Please use this identifier to cite or link to this item: https://repositorio.ufpb.br/jspui/handle/123456789/15545
metadata.dc.type: TCC
Title: Uma análise comparativa sobre as estratégias de inicialização da população em algoritmos genéticos para o problema de eficiência energética em trens urbanos
metadata.dc.creator: Guimarães, Augusto Cesar de Brito Pereira
metadata.dc.contributor.advisor1: Lino, Natasha Correia Queiroz
metadata.dc.description.resumo: Com o passar do tempo o homem vem ocasionando grandes impactos ao meio ambiente. Nos últimos anos houve um grande crescimento populacional mundial, o que vem agravando estes impactos. A partir disto gerou-se uma preocupação mundial com o meio ambiente e a necessidade de se prover um desenvolvimento sustentável. Com uma rápida urbanização prevista faz-se necessário tornar as cidades sustentáveis, e um fator importante para isto é a mobilidade urbana. A utilização de transportes públicos elétricos é uma alternativa para diminuir o uso de combustíveis fósseis e reduzir os gases poluentes. A energia elétrica também tem impactos negativos, partindo disto vários trabalhos foram realizados buscando formas de encontrar a eficiência energética de trens elétricos provendo melhores soluções para os perfi s de condução através do uso de Algoritmos Genéticos. Este trabalho tem como foco implementar e fazer uma análise comparativa de estratégias de inicialização da população para o problema em questão, e dessa forma foi integrado as implementações com a última versão do software GeneticBee a fi m de que seja apresentado o comportamento de cada inicialização e o impacto gerado no Algoritmo Genético. Com o presente trabalho foi possível identi ficar quais das inicializações da população obtiveram melhor desempenho, e ao serem integradas ao software existente é possível fazer alterações de con figuração e verifi car qual o impacto na solução fi nal.
Abstract: Over time mankind has been causing great impacts to the environment. In the last few years there has been a great world population growth, which has aggravated these impacts. From this situation, a worldwide concern about the environment was generated and the need to provide Sustainable Development arose. With rapid urbanization it is necessary to make cities sustainable, and an important factor for this demand is urban mobility. The use of electric public transport is an alternative to reduce the use of fossil fuels and reduce polluting gases. However, electrical energy also has negative impacts. In this context, several studies were carried out in order to nd ways to enable energy eficiency of electric trains, providing better solutions for the driving pro les through the use of Genetic Algorithms. This work aims to implement and make a comparative analysis of the population initiation strategies for the studied problem, and then was integrated with the implementations with the latest version of GeneticBee software in order to show the behavior of each type of initialization and the impact generated in the Genetic Algorithm. With the present work it was possible to identify which of the initializations of the population obtained better performance, and when being integrated to the existing software it is possible to make con guration changes and verify the impact in the fi nal solution.
Keywords: Desenvolvimento sustentável
Cidades inteligentes
Eficiência energética
Algoritmos genéticos
Mobilidade urbana
Meio Ambiente
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal da Paraíba
metadata.dc.publisher.initials: UFPB
metadata.dc.publisher.department: Informática
metadata.dc.rights: Acesso aberto
Attribution 3.0 Brazil
metadata.dc.rights.uri: http://creativecommons.org/licenses/by/3.0/br/
URI: https://repositorio.ufpb.br/jspui/handle/123456789/15545
Issue Date: 14-Jun-2017
Appears in Collections:TCC - Ciência da Computação - CI

Files in This Item:
File Description SizeFormat 
ACBPG03082018.pdf1,97 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons