Navegando por Autor "Passos, Gustavo de Castro Silva Versiani"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Item Algoritmos genéticos aplicados a um modelo evolucionário de dinâmica industrial.(2018) Passos, Gustavo de Castro Silva Versiani; Barrenechea, Martin Harry Vargas; Oliveira, Adélcio Carlos de; Francisco Neto, Antônio; Barrenechea, Martin Harry VargasEssa dissertação consiste na aplicação de um algoritmo genético ao modelo evolucionário de dinâmica industrial de Nelson e Winter. Adapta-se o método de um trabalho anterior, Yildizoglu (2002), buscando verificar os efeitos da adição de firmas que utilizam o algoritmo na decisão de investimento em P&D inovativo, quando estas dividem o mercado com outros dois tipos de firmas, aquelas com estratégias fixas e as de estratégias aleatórias. A partir da descrição do modelo, utilizando de modelagem baseada em agentes, implementase os mercados, cuja simulação é realizada em NetLogo. Foram comparadas situações diferentes de investimento externo e diversas durações dos períodos de aprendizagem para os algoritmos genéticos. Os resultados obtidos foram contrastantes com trabalhos anteriores, pois, apesar de se confirmar que a presença de firmas, que fazem uso da aprendizagem, leva à dominância do mercado, o mesmo não acontece em relação à melhora da eficiência tecnológica e do bem-estar social.Item Genetic algorithms applied to an evolutionary model of industrial dynamics.(2020) Passos, Gustavo de Castro Silva Versiani; Barrenechea, Martin Harry VargasIn order to verify the effects of machine learning in a market structure, an evolutionary model containing firms that use a genetic algorithm to decide their investment in innovative R&D was developed. These firms share the market, with two other types of firms, those with a fixed rate of investment and those with random strategies. A model of industrial dynamics was implemented and simulated using several population distributions of the three types of firms. The availability of external credit and the length of learning periods were evaluated and their effects, in the market structure, analysed. The simulations results brought contrasting findings when compared to previous works, as it confirmed that machine learning led to market dominance, but the same did not occur when considering the improvement of technological efficiency and social welfare.