Upload
norton-c-guimaraes
View
199
Download
3
Embed Size (px)
Citation preview
1 /Algoritmos Genéticos 38
Algoritmos GenéticosAlgoritmos GenéticosConceitos, Aplicações e FerramentaConceitos, Aplicações e Ferramentas
Daniel Seabra
Norton Guimarães
Rodrigo Francisco
2 /Algoritmos Genéticos 38
Agenda
• A teoria da Evolução
• Introdução
• Aplicações de AG
• Ferramentas
3 /Algoritmos Genéticos 38
A teoria da Evolução Natural
4 /Algoritmos Genéticos 38
A teoria
● Em 1885, Charles Darwin escreveu o livro “A Origem das Espécies”;
População de indivíduos com diferentes propriedades e habilidades;
Limite do número de indivíduos numa população; A natureza cria novos indivíduos com propriedades
similares; Os mais hábeis são selecionados para reprodução;
5 /Algoritmos Genéticos 38
Paródia
Filme: Idiocracia
6 /Algoritmos Genéticos 38
O que são O que são Algoritmos Genéticos?Algoritmos Genéticos?
“Uma técnica de busca baseada numa metáfora do processo biológico de evolução natural” (Linder, 2008).
7 /Algoritmos Genéticos 38
História
8 /Algoritmos Genéticos 38
História
9 /Algoritmos Genéticos 38
Analogia das Terminologias
Linguagem Natural Algoritmos GenéticosCromossomo Indivíduo, string,
cromossomo, árvoreGene CaracterísticaAlelo ValorLocus PosiçãoGenótipo EstruturaFenótipo Conjunto de parâmetros
Tabela 1: Analogia do Algoritmo Genético com a Linguagem Natural (Linder, 2008)
10 /Algoritmos Genéticos 38
Características
11 /Algoritmos Genéticos 38
Esquema dos AGsEsquema dos AGs
12 /Algoritmos Genéticos 38
Representação do Problema
13 /Algoritmos Genéticos 38
Overview do Processo
14 /Algoritmos Genéticos 38
Geração da População Inicial
Cada indivíduo deverá apresentar um conjunto de genes e um conjunto de características observáveis;
A geração é de forma aleatória;
15 /Algoritmos Genéticos 38
Função de Avaliação
Conhecida como função fitness; Projetada para cada problema; Uma função matemática modelada para
o problema; Entra indivíduo e sai resultado.
16 /Algoritmos Genéticos 38
Operadores GenéticosOperadores Genéticos
17 /Algoritmos Genéticos 38
Seleção da População
18 /Algoritmos Genéticos 38
Seleção Proporcional/Truncamento
Baseados no valor relativo da sua aptidão.
19 /Algoritmos Genéticos 38
Seleção Baseado em Ordem
Uso do rank do indivíduo baseado sua aptidão.
20 /Algoritmos Genéticos 38
Método da Roleta Viciada
Busca linear através de uma roleta virtual.
21 /Algoritmos Genéticos 38
Seleção por Torneio
04 indivíduos são aleatoriamente selecionados.
02 são eliminados e, 02 são ganhadores
para gerar a próxima geração..
A
B
C
A
D
D
22 /Algoritmos Genéticos 38
Operação de Crossover
23 /Algoritmos Genéticos 38
Um ponto de corte
Cortar pais em uma posição aleatória e recombinar as partes geradas
24 /Algoritmos Genéticos 38
Dois pontos de corte
Cortar pais em duas posições aleatórias e recombinar as partes geradas.
25 /Algoritmos Genéticos 38
Uniforme
Gerar uma máscara de bits aleatórios e combinar os bits dos pais de acordo com a máscara gerada.
26 /Algoritmos Genéticos 38
Operação de Mutação
27 /Algoritmos Genéticos 38
Radom Resetting
Consiste de troca dos valores de um gene dada uma pequena probabilidade.
28 /Algoritmos Genéticos 38
Creep Mutation
Esta forma acrescenta ou subtrai ao valor do gene um pequeno número aleatório (Eiben, 2008)
29 /Algoritmos Genéticos 38
Aplicações em AG
30 /Algoritmos Genéticos 38
Aplicações em AG
31 /Algoritmos Genéticos 38
Algumas Ferramentas
32 /Algoritmos Genéticos 38
Conclusão
34 /Algoritmos Genéticos 38
Referências
Deepa, S. N. S. S. N. (2008). Introduction to Genetic Algorithms. New York: Springer.
Eiben, A., & Smith, J. E. (2008). Introduction to Evolutionary Computing. New York: Springer.
Ellingsen, K.-E., & Penaloza, M. (2003). A genetic algorithm approach for finding a good course schedule. In Proceedings of the Midwest instruction and Computing Symposium. Duluth, USA.
Filitto, D. (2008). Algoritmos genéticos: Uma visão explanatória. Saber Acadêmico, São Paulo, Brazil.
35 /Algoritmos Genéticos 38
Referências
Linder, R. (2008). Algoritmos Genéticos (3nd ed). Rio de Janeiro: Ciência Moderna.
Melanie, M. (1996). An Introduction to genetic algorithms. London: MIT Press.
Raghavjee, R., & Pillay, N. (2010). An informed genetic algorithm for the high school timetabling problem. In Proceedings of the 2010 Annual Research Conference of the South African Institute of Computer Scientists and Information Technologists (SAICSIT '10). New York, USA, 408-412. doi: 10.1145/1899503.1899555.
36 /Algoritmos Genéticos 38
Referências
Teles, R. M. (2011). Um estudo de técnicas da inteligência artificial aplicadas na distribuição de recursos em áreas geográficas. Unpublished master’s thesis, Universidade Federal de Goiás, Goiás, Brazil.
Turabieh, S. A. H. (2008). Generating university course timetable using genetic algorithms and local search. In Proceeding of the International Conference on Convergence and Hybrid Information Technology. Busan, South Korea (pp. 254 – 260)
Wang, Z., Liu, J.-l., & Yu, X. (2009). Self-fertilization based genetic algorithm for university timetabling problem. In Proceedings of the first ACM/SIGEVO Summit on Genetic and Evolutionary Computation (GEC ’09), New York, USA (pp. 1001–1004).
37 /Algoritmos Genéticos 38