Dedico este trabalho a minha família. Agradecimentos A toda a minha família pelo carinho e apoio recebidos, em especial a minha mãe, meu pai, meu irmão e minha tia Nilce pelo apoio nanceiro e emocional sem o qual o desenvolvimento deste trabalho não teria sido possível. Ao meu orientador Prof. Dr. Alexandre Cláudio Botazzo Delbem, pelo apoio e orientação neste projeto e por tudo que aprendi com ele para desenvolver uma boa pesquisa. Ao Prof. Dr. Fernando Federson pela amizade, apoio, conselhos e seu tempo depreendido em me auxiliar em algumas diculdades encontradas durante o desenvolvimento deste trabalho. Aos amigos, pela amizade oferecida, em especial as minhas amigas de república, durante dois anos e meio, Andréa, Carol e Carla pelos momentos compartilhados juntas e por terem me auxiliado sempre no que podiam. Ao amigo do mestrado em Engenharia Elétrica-USP, Rodrigo, pelo auxílio no desenvolvimento deste trabalho e pela sua amizade. Ao amigo Paulo pela amizade e pelo auxílio no desenvolvimento de algumas etapas deste trabalho. Ao Anderson pelo apoio emocial, pela paciência comigo nos momentos tensos de término deste trabalho e pelo auxílio na escrita e desenvolvimento de algumas imagens utilizadas neste trabalho. Aos Profs. Dr. Carlos Fischer e Ivan Rizzo pela sua orientação e sugestões durante meus projetos de iniciação cientíca e de conclusão de curso que deram origem ao desenvolvimento deste trabalho. Ao CNPQ, pelo fundamental suporte nanceiro dispensado à execução desta pesquisa. Resumo A Determinação da Estrutura tridimensional de Proteínas (DEP) a partir da sua seqüência de aminoácidos é importante para a engenharia de proteínas e o desenvolvimento de novos fármacos. Uma alternativa para este problema tem sido a aplicação de técnicas de computação evolutiva. As abordagens utilizando Algoritmos Evolutivos (AEs) tem obtido resultados relevantes, porém estão restritas a pequenas proteínas, com dezenas de aminoácidos e a algumas classes de proteínas. Este trabalho propõe a investigação de uma abordagem utilizando AEs para a predição da estrutura terciária de proteínas independentemente do seu tamanho e classe. Os resultados obtidos demonstram que apesar das diculdades encontradas a abordagem investigada constitue-se em uma alternativa em relação aos métodos clássicos de determinação da estrutura terciária das proteínas.

No abstract

No abstract

No abstract

Several variable selection algorithms in multivariate calibration can be accelerated using Graphics Processing Units (GPU). Among these algorithms, the Firefly Algorithm (FA) is a recent proposed metaheuristic that may be used for variable selection. This paper presents a GPU-based FA (FA-MLR) with multiobjective formulation for variable selection in multivariate calibration problems and compares it with some traditional sequential algorithms in the literature. The advantage of the proposed implementation is demonstrated in an example involving a relatively large number of variables. The results showed that the FA-MLR, in comparison with the traditional algorithms is a more suitable choice and a relevant contribution for the variable selection problem. Additionally, the results also demonstrated that the FA-MLR performed in a GPU can be five times faster than its sequential implementation.