UNIVERSIDADE REGIONAL INTEGRADA DO ALTO URUGUAI E DAS MISSÕES

CAMPUS DE FREDERICO WESTPHALEN – RS

DEPARTAMENTO DE ENGENHARIA E CIÊNCIA DA COMPUTAÇÃO
CURSO DE INFORMÁTICA

Uma Metodologia para a Utilização de

Algoritmos Genéticos no Processamento
de Dados de Altimetria por Satélite

por

JANINE BORELLA CASTANHO

Trabalho de Conclusão de Curso submetido como requisito parcial

para a obtenção do título de Bacharel em Informática

Prof. Luiz Carlos Guerreiro Lopes

ORIENTADOR

Frederico Westphalen, agosto de 1998

Sumário

SUMÁRIO .......................................................................................................................2

LISTA DE FIGURAS .....................................................................................................4

LISTA DE TABELAS.....................................................................................................5

LISTA DE SÍMBOLOS E ABREVIATURAS .............................................................6

RESUMO .........................................................................................................................8

ABSTRACT .....................................................................................................................9

1 INTRODUÇÃO .........................................................................................................10

2 ALGORITMOS GENÉTICOS .................................................................................13

2.1 ALGORITMOS EVOLUCIONÁRIOS .............................................................................13

2.2 TIPOS DE ALGORITMOS GENÉTICOS ........................................................................20
2.2.1 Algoritmos Genéticos Binários ......................................................................20
2.2.2 Algoritmos Genéticos com Codificação Real ................................................22
2.3 OPERADORES GENÉTICOS .......................................................................................23
2.3.1 Seleção ............................................................................................................23
2.3.2 Cruzamento.....................................................................................................27
2.3.3 Mutação ..........................................................................................................28
2.4 ALGORITMOS GENÉTICOS PARALELOS....................................................................29
2.5 ALGORITMOS GENÉTICOS HÍBRIDOS .......................................................................32

3 ALTIMETRIA POR SATÉLITE .............................................................................34

3.1 FUNDAMENTOS DA ALTIMETRIA POR SATÉLITE ......................................................34

3.2 CORREÇÕES NA MEDIÇÃO DA ELEVAÇÃO DA SUPERFÍCIE OCEÂNICA .....................40
3.2.1 Correções Instrumentais ................................................................................40
3.2.2 Correções Geofísicas ......................................................................................40
2.3.3 Correções Atmosféricas..................................................................................41
3.3 TÉCNICAS DE PROCESSAMENTO DAS MEDIÇÕES ALTIMÉTRICAS DE ALTITUDE ......43
 3

3.4 TOPOGRAFIA DINÂMICA E CORRENTES DE SUPERFÍCIE ...........................................45

3.4.1 Topografia da Superfície do Mar...................................................................45
3.4.2 Correntes Geostróficas de Superfície.............................................................46
3.4.3 Estimação da Topografia Dinâmica Absoluta ..............................................47

4 METODOLOGIA PROPOSTA ...............................................................................49

4.1 PROCESSAMENTO DOS DADOS ALTIMÉTRICOS ........................................................49

4.1.1 Edição dos Dados............................................................................................49
4.1.2 Aplicação de Correções ..................................................................................49
4.1.3 Perfis de Elevação Residual ...........................................................................51
4.1.4 Perfis Sintéticos de Elevação .........................................................................52
4.1.5 Perfil Sintético Médio de Elevação ................................................................53
4.1.6 Topografia Dinâmica Absoluta......................................................................53
4.2 ALGORITMOS GENÉTICOS PROPOSTOS ....................................................................55
4.2.1 Representação Binária ...................................................................................55
4.2.2 Representação Real ........................................................................................56
4.2.3 Função de Adaptação.....................................................................................57

5 CONSIDERAÇÕES FINAIS ....................................................................................58

REFERÊNCIAS BIBLIOGRÁFICAS ........................................................................59

 4

Lista de Figuras

Figura 2.1 – Hierarquia da “Computação Natural”.........................................................15

Figura 2.2 – Processos do funcionamento de um AG .....................................................18
Figura 2.3 − Estrutura de um cromossomo .....................................................................21
Figura 2.4 − Obtenção do fenótipo a partir da técnica posicional...................................21
Figura 2.5 − Obtenção do fenótipo a partir da técnica não-posicional ...........................21
Figura 2.6 – Divisão da “roleta” por Indivíduo...............................................................25
Figura 2.7 – Cruzamento sobre um ponto.......................................................................27
Figura 2.8 – Cruzamento multi-ponto.............................................................................28
Figura 2.9 − Indivíduos antes e depois da mutação binária ...........................................28
Figura 3.1 – Diferença entre a gravidade e o geóide.......................................................35
Figura 3.2 – Esquema da medição de elevação pelo altímetro .......................................39
Figura 3.3 – Correntes meandrantes intensas tipo jato ...................................................48
Figura 4.1 – Exemplo de determinação da topografia dinâmica .................................... 54
 5

Lista de Tabelas

Tabela 2.1 – Porcentagem de Adaptação dos Indivíduos................................................25

 6

Lista de Símbolos e Abreviaturas

σ° - coeficiente de retrodifusão do radar altimétrico

AE - Algoritmos Evolucionários
AEP - Algoritmos Específicos Próprios
AG - Algoritmos Genéticos
AGC - Automatic Gain Control
AGH - Algoritmo Genético Híbrido
CCA - Corrente Circumpolar Antártica
CNES- Centre National d'Etudes Spatiales
DMSP - Defense Meteorological Satellite Program
DNA - Ácido desoxirribonucleico
ECMWF - European Center for Medium Range Weather Forecasting
EE - Estratégias de Evolução
ERM - Exact Repeat Mission
ERS-1 - European Remote Sensing Satellite 1
GEM-T1 - Goddard Earth Model - T1
GEM-T2 - Goddard Earth Model - T2
GEOS-3 - Geodynamics Experimental Ocean Satellite 3
GEOSAT - Geodesic Satellite
GM - Geodetic Mission
NASA - National Aeronautics and Space Administration
NOAA - National Oceanic and Atmospheric Administration
NRA - NASA Radar Altimeter (TOPEX)
PE - Programação Evolucionária
SAR - Radar de Abertura Sintética
SGA - Simple Genetic Algorithms
SMMR - Scanning Multichannel Microwave Radiometer
SSALT - Solid State Altimeter
SSM/I - Special Sensor Microwave/Imager
TOGA - Tropical Ocean and Global Atmosphere
T/P - TOPEX/POSEIDON
 7

TOPEX - Ocean Topography Experiment

TOVS - TIROS Operational Vertical Spectrometer
WOCE - World Ocean Circulation Experiment
 8

Resumo

Uma Metodologia para a Utilização de Algoritmos Genéticos

no Processamento de Dados de Altimetria por Satélite

O presente trabalho faz uma introdução ao conceito de Algoritmos

Genéticos, mostrando suas características básicas, estruturas de funcionamento e formas
de implementação. Também são apresentados alguns conceitos básicos de Altimetria
por Satélite, a fim de mostrar que o desenvolvimento de técnicas de medições
altimétricas por satélite constituem um dos aspectos mais importantes do Sensoriamento
Remoto aplicado a Oceanografia. Para que as medições de distância vertical entre o
satélite e a superfície da Terra possam ser utilizadas com fins oceanográficos, além de
correções instrumentais, atmosféricas e geofísicas necessárias a fim de minimizar os
erros presentes nas medições originais, enfrenta-se o problema do desconhecimento do
geóide com suficiente precisão, impedindo assim, a determinação exata da topografia da
superfície oceânica e, consequentemente, das correntes de superfície dela derivadas.
Sendo assim, a partir do conhecimento de que as correntes oceânicas do tipo jato
apresentam um perfil transversal de velocidade aproximadamente gaussiano, neste
trabalho propõe-se que seja feito um ajuste de um perfil sintético de elevação  obtido
pela integração do perfil de velocidade da corrente  aos dados de altura residual da
superfície do mar fornecidos pela altimetria, utilizando Algoritmos Genéticos, em
substituição ao tradicional algoritmo de Levenberg-Marquardt, sem lançar mão de
nenhum dos modelos de geóide existentes.

Palavras-chave: Algoritmos Genéticos, Altimetria por Satélite, Topografia da

Superfície do Mar.
 9

Abstract

A Methodology for the Utilization of Genetic Algorithms

in the Processing of Satellite Altimeter Data

This work makes an introduction to the concept of Genetic Algorithms,

showing its basic characteristics, operation structures and implementation forms. Some
basic concepts of Satellite Altimetry are also presented, in order to show that the
development of satellite altimetric measurement techniques constitutes one of the most
important aspects of the Remote Sensing applied to Oceanography. In order to ensure
that the measurements of the vertical distance between satellite and Earth surface can be
used with oceanographic objectives, it is necessary the application of instrumental,
atmospheric and geophysical corrections with the objective to minimize the errors
presented by the original measurements. Furthermore, the exact determination of the
geoid with the required precision is also necessary to permit the correct determination of
the sea surface topography and, consequently, of the currents derived from this surface.
Thus, starting from the knowledge that jet-like ocean currents show a
gaussian velocity profile across the flow, in this work Genetic Algorithms are used to
fitting a synthetic height profile  obtained by the integration of the velocity profile 
to the altimeter-derived residual sea surface height data instead of the application of the
classical Levenberg-Marquardt algorithm, without making use of geoid models.

Keywords: Genetic Algorithms, Satellite Altimetry, Sea Surface Topography.

 10

1 Introdução

Como resultado de estudos do processo de mimetização do código

genético humano é que foram criados e desenvolvidos os Algoritmos Genéticos (AG).
No ser humano, o código genético é composto por genes do DNA (ácido
desoxirribonucleico), que, através de princípios físicos e químicos, unem-se formando
os cromossomos. Os algoritmos genéticos, embora ainda muito distantes do modelo
natural, vêm demonstrando ter um grande potencial para solucionar problemas de
otimização, classificação e adaptação [GOL 89], o que conduziu à idéia de propor, neste
trabalho, a utilização dos mesmos no processamento de dados de altimetria por satélite.
Dentre todas as técnicas de sensoriamento remoto, a Altimetria por
Satélite é, sem dúvida, a que fornece o maior número de informações sobre os oceanos.
Assim, o desenvolvimento de técnicas para a extração dos sinais geofísicos presentes
nas observações altimétricas constitui um dos aspectos mais importantes do
Sensoriamento Remoto aplicado à Oceanografia.
O objetivo principal da altimetria é a medição da distância vertical entre
o satélite e a superfície da Terra, o que é feito através da emissão, pelo radar altimétrico,
de um pulso até a superfície, e pela medição do tempo de percurso de ida e volta desse
sinal. Porém, durante o processamento dos dados altimétricos, é preciso utilizar uma
série de correções instrumentais, atmosféricas e geofísicas, visando minimizar os erros
presentes nas medições originais. Um dos problemas existentes no processamento das
medições altimétricas de elevação é o desconhecimento do geóide (superfície
equipotencial que representa o campo gravitacional terrestre) com suficiente precisão,
o que impede a exata determinação da topografia da superfície oceânica e,
conseqüentemente, das correntes de superfície dela derivadas.
Partindo do conhecimento de que as correntes oceânicas tipo jato, como a
Corrente do Golfo, no Oceano Atlântico Norte, apresentam um perfil transversal de
velocidade aproximadamente gaussiano, foi proposta em [KEL 90] a não utilização de
nenhum dos modelos geoidais existentes no processamento das medições altimétricas de
elevação, mas sim que fosse feito o ajuste de um perfil teórico, obtido pela integração
do perfil de velocidade da corrente, aos dados de altura residual da superfície do mar
fornecidos pela altimetria.
 11

O objetivo deste trabalho é propor uma metodologia para a utilização de

algoritmos genéticos, em lugar do algoritmo de Levenberg-Marquardt utilizado por
[KEL 90], no processamento das medições altimétricas, visando a determinação da
topografia dinâmica no caso de correntes oceânicas tipo jato meandrantes, como a
Extensão da Corrente do Golfo, no Atlântico Norte, a Extensão da Corrente do
Kuroshio, no Pacífico Norte, e porções da Corrente Circumpolar Antártica, no Oceano
Austral.
No Capítulo 2 deste trabalho, é feita uma introdução aos Algoritmos
Genéticos, descrevendo-se os tipos básicos de AG e os principais operadores genéticos
existentes. Além disso, examina-se as possibilidades de paralelização dos mesmos, bem
como discute-se a técnica de hibridização, que permite a incorporação de heurísticas
otimizadoras ao conjunto de operadores genéticos.
O Capítulo 3 apresenta os fundamentos da Altimetria por Satélite,
descreve as correções necessárias para o total aproveitamento das medições altimétricas
de altitude, bem como as técnicas utilizadas no processamento dessas medições visando
a obtenção de informações oceanográficas. Discute-se ainda, nesse capítulo, a utilização
da Altimetria por Satélite na determinação da topografia da superfície do mar e na
estimativa das correntes geostróficas de superfície. Em particular, examinam-se os
problemas associados ao desconhecimento do geóide com suficiente precisão para a
determinação direta da topografia dinâmica, mostrando-se como é possível superar, em
alguns casos, tal deficiência.
A metodologia proposta, baseada na utilização de Algoritmos Genéticos
no processamento de dados de Altimetria por Satélite, visando a determinação da
topografia da superfície do mar nas regiões oceânicas onde fluem intensas correntes
tipo jato meandrantes, é descrita no Capítulo 4. Discute-se, em particular, a codificação
sugerida para a implementação do AG, bem como a função de mérito adotada, a qual
mede a adaptação dos indivíduos da população em cada uma da gerações.
A metodologia proposta consiste, basicamente, de duas etapas.
Na primeira, os dados altimétricos são editados, visando excluir aqueles que apresentam
algum tipo de problema, e é feita a aplicação de correções instrumentais, atmosféricas e
geofísicas (com exceção da aplicação do valor da elevação do geóide), objetivando
eliminar ou atenuar uma série de erros envolvidos no processo de medição.
Calculam-se, então, os perfis de elevação residual da superfície do mar, subtraindo-se
de cada perfil observado a média de todos os perfis considerados. A segunda etapa
 12

consiste no emprego de um dos algoritmos genéticos apresentados  com codificação

binária ou com codificação real  no ajuste de um perfil sintético de elevação da
superfície do mar aos dados de elevação residual obtidos, utilizando-se na avaliação da
bondade de ajuste uma das funções de mérito propostas. A topografia da superfície do
mar é obtida através do cálculo da média dos perfis sintéticos de elevação e pela adição
da mesma à cada um dos perfis de elevação residual anteriormente calculados.

O Capítulo 5 é reservado para as considerações finais.

 13

2 Algoritmos Genéticos

2.1 Algoritmos Evolucionários

Como uma definição, podemos dizer que a evolução é o processo de

mudança ou movimento, tendo este termo, uma ligação considerável com o termo
desenvolvimento. Os biólogos possuem crescente interesse nas teorias evolutivas e nos
mecanismos que as promovem, bem como se espantam com o nível de complexidade
apresentado atualmente pelas formas de vida, considerando que essas evoluíram num
tempo relativamente curto, quando comparado com a história do próprio planeta.
A capacidade de reprodução é o principal fator de evolução dos seres
vivos, entendo-se por evolução a capacidade de adaptação de um indivíduo ao meio
ambiente. Partindo-se deste princípio, caso o meio ambiente não mude suas
características, os seres vivos também não mudarão as suas, ou seja, eles já terão
evoluído o suficiente para sobreviverem naquele meio.
O princípio da evolução por seleção natural, proposto por Darwin, mostra
que a evolução por reprodução ocorre ao longo das gerações de seres vivos ou
indivíduos devido a um fator bastante óbvio: os indivíduos mais adaptados ao meio
ambiente têm mais chances de sobreviver. Portanto, os mesmos podem se reproduzir
mais, transferindo para seus descendentes suas características, fazendo-os iguais ou
melhores adaptados do que eles.
Para exemplificar o princípio da seleção natural, pode-se considerar um
grupo de dez indivíduos que possuem características singulares. Portanto, presume-se
que alguns estão mais adaptados que outros ao meio ambiente. Supondo-se que o fator
de adaptação possa ser quantificado com precisão numa escala de zero (0) a dez (10),
esses indivíduos podem ser caracterizados por esses valores. Assim, observa-se a
seguinte situação:

Indivíduos com seus fatores de adaptação:

A: 03 B: 05 C: 02 D: 03
E: 07 F: 08 G: 03 H: 04
I: 10 J: 01
 14

No caso exposto, o indivíduo "I" tem chances de se reproduzir mais do

que os outros, e provavelmente seus pares, em muitas de suas reproduções, serão os
indivíduos "F" e "E". Os indivíduos "B" e "H" participarão menos, respectivamente (isto
se chegarem a reproduzir).
Os filhos de "I" com "F" herdarão as características que tanto os
favoreceram. As características combinadas poderão melhorar ou não o desempenho
dos filhos em relação aos pais, dando-lhes novos fatores de adaptação responsáveis por
suas vidas nesta geração.
Segundo Darwin, na adaptação por reprodução, os seres vivos modificam
suas características à medida em que vão se reproduzindo. Em outras palavras, à medida
em que as gerações, compreendidas por pais, filhos, netos, etc., avançam, mais se
observa o processo de adaptação.
Naturalmente, a adaptação não ocorre de forma direta. O princípio de
Lamark é utilizado para explicar como ocorre essa adaptação. Este princípio é baseado
no fato de que os indivíduos se modificam de acordo com as suas necessidades e essa
modificação passa diretamente para seus descendentes. Lamark cita o exemplo da
girafa, cujo pescoço cresceu para apanhar os ramos mais altos nas copas das árvores
[DAV 91]. Esta teoria, que hoje é aceita pelos cientistas e adotada no desenvolvimento
de Algoritmos Genéticos, é o processo de evolução por seleção natural, mencionado
anteriormente.
Nos anos de 50 e 60 muitos biólogos começaram a desenvolver
simulações computacionais de sistemas genéticos, porém foi John Holland, em
meados de 1970, quem começou, seriamente, a desenvolver as primeiras pesquisas
procurando mimetizar alguns dos processos observados na evolução natural [FOG 95].
Ele desenvolveu, na Universidade de Michigan, uma técnica que permitia incorporá-los
a um programa de computador, com o objetivo de provar que os computadores
aprendem por si mesmos. Originalmente a técnica inventada por Holland foi chamada
de "Planos Reprodutivos", porém em 1975, com a publicação de seu livro clássico,
intitulado Adaptation in Natural and Artificial Systems, sua técnica passou a ter o nome
popular de "Algoritmos Genéticos".
Holland acreditava que a incorporação das características naturais em um
computador poderia produzir uma técnica para solucionar problemas da mesma maneira
como funcionam na natureza os processos de seleção e adaptação. O mecanismo
evolutivo, na natureza, baseia-se em estruturas orgânicas denominadas cromossomos,
 15

que são dispositivos que codificam as estruturas dos seres vivos, as quais correspondem
às características dos mesmos. Os processos de codificação e decodificação dos
cromossomos ocorrem a nível molecular e ainda não foram completamente elucidados.
Entretanto, existem algumas características gerais da teoria que são plenamente aceitas,
tais como os conceitos de evolução, seleção natural, reprodução e ausência de memória
[DAV 91].
Os Algoritmos Genéticos (AG), objeto do presente estudo, juntamente
com as Estratégias de Evolução (EE) e a Programação Evolutiva (PE), constituem os
denominados Algoritmos Evolucionários (AE) [BÄC 96], ramo mais promissor da
Computação Evolucionária [FOG 95]. Esta, por sua vez, juntamente com as Redes
Neurais Artificiais e os Sistemas Fuzzy, faz parte da subárea da Inteligência Artificial
denominada Inteligência Computacional [PED 97]. Essa "hierarquia" é mostrada na
Figura 2.1.

"Computação
Natural"

Inteligência Vida Sistemas Autômatos

...
Computacional Artificial Complexos Celulares

Sistemas Redes Neurais Computação

Fuzzy Artificiais Evolucionária

Algoritmos Programação Sistemas

Evolucionários Genética Classificadores

Algoritmos Estratégias Programação

Genéticos de Evolução Evolucionária

Figura 2.1 – Hierarquia da “Computação Natural”

 16

Os AG são algoritmos de otimização que se baseiam em mecanismos

análogos aos da seleção natural da teoria Darwinista e da genética.
Os Algoritmos Genéticos simulam a sobrevivência da aptidão entre os
indivíduos ao longo de consecutivas gerações para solucionar um dado problema. Cada
geração consiste de uma população de vetores de caracteres que são análogos ao
cromossomo que se observa no DNA humano. Cada indivíduo representa um ponto no
espaço de busca e uma possível solução. A população é constituída a fim de buscar uma
solução ótima através de um processo de evolução que se dá pela interação dos
componentes do sistema (indivíduos) com o problema (meio ambiente) e sua posterior
reprodução, pela qual o resultado dessa interação é transmitido para os sucessores, que,
por sua vez, estarão mais adaptados ao meio ambiente que seus antecessores.
Para o desenvolvimento de sistemas que mimetizem os processos de
reprodução e evolução natural, torna-se fundamental a observação de algumas
importantes características:
• Evolução é um processo que opera com cromossomos, que são
unidades que codificam as características dos seres vivos;
• Seleção Natural é o elo de ligação entre os cromossomos e o
desempenho das estruturas por eles codificadas;
• O processo de reprodução é o ponto principal da evolução. Quando
ocorre mutação durante a reprodução, os cromossomos dos filhos saem
diferentes dos cromossomos dos pais. Quando ocorre recombinação dos
cromossomos, os cromossomos dos filhos são o resultado da mistura de
partes dos cromossomos dos pais;
• Evolução biológica não possui memória. Todavia, ela sabe como
produzir seres vivos que se adaptam melhor ao seu meio ambiente. Este
conhecimento está armazenado no grupo genético do ser vivo
(indivíduo). O grupo genético nada mais é do que um grupo de
cromossomos responsáveis pelas características do indivíduo.

Holland acreditava que estas peculiaridades poderiam ser implementadas

de forma algorítmica para se conseguir uma versão computacional dos processos de
evolução. Esse algoritmo poderia solucionar qualquer problema que apresentasse as
mesmas características da evolução, que, em resumo, seria a adaptação ao meio
ambiente. Holland, então, começou a trabalhar em algoritmos que manipulavam cadeias
 17

binárias de zeros (0) e uns (1), cadeias estas denominadas cromossomos, por analogia.
O trabalho final resultou num sistema que trabalhava com uma população de algumas
cadeias de bits. De forma análoga ao que acontece na natureza, o sistema de Holland
começou a evoluir, encontrando o melhor cromossomo para atender a um problema
específico. Também como na natureza, o sistema não sabia que resultados haviam
dentro dos cromossomos. É importante observar que, no sistema de Holland, a solução
foi encontrada de um modo automático e não supervisionado.
As únicas informações passadas ao sistema foram os ajustes de cada
cromossomo produzido por ele. O ajuste representa o grau de adaptação do indivíduo ao
problema a ser solucionado. O maior ajuste representa a solução do problema. Portanto,
quanto maior for o ajuste de um indivíduo, maiores serão as chances deste se reproduzir
mais, transmitindo suas características para os descendentes. Se o ajuste for baixo para
determinado indivíduo, menores serão suas chances de se reproduzir.
Os AG constituem uma classe de ferramentas muito versátil e robusta e
que pode ser utilizada na solução de problemas de otimização, embora não devam ser
considerados estritamente minimizadores de funções. Quando usado como algoritmo de
minimização, um AG se distingue das técnicas mais comuns de programação
matemática basicamente por:
• empregar uma população de indivíduos, ou soluções;
• trabalhar sobre uma codificação das possíveis soluções (genótipos) e
não sobre as soluções (fenótipos) propriamente ditas;
• empregar regras de transição probabilísticas;
• não requerer informações adicionais (derivadas, por exemplo) sobre a
função a otimizar.

Assumindo uma população inicial de indivíduos, o funcionamento de um

AG divide-se em três processos distintos: avaliação, seleção e reprodução (ver
Figura 2.2):

AVALIAÇÃO
Segundo uma função de adaptação, cada indivíduo é avaliado quanto ao
seu grau de ajuste. Essa função é o fator diferenciador de cada aplicação do AG. A cada
aplicação corresponde uma medida distinta do grau de ajuste.
 18

Seleção

Reprodução

Avaliação

Figura 2.2 – Processos do funcionamento de um AG

SELEÇÃO
É realizada uma seleção dos indivíduos que vão reproduzir (dois a dois).
Essa seleção depende da adaptação (mérito) de cada indivíduo segundo um processo de
caráter aleatório. Assim, quanto maior for a adaptação (mérito), maior a probabilidade
de ser selecionado. A maior probabilidade de escolha de indivíduos melhores leva à
propagação destes para as gerações seguintes:

REPRODUÇÃO
A partir de dois indivíduos são gerados dois novos indivíduos que
resultam do seu cruzamento e mutação. O cruzamento e a mutação constituem
operadores genéticos canônicos, podendo-se utilizar outros.

Um Pseudocódigo genérico capaz de englobar a maioria dos AG

existentes seria:

algoritmo AG genérico
inicialize a população
avalie indivíduos na população
repita
selecione indivíduos para reprodução
aplique operadores de recombinação e mutação
avalie indivíduos na população
selecione indivíduos para sobreviver
 19

até critério de parada satisfeito

fim

onde os verbos utilizados, inicialize, avalie, selecione e aplique são, propositalmente,

ainda insuficientes para definir um algorítmo computacional único.

Os principais termos empregados nos Algoritmos Genéticos são descritos

a seguir:
• GENÓTIPO - é a combinação de genes contidos nos cromossomos de
um organismo, correspondentes a determinado fenótipo;
• FENÓTIPO - é o conjunto das características de um indivíduo,
observadas ou discerníveis por outros métodos, fornecidas pelo genótipo;
• ESPÉCIE - é um grupo de indivíduos intercruzantes, contendo
fenótipos semelhantes, que são isolados reprodutivamente de outros
grupos;
• POPULAÇÃO - é um conjunto de indivíduos da mesma espécie;
grupos inteiros de organismos de um tipo; um grupo intercruzante de
animais ou vegetais; grupo amplo do qual pode-se tomar uma amostra;
• INDIVÍDUO - é o exemplar de uma espécie que interage com o meio
ambiente;
• CROMOSSOMO - é o componente genético responsável pelo
fenótipo do indivíduo;
• GENES - são as unidades básicas do cromossomo, que definem, de
acordo com seus valores e posições, uma característica; um determinador
hereditário que especifica uma função biológica; uma unidade de herança
(DNA) localizada em um lugar fixo no cromossomo;
• ALELO - forma alternativa de um gene, a qual ocupa, no
cromossomo, o mesmo lugar que a outra;
• SELEÇÃO NATURAL - mecanismo que garante aos pais mais aptos,
mais chances de reprodução; fertilidade diferencial na natureza que
favorece indivíduos que se adaptam melhor e que tende a eliminar
aqueles não adaptados ao meio;
 20

• REPRODUÇÃO - é a multiplicação de novos indivíduos a partir de

outros de mesma espécie;
• AJUSTE - é a medida que indica o grau de aptidão de um indivíduo ao
meio ambiente.

2.2 Tipos de Algoritmos Genéticos

2.2.1 Algoritmos Genéticos Binários

Primeiramente, ao retirar dos processos naturais de evolução as idéias

para criar um AG, Holland reparou que as soluções para quaisquer problemas
precisariam ser representadas e codificadas na forma de cromossomos.
O ponto de partida para a utilização de Algoritmos Genéticos como
ferramenta para a resolução de problemas, é a representação desses problemas de
maneira que os AG possam trabalhar adequadamente sobre eles. Para isso, uma
população de indivíduos é mantida num espaço de busca para um AG, cada um deles
representando uma possível solução, ou uma solução intermediária, para o problema em
questão. Cada indivíduo é codificado como um vetor finito de componentes, ou
variáveis, em termos de algum alfabeto.
Nos Algoritmos Genéticos com codificação binária, os indivíduos são
representados genotipicamente por vetores de dígitos binários, onde cada elemento de
um vetor denota a presença (1) ou ausência (0) de uma determinada característica: o seu
genótipo (ver Figura 2.3). Os elementos podem ser combinados formando as
características reais do indivíduo, ou seu fenótipo. Teoricamente, essa representação é
independente do problema, pois uma vez determinada a mesma em termos de vetores
binários, as operações padrão podem ser utilizadas, permitindo o seu emprego em
diferentes classes de problemas. A representação binária dos cromossomos é a
representação adotada na maioria das implementações, pois facilita os processos de
seleção e reprodução dos indivíduos.
A forma de representação do cromossomo pode ser posicional ou não
posicional. Utilizar uma técnica posicional implica em que a posição de cada gene no
cromossomo influencia na obtenção do fenótipo. Por outro lado, utilizando-se uma
técnica não-posicional, onde a localização de cada um dos genes não é relevante, é
 21

possível obter-se o mesmo fenótipo a partir de diversos genótipos distintos, como

mostram as Figuras 2.4 e 2.5.

GENE

1 0 1 1 0 1 0 0 1 1 1 0

Figura 2.3 − Estrutura de um cromossomo

0 0 0 1 0 0 0 0 1 0 1 0 Fenótipo =
266

0 0 0 1 0 0 0 0 0 1 0 1 Fenótipo =
261

Figura 2.4 − Obtenção do fenótipo a partir da técnica posicional

1 0 0 1 0 0 0 0 1 0 1 0 Fenótipo = 4

1 0 0 1 0 1 0 0 1 1 1 0 Fenótipo = 6

0 0 1 1 0 1 0 0 1 1 0 1 Fenótipo = 6

Figura 2.5 − Obtenção do fenótipo a partir da técnica não-posicional

A título de ilustração, um pseudocódigo para um Algoritmo Genético

Binário pode ser encontrado em [HAU 98].
 22

2.2.2 Algoritmos Genéticos com Codificação Real

O alfabeto binário oferece o número máximo de esquemas por bit de

informação em uma dada codificação, motivo pelo qual tem sido o mais utilizado até
agora. Por esquema entende-se um padrão de similaridade que descreve um subconjunto
de cadeias idênticas em certas posições. Um esquema se define sobre o alfabeto de
caracteres junto com o símbolo " * ", que indica que o alelo não está determinado.
+
Por exemplo, supondo-se o alfabeto binário V = {0,1}, denota-se por V = {0,1,*}
o conjunto de caracteres sobre o qual está definido um esquema. Assim, o esquema
H = *11*010 representa os cromossomos {(0110010),(1110010),(0111010),(1111010)}.
Além disso, a utilização do alfabeto binário para os cromossomos facilita
as análises teóricas e permite a construção de operadores genéticos elegantes.
Apesar dessas vantagens, também existem problemas associados a
utilização de codificação binária. Um dos problemas reside no fato de que com a
codificação binária habitual, pode-se ter pontos próximos apresentando codificações
muito distintas, pois, com freqüência, dois inteiros binários consecutivos coincidem em
poucos de seus respectivos dígitos. Pode-se corrigir em grande parte este problema,
utilizando-se outras codificações binárias que conservem a propriedade de adjacência,
isto é, que codifiquem inteiros consecutivos como cadeias binárias que diferem em um
só bit. A mais conhecida das codificações é a de Gray, que associa a cada inteiro da

sucessão 0, 1, ..., 2n −1, uma cadeia de bits de tamanho n que é construída aplicando-se
sucessivamente o seguinte procedimento:
• Começando por uma cadeia 0 ... 0, em cada interação comutar o bit
menos significativo que produza uma nova cadeia.

Por exemplo, na sucessão 0, 1, ..., 7 = 23 − 1, tem-se a seguinte

codificação de Gray:
000 001 011 010 110 111 101 100

As desvantagens apresentadas pelos AG com codificação binária abriram

caminho para a utilização de alfabetos com uma cardinalidade mais elevada, seguida do
desenvolvimento de novos operadores genéticos sobre esses alfabetos. Em particular,
para problemas de otimização de parâmetros com variáveis sobre domínios contínuos,
parece natural representar os gens diretamente como números reais.
 23

O uso de parâmetros reais possibilita a utilização de grandes domínios

(inclusive domínios desconhecidos) para as variáveis, tarefa difícil nas implementações
binárias, onde incrementar o domínio significa sacrificar precisão, supondo um
comprimento fixo para os cromossomos. Outra vantagem ao utilizar parâmetros reais é
sua capacidade para explorar a gradualidade das funções com variáveis contínuas (onde
o conceito de gradualidade se refere ao fato de que pequenas alterações nas variáveis
correspondem a pequenas variações na função). Também desaparece a necessidade de
que as faixas de valores para as variáveis sejam potências de dois. Por último, a
representação das soluções está muito próxima da formulação natural de muitos
problemas.
Em um Algoritmo Genético de Codificação Real, um cromossomo é um
vetor de números reais cuja precisão é determinada pela precisão do computador no
qual o algoritmo será executado. O tamanho do cromossomo se mantém igual ao
comprimento do vetor solução do problema. Deste modo, cada gen representa uma
variável do problema. Os valores dos gens do cromossomo são forçados a permanecer
no intervalo estabelecido para a variável que o mesmo representa, de modo que os
operadores genéticos terão que preservar este requerimento.
A descrição dos diversos tipos de operadores de mutação e de
cruzamento para o caso de AG com codificação real pode ser encontrada em [HER 94].
Um pseudocódigo para um Algoritmo Genético com Codificação é apresentado em
[HAU 98].

2.3 Operadores Genéticos

Os operadores genéticos tem como princípio básico transformar a

população através de sucessivas gerações. Eles são necessários para que a população se
diversifique e mantenha as características de adaptação adquiridas pelas gerações.

2.3.1 Seleção

É o processo pelo qual cadeias são copiadas, cada uma na proporção do

seu valor da função objetivo (também denominado função de mérito ou função de
 24

adaptação) que avalia a adaptação da cadeia ao meio. A idéia principal deste operador é
dar preferência, na reprodução, aos melhores indivíduos, permitindo que os mesmos
passem seus genes às próximas gerações. Pode-se ver esta função intuitivamente como
uma medida do objetivo máximo que se deseja alcançar. O fato de serem copiadas
cadeias de acordo com o valor da função de adaptação, significa que as cadeias de
valores elevados terão maior probabilidade de serem mantidas nas próximas gerações.
Este operador pretende simular a seleção natural descrita na teoria Darwinista, que se
baseia na sobrevivência dos seres vivos mais adaptados ao meio em que se encontram.
É, portanto, o valor da função objetivo que determina a perpetuação ou não de um
indivíduo (ou parte dele) em uma próxima geração.
No estudo da seleção, pode-se distinguir dois aspectos:
• a obtenção das probabilidades de seleção, e
• os mecanismos de amostragem na seleção.
Como mecanismos de obtenção de probabilidades de seleção, pode-se
destacar a seleção proporcional e a ordenação linear [HER 94].
Diferentes mecanismos de amostragem da população também têm sido
propostos, sendo o modelo de seleção mais intuitivo o da amostragem aleatória simples
a partir da probabilidade de seleção. Existem muitos outros mecanismos de
amostragem: modelo elitista, modelo do valor esperado, modelo do valor esperado
elitista, amostragem determinística, amostragem estocástica do resto com substituição,
amostragem estocástica do resto sem substituição, amostragem estocástica por torneios
e amostragem estocástica universal [HER 94] [SER 96].
Alguns desses mecanismos de amostragem merecem destaque, pela
freqüência com que são empregados.

SELEÇÃO PELA ROLETA - É o mecanismo de amostragem estocástica

universal desenvolvido por Holland, tendo sido o primeiro método de seleção utilizado.
Este método de seleção pode ser entendido como a subdivisão de uma roleta em
divisões proporcionais à adaptação. Assim, quanto maior a adaptação (mérito) do
indivíduo, maior a "fatia" e, portanto, maior a probabilidade do mesmo vir a ser
escolhido [GOL 89], como é mostrado no exemplo a seguir (Tabela 2.1 e Figura 2.6).
 25

Tabela 2.1 – Porcentagem de Adaptação dos Indivíduos

INDIVÍDUO ADAPTAÇÃO
A 4 20%
B 6 30%
C 10 50%

A
20%

C
50%
B
30%

Figura 2.6 – Divisão da “roleta” por Indivíduo

MODELO ELITISTA - Devido a natureza probabilística do processo de

seleção, o algoritmo pode não escolher bons indivíduos para se reproduzirem e
passarem à geração seguinte. Assim, como variação do algoritmo base, pode-se
introduzir uma estratégia elitista que copia sempre o(s) melhor(es) indivíduo(s) da
população. Em outras palavras, o elitismo seleciona os melhores cromossomos de uma
população e transporta-os à geração seguinte. Portanto, esta técnica consiste
basicamente em realizar o processo de seleção em duas etapas:
1. seleciona-se uma elite de r membros entre os melhores da população
inicial, os quais são incorporados diretamente na população final, sem passar pela
população intermediária;
2. a população auxiliar criada é obtida a partir dos n - r membros
restantes da população inicial de tamanho n.
Quando é utilizada a técnica do elitismo, o algoritmo converge mais
rapidamente. Como na natureza, os indivíduos mais aptos podem, além de reproduzir-se
mais, ter uma vida mais longa, muitas vezes sobrevivendo de uma geração para a outra
 26

e se reproduzindo. O efeito negativo secundário desta estratégia prende-se ao fato da

população inicial poder convergir para uma população homogênea de super-indivíduos,
não explorando outras soluções.

SELEÇÃO POR TORNEIOS - Neste método de classificação, cada

indivíduo da nova população é obtido através da escolha do melhor dos indivíduos de
um conjunto de r elementos tomados aleatoriamente da população inicial. Este processo
é repetido até que n indivíduos tenham sido selecionados.

Inserção de novos indivíduos na população

No que diz respeito à maneira pela qual os indivíduos criados são

inseridos na população, pode-se considerar dois tipos extremos de AG:

• AG GERACIONAL - Neste tipo de AG, toda a população é

substituída por novos indivíduos gerados pelo processo de seleção, seguida da aplicação
dos operadores genéticos.

algoritmo AG geracional
inicialize a população P aleatoriamente
avalie indivíduos na população P
repita
repita
selecione 2 indivíduos em P
aplique operador de recombinação com probabilidade pc
aplique operador de mutação com probabilidade pm
insira novo indivíduo em P'
até população P' completa
avalie indivíduos na população P'
P ← P'
até critério de parada satisfeito
fim

Como toda a geração (de pais) é integralmente substituída por outra mais
nova (de filhos), não há "convivência", correndo-se o risco de se perder um bom
indivíduo nesse processo. Assim, especialmente em problemas de otimização, um
procedimento freqüentemente incluído neste algorítmo é o elitismo, já mencionado, ou
seja, o(s) melhor(es) indivíduo(s) de uma geração é (são) preservado(s), passando-se
uma cópia do(s) mesmo(s) diretamente à geração seguinte.
 27

• AG STEADY-STATE - Neste outro tipo de AG, apenas um indivíduo é

criado de cada vez. Em seguida ele é avaliado e, se não for pior que todos os já
existentes, é então inserido na população substituindo algum outro elemento, por
exemplo, o pior de todos.

algoritmo AG "steady-state"
inicialize a população P aleatoriamente
avalie indivíduos na população P
ordene a população P de acordo com a aptidão
repita
selecione operador genético
selecione indivíduo(s) para reprodução
aplique operador genético
avalie indivíduo(s) gerado(s)
selecione indivíduo f para sobreviver
se f é melhor que o pior elemento de P então
insira f em P de acordo com seu "ranking"
até critério de parada satisfeito
fim

2.3.2 Cruzamento

É o operador responsável pela recombinação das características dos pais

durante a reprodução, permitindo que as próximas gerações herdem essas
características. É considerado o operador genético predominante, por isso é aplicado
com probabilidade dada pela taxa de crossover, que deve ser maior que a taxa de
mutação. As formas de cruzamento mais utilizadas são [MIT 96] [DAV 91]:

• cruzamento sobre um ponto: um ponto de cruzamento é escolhido e, a

partir desse ponto, as informações genéticas dos pais são trocadas. As informações
anteriores a esse ponto em um dos pais são ligadas às informações posteriores ao
referido ponto no outro pai.

Figura 2.7 – Cruzamento sobre um ponto

 28

• cruzamento multi-ponto: é uma generalização da idéia de troca de

material genético referida no item anterior, na qual muitos pontos de cruzamento podem
ser utilizados.

Figura 2.8 – Cruzamento multi-ponto

O operador de cruzamento é o primeiro fator de distinção dos AG em

relação a outras técnicas de otimização.

2.3.3 Mutação

É uma alteração aleatória ocasional de uma posição da cadeia, ocorrendo

com freqüência muito baixa. Quando é utilizado o código binário, a mutação significa a
simples troca de 1 por 0 ou vice-versa. Desta forma, o operador de mutação faz com
que, com probabilidade muito baixa, uma porção dos novos indivíduos tenham seus
genes invertidos.

A Figura 2.10 mostra um exemplo de mutação binária no quarto alelo de

um cromossomo.

antes da 0 1 1 1 0 0 1 1 0 1 0

após a 0 1 1 0 0 0 1 1 0 1 0

Figura 2.9 − Indivíduos antes e depois da mutação binária

A mutação é necessária para a introdução e manutenção da diversidade

genética da população, assegurando que a probabilidade de se chegar a qualquer ponto
do espaço de busca nunca será zero. Além disso, a mutação permite contornar o
problema de mínimos locais, pois, com este mecanismo, altera-se levemente a direção
de busca, além de inibir convergências prematuras.
 29

Como já referido, geralmente são utilizadas baixas taxas de mutação,

uma vez que este é um operador genético secundário.

2.4 Algoritmos Genéticos Paralelos

Hoje, com a disponibilidade de software e computadores com

arquiteturas que permitem a computação paralela, as possibilidades de uso de AG estão
aumentadas. De fato, é fácil observar que a etapa de avaliação da aptidão de cada
indivíduo da população é naturalmente paralela. Uma possibilidade imediata é,
portanto, introduzir o paralelismo nesta etapa, ou seja, cada um dos processadores
disponíveis processaria um conjunto de indivíduos. Embora “primitivo” e de
implementação relativamente simples, este procedimento pode levar a ganhos
substanciais no tempo total da análise, visto que, em inúmeras aplicações –
especialmente em Engenharia – o cálculo da aptidão pode ser muito custoso,
envolvendo, por exemplo, uma simulação completa de um modelo discretizado pelo
método dos elementos finitos.
Na etapa seguinte – a seleção – se requer, pelo menos em princípio, um
esforço de coordenação ou centralização: os valores de aptidão de todos os indivíduos
da população devem estar disponíveis simultaneamente em algum processador para se
proceder ao processo (global) de seleção. Em seguida, os cromossomos de todos os
indivíduos devem estar igualmente disponíveis a fim de se aplicar os operadores
genéticos. Naturalmente, o resultado deste AG é o mesmo daquele encontrado pelo AG
seqüencial que lhe deu origem. Pode-se encontrar, entretanto, propostas na literatura
para se efetuar tanto a seleção, quanto a criação de novos indivíduos, localmente em
cada processador, visando, assim, aumentar o paralelismo, reduzindo o tempo de
comunicação gasto para enviar/receber dados, como a aptidão e o cromossomo, por
exemplo, entre processadores.
Uma primeira idéia que surge, quando se pensa em paralelização, é a
subdivisão da população original de n indivíduos em p sub-populações, “residentes” nos
p processadores disponíveis, submetida cada uma a um AG independente. Se não
houver comunicação entre estes AG, tudo se passa como se o problema estivesse sendo
resolvido com p AG atuantes em p populações de tamanho n/p executados em paralelo,
 30

o que não traz nada de novo. Entretanto, se é permitido que indivíduos de uma sub-
população migrem para outra sub-população, então se tem um novo AG. Dentro desta
linha, pode-se identificar um modelo de ilhas, onde periodicamente um ou mais
indivíduos de uma sub-população migram para uma outra ilha/população qualquer, ou
um modelo trampolim, onde esta migração se dá somente para ilhas vizinhas, bastante
semelhante ao que ocorre em sistemas biológicos, onde a geografia limita a migração.
Do ponto de vista computacional, esta geografia fica determinada com a definição de
uma topologia de comunicação entre os p processadores, que podem estar logicamente
conectados como um anel através da definição dos vizinhos de cada
processador/população. Fica clara, neste ponto, a necessidade da introdução de
parâmetros de controle adicionais para os AG distribuídos: quando, quais e quantos
elementos irão migrar, para onde irão e como serão inseridos na nova população.
Outra possibilidade, em termos de paralelização, corresponde ao caso de
fazer o número p de sub-populações/processadores crescer até o limite interessante em
que cada processador está associado a um indivíduo. Isto pressupõe um equipamento
maciçamente paralelo com um software adequado. Novamente, surge a necessidade de
se introduzir uma vizinhança para cada processador/indivíduo e um esquema de seleção
para a definição dos pais a serem utilizados na geração de novos indivíduos via
recombinação/mutação. Além disso, um esquema de inserção desses novos indivíduos
na população (provavelmente com a substituição de algum indivíduo previamente
existente) deverá ser implementado.
O paralelismo implícito, é, possivelmente, a propriedade mais importante
dos AG. Isso não basta para que seja de máximo interesse realizar uma implementação
explicitamente paralela aproveitando as facilidades da própria estrutura do AG. Não
existe um modelo típico de implementação em paralelo de AG, devido à grande
variedade de estruturas de processamento em paralelo.

Existem três modelos para a implantação de um AG paralelo [SER 96]:

1. MODELOS CENTRALIZADOS - Neles, um processo central

coordena o funcionamento de vários processos subordinados. São diretos e de fácil
implementação: o processo central se encarrega de controlar os operadores de seleção e
reprodução, enquanto que os subordinados apenas avaliam aptidões. Estes modelos
apresentam os dois inconvenientes inerentes à centralização: primeiro, é necessário que
 31

os tempos de avaliação processos subordinados sejam análogos (síncronos), pois, em

caso contrário, se produzirão grandes quantidades de "tempos mortos"; por outra lado, o
esquema centralizado apresenta pouca confiabilidade por depender, de maneira crítica,
do bom funcionamento do processo central. A exigência de sincronização pode ser um
pouco minimizada através da escolha de operadores adequados para que o processo
central possa trabalhar com os indivíduos à medida em que os mesmos vão sendo
avaliados.

2. MODELOS EM REDE - Neste modelo, um conjunto de

processadores independentes executam um AG convencional, cada um usando sua área
de memória, operadores genéticos e avaliações próprias. Além disso, se estabelece uma
topologia de comunicação entre os processadores, que permite o intercâmbio
coordenado de informações entre populações com a finalidade de apoiar a busca de
melhores soluções. Habitualmente, tal intercâmbio é executado através de técnicas de
migração  isto é, movimento de indivíduos de uma subpopulação para outra  e
cruzamento entre indivíduos de distintas populações.

3. MODELOS DISTRIBUÍDOS - Neste outro modelo, um conjunto de

processadores idênticos realizam as operações genéticas e as avaliações
independentemente uns dos outros, porém acessando uma área comum de memória
compartilhada. Não existe nenhum requisito maior de sincronia do que o de que se
produzam acessos simultâneos à memória compartilhada. Aparentemente, estes modelos
funcionam da mesma maneira que os centralizados, porém a confiabilidade nos modelos
distribuídos é muito maior, pois basta que apenas um dos processadores funcione para
que o AG possa realizar sua tarefa.

Freqüentemente, é usada a hibridização dos mecanismos de

processamento paralelo de Algoritmos Genéticos com outras técnicas heurísticas, a fim
de melhorar não somente a velocidade, mas também a precisão de busca.
 32

2.5 Algoritmos Genéticos Híbridos

A hibridização é a técnica que permite o acoplamento, ao AG, de um

algorítmo já existente, especializado em um determinado problema, a fim de fazer uma
busca mais agressiva. Esta técnica também permite incorporar heurísticas otimizadoras
ao conjunto de operadores genéticos, que passam a ser dependentes do domínio, isto é,
primeiramente utiliza-se um AG para realizar uma busca inicial no espaço de busca
correspondente ao problema a ser resolvido e, posteriormente, utiliza-se um algoritmo
convencional para o restante da busca.
Quando se pretende construir um AG para resolver um determinado
problema utilizando uma técnica de hibridização do conhecimento que se tem de tal
problema  pode-se conhecer algoritmos que o resolvam, denominados Algoritmos
Específicos Próprios (AEP)  pode-se utilizar um dos seguintes princípios [HER 94]:

• Utilizar a codificação usual ou padrão dos AEP

A utilização da codificação padrão conhecida do problema em questão
apresenta duas vantagens:
1. garante que a representação particularizada do domínio seja
preservada;
2. garante que o AG híbrido fornecerá soluções naturais para o
problema, uma vez que o algoritmo operará sobre a mesma classe de estruturas que o
AEP.

• Hibridizar onde for possível

Desta forma, incorpora-se as características positivas dos AEP. Este
princípio requer a incorporação de qualquer outra técnica que se adapte ao problema no
AG híbrido, o que pode ser feito de diversas maneiras [DAV 91]:
1. se o AEP é eficiente, o AG híbrido pode utilizar a solução ou soluções
o AEP produz como população inicial;
2. se o AEP permite, a partir de uma dada solução, avançar rapidamente
para soluções melhores, então os AEP podem ser utilizados como um prolongamento
 33

dos AG, ao término da atuação destes, ou durante as etapas dos mesmos.

O procedimento pode ser descrito da seguinte forma:
a) seleciona-se um ou mais cromossomos (os melhores) da população;
b) aplicam-se métodos de busca local;
c) insere-se a melhor estrutura (k melhores estruturas (indivíduos)) na
população e continua-se a busca genética.

• Adaptar os operadores genéticos

Nos procedimentos anteriores, são incorporadas as boas características
dos AEP. O seguinte princípio permite incorporar as boas características dos AG nos
procedimentos de resolução.
Quando se decide adaptar a codificação utilizada pelos AEP, não se
podem aplicar os operadores genéticos na forma como são projetados para trabalhar
com cadeias binárias. Deve-se criar operadores análogos para as técnicas de codificação
adaptadas.
Em [MIC 94] são encontrados exemplos de operadores adaptados a uma
representação específica para o problema de transporte e do caixeiro viajante. Esses
problemas exigem uma codificação com base em números reais.
Finalmente, deve-se destacar que estas técnicas permitem obter AG
híbridos que atuam melhor que as demais técnicas conhecidas, uma vez que incorporam
a informação dos algoritmos específicos disponíveis para os problemas tratados.
 34

3 Altimetria por Satélite

3.1 Fundamentos da Altimetria por Satélite

O desenvolvimento de técnicas de medição altimétrica por satélite

constitui um dos aspectos mais importantes do Sensoriamento Remoto aplicado a
Oceanografia. Isto se deve à natureza dessas medições (que, por serem efetuadas na
faixa de microondas, independem das condições meteorológicas e de iluminação da
superfície), sua cobertura global, possibilidades de análise e, principalmente, ao grande
número dos dados altimétricos disponíveis. Na verdade, dentre todas as técnicas de
sensoriamento remoto, a Altimetria por Satélite é, sem dúvida, a que fornece o maior
número de informações sobre as regiões oceânicas.
A Altimetria por Satélite é uma técnica de sensoriamento remoto por
microondas que tem como objetivo principal a medição da distância vertical entre o
satélite e a superfície da Terra, permitindo, com isso, a geração de mapas da superfície
média do mar com elevada exatidão, os quais, além de terem aplicação em estudos
gravimétricos e da Terra sólida, contêm informações sobre a dinâmica da circulação
oceânica. O altímetro emite uma série de impulsos na vertical e registra os intervalos de
tempo entre a emissão e a recepção dos sinais refletidos, o que permite obter
informações sobre a distância satélite-oceano. A utilidade dos radares altimétricos,
entretanto, não está limitada às observações da altura do satélite; a forma e a amplitude
média dos pulsos altimétricos refletidos (ecos) permitem estimar a altura das ondas de
superfície e a intensidade dos ventos sobre a superfície dos oceanos, respectivamente.
Quando combinadas com modelos detalhados do geóide, as superfícies
altimétricas podem fornecer descrições do campo de correntes de superfície. Além
disso, descrições estatísticas dos fluxos oceânicos podem ser obtidas diretamente das
superfícies altimétricas, sem a necessidade de utilização de modelos do geóide.
O geóide é uma superfície equipotencial que representa o campo gravitacional terrestre,
correspondendo à superfície oceânica de equilíbrio para um período de tempo muito
longo e refletindo as principais feições batimétricas dos oceanos (fossas submarinas,
cordilheiras meso-oceânicas, etc.). Embora relacionado com a gravidade, que é uma
força, há uma diferença entre ambos, pois o geóide é um potencial. A gravidade é mais
 35

sensível às variações na batimetria do que o geóide, o que pode ser observado na

Figura 3.1.

Figura 3.1 - Diferença entre a gravidade e o geóide

A realização de estudos da Terra a partir do espaço teve início com as

fotografias tomadas pelos primeiros foguetes não tripulados de alta altitude, como parte
do programa espacial americano (U.S. Mercury Program), a partir de 1946. Mas o
primeiro vôo manobrado concretizou-se em 1961, quando os astronautas puderam
observar diretamente os oceanos de alturas maiores que 200 km. Como não havia
nenhuma observação sistemática disponível com esses programas, o desenvolvimento
de novas tecnologias espaciais tornou-se um necessidade premente [ROB 85].
Assim, na metade dos anos 60, um estudo dirigido pela NASA sugeriu,
pela primeira vez, a altimetria a partir do espaço. Esse estudo utilizou o estado da arte
de sensoriamento remoto aerotransportado como a base para as técnicas de
sensoriamento remoto por satélite e suas possíveis aplicações. Altímetros operando na
faixa de microondas foram propostos para registrar o estado do mar (aspectos de
 36

irregularidade e parâmetros de ondas e ventos), medir o nível do mar (topografia

oceânica e correntes resultantes) e tsunamis (ondas de origem sísmica).
O lançamento da estação espacial Skylab, em maio de 1973, deu
prosseguimento ao programa de aplicação da tecnologia espacial à pesquisa e
conservação dos recursos naturais, sob a orientação da NASA. O Earth Resources
Experimental Package, instalado a bordo do Skylab, testou e demonstrou o potencial da
utilização do sensoriamento remoto com a finalidade de monitoramento da Terra.
O primeiro altímetro conduzido ao espaço fez parte desse pacote experimental, mas
ainda era muito impreciso.
A primeira missão altimétrica foi a do GEOS-3 (abril de 1975 a
dezembro de 1978), tendo como uma das propostas testar a possibilidade de coleta de
dados geofísicos através de um radar altimétrico. Embora não tão preciso como a atual
geração de altímetros, o GEOS-3 permitiu a realização dos primeiros estudos sobre a
topografia da superfície oceânica e as correntes de superfície dela derivadas.
Infelizmente, o satélite não possuía nenhum sistema de gravação a bordo, o que resultou
na obtenção de dados concentrados em algumas áreas oceânicas, próximas as estações
receptoras terrestres. Esse aspecto de distribuição dos dados em "manchas", tanto no
espaço quanto no tempo, não permitiu grandes avanços no entendimento dos processos
oceânicos.
O SEASAT, lançado em 28 de junho de 1978, teve uma missão de curta
duração — 105 dias — devido a problemas técnicos no sistema de energia do satélite.
Em muitos aspectos, o SEASAT foi um satélite à frente do seu tempo, sendo o primeiro
satélite realmente dedicado a estudos oceanográficos, carregando vários sensores de
microondas capacitados para a obtenção de dados diurnos e noturnos com qualquer tipo
de condição meteorológica. O SEASAT conduziu um conjunto de quatro sensores
nunca antes instalados juntos numa única plataforma espacial: um radar altimétrico, um
radar de abertura sintética (SAR), um difusômetro e um radiômetro de microondas.
O lançamento do GEOSAT pela marinha norte-americana, em março de
1985, marcou uma nova era na altimetria por satélites. O objetivo primordial da missão
do GEOSAT foi mapear o campo de gravidade marinho com grande resolução espacial.
Assim, durante os primeiros 18 meses, o satélite teve uma órbita geodésica, não
repetitiva, e, devido ao grande interesse militar dos dados coletados, os mesmos foram
classificados como confidenciais, só sendo liberados para a comunidade científica a
poucos anos atrás. No começo de 1986, o GEOSAT foi manobrado para uma órbita que
 37

se repetia aproximadamente a cada 17 dias, semelhante à órbita do SEASAT, obtendo

dados altimétricos de grande interesse oceanográfico até o término da missão, no final
de 1989. Apesar da missão do GEOSAT não ser especificamente designada para a
Oceanografia, o mesmo foi o primeiro satélite a obter dados altimétricos globais e pluri-
anuais.
Em 10 de agosto de 1992, o satélite TOPEX/Poseidon foi lançado por um
foguete Ariane, da base de Kourou, na Guiana Francesa, e após a estabilização da
órbita, começou a obter dados em 23 de setembro de 1992. A missão é conduzida pela
agência espacial norte-americana, NASA, em conjunto com a agência francesa, CNES.
A missão estava prevista para três anos, com a possível extensão por mais dois, tendo
como objetivo principal acompanhar, a partir do espaço, os padrões de circulação
oceânica global, no âmbito dos projetos WOCE e TOGA. O satélite, que continua em
operação, descreve uma órbita com 66º de inclinação, que se repete (com uma precisão
de ± 1 km) a cada dez dias, realizando 127 revoluções ao redor da Terra numa altitude
de 1.335 km.
O satélite conduz dois altímetros. O primeiro deles é o radar altimétrico
da NASA (NRA), denominado TOPEX, que é o principal instrumento da missão, sendo
o primeiro altímetro de dupla freqüência utilizado em missões orbitais. As medidas são
realizadas em duas bandas na faixa de microondas (5.3 e 13.6 GHz), as quais são
combinadas para minimizar os efeitos da ionosfera. O SSALT, denominado Poseidon,
desenvolvido pela agência espacial francesa, por sua vez, é um altímetro manobanda
(13.6 GHz), de caráter experimental, que tem como objetivo principal a validação de
uma tecnologia de baixo consumo de energia, pequeno peso e longa duração, para ser
utilizado em futuras missões altimétricas. As medições são realizadas aproximadamente
a cada 6 km ao longo da trajetória do satélite, com espaçamento equatorial entre as
trilhas de aproximadamente 315 km, a partir dos dois altímetros conduzidos a bordo.
Como eles utilizam a mesma antena e não podem operar simultaneamente, seguem um
plano de compartilhamento da antena com o intuito de obter a máxima cobertura
requerida para que os dados de ambos os altímetros possam ser utilizados [AVI 92].
Como mencionado anteriormente, o altímetro é um radar que emite uma
série de pulsos na vertical e registra os intervalos de tempo entre a emissão e a recepção
dos sinais refletidos, bem como a forma e a amplitude dos ecos. A energia refletida é
medida em um determinado número de time gates. A amplitude do sinal em gates
sucessivas cria uma forma de onda (waveform), cujo aspecto é determinado pelas
 38

características, em termos de reflectância, da superfície da Terra. No caso do TOPEX,

as formas de onda dos ecos altimétricos obtidas sobre regiões oceânicas, amostradas a
uma taxa de 10 Hz, são posteriormente processadas visando transformar os dados
telemétricos obtidos em quantidades geofísicas com resolução de 1 Hz. O conjunto de
medições altimétricas é constituído pela altura do satélite em relação à superfície do
mar, pela altura significativa das ondas e pela intensidade do vento sobre a superfície
oceânica. A altura do satélite, como já foi dito, é obtida a partir da medição do intervalo
de tempo entre a emissão e a recepção dos sinais refletidos. A altura significativa das
ondas de superfície depende da inclinação da curva de amplitude do eco em função do
tempo. A intensidade do vento na superfície depende da amplitude do eco. Esta última
medição é usualmente expressa em termos de uma correção automática de ganho
(automatc gain control, AGC) ou de um coeficiente de retrodifusão (backscattering
coefficient, σº).
A freqüência dos pulsos emitidos corresponde a um comprimento de
onda pouco penetrante, o que produz um sinal sensível aos fenômenos de superfície de
pequeno comprimento de onda e mantém atenuação atmosférica dentro de limites
aceitáveis. O intervalo de tempo correspondente à largura dos pulsos emitidos é
reduzido por filtragens, a fim de melhorar a resolução. Altas freqüências de repetição
dos pulsos emitidos melhoram a precisão do altímetro, em função do aumento do
número de amostragens integradas. No caso do altímetro da NASA, a freqüência de
repetição dos pulsos é de 4.200 Hz para o canal correspondente à banda Ku e 1.220 Hz
para a banda C [MAR 93].
Normalmente, as medições altimétricas são constituídas pela média da
amostragem de diversos pulsos, resultando em uma observação altimétrica final a cada
segundo. Em um segundo, o satélite viaja cerca de 7 km na projeção terrestre da órbita,
de modo que a superfície não é amostrada num único ponto, mas se tem a média de uma
distância relativamente curta. A "pegada" (footprint) do altímetro, que é devida à
largura finita do pulso emitido e ao estado de agitação do mar (que espalha a área
efetivamente "iluminada"), é de magnitude similar.
Sendo h a distância satélite oceano medida pelo altímetro, h* a distância
radial do centro de massa do satélite ao elipsóide de referência, hg a altura do geóide em
relação a esse elipsóide e δh a elevação da superfície oceânica em relação ao geóide
(ver Figura 3.2), então a medição altimétrica pode ser representada por
 39

h = h* - hg - δh. (3.1)

Figura 3.2 – Esquema da medição de elevação pelo altímetro

Deve-se observar que, enquanto h* é razoavelmente bem determinado

(em função do conhecimento do campo de gravidade, dos dados de estações
rastreadoras, etc.), a altura do geóide, hg, não é bem conhecida em todas as regiões do
globo, sendo inclusive muito mal definida em algumas áreas. Finalmente, δh engloba
todos os efeitos dinâmicos da superfície oceânica, incluindo ondas, marés, correntes e
turbilhões.
A medição da elevação da superfície a partir do dado altimétrico da
distância satélite-oceano requer o conhecimento preciso da distância radial do satélite ao
elipsóide de referência (ou ao centro da Terra). As efemérides do satélite são calculadas
a partir do conhecimento do campo gravitacional terrestre, efeitos gravitacionais da Lua
e do Sol, pressão da radiação solar direta e refletida pela Terra, arraste atmosférico e
forças de maré na altitude do satélite. A esses cálculos se conjugam informações de
estações rastreadoras e dos sistemas de posicionamento global.
 40

3.2 Correções na Medição da Elevação da Superfície Oceânica

O total aproveitamento do potencial das medições altimétricas de altitude

requer um certo número de correções nas observações, as quais são baseadas em
medidas independentes. A precisão final das medições altimétricas de elevação da
superfície oceânica, com essas correções, fica entre 2 e 10 cm, aproximadamente.
Existem três classes de correções:
• Correções de erros instrumentais (hi);
• Correções devido à interação pulso-ondas de superfície (ho);
• Correções da propagação dos sinais (hp).

Denotando as contribuições devidas essencialmente à circulação oceânica

por hc, a elevação da superfície dada pelo altímetro pode ser expressa como:

δh = hi + ho + hp = ho (3.2)

3.2.1 Correções Instrumentais

Os erros instrumentais incluem aqueles inerentes à própria configuração

do instrumento e seu suporte, ou seja:
1. o efeito da geometria do veículo espacial, incluindo a distância entre a
posição do altímetro e o centro de massa do satélite, bem como o efeito do instrumento
não apontar na direção vertical de forma absolutamente exata (off-nadir pointing);
2. a soma de todos os atrasos e tendências do instrumento, tanto nas
medições de tempo (time bias) como de altitude (height bias).
A correção dessa segunda classe de erros normalmente é feita pelos
programas de calibração dos altímetros.

3.2.2 Correções Geofísicas

Em adição aos dois tipos de erros instrumentais citados, tem-se

uma importante correção, denominada "tendência eletromagnética" ou "influência
eletromagnética" (electromagnetic bias, ho), devido à interação entre as ondas de
superfície e o pulso do radar altimétrico. Este efeito ocorre porque os picos das ondas de
 41

superfície tendem a dispersar a energia do pulso incidente, enquanto que os cavados

dessas ondas tendem a devolver esta energia na direção do satélite. Conseqüentemente,
tem-se mais energia refletida pelos cavados das ondas do que pelas cristas, de modo que
o altímetro tende a rastrear os cavados, superestimando assim a distância satélite-oceano
[ROB 85]. Quanto mais altas as ondas, maior é o eletromagnetic bias. Estimativas
derivadas empiricamente a partir de dados altimétricos sugerem que essa correção
corresponde a 2% da altura significativa das ondas (significant wave height, SWH).
Ainda em relação à correção dos efeitos provocados pelo estado do mar,
tem-se um erro devido à adoção da hipótese de distribuição gaussiana, tanto para as
alturas das ondas de superfície como para a forma do pulso refletido. Como esta
hipótese não é exatamente correta, a correspondente correção deve ser considerada, com
estudos mostrando que a amplitude do fenômeno é da ordem de 5±2% da SWH para o
SEASAT .

2.3.3 Correções Atmosféricas

A influência dos meios de propagação dos sinais leva às correções hp.

Aqui, tem-se os efeitos da troposfera e da ionosfera. Ambos são devidos à diminuição
da velocidade da luz, por refração. Na troposfera, tem-se os efeitos da massa de ar e
outros gases (troposfera seca), do vapor de água (troposfera úmida) e da água líquida
em nuvens e precipitações pluviométricas. Na ionosfera, a refração é causada pelos
elétrons livres. Os efeitos retardadores da troposfera levam a correções da ordem de
2,3 m. Tipicamente, a contribuição da troposfera seca é aproximadamente 2 m, com um
comprimento de onda de cerca de 1.000 km, podendo ser corrigida para o nível de
0,7 cm, com o emprego de modelos meteorológicos. Usualmente, o modelo global do
U.S. Fleet Numerical Oceanographic Center (FNOC) ou o modelo do European Center
for Medium Range Weather Forecasting (ECMWF) são empregados na determinação
dessa correção. A contribuição da troposfera úmida é da ordem de 6 a 30 cm, com um
comprimento de onda na faixa de 50-500 m, podendo ser medida com uma precisão de
1-2 cm por radiômetros operando na faixa de microondas [RAP 90]. Alternativamente, a
correção do efeito da troposfera úmida pode ser realizada no emprego de modelos
meteorológicos.
O atraso na ionosfera no pulso altimétrico é estimado em função do
conteúdo total de elétrons na ionosfera, os quais se baseiam em modelos regionais e
 42

globais. A amplitude deste fenômeno varia entre 0,2 e 20 cm, com um comprimento de
onda na faixa de 50 à 10.000 km, podendo esse erro ser corrigido para níveis mais
aceitáveis, de no máximo 2 cm [RAP 90]. O satélite TOPEX/Poseidom, por possuir dois
altímetros compartilhando a mesma antena e operando em diferentes freqüências, é
capaz de medior diretamente o conteúdo total de elétrons ao longo da trajetória dos
pulsos altimétriocos. A precisão da correção ionosférica assim estimada é de cerca de
1,3 cm [WAK 88].
Uma vez que tenham sido removidas as componentes e correções
geofísicas do erro orbital e do erro devido ao modelo do geóide adotado, erros
instrumentais (da configuração do aparelho e drivas na altitude e no tempo), a interação
do pulso eletromagnético com as ondas de superfície e erros na propagação do pulso
eletromagnético (troposfera seca, troposfera úmida, água líquida da troposfera e na
ionosfera), resta listar as contribuições da dinâmica do oceano ao sinal altimétrico de
altitude (hc).
As parcelas da elevação após as correções citadas são [TAP 82]:
• maré oceânica (correntes de maré associadas) e maré da terra sólida, ht;
• resposta da superfície do mar ao efeito da pressão atmosférica na
superfície (resposta do barômetro invertido), hb;
• elevações devidas à circulação induzida por efeitos meteorológicos de
superfície (gradientes de pressão atmosférica e ventos), hm;
• ruído aleatório, hr.

Dessa forma, tem-se

ho = ht + hb + hm + hr. (3.3)

As marés terrestres têm origem no potencial de maré (lunar e solar),

considerando as propriedades elásticas da mesma, juntamente com a carga da maré
oceânica. A amplitude do fenômeno é tipicamente de 20 cm, com comprimento de onda
de 20.000 km. O erro residual na medição de elevação, após a modelagem, é de
aproximadamente 2 cm [TAP 82].
A correção do efeito das marés da terra sólida é usualmente realizada
através da aplicação do modelo de Melchior [VER 92] [PRO 93]. Alternativamente, o
 43

modelo de Cartwright-Taylor (com correções de Cartwright-Eden) também tem sido

empregado [ARN 92].
A maré oceânica é também originada no potencial lunar e solar de maré,
tendo uma amplitude na faixa de 1-2 m, com um comprimento de onda da ordem de
1.000 km. O erro residual após a modelagem é de cerca de 10 cm [TAP 82].
O modelo global de marés de Schwiderski era normalmente utilizado na
correção do efeito da maré oceânica na medição altimétrica de elevação. Este modelo
foi adotado como padrão para fins geofísicos em 1983 [VER 92]. Novos modelos têm
sido propostos desde então, incluindo o modelo proposto por Cartwright-Ray, bem
como a coleção de modelos que aparecem em [JPL 96].
A correção do barômetro invertido é baseada na proporcionalidade direta
de diminuição de aproximadamente 1 cm na elevação da superfície do amr para um
aumento de 1 mbar na pressão atmosférica de superfície. O tempo de resposta típico do
oceâno neste fenômeno é de dois dias. conseqüentemente, mapas meteorológicos
globais levam a correções muito precisas deste efeito. Normalmente, são utilizados os
dados de pressão fornecidos pelo Fleet NumericalOceanographic Center (FNOC).
Eventuais problemas podem ocorre com a ocorrência de ressacas ou intensos transportes
de Ekman em áreas costeiras. A amplitude do fenômeno é de cerca de 25 cm (ou mbar),
com comprimento de onda entre 200 e 1.000 km, e o erro associado na medição
altimétrica de altitude é de aproximadamente 3 cm [TAP 82].

3.3 Técnicas de Processamento das Medições Altimétricas de Altitude

A medição altimétrica de altitude, que corresponde à distância vertical

satélite-superfície do oceano, h, é composta pelos seguintes termos (Figura 3.2): h*, a
altitude do satélite em relação ao elipsóide de referência; hg, a altura do geóide em
relação ao elipsóide de referência; e δh, a elevação da superfície oceânica em relação ao
geóide. Reescrevendo a equação 3.1, pode-se representar esta composição pela
expressão

δh = (h* - h) - hg, (3.4)

 44

que mostra que o geóide deve ser removido da medição altimétrica (h* - h), de modo a
possibilitar a obtenção de informações de interesse oceanográfico.

O processamento de medições altimétricas de altitude para a extração do

sinal de mesoescala (h* - h) pode ser realizado através de três técnicas :

• Técnica das passagens colineares;

• Técnica das diferenças nos pontos de cruzamento;

• Técnica das diferenças em relação ao nível médio do mar.

Na técnica das passagens colineares (repeat track method), medições

altimétricas ao longo de trajetória repetidas (ascendentes ou descendentes) são
comparadas. Normalmente, são realizadas interpolações espaciais, de modo a se ter as
medições em pontos geográficos de interesse. Quando uma longa série observações está
disponível, como no caso do GEOSAT e do TOPEX/Poseidon, a diferença em relação
ao arco médio é muito próxima do sinal de mesoescala absoluto.

Já na técnica das diferenças nos pontos de cruzamento (crossover

difference technique), passagens ascendentes e descendentes do satélite são comparadas,
sendo as medições altimétricas, antes e depois dos pontos de cruzamento, interpoladas,
de modo a se ter medições nos pontos exatos de cruzamento. Esta técnica permite
mapear as diferenças de altitude residuais nos pontos de cruzamento das trilhas, após a
minimização global (sobre a área estudada) das diferenças das altitude obtida através do
ajustamento de cada perfil numa escala de distância relativamente longa.

A técnica das diferenças em relação ao nível médio do mar (difference to

the mean sea method) simplesmente analisa as diferenças de altura de curto
comprimento de onda (<1.000 km) entre cada perfil e uma superfície média do mar
obtida por altimetria. A princípio, esta é a técnica de processamento mais simples, desde
que se disponha de uma superfície média do mar confiável. Entretanto, os resultados
obtidos através da aplicação deste método são afetados pelo sinal de curto comprimento
de onda do geóide, devido à cobertura não completa do oceano pelas observações
altimétricas (com exceção dos dados das missões geodésicas dos satélites GEOSAT e
ERS-1).
 45

3.4 Topografia Dinâmica e Correntes de Superfície

3.4.1 Topografia da Superfície do Mar

Como já foi descrito anteriormante, um dos principais objetivos da

Altimetria po Satélite é a geração de mapas da superfície média do mar com elevada
exatidão, os quais, além de terem aplicação em estudos gravimétricos e da Terra sólida,
fornecem informações sobre a dinâmica da circulação oceânica. Essas superfícies
altimétricas, quando combinadas com modelos detalhados do geóide, podem fornecer
descrições sobre as correntes de superfície. Além disso, descrições estatísticas dos
fluxos oceânicos podem ser obtidas diretamente dessas superfícies altimétricas, sem a
necessidade da utilização de modelos do geóide.
As primeiras observações diretas da topografia da superfície média do
mar através da altimetria por satélite foram feitas no final de 1973, durante a missão
Skylab, e compararam a topografia derivada dos dados altimétricos do Skylab com a
topografia calculada com base no Goddard Earth Model GEM-8, obtendo diferenças de,
no máximo, alguns metros. Resultados bem melhores foram obtidos em 1978 por
[DOU 78] com dados altimétricos do satélite GEOS-3. Uma técnica eficiente para a
obtenção da topografia da superfície oceânica a partir dos dados altimétricos do
SEASAT foi apresentada em 1982 por [MAR 82]. Esses pesquisadores obtiveram dois
mapas globais da superfície média do mar 18 dias (28 de julho a 15 de agosto) de
medições altimétricas do SEASAT, utilizando os modelos gravitacionais PGS-S3 e
PGS-S4, sendo a precisão interna das estimativas do geóide marinho feitas por essas
superfícies da ordem de 1m.
O mapeamento da distribuição espacial da variabilidade da topografia da
superfície do mar com o tempo foram desenvolvidos, primeiramente, com base nas
órbita do Seasat com repetitividade de três dias (13 de setembro a 10 de outubro de
1978).
Posteriormente, diversos autores realizaram estudos sobre a variabilidade
da topografia oceânica e a energia cinética turbilhonar associada, tendo com base as
medições altimétricas dos satélites GEOSAT, ERS-1/2 e TOPEX/Poseidon.
 46

3.4.2 Correntes Geostróficas de Superfície

Sendo h a medição altimétrica do nível do mar e hg a altura do geóide,

ambas referentes ao mesmo elipsóide, a altura dinâmica da superfície em relação ao
geóide, hd ,é dada por:

hd = h – hg (3.5)

Após a eliminação dos erros instrumentais e de propagação (na

troposfera e na ionosfera) e a correção das medições altimétricas, h, visando absorver os
erros de longo comprimento de onda (erro orbital, marés, pressão atmosférica e
interação pulso-ondas de superfície), a altura dinâmica resultante, hd, é composta por
duas componentes geostróficas principais: uma componente de grande escala, associada
à circulação média quase permanente, que pode ser considerada independente do tempo
para escalas de tempo menores que alguns meses, e uma componente de mesoescala, de
100 a 1.000 km, associada à circulação turbilhonar, sendo dependente do tempo e
aparecendo nas variações do nível do mar ou nas alturas dinâmicas. A escala de tempo
típica desta última componente se situa na faixa de 3 a 25 dias.
Numa boa aproximação, as correntes de superfície se encontram em
equilíbrio geostrófico e balanço hidrostático, ou seja, a força do gradiente de pressão é
equilibrada pela força de Coriolis e as superfícies isobáricas e isopícnicas são
coincidentes horizontalmente.
Tradicionalmente, na determinação das correntes geostróficas de
superfície, os oceanógrafos têm assumido que, uma grande profundidade, existe um
nível de movimento nulo, adotado como nível de referência. Nele, as superfícies de
pressão constante coincidem com as superfícies de nível. Na verdade, o oceano
apresenta movimentos em todas as profundidades, sendo assim necessárias alternativas
para os estudos de circulação. Uma excelente opção é fornecida pela altimetria por
satélite, a qual permite que a superfície do mar seja tomada como nível de referência.
O altímetro mede a inclinação da superfície do mar, onde a qual está diretamente
relacionada com a velocidade da corrente geostrófica de superfície.
Uma precisão em torno de ± 10 cm nas medições altimétricas da
topografia da superfície do mar é suficiente para uma estimativa razoável das correntes
geostróficas, embora uma precisão maior, como a fornecida pelo altímetro do satélite
TOPEX/Poseidon, seja mais recomendada para o estudo da circulação oceânica.
 47

A hipótese de que as correntes oceânicas de superfície se encontram em

equilíbrio geostrófico, assumida aqui, não é absolutamente correta. Estritamente
falando, a geostrofia requer um equilíbrio entre os gradientes de pressão e a força de
Coriolis e um fluxo invariante no tempo. Os pequenos desvios do balanço geostrófico
permitem que as correntes se desenvolvam numa circulação “quase-geostrófica”.
As acelerações, efeitos de fricção e forças não lineares que modificam o
balanço geostrófico tendem a ser mais importantes na superfície e próximo à costa.
No restante do oceano, a aproximação geostrófica é justificável. Entretanto, no caso de
correntes muito intensas, caso das correntes de contorno oeste, como a Corrente do
Golfo, as inclinações através das mesmas fornecem a velocidade ao longo do eixo de
fluxo, porém as inclinações ao longo do fluxo podem não estar em balanço geostrófico.
Na superfície, a fricção do vento gera correntes de superfície transientes,
as correntes de deriva locais. Os gradientes de pressão associados com as correntes de
deriva são pequenos, muito menores que as inclinações devidas ao fluxo geostrófico.
Conseqüentemente, o altímetro não permite estimar as correntes de superfície, mas
apenas a componente geostrófica dessas correntes.
No Equador, a força de Coriolis se anula e o balanço geostrófico deixa de
existir. Entretanto, mesmo nessa região, as correntes estão relacionadas com inclinações
da superfície do mar, embora essa relação não seja tão simples como a expressão do
equilíbrio geostrófico.

3.4.3 Estimação da Topografia Dinâmica Absoluta

A precisão da estimativa das correntes de superfície através da altimetria

por satélite depende da exatidão com que o geóide oceânico é conhecido. O geóide
altimétrico inclui erros devidos às correntes permanentes, de modo que, em princípio, o
mesmo não pode ser usado para estudos da circulação oceânica, sendo necessária a
utilização de geóides independentes. As componentes de longo comprimento de onda do
geóide são conhecidas devido à sua influência nas órbitas dos satélites, sendo medidas
através do rastreamento preciso dos mesmos. O modelo gravitacional GEM-T2, por
exemplo, é baseado em mais de 2,4 milhões de dados de 31 satélites, incluindo o
GEOS-3, o SEASAT e o GEOSAT. As componentes de pequeno comprimento de
onda – o geóide gravimétrico – são conhecidas apenas em áreas onde foram realizadas
campanhas de medições gravimétricas. Esses levantamentos são caros e foram
realizados somente em poucas regiões oceânicas, especialmente no noroeste do oceano
Atlântico.
 48

Diversas observações e medições têm indicado que as correntes oceânicas de

contorno oeste, como a Corrente do Golfo e a Corrente do Kuroshio, apresentam um
perfil de velocidade na direção perpendicular ao fluxo aproximadamente gaussiano
[JOY 86].
A Figura 3.3. apresenta um perfil de velocidade típico para correntes
meandrantes intensas tipo jato, juntamente com o perfil correspondente de elevação da
superfície do mar.

Figura 3.3  Correntes meandrantes intensas tipo jato

A partir dessa constatação, uma técnica para estimar a topografia

dinâmica absoluta no caso das intensas correntes de contorno oeste foi desenvolvida por
[KEL 90]. Essa técnica consiste na utilização de um modelo analítico para descrever a
topografia dinâmica de um jato isolado, determinada a partir das variações temporais
observadas, como um problema inverso.
A técnica foi aplicada inicialmente à região da Corrente do Golfo [KEL 90]
[KEL 91], sendo posteriormente aplicada à região da Extensão da Corrente do Kuroshio
[QIU 91] [QIU 95]. Essa técnica foi ainda estendida por [GIL 94] para levar em conta a
existência de múltiplos jatos, podendo assim ser aplicada à Corrente Circumpolar
Antártica, no Oceano Austral.
A comparação das velocidades derivadas pela altimetria por satélite com
medições in situ simultâneas de velocidade das correntes, demonstraram a validade da
técnica [JOY 90].
 49

4 Metodologia Proposta

A metodologia proposta neste trabalho visando a determinação da

topografia da superfície do mar nas regiões oceânicas onde fluem intensas correntes
tipo jato meandrantes, baseia-se na utilização de Algoritmos Genéticos no
processamento dos dados de Altimetria por Satélite. A metodologia é descrita a seguir,
enfatizando-se o processamento preliminar dos dados altimétricos, a descrição da
codificação e da função de mérito a serem utilizadas nos algoritmos genéticos, bem
como o processo de obtenção da topografia dinâmica com auxílio de perfis sintéticos de
elevação da superfície do mar.

4.1 Processamento dos Dados Altimétricos

4.1.1 Edição dos Dados

Antes das medições altimétricas de elevação serem processadas, as

mesmas devem ser primeiramente editadas visando excluir os dados que apresentem
algum tipo de problema. Os dados altimétricos brutos a serem utilizados devem ser
constituídos por valores pré-processados, no sentido de que deve haver uma
transformação prévia das quantidades telemétricas medidas pelos sensores em
quantidades geofísicas com resolução de 1Hz (médias computadas a partir das
amostragens originais a uma taxa de 10Hz).
A edição dos dados deve seguir as recomendações que constam nos
manuais referentes ao satélite altimétrico considerado [AVI 94] [BEN 93] [CHE 91].

4.1.2 Aplicação de Correções

A seguir, devem ser aplicadas correções instrumentais, atmosféricas e

geofísicas (com exceção da aplicação do valor da elevação do geóide), objetivando
eliminar ou atenuar uma série de erros envolvidos no processo de medição [RAY 91].
Como foi visto no Capítulo 3, as causas desses erros podem ser
agrupadas em cinco categorias:
 50

• erros instrumentais;
• erros provocados pelo estado do mar;
• erros provocados pela influência do meio na propagação dos sinais;
• erros causados pelas variações temporais da superfície oceânica;
• erro orbital.

As correções para os erros instrumentais visam permitir a eliminação ou

a atenuação dos erros inerentes à própria configuração do instrumento e de seu suporte,
ou seja,
1. o efeito da geometria do veículo espacial, que inclui:
• o efeito da distância entre a posição do altímetro e o centro de massa
do satélite, e
• o efeito do instrumento não apontar na direção vertical de forma
absolutamente exata;
2. a soma de todos os atrasos e derivas do instrumento, incluindo:
• o efeito de atrasos e derivas nas medições de tempo (time bias), e
• o efeito da tendência nas medições de altitude (height bias).

As correções para os erros provocados pelo estado do mar [HAY 82],

visam reduzir os efeitos devidos à:
• interação pulso−ondas de superfície, denominando tendência ou
influência eletromagnética (eletromagnetic bias);
• adoção da hipótese de distribuição gaussiana das alturas das ondas de
superfície e da forma dos pulsos refletidos.

Por sua vez, as correções para os erros provocados pela influência do

meio na propagação dos sinais visam atenuar o efeito:
• da massa de ar e de outros gases presentes na troposfera
(troposfera seca);
• do vapor d'água da troposfera (troposfera úmida);
• da água líquida em nuvens e de precipitações pluviométricas;
• dos elétrons livres da ionosfera.
 51

As correções para os erros causados pelas variações temporais da

superfície oceânica objetivam reduzir o efeito da:
• maré oceânica;
• maré de terra sólida;
• carga de maré;
• resposta da superfície do mar à pressão atmosférica.

A correção do erro orbital, no caso do satélite TOPEX/Poseidon, é

desnecessária, uma vez que a determinação da órbita é excelente (da ordem de 3 cm)
[NER 94] [TAP 94]. Para os outros satélites altimétricos já lançados é necessário que se
aplique esta correção.
Os valores de elevação do geóide, que constam dos registros de dados
geofísicos dos altímetros e são fornecidos por algum dos modelos geoidais existentes,
não devem ser aplicados às medições, por não possuírem a precisão necessária.
O geóide é estimado a partir de modelos gravimétricos, que produzem uma boa
estimativa em largas escalas, mas podem ter grandes desvios de caráter regional.
Atualmente, os melhores modelos do geóide disponíveis possuem ainda um erro maior
do que o sinal da topografia superficial do mar devido a correntes oceânicas (+/− 1 m),
em escalas inferiores a 2.400 km.
A metodologia aqui proposta visa justamente superar essa deficiência
quanto ao conhecimento do geóide com a precisão exigida para a determinação da
topografia da superfície oceânica.

4.1.3 Perfis de Elevação Residual

O processamento das medições altimétricas de elevação da superfície do

mar deve ser realizado através da técnica das passagens colineares [CHE 83] [VAN 92],
na qual as medições altimétricas ao longo de trajetórias repetidas (descendentes ou
ascendentes) são comparadas e analisadas.
Após a aplicação das correções vistas anteriormente, objetivando
eliminar ou atenuar uma série de erros envolvidos no processo de medição, deve-se
calcular, para cada passagem do satélite, o perfil de elevação residual da superfície
do mar.
 52

Inicialmente, tomam-se diversas passagens repetitivas ao longo de uma

trilha do satélite altimétrico considerado e calcula-se a média das elevações observadas
em cada uma dessas passagens.
De modo a melhorar a estimativa do perfil médio de elevação,
recomenda-se que os dados sejam interpolados, visando a obtenção de pontos
igualmente espaçados ao longo da trilha do satélite.
Os perfis de elevação residual da superfície do mar são obtidos
subtraindo-se de cada perfil observado a média de todos os perfis considerados,
calculada anteriormente.

4.1.4 Perfis Sintéticos de Elevação

Após a obtenção dos perfis de elevação residual, deve-se efetuar o ajuste

de um perfil sintético de elevação da superfície do mar à esses dados de elevação
residual.
O primeiro perfil teórico de elevação a ser considerado é obtido pela
integração de um perfil de velocidade da corrente (ver Figura 3.3).
Se x é uma coordenada que indica a posição ao longo de uma trilha do
satélite altimétrico e v é a componente da velocidade geostrófica da corrente
perpendicular à essa trilha, então o perfil gaussiano de velocidade ao longo da trilha é
dado por:
  xi − x 0 
2
v ( xi ) = v0 . exp  − π    (4.1)
  w / cos θ  

onde v0 é a máxima velocidade, que ocorre na posição x0 ao longo da trilha, w é uma

medida da largura da corrente e θ é o ângulo entre o vetor velocidade real e a normal à
trilha [TAI 90] [RAP 94].
Todos os parâmetros (v0, x0, w, cos θ) são funções tanto do tempo quanto
da posição λ0 (aproximadamente igual à longitude na qual a trajetória média da corrente
intercepta a trilha do satélite altimétrico).
O perfil equivalente de elevação da superfície do mar é dado por
[TAI 90] [RAP 94]:
1 f  x − x0 
η ( xi ) = v0 ( w / cosθ ) erf  π i  + h0 (4.2)
2g  w / cosθ 
 53

onde erf é a função erro, g é a aceleração da gravidade e f é o parâmetro de Coriolis,

4π
f = sen φ (4.3)
86400
sendo φ a latitude média da região oceânica estudada.
O segundo modelo de perfil que pode ser utilizado emprega funções
hiperbólicas. A topografia da superfície do mar é representada por:
 x − x0 
η = H tanh i  + η0 (4.4)
 L 
onde 2H é a diferença de nível através do fluxo da corrente e L é um valor relacionado a
w/cos θ (w/cos θ = 1,89 L) [RAP 94].
A velocidade correspondente ao longo do fluxo da corrente, é dada por:
g H  x − x0 
v=− sec h 2  i . (4.5)
f L  L 
O ajuste de um dos dois perfis de elevação aos dados observados tem
sido feito, até agora, através do algoritmo de Levenberg-Marquardt [KEL 90][GIL 94].
Neste trabalho, propõe-se a utilização de algoritmos genéticos na
realização desse ajuste. Os algoritmos genéticos propostos são descritos mais adiante,
no item 4.2 deste Capítulo.

4.1.5 Perfil Sintético Médio de Elevação

Após a realização dos ajustes com auxílio de um dos algoritmos

genéticos propostos, deve-se calcular a média de todos os perfis sintéticos de elevação
obtidos anteriormente.
Esse perfil sintético médio de elevação será utilizado, no passo seguinte,
na estimação da topografia dinâmica absoluta.

4.1.6 Topografia Dinâmica Absoluta

Finalmente, a topografia dinâmica absoluta é reconstruída através da

adição do perfil sintético médio de elevação aos perfis de elevação residual da
superfície do mar anteriormente calculados.
A partir da topografia dinâmica absoluta estimada, é possível calcular a
velocidade superficial instantânea das correntes geostróficas [JOY 90].
 54

Figura 4.1  Exemplo de determinação da topografia dinâmica

A Figura 4.1 mostra um exemplo, retirado de [QIU 95], do resultado da

aplicação da metodologia apresentada à perfis de altura residual da superfície do mar
obtidos a partir de medições altimétricas do satélite TOPEX/Poseidon na região da
Extensão da Corrente do Kuroshio. À esquerda, na figura, são mostrados os perfis de
altura residual, vendo-se à direita os perfis sintéticos de elevação (linhas tracejadas) e a
elevação sintética média (linhas contínuas).
Deve-se observar aqui que os resultados mostrados na Figura 4.1 foram
obtidos com o emprego do algoritmo de Levenberg-Marquardt. Resultados semelhantes
seriam obtidos com a aplicação da metodologia aqui proposta, baseada na utilização de
algoritmos genéticos no ajuste dos perfis teóricos de elevação aos dados altimétricos.
Os algoritmos genéticos propostos neste trabalho apresentam como
vantagem, em relação aos métodos tradicionais de resolução de problemas não lineares
de mínimos quadrados, o fato de apresentarem uma menor complexidade e a garantia de
convergência para a solução global, mesmo no caso de problemas multimodais
[BÄC 96], como o da estimação da topografia da superfície oceânica na região da
Corrente Circumpolar Antártica, a qual pode ser modelada estendendo-se os modelos
anteriores para levar em conta a existência de múltiplos jatos [GIL 94].
 55

4.2 Algoritmos Genéticos Propostos

Serão descritos a seguir dois algoritmos genéticos, um com codificação

binária e outro usando codificação real, para o ajuste dos perfis sintéticos de elevação
aos dados de elevação residual fornecidos pela altimetria.
Para facilitar a descrição dos algoritmos genéticos, pode-se supor que o
perfil teórico de elevação envolvendo a função erro (4.2) possa ser escrito,
simplificadamente, como
η = A erf [B(x − C)] + D, (4.6)
o mesmo acontecendo com o perfil sintético de elevação baseado na tangente
hiperbólica (4.3),
η = A tanh [B(x − C)] + D. (4.7)
Nestas duas expressões, o parâmetro A indica a amplitude da curva, o
parâmetro B a inclinação da mesma, C indica a posição horizontal do ponto de inflexão
e, finalmente, D possibilita um deslocamento vertical da curva, caso necessário.
O problema a ser resolvido é o ajuste dos valores de elevação medidos
pelo altímetro a um desses perfis teóricos de elevação. Assim, deve-se ajustar os
parâmetros A, B, C e D de modo a minimizar as diferenças entre as alturas da superfície
do mar medidas pelo altímetro e as alturas fornecidas pelo perfil sintético de elevação.

4.2.1 Representação Binária

O problema da determinação da topografia dinâmica, como dito

anteriormente, consiste em determinar os coeficientes A, B, C e D que produzam o
melhor ajuste dos dados altimétricos quando aos perfis descritos pela Equação (4.6) ou
pela Equação (4.7). Obviamente, A, B, C e D são valores reais. Portanto, para
representá-los no algoritmo genético binário, é necessário de se escolha uma forma de
representação dos números reais como um vetor de números binários.
A representação sugerida para os vetores de números binários
(cromossomos) que representarão os parâmetros da curva teórica adotada é mostrada a
seguir:
bA1 ... b Ak bB1 ... bBl bC1 ... bCm bD1 ... bDn .
 56

O primeiro grupo de dígitos binários representa o parâmetro A; o segundo

grupo de bits representa o parâmetro B, o terceiro, o parâmetro C e, finalmente, o quarto
grupo de dígitos binários representa o parâmetro D.
Deve-se observar que o número de dígitos binários pode variar de grupo
para grupo, dependendo do intervalo de variação dos parâmetros reais da curva teórica
adotada, bem como da precisão requerida para esses valores.
A cada geração, é necessário converter cada uma das sub-cadeias de
números binários em valores reais. Esse mapeamento é realizado em dois passos:

• Converter a string binária (bA1 ... bAk, bB1 ... bBl , bC1 ... bCm ou
bD1 ... bDn) da base 2 para a base 10:
 s −1 
 ∑
(< b j1...b js >) 2 =  b j , s − i .2i  = x'

(4.8)
 i =0 10

• achar um real x correspondente ao número x':

xsup − xinf
x = xinf + x'. (4.9)
2s −1

onde s é o número de bits na sub-cadeia e [xinf, xsup] é o intervalo de variação do

parâmetro considerado.

4.2.2 Representação Real

Como os parâmetros A, B, C e D são reais, é mais conveniente se

representar os mesmos, em um algoritmo genético, diretamente através de números
reais (cromossomos), evitando-se com isto a necessidade de representação e de
conversão mencionadas no item anterior.
A representação sugerida para o caso de um algoritmo genético com
parâmetros reais para o ajuste dos perfis sintéticos de elevação aos dados altimétricos de
altura da superfície do mar observados, é o seguinte vetor de números reais:

rA , rB , rC , rD ,

onde rA, rB, rC e rD, representam, respectivamente, os parâmetros A, B, C e D, que

definem a amplitude, a inclinação, a posição horizontal e o deslocamento vertical da
curva teórica usada no ajuste.
 57

4.2.3 Função de Adaptação

Num algoritmo genético, seja ele binário ou com codificação real, é

necessário avaliar o mérito de cada cromossomo, isto é, o grau de aptidão de cada
indivíduo (solução parcial).
A primeira função de adaptação sugerida para avaliar o ajuste dos valores
de elevação medidos pelo altímetro a um dos perfis sintéticos de elevação é

adapt ( j ) = ∑ [η ( par; xi ) − yi ]2 , (4.10)

onde o somatório é tomado sobre todos os dados altimétricos (xi, yi) considerados.

O objetivo é minimizar as diferenças entre os valores de elevação

medidos pelo altímetro, yi, e os valores teóricos fornecidos pelo perfil sintético de
elevação, η(par; xi) (isto é, os resíduos), em função do conjunto de parâmetros par.
Os valores de que indicam a adaptação de um dado indivíduo j, adapt(j), pertencem ao
intervalo [0, ∞).

De modo a limitar os valores possíveis de adaptação dos indivíduos

(isto é, soluções parciais) ao intervalo [0, 1), é preferível adotar a seguinte função de
adaptação:

adapt ( j ) = 1 −
1
. (4.11)
1+ ∑ [η ( par; xi ) − yi ]2
A utilização de um algoritmo genético, com codificação binária ou real,
que adote a codificação proposta e uma das funções de adaptação descritas
anteriormente, torna mais simples o problema do efetuar o ajuste de uma das curvas
teóricas que representam o perfil sintético de elevação da superfície do mar aos dados
altimétricos de elevação obtidos em regiões onde fluem intensas correntes tipo jato
meandrantes.
 58

5 Considerações Finais

A originalidade da metodologia proposta, que sugere a utilização de

Algoritmos Genéticos em substituição ao algoritmo de Levenberg-Marquardt no
processamento das medições altimétricas por satélite, visando a determinação da
topografia da superfície do mar  e, conseqüentemente, das correntes de superfície dela
derivadas  no caso de correntes oceânicas meandrantes tipo jato, é o principal ponto a
ser destacado, por permitir superar, como demonstrado originalmente em [KEL 90],
o problema da falta de conhecimento do geóide (superfície equipotencial que representa
o campo gravitacional terrestre) com suficiente precisão.

Outro ponto a ser destacado é a relevância científica da metodologia

proposta, uma vez que a mesma é aplicável tanto aos dados altimétricos de alta precisão
do satélite TOPEX/Poseidon, como aos dados de outros altímetros de menor precisão,
como os conduzidos pelos satélites SEASAT, GEOSAT, ERS-1 e ERS-2.

Esta metodologia, da mesma forma que aquela baseada na utilização do

algoritmo de Levenberg-Marquardt, pode ser utilizada no estudo da topografia da
superfície do mar na região da Extensão da Corrente do Golfo, no Oceano Atlântico
Norte [KEL 90] [KEL 91], na Extensão da Corrente do Kuroshio, no Pacífico Norte
[QIU 91] [QIU 95], e em porções da Corrente Circumpolar Antártica, no Oceano
Austral [GIL 94], três dos sistemas de correntes de superfície de maior importância em
termos oceanográficos.
 59

Referências Bibliográficas

[AVI 94] AVISO. AVISO user handbook: Merged TOPEX/Poseidon products.

AVI-NT-02-101-CN (Edition 2-1). Toulouse, CNES, 1994.

[BÄC 96] BÄCK, Thomas, Evolutionary algorithms in theory and practice:

evolution strategies, evolutionary programming, genetic algorithms.
New York: Oxford University Press, 1996.

[BEN 93] BENADA, R. PO.DAAC Merged GDR (TOPEX/Poseidon) users

handbook. JPL D-11007. Pasadena, CA, Jet Propulsion Laboratory,
1993.

[CHE 91] CHENEY, R. E. et al. The complete Geosat altimeter GDR handbook.
NOAA Manual NOS NGS-7. Rockville, MD, National Oceanic and
Atmospheric Administration, 1991.

[DAV 91] DAVIS, L. Handbook of genetic algorithms. New York: Van Nostrand
Reinhold, 1991.

[DOU 78] DOUGLAS, B. C.; GABORSKI, P. D. Observation of sea surface

topography with GEOS-3 altimeter data. Journal of Geophysical
Research, v. 84, n. B8, p. 3893-6, 1978.

[FOG 96] FOGEL, D. B. Evolutionary computation: Toward a new philosophy of

machine intelligence. New York: IEEE Press, 1995

[GIL 94] GILLE, S. T. Mean sea surface height of the Antarctic Circumpolar
Current from Geosat data: Method and application. Journal of
Geophysical Research, v. 99, n. C9, p. 18255-73, 1994.
 60

[GOL 89] GOLDBERG, D. E. Genetic algorithms in search, optimization, and

machine learning. Reading, MA: Addison-Wesley, 1989.

[HAY 82] HAYNE, G. S.; HANCOCK, D. W. Sea-state-related altitude errors in the

Seasat radar altimeter. Journal of Geophysical Research, v. 87, n. C5,
p. 3227-31, 1982.

[JOY 86] JOYCE, T. M.; WUNSCH, C.; PIERCE, S. D. Synoptic Gulf Stream
velocity profiles through simultaneous inversion of hydrographic and
acoustic Doppler data. Journal of Geophysical Research, v. 91,
p. 7573-85, 1986.

[JOY 90] JOYCE, T. M.; KELLY, K. A.; SCHUBERT, D. M.; CARUSO, M. J.

Shipboard and altimetric studies of rapid Gulf Stream variability
between Cape Cod and Bermuda. Deep Sea Research, v. 37, n. 6,
p. 897-910, 1990.

[KEL 90] KELLY, K. A.; GILLE, S. T. Gulf Stream surface transport and statistics
at 69°W from the Geosat altimeter. Journal of Geophysical Research,
v. 95, n. C3, p. 3149-61, 1990.

[KEL 91] KELLY, K. A. The meandering Gulf Stream as seen by the Geosat
altimeter: Surface transport, position, and velocity variance from 73°
to 46°W. Journal of Geophysical Research, v. 96, n. C9, p. 16721-38,
1991.

[MAR 82] MARSH, J. G.; MARTIN, T. V. The SEASAT altimeter mean sea surface
model. Journal of Geophysical Research, v .87, n.C5, p. 3269-80,
1982.

[MIC 96] MICHALEWICZ, Z. Genetic algorithms + data structures = evolution

programs. 3. ed. Berlin: Springer-Verlag, 1996.
 61

[MIT 96] MITCHELL, M. An introduction to genetic algorithms. New York: MIT

Press, 1994.

[QIU 91] QIU, B.; KELLY, K. A.; JOYCE, T. M. Mean flow and variability in the
Kuroshio extension from Geosat altimeter data. Journal of
Geophysical Research, v. 96, n. C10, p. 18491-507, 1991.

[QIU 95] QIU, B. Variability and energetics of the Kuroshio Extension and its
recirculation gyre from the first-year TOPEX data. Journal of
Physical Oceanography, v. 25, n. 8, p. 1827-42.

[RAM 94] RAMOS, A. R. Aplicação de algoritmos genéticos em problemas de

otimização. Porto Alegre, CPGCC/UFRGS, 1994.

[RAP 94] RAPP, R. H.; SMITH, D. A. Preliminary estimates of Gulf Stream

characteristics from TOPEX data and a precise gravimetric geoid.
Journal of Geophysical Research, v. 99, n. C12, p. 24707-23, 1994.

[RAY 91] RAY, R. D.; KOBLINSKY, C. J.; BECKLEY, B. D. On the effectiveness

of Geosat altimeter corrections. International Journal of Remote
Sensing, v. 12, n. 9, p. 1979-84, 1991.

[SER 96] SERRADA, A. P. Una introducción a la computación evolutiva.

Valladolid, ETS Ing. Industrial/Universidad de Valladolid, 1996.

[TAI 90] TAI, C.-K. Estimating the surface transport of meandering oceanic jet
streams from satellite altimetry: Surface transport estimates for the
Gulf Stream and Kuroshio. Journal of Physical Oceanography, v. 20,
p. 860-79, 1990.

[VER 94] VERDEGAY, J. L.; LOZANO, M.; HERRERA, F. Algoritmos genéticos:

fundamentos, extensiones y aplicaciones. Granada, DECSAI/
Universidad de Granada, 1994.