Genetic algorithms (GAs) have recently been accepted as powerful approaches to solving optimization problems. It is also well-accepted that building block construction (schemata formation and conservation) has a positive influence on GA behavior. Schemata are usually indirectly evaluated through a derived structure. We introduce a new approach called the Constructive Genetic Algorithm (CGA), which allows for schemata evaluation and the provision of other new features to the GA. Problems are modeled as bi-objective optimization problems that consider the evaluation of two fitness functions. This double fitness process, called fg-fitness, evaluates schemata and structures in a common basis. Evolution is conducted considering an adaptive rejection threshold that contemplates both objectives and attributes a rank to each individual in population. The population is dynamic in size and composed of schemata and structures. Recombination preserves good schemata, and mutation is applied to structures to get population diversification. The CGA is applied to two clustering problems in graphs. Representation of schemata and structures use a binary digit alphabet and are based on assignment (greedy) heuristics that provide a clearly distinguished representation for the problems. The clustering problems studied are the classical p-median and the capacitated p-median. Good results are shown for problem instances taken from the literature.
Neste trabalho a identificação e a discriminação de dois diferentes fármacos utilizados como antidepressivos foi estudada, empregando os espectros de reflexão difusa no infravermelho médio com transformada de Fourier (DRIFTS), juntamente com a análise de componentes principais (PCA) e o método de classificação SIMCA. Os espectros no infravermelho de amostras contendo diferentes concentrações dos princípios ativos cloridrato de amitriptilina e cloridrato de imipramina, foram coletados em um espectrofotômetro NICOLET Magna 550, sendo realizadas 2 réplicas para cada amostra, com resolução de 4 cm -1 e 32 varreduras. A análise de componentes principais confirmou a existência de dois grupos distintos, correspondendo aos dois diferentes princípios ativos utilizados, além de evidenciar a presença de amostras anômalas no conjunto de dados que, possivelmente, iriam interferir na modelagem. Já o método de classificação SIMCA possibilitou o reconhecimento de amostras dos princípios ativos cloridrato de imipramina e cloridrato de amitriptilina com resultados indicando 100% de classificação correta das classes modeladas.
Unitermos:• Fármacos antidepressivos
INTRODUÇÃOO crescente consumo de fármacos antidepressivos faz com que o desenvolvimento de técnicas alternativas, mais eficazes e rápidas, sejam necessárias para o amplo controle de qualidade dos medicamentos industrializados. Em face disso, este trabalho propõe a implementação de um método de identificação de fármacos antidepressivos, a partir de dados do infravermelho, buscando discriminar as diferenças químicas entre as amostras estudadas.Como ferramentas para o desenvolvimento desta metodologia é empregada a técnica de reflexão difusa no infravermelho com transformada de Fourier (DRIFT) associada ao método de análise PCA (Principal Component Analysis) e ao método de classificação SIMCA (Soft Independent Modeling by Class Analogy). A escolha da metodologia levou em consideração a redução do tempo de análise, a não destruição da amostra e a conseqüente não agressão ao meio ambiente por não gerar resíduos, além do baixo custo visto a demanda diária de análises.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.