Mostrar el registro sencillo del ítem
Aprendizagem incremental baseada em populações aplicada ao problema do caixeiro viajante com vistas à recarga de combustíveis em reatores nucleares
dc.contributor.advisor1 | MENESES, Anderson Alvarenga de Moura | |
dc.date.accessioned | 2024-03-19T19:56:56Z | |
dc.date.available | 2024-03-19T19:56:56Z | |
dc.date.issued | 2016 | |
dc.identifier.citation | 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 | pt_BR |
dc.identifier.uri | https://repositorio.ufopa.edu.br/jspui/handle/123456789/1552 | |
dc.language | pt_BR | pt_BR |
dc.publisher | Universidade Federal do Oeste do Pará | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.source | 1 PDF | pt_BR |
dc.subject | Otimização | pt_BR |
dc.subject | Recarga de Combustível Nuclear | pt_BR |
dc.subject | Aprendizado Incremental Baseada em Populações | pt_BR |
dc.subject | Problema do Caixeiro Viajante | pt_BR |
dc.title | Aprendizagem incremental baseada em populações aplicada ao problema do caixeiro viajante com vistas à recarga de combustíveis em reatores nucleares | pt_BR |
dc.type | Article | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/8345663281241294 | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6272872215125680 | pt_BR |
dc.contributor.advisor1ORCID | https://orcid.org/0000-0003-1461-2772 | pt_BR |
dc.description.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. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Others | pt_BR |
dc.publisher.initials | UFOPA | pt_BR |
dc.subject.cnpq | CNPQ:: ENGENHARIAS | pt_BR |
dc.creator | NAST, Fernando Nogueira | |
dc.publisher.department | Instituto de Engenharia e Geociências | pt_BR |