• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
10.11606/D.43.2005.tde-17072009-111143
Documento
Autor
Nome completo
Fabiano Lemes Ribeiro
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2005
Orientador
Banca examinadora
Alfonso, Nestor Felipe Caticha (Presidente)
Baldo, Marcus Vinicius Chrysostomo
Moura, Alessandro Paulo Sérvio de
Título em português
Programação genética, redes neurais e o jogo da minoria
Palavras-chave em português
Algoritmos genéticos
jogo da minoria
mecânica estatística
redes neurais
Resumo em português
O objetivo desta dissertação foi a implementação de uma plataforma de otimização por Programação Genética (PG) com o intuito de estudar e caracterizar as propriedades estatísticas de uma grande classe de problemas. Esta implementação foi feita através de programas escritos em LISP, executados num {\it cluster} de computadores com o sistema operacional Linux. A plataforma foi usada para estudar uma versão do {\it Jogo da Minoria} (JM) onde seus jogadores utilizam redes neurais para a realização de suas escolhas. Os jogadores foram divididos em dois grupos distintos. O primeiro formado por jogadores que apresentam estratégias estáticas e portanto não adquirem aprendizado. O segundo grupo é formado por jogadores que utilizam um algoritmo de aprendizado para alterar suas estratégias de identificação da minoria. Mostramos que, em determinadas condições, estes jogadores adaptativos conseguem identificar padrões nas escolhas dos jogadores não-adaptativos e assim optam pela decisão da minoria. Porém a eficiência nesta identificação depende do algoritmo de aprendizado utilizado. O algoritmo de aprendizado gerado pela PG se apresentou mais eficiente que outros algoritmos analisados, como, por exemplo, o algoritmo hebbiano. Esta eficiência é caracterizada por uma emergência espontânea de coordenação entre estes jogadores e que lhes proporcionam um melhor desempenho médio por jogador.
Título em inglês
Genetic Programming, Neural Network and the Minority Game
Palavras-chave em inglês
Genetic algorithm
minority game
neural network
statistical mechanics
Resumo em inglês
The aim of this work is to describe an optimization platform through Genetic Programming in order to study and characterize the statistical property of a wide class of problems. This implementation was written in LISP and executed in a cluster of computers running the Linux operational system. The platform was used to study a version of the Minority Game where the players used neural networks to make their choices. The players were divided into two distinct groups. The first group was made up of players that had quenched strategies and therefore could not learn. The second group had players that used learning algorithms to change their strategies for minority identification. We showed that, under some conditions, the adaptatives players are able to identify patterns in the choices of the non-adaptatives players and can thus benefit by choosing the minority decision. The efficiency in this identification depends on the learning algorithm. The algorithm generated by Genetic Programming is more efficiency than the others algorithms analysed such as hebbian perceptron learning. This efficiency is characterized by a spontaneous emergence of coordination between this players, which permits earning higher scores than average.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
dissertacao.pdf (3.12 Mbytes)
Data de Publicação
2009-08-04
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2018. Todos os direitos reservados.