos os resultados preliminares do algoritmo PBIL na resolução do PCV Oliver30, para posterior aplicação a outros PCVs e em seguida à OGCIN.
URI: https://repositorio.ufopa.edu.br/jspui/handle/123456789/1552
Aparece nas coleções:IEG - TCC - Bacharelado Interdisciplinar em Ciência e Tecnologia

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_AprendizagemIncrementalBaseada.pdf864,38 kBAdobe PDFVisualizar/Abrir


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