trabalho de informatica 2

Prévia do material em texto

Universidade Federal Rural do Semiárido
 
Bacharelado em ciência e tecnologia
André Lopes de lima
Resumo da SEPEC
 
 
 
 Universidade Federal Rural do Semiárido
 
 Bacharelado em Ciência e Tecnologia
 André Lopes de Lima
Resumo da SEPEC
 Resumo da SEPEC apresentado ao curso de bacharelado em
Ciências e Tecnologia da UFERSA Universidade Rural
 Do semiárido requisito para presença na matéria 
 Informática aplicada da professora: Dr. NATHALEE CAVALCANTI DE ALMEIDA LIMA.
 Pau dos Ferros
 2015
Introdução
 Utilizando a teoria da evolução das espécies para resolução heurística de problemas de matemática combinatória do palestrante DR. Matheus da silva Menezes. Falou ao longo de sua palestra como a tecnologia da informação tem ajudado nas pesquisas cientificas. 
Charles Darwin
 O biologista e naturalista Charles Darwin nasceu na Inglaterra e viveu de 1809 a 1882. Durante um período de cinco anos, ele colaborou com pesquisas realizadas nas costas e em ilhas da América do Sul, Austrália e Nova Zelândia.
 
 Ficou surpreso com o grande número de espécies de plantas e de animais que, até então, eram desconhecidos. O que lhe chamou mais atenção foram as incontáveis diversidades de tentilhões, que só conheceu na ilha dos Galápagos, situada na costa ocidental da América do Sul.
 
 Durante os cinco anos que ele permaneceu nessa viagem científica, e também depois, o naturalista buscou descobrir a razão da grande diversidade de plantas e animais.
 No ano de1859, na certeza de ter a encontrado a resposta aos seus questionamentos, ele escreveu o livro: A Origem das Espécies. Posteriormente, Darwin escreveu outra obra: A Descendência do Homem, nesta ele manifestou suas ideias sobre o surgimento da raça humana no planeta Terra. Seus dois livros geraram debates e muitas controvérsias na época, contudo, hoje em dia, muitas de suas ideias são aceitas pela ciência. 
 Ele acreditou que a razão de existir pequenas diferenças na descendência, tanto das plantas como dos animais, fazem com que certas espécies vivam mais tempo do que outras. No caso das que possuem vida mais longa, estas gerarão mais descendentes, e este fato permitirá o aparecimento gradual de novos tipos de variações.
Computação natural 
 Computação natural é um ramo da ciência da computação destinado a estudar, compreender e aplicar, padrões complexos encontrados na natureza, utilizando-os como base para resolução de problemas, desenvolvimento de novas tecnologias e aperfeiçoamento de sistemas já existentes. Dentre as tecnologias criadas tendo como base conceitos encontrados na natureza, podemos citar o velcro (plantas), sonares (morcegos), submarinos (peixes), entre outros. Além de exemplos práticos, a observação da natureza permitiu também o desenvolvimento de teorias a respeito de como a natureza opera, como, por exemplo, as leis da termodinâmica. Computação natural nada mais é do que uma versão computacional do processo citado anteriormente, em que ideias são obtidas através da observação da natureza.
 Nesta área da computação natural, são utilizadas estruturas computacionais para sintetizar condutas naturais, padrões e processos similares àqueles vistos na 5natureza. Tem duas principais linhas de atuação: a vida artificial e a geometria fractal.
Vida artificial é o nome da ciência que estuda a vida natural, de maneira abrangente, bem como características específicas da mesma, na tentativa de recriá-la em meios “artificiais”, como computadores. Ao contrário da biologia tradicional, em que o enfoque do estudo é analítico, a vida artificial enfoca seu estudo sinteticamente, complementando a ciência anteriormente citada. A vida artificial traz benefícios não somente para a biologia, estudando seus fenômenos, mas também para a computação (tanto em hardware quanto em software), robótica, nanotecnologia, medicina e em algumas áreas da engenharia.
 Refere-se à criação de computadores ou sistemas computacionais, que se baseiam em princípios naturais e orgânicos, utilizando-se das qualidades dos preceitos naturais nas tecnologias computacionais. A exemplo, os computadores de DNA e quânticos. Computadores de DNA tem sua arquitetura baseada no processamento e armazenagem de informações em cadeias genéticas de um DNA, utilizando-se de seu ínfimo tamanho para gerar computadores de alta performance. Computadores Quânticos tem sua arquitetura baseada na mecânica quântica, e com isso podendo se utilizar não apenas o 0 e o 1, mas também a possibilidade de ser o 1 e o 0 ao mesmo tempo, se valendo da teoria do Gato de Schrödinger. A necessidade de desenvolver essa nova ideia de tecnologia surgiu a partir da observação de Gordon E. Moore, que constatou que o crescimento da quantidade de transistores irá um dia chegar a seu limite, a partir disso não havendo mais possibilidades de aumento no poder de processamento, surgindo ai a necessidade de criar novas tecnologias a respeito de transmissão de dados.
Algoritmos genéticos
 A função-objetivo é o objeto de nossa otimização. Pode ser um problema de otimização, um conjunto de teste para identificar os indivíduos mais aptos, ou mesmo uma "caixa preta" onde sabemos apenas o formato das entradas e nos retorna um valor que queremos otimizar. A grande vantagem dos algoritmos genéticos está no fato de não precisarmos saber como funciona esta função objetivo, apenas tê-la disponível para ser aplicada aos indivíduos e comparar os resultados. 
 O indivíduo é meramente um portador do seu código genético. O código genético é uma representação do espaço de busca do problema a ser resolvido, em geral na forma de sequências de bits. Por exemplo, para otimizações em problemas cujos valores de entrada são inteiros positivos de valor menor que 255 podemos usar 8 bits, com a representação binária normal, ou ainda uma forma de código Gray. Problemas com múltiplas entradas podem combinar as entradas em uma única sequência de bits, ou trabalhar com mais de um "cromossomo", cada um representando uma das entradas. O código genético deve ser uma representação capaz de representar todo o conjunto dos valores no espaço de busca, e precisa ter tamanho finito.
 A reprodução, tradicionalmente, é divididas em três etapas: acasalamento, recombinação e mutação. O acasalamento é a escolha de dois indivíduos para se reproduzirem (geralmente gerando dois descendentes para manter o tamanho populacional). A recombinação, ou crossing-over é um processo que imita o processo biológico homônimo na reprodução sexuada: os descendentes recebem em seu código genético parte do código genético do pai e parte do código da mãe. Esta recombinação garante que os melhores indivíduos sejam capazes de trocar entre si as informações que os levam a ser mais aptos a sobreviver, e assim gerar descendentes ainda mais aptos. Por último vem as mutações, que são feitas com probabilidade a mais baixa possível, e tem como objetivo permitir maior variabilidade genética na população, impedindo que a busca fique estagnada em um mínimo local.
Conclusão
 A tecnologia da informação está ajudado o desenvolvimento de pesquisas genéticas e ajudando a solucionar problemas matemáticos na combinação de genes referentes a teoria da evolução das espécies, ela procura uma solução viável economicamente. Emboratodos os ramos da computação natural sejam jovens, sob um ponto de vista científico, muitos deles já estão sendo usados em nossas vidas diárias. Obviamente, ainda há muito a ser feito e certamente muitas novas propostas irão aparecer nesta área de pesquisa ampla e jovem. Entretanto, existem evidências de que a computação natural não é apenas uma área promissora; seus vários produtos e aplicações já afetam nossa vida, mesmo que muitos de nós não saibamos disso. É uma era que estar apenas começando.
Referencias
Sua pesquisa Darwin disponível em <http://www.suapesquisa.com/biografias/darwin.htm> 
Acessado em 22 de novembro 2015.
Wikipédia computação natural disponível em <https://pt.wikipedia.org/wiki/Computa%C3%A7%C3%A3o_natural> 
Acessado em 23 de novembro 2015.
Wikipédia algoritmo genético disponível em <https://pt.wikipedia.org/wiki/Algoritmo_gen%C3%A9tico>
Acessado em 24 de novembro 2015.