Diagnóstico em Nível de Sistema Baseado em Computação Evolucionária
Resumo
O aumento no tamanho e complexidade dos sistemas compostos por múltiplas unidades de processamento torna necessário o uso de técnicas para o diagnóstico automático destas unidades. O diagnóstico em nível de sistema consiste em determinar quais unidades do sistema estão falhas e quais não estão. Este trabalho descreve algoritmos evolutivos que podem ser usados para realizar o diagnóstico. Foram implementados um algoritmo genético simples e um especializado, além de variantes dos algoritmos PBIL e AG compacto. Resultados experimentais mostram uma comparação entre o desempenho destes algoritmos.Referências
Baluja, S. (1994) “Population-Based Incremental Learning: A Method for Integrating Genetic Search Based Function Optimization and Competitive Learning”, Tech. Rep. No. CMU-CS-94-163, Pittsburgh, PA, Carnegie Mellon University.
Baluja, S. & Caruana, R. (1995), “Removing the Genetics from the Standard Genetic Algorithm”, Proceedings of ML-95, Twelfth International Conference on Machine Learning, A. Prieditis and S. Russel (Eds.), 1995, Morgan Kaufmann, pp. 38-46.
De Jong, K. (1975), “An Analysis of the Behavior of a Class of Genetic Adaptive Systems”, University of Michigan, Tese de Ph.D.
Elhadef, M. & Ayeb, B. (2000), “Efficient Fault Identification in Diagnosable Systems: An Evolutionary Approach”. University of Sherbrooke, Quebec, 2000.
Harik, G. (1999), “Linkage Learning via Probabilistic Modeling in the ECGA”, IlliGAL Technical Report 99010, Urbana, IL: University off Illinois at Urbana-Champaign, Illinois Genetic Algorithms Laboratory.
Harik, G.R.; Lobo, F.G. & Goldberg, D.E. (1998), “The Compact Genetic Algorithm”, In of Electrical, I., & Engineers, E. (Eds.), Proceedings of 1998 IEEE International Conference on Evolutionary Computation (pp. 523-528).
Peikan, M.; Goldberg, D.E. & Cantú-Paz, E. (1999), “BOA: The Bayesian Optimization Algorithm”, Preceedings Genetic and Evolutionary Computation Conference 1999.
Preparata, F.P.; Metze, G. & Chien, R.T (1967), “On the Connection Assignment Problem of Diagnosable Systems”, IEEE Trans. on Eletron. Comput., 16.
Masson, G.; Blough, D. & Sullivan, G (1996), “System Diagnosis”, in Fault-Tolerant Computer System Design, ed. D. K. Pradhan, Prentice-Hall.
Baluja, S. & Caruana, R. (1995), “Removing the Genetics from the Standard Genetic Algorithm”, Proceedings of ML-95, Twelfth International Conference on Machine Learning, A. Prieditis and S. Russel (Eds.), 1995, Morgan Kaufmann, pp. 38-46.
De Jong, K. (1975), “An Analysis of the Behavior of a Class of Genetic Adaptive Systems”, University of Michigan, Tese de Ph.D.
Elhadef, M. & Ayeb, B. (2000), “Efficient Fault Identification in Diagnosable Systems: An Evolutionary Approach”. University of Sherbrooke, Quebec, 2000.
Harik, G. (1999), “Linkage Learning via Probabilistic Modeling in the ECGA”, IlliGAL Technical Report 99010, Urbana, IL: University off Illinois at Urbana-Champaign, Illinois Genetic Algorithms Laboratory.
Harik, G.R.; Lobo, F.G. & Goldberg, D.E. (1998), “The Compact Genetic Algorithm”, In of Electrical, I., & Engineers, E. (Eds.), Proceedings of 1998 IEEE International Conference on Evolutionary Computation (pp. 523-528).
Peikan, M.; Goldberg, D.E. & Cantú-Paz, E. (1999), “BOA: The Bayesian Optimization Algorithm”, Preceedings Genetic and Evolutionary Computation Conference 1999.
Preparata, F.P.; Metze, G. & Chien, R.T (1967), “On the Connection Assignment Problem of Diagnosable Systems”, IEEE Trans. on Eletron. Comput., 16.
Masson, G.; Blough, D. & Sullivan, G (1996), “System Diagnosis”, in Fault-Tolerant Computer System Design, ed. D. K. Pradhan, Prentice-Hall.
Publicado
10/05/2004
Como Citar
NASSU, Bogdan Tomoyuki; POZO, Aurora T. Ramirez; DUARTE JR., Elias Procópio.
Diagnóstico em Nível de Sistema Baseado em Computação Evolucionária. In: WORKSHOP DE TESTES E TOLERÂNCIA A FALHAS (WTF), 5. , 2004, Gramado/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2004
.
p. 97-108.
ISSN 2595-2684.
DOI: https://doi.org/10.5753/wtf.2004.23383.
