Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ACADMICOS:
CLUDIO NEVES
MATHEUS DE OLIVEIRA MOURA
OSAS LEITE SILVA
THALES AUGUSTO MENDES DE ARAJO
COMPUTAO EVOLUCIONRIA
Tcnicas e Aplicaes
MONTES CLAROS - MG
2017
1 Introduo
1
2 Algoritmo Gentico
Os Algoritmos Genticos (AG) foram concebidos em 1960 por John Holland, com o
objetivo inicial de estudar os fenmenos relacionados adaptao das espcies e da seleo
natural que ocorre na natureza (Darwin 1859), bem como desenvolver uma maneira de
incorporar estes conceitos aos computadores.
Esses algoritmos simulam processos naturais de sobrevivncia e reproduo das
populaes, essenciais em sua evoluo. Na natureza, indivduos de uma mesma populao
competem entre si, buscando principalmente a sobrevivncia, seja atravs da busca de
recursos como alimento, ou visando a reproduo. Os indivduos mais aptos tero um maior
nmero de descendentes, ao contrrio dos indivduos menos aptos. Os requisitos para a
implementao de um AG so:
Representaes das possveis solues do problema no formato de um cdigo
gentico;
Populao inicial que contenha diversidade suficiente para permitir ao algoritmo
combinar caractersticas e produzir novas solues;
Existncia de um mtodo para medir a qualidade de uma soluo potencial;
Um procedimento de combinao de solues para gerar novos indivduos na
populao;
Um critrio de escolha das solues que permanecero na populao ou que sero
retirados desta;
Um procedimento para introduzir periodicamente alteraes em algumas solues da
populao. Desse modo mantm-se a diversidade da populao e a possibilidade de se
produzir solues inovadoras para serem avaliadas pelo critrio de seleo dos mais
aptos.
Basicamente, o que um algoritmo gentico faz criar uma populao de possveis
respostas para o problema a ser tratado (inicializao) para depois submet-la ao processo de
evoluo, constitudo pelas seguintes etapas:
Avaliao: avalia-se a aptido das solues (indivduos da populao) - feita uma
anlise para que se estabelea quo bem elas respondem ao problema proposto;
2
Seleo: indivduos so selecionados para a reproduo. A probabilidade de uma dada
soluo a ser selecionada proporcional sua aptido;
Cruzamento: caractersticas das solues escolhidas so recombinadas, gerando novos
indivduos;
Mutao: caractersticas dos indivduos resultantes do processo de reproduo so
alteradas, acrescentando assim variedade populao;
Atualizao: os indivduos criados nesta gerao so inseridos na populao;
Finalizao: verifica se as condies de encerramento da evoluo foram atingidas,
retornando para a etapa de avaliao em caso negativo e encerrando a execuo em
caso positivo.
3
2.1 Populao
o conjunto de indivduos que esto sendo cogitados como soluo e que sero
usados para criar o novo conjunto de indivduos para anlise. O tamanho da populao pode
afetar o desempenho global e a eficincia dos algoritmos genticos.
2.2 Indivduos
Dada uma populao em que a cada indivduo foi atribudo um valor de aptido, existe
vrios mtodos para selecionar os indivduos sobre os quais sero aplicados os operadores
genticos. H diversas formas de seleo, entre eles h o mtodo de seleo por Roleta e o
mtodo de seleo por Torneio.
2.5 Operadores Genticos
4
adaptao adquiridas pelas geraes anteriores. Os operadores de cruzamento e de mutao
tm um papel fundamental em um algoritmo gentico.
2.5.1 Cruzamento (Crossover)
Este operador considerado o operador gentico predominante. Atravs do
cruzamento so criados novos indivduos misturando caractersticas de dois indivduos "pais".
Esta mistura feita tentando imitar (em um alto nvel de abstrao) a reproduo de genes em
clulas. Trechos das caractersticas de um indivduo so trocados pelo trecho equivalente do
outro. O resultado desta operao um indivduo que potencialmente combine as melhores
caractersticas dos indivduos usados como base.
2.5.2 Mutao
Esta operao simplesmente modifica aleatoriamente alguma caracterstica do
indivduo sobre o qual aplicada. Esta troca importante, pois acaba por criar novos valores
de caractersticas que no existiam ou apareciam em pequena quantidade na populao em
anlise. O operador de mutao necessrio para a introduo e manuteno da diversidade
gentica da populao. Desta forma, a mutao assegura que a probabilidade de se chegar a
qualquer ponto do espao de busca possivelmente no ser zero. O operador de mutao
aplicado aos indivduos atravs de uma taxa de mutao geralmente pequena.
2.6 Gerao
Os AGs possuem uma larga aplicao em muitas reas cientficas, entre as quais
podem ser citados problemas de otimizao de solues, aprendizado de mquina,
desenvolvimento de estratgias e frmulas matemticas, anlise de modelos econmicos,
problemas de engenharia, diversas aplicaes na Biologia como simulao de bactrias,
sistemas imunolgicos, ecossistemas, descoberta de formato e propriedades de molculas
orgnicas.
5
3 Princpios da Programao Gentica
6
a) Avaliar cada programa atravs de uma funo heurstica (fitness), que expressa
quo prximo cada programa est da soluo ideal;
b) Selecionar os melhores programas de acordo com o fitness;
c) Aplicar a estes programas os operadores genticos (reproduo, cruzamento e
Mutao);
Retornar com o melhor programa encontrado;
Cada execuo deste lao representa uma nova gerao de programas.
Tradicionalmente, o Critrio de Trmino estabelecido como sendo encontrar uma soluo
satisfatria ou atingir um nmero mximo de geraes. Porm, existem abordagens baseadas
na anlise do processo evolutivo, isto , o lao permanece enquanto houver melhoria na
populao.
A estrutura bsica do algoritmo de Programao Gentica mostrada na Figura a
seguir:
7
3.2 Critrio de Trmino
4 Inteligncia de Enxame
8
inteligncia artificial inclui qualquer tentativa de projetar algoritmos ou dispositivos
distribudos de soluo de problemas sem ter um controle centralizado, inspirado no
comportamento coletivo de agentes sociais e outras sociedades animais.
A inteligncia coletiva uma propriedade de sistemas compostos por agentes no (ou
pouco) inteligentes com capacidade individual limitada, capazes de apresentar
comportamentos coletivos inteligentes. Tais comportamentos seguem as seguintes
propriedades:
Proximidade: Os agentes devem ser capazes de interagir;
Qualidade: Os agentes devem ser capazes de avaliar seus comportamentos;
Diversidade: Permite ao sistema reagir a situaes inesperadas;
Estabilidade: Nem todas as variaes ambientais devem afetar o comportamento de
um agente.
Adaptabilidade: Capacidade de se adequar a variaes ambientais.
No mundo real, as formigas andam sem rumo (pelo menos inicialmente) at que,
encontrada comida, elas retornam colnia deixando um rastro de feromnio. Se outras
formigas encontram um desses rastros, elas tendem a no seguir mais caminhos aleatrios.
Em vez disso, seguem a trilha encontrada, retornando e inclusive enfatizando se acharam
alimento.
Com o transcorrer do tempo, entretanto, as trilhas de feromnio comeam a evaporar,
reduzindo, assim, sua fora atrativa. Quanto mais formigas passarem por um caminho
predeterminado, mais tempo ser necessrio para o feromnio da trilha evaporar.
Analogamente, elas marcharo mais rapidamente por sobre um caminho curto, o que implica
aumento da densidade de feromnio depositado antes que ele comece a evaporar. A
evaporao do feromnio tambm possui a vantagem de evitar a convergncia para uma
soluo local tima: se a evaporao no procedesse, todas as trilhas escolhidas pelas
primeiras formigas tornar-se-iam excessivamente atrativas para as outras e, neste caso, a
explorao do espao da soluo delimitar-se-ia consideravelmente.
9
Todavia, quando uma formiga encontra um bom (curto) caminho entre a colnia e a
fonte de alimento, outras formigas tendero a seguir este caminho, gerando assim feedback
positivo, o que eventualmente torna um determinado caminho mais interessante. A idia do
algoritmo da colnia de formigas imitar este comportamento atravs de "formigas virtuais"
que caminham por um grafo que por sua vez representa o problema a ser resolvido.
O ACO tem sido utilizado para produzir solues quase timas para o problema do
caixeiro viajante. Este algoritmo apresenta uma vantagem sobre o algoritmo de arrefecimento
simulado (simulated annealing) e o algoritmo gentico, se o grafo muda dinamicamente. A
colnia de formigas pode mudar vrias vezes e se adaptar s mudanas em tempo real. de
grande interesse para solues de problemas em sistemas de roteamento de redes de
computadores e transporte urbano.
10
Sendo wi = W.Fi-1 a largura de banda do sinal no espalhado do i-simo usurio, mi =
log2Mi a ordem de modulao utilizada e W rc a largura de banda do sistema. O problema
de alocao de potncia a ser resolvido via ACO (PA-ACO) :
11
Figura 4- Evoluo do algoritmo RA-ACO para o problema de controle de potncia. a) Evoluo tpica do vetor
de potncias em um sistema com U = 5 usurios. b) Evoluo do NMSE para sistemas com U = {5, 10, 20} usurios.
6 Concluso
12
7 Referncias Bibliogrficas
LUCAS, D. C. Algoritmos Genticos: uma Introduo. UFRGS, Porto Alegre, maro - 2002.
13