Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Algoritmos Genticos
Prof. Alexandre Monteiro
Recife
Contatos
E-mail/gtalk: alexandrecordel@gmail.com
greinaldo@fbv.edu.br
Site: http://www.alexandrecordel.com.br/fbv
Tabu Search
Ou caractersticas destas
Algoritmo BT
Evitando Ciclos
Funo de Aspirao
A lista tabu
Critrio de Parada
Parmetros Principais
a funo de aspirao A,
Estratgias de Intensificao
Um critrio de trmino
Busca Tabu
descida
descida
descida
vizinho
vizinho
Problema: Ciclagem
TABU
Algoritmos Genticos
Meta - heursticas
Algoritmos Genticos
Teoria da Evoluo
Charles
Darwin
Teoria da Evoluo
Pai da gentica.
.
Gregor
Mendel
Introduo
O que otimizar?
26
Otimizao
Exemplo de otimizao:
Otimizao
Introduo
Tendem a desaparecer
29
Computao Evolutiva
Principal tcnica:
Algoritmos genticos
30
31
Algoritmos Genticos
Origem:
Objetivo:
32
Algoritmos Genticos
33
Algoritmos Genticos
Funcionamento:
Populao inicial
Populao final
Avaliao
Populao atual
Reproduo
Seleo
34
Algoritmos Genticos
Algoritmos Genticos
36
Indivduo
Codificao
Funo de aptido
Reproduo
37
Indivduo
Codificado
Populao
Conjunto de indivduos
38
Codificao
Binrios (0; 1)
Inteiros (-2; -1; 0 ; 1; 2; 3...)
Reais (-2,33; 0; 3,45; 2,5 x 1024)
Xi = [ 2 1 8 0 -2 -4 1 ]
39
Codificao
Gentipo
Fentipo
40
Funo de aptido
41
Funo de aptido
Reproduo
Transformam a populao
- Crossover (cruzamento ou recombinao)
- Mutao
43
Crossover
Funcionamento
44
Crossover
Diversas variaes
Um ponto
- Mais comum
Dois pontos
Multi-pontos
Uniforme
45
Crossover 1 ponto
Ponto de crossover
Pai 1
Pai 2
0 1 0 0 0 1 1 Pais
Filho A
0 0 1 0 1 0 1
Filho B
0 1 0 0 1 0 1 Filhos
0 0 1 0 0 1 1
46
Crossover de 2 pontos
Pai 1
Pai 2
0 1 0 0 0 1 1 Pais
Filho A
0 0 1 0 1 0 1
Filho B
0 1 0 0 1 1 1 Filhos
0 0 1 0 0 0 1
47
Crossover uniforme
Gerar uma mscara de bits aleatrios e combinar os
bits dos pais de acordo com a mscara gerada
1 => Pai 1 e 0 => Pai 2
Mascara: 0 1 0 1 0 0 0
Pai 1
Pai 2
0 1 0 0 0 1 1 Pais
Filho A
0 0 1 0 1 0 1
Filho B
0 1 1 0 1 0 1 Filhos
0 0 0 0 0 1 1
48
Problema
Mximo global
f(x) = x sen(10 x) + 1
3,0
Mximo local
2,0
1,0
0,0
-1,0
-1,0
Mximo global:
x = 1,85055
f(x) = 2,85027
-0,5
0,0
0,5
x
1,0
1,5
2,0
As Geraes do Problema
3,0
Populao Inicial
2,5
2,0
1,5
1,0
0,5
0,0
-0,5
-1,0
-1,0
-0,5
0,0
0,5
1,0
x
Populao gerada aleatriamente
1,5
2,0
As Geraes do Problema
3,0
Primeira Gerao
2,5
2,0
1,5
1,0
0,5
0,0
-0,5
-1,0
-1,0
-0,5
Pouca melhoria
0,0
0,5
1,0
1,5
2,0
As Geraes do Problema
3,0
Gerao 25
2,5
2,0
1,5
1,0
0,5
0,0
-0,5
-1,0
-1,0
-0,5
0,0
0,5
1,0
1,5
2,0
As Geraes do Problema 2
Funo objetivo
3,0
Mdia
Melhor
2,5
2,0
1,5
1,0
0,5
10
15
20
25
Gerao
Mutao
54
Mutao
Antes da mutao
0 1 0 0 0 1 1
Aps a mutao
0 1 1 0 0 1 1
55
Seleo
56
2.23
0.14
S2 11000
7.27
0.47
S3 11110
1.05
0.07
S4 01001
3.35
0.21
S5 00110
1.69
0.11
S1
S5
S4
S2
S3
57
Elitismo
58
Critrio de parada
Tempo de execuo
Nmero de geraes
Convergncia
59
Escolha de parmetros
Taxa de mutao
- Baixa mudanas lentas
- Alta traos desejados no so mantidos (caos)
60
Escolha de parmetros
Outros parmetros
61
Aplicaes
Otimizao combinatria
Projetos
Aprendizado de Mquina
Determinao dos parmetros de Redes Neurais
Artificiais em problemas de Bioinformtica
62
Aplicaes de AGs
63
Algoritmos Genticos
Caixeiro Viajante
O Problema
Representao
Crossover
So selecionadas n cidades.
Cada filho mantm a posio das cidades selecionadas de um pai
Crossover
So selecionadas n cidades.
Cada filho herda a ordem das cidades selecionadas de um pai
Mutao
Algoritmos Genticos
Referncia Bsica da Aula