Abstract:
O presente trabalho tem como objetivo apresentar uma proposta capaz de melhorar o desempenho do processo de obtenção de modelos fuzzy por metodologia evolutiva hierárquica conhecida como CoevolGFS. O CoevolGFS é utilizado na obtenção de modelos lineares e não-lineares fuzzy a partir de dados de entrada e saída do sistema ou função sob análise. A determinação dos parâmetros dos modelos ocorre por meio da utilização de algoritmos genéticos (AG) aplicados em uma representação hierárquica. Esta representação facilita a modelagem e identificação uma vez que simplifica o mapeamento dos parâmetros em cromossomos para a utilização de AG. No entanto, processos com um grande número de parâmetros e/ou variáveis demandam um alto custo computacional para a determinação de seu modelo. Este elevado custo computacional pode impedir a utilização da abordagem original. A metodologia proposta neste trabalho consiste em aplicar técnicas de processamento paralelo em conjunto com o CoevolGFS visando melhorar a eficiência do método. Desta forma, pretende-se realizar execuções e a obtenção de modelos complexos em um menor tempo de processamento frente a metodologia original. Para ilustrar a eficiência do método, apresenta-se a aplicação deste na obtenção de modelos fuzzy para funções não-lineares com diferentes números de variáveis.
