Evolver 4.0 Introdução ao Uso da Ferramenta

Apresentação em tema: "Evolver 4.0 Introdução ao Uso da Ferramenta"— Transcrição da apresentação:

1 Evolver 4.0 Introdução ao Uso da Ferramenta
Prof. Marco Aurélio C. Pacheco

2 Evolver 4.0 - Palisade Corp.
Otimizador Genético Add-in para o Excel Permite especificar: Operadores Genéticos Método de Solução (representação, manipulação) Parâmetros (população, taxas, condição parada, etc) Visualização de resultados (Evolver Watcher) Inclui Examples de aplicações e Tutorial Versão trial (10 dias ou 100 runs) pode ser obtida no site

3 Características dos Modelos Genéticos do Evolver
Reprodução Steady State Uniform Crossover Normalização Linear (Rank Based Selection ) Outros Operadores Genéticos e Heurísticos Retrições: Range, Soft, Hard Problemas: Minimum, Maximum, Closest_Value To 6 Métodos de Solução (Solving Methods)

4 Interface com Excel Células do Excel podem ser: Diretórios: Dtools
Ajustáveis (cromossoma): conjunto de variáveis (genes), representando uma solução do problema (cromossoma), cujos conteúdos serão manipulados e alterados pelo Evolver. Função de Avaliação: função (Excel) que calcula a avaliação numérica dos cromossomas. Diretórios: Dtools Evolve32 Examples System

5 Definem: representação e operadores
Solving Methods Definem: representação e operadores Métodos principais: Recipe Solving Method Order Solving Method Grouping Solving Method Métodos originados a partir dos principais: Budget Solving Method Project Solving Method Schedule Solving Method

6 Recipe Solving method Método “Receita de Bolo” onde as variáveis podem ser ajustadas independentemente umas das outras. Restrição apenas do domínio: (mín, máx) Cromossoma Outros Cromossomas Possíveis Original 23.472 15.344 37.452 145 101 190 9 32.44 7.073 65,664 14,021 93,572

7 Order Solving Method Busca a melhor maneira de ordenar os itens de uma lista. Valores dos itens devem ser definidos nas células Excel ajustáveis, antes da execução. Cromossoma Outros Possíveis Cromossomas Original

8 Grouping Solving Method
Usado em problemas que envolvem múltiplas variáveis para serem arranjadas em grupos. # grupos = # símbolos diferentes co cromossoma EX: Agrupar 80 investimentos em 5 carteiras de modo que o valor das carteiras seja o mais próximo possível. Investimentos

9 A soma permanece constante e igual a 223.5.
Budget Solving Method Similar ao Recipe com a restrição de que a soma das variáveis deve se manter constante. Encontrar a melhor maneira de distribuir o orçamento anual entre departamentos: Cromossoma Outros Possíveis Cromossomas Original A soma permanece constante e igual a

10 Project Solving Method
Similar ao Order , exceto que certos itens (tarefas) devem atender a restrições de precedência. Encontrar a menor rota entre cidades, garantindo que certas cidades são visitadas antes de outras.

11 Schedule Solving Method
Similar a Grouping, onde tarefas com a mesma duração são escalonadas em n time blocks Restrições: 1(with), 2(not with), 3(before), 4(at), 5(not after), 6(not before), 7(not at), 8(after). Tarefa Restrição Tarefa/Time Block deve ocorrer no time block 2 ,5 devem ocorre no mesmo block não deve ocorrer com 4

12 Restrições Problemas podem envolver restrições nos valores das variáveis ou no resultado para se encontrar uma solução viável. Há 3 tipos de restrições nos valores das células: Range: domínio (mín,máx) dos valores das variáveis. Hard: devem sempre ser satisfeitas (recalc x trial). Soft: desejáveis mas podem ser relaxadas num compromisso por maior aptidão.

13 Penalty = f (desvio_do_objetivo)
Funções Penalty Restrições Soft podem ser criadas através de funções que penalizam soluções inválidas. Função Penalty: Penalty = f (desvio_do_objetivo) Se restrição Soft não foi atendida: Avaliação (cromossoma)= Avaliação - Penalty (se máx) Avaliação (cromossoma)= Avaliação + Penalty (se mín) Método Budget contém função penalty intrínseca para manter a soma das variáveis constante.

14 Exemplo Investidores desejam minimizar o risco e maximizar o retorno de investimentos. Suponha as seguintes escalas: Risco entre [0, 1] Retorno entre [0,5] Se ambos igualmente importantes: target cell= return - (risk * 5) Se buscamos investimentos com risco < 0,3: If(risk>.3,-1,0) ; */ IF(condition, thenTrue, elseFalse)  target cell= return - (risk * 5) - 1, se risk  0,3  target cell= return - (risk * 5) , se risk  0,3

15 Operadores Crossover Uniforme Mutação Linear Operators
Boundary Mutation Cauchy Mutation Non-uniform Mutation Arithmetic Crossover Heuristic Crossover Para o conjunto de operadores selecionado, Evolver apresenta o desempenho de cada um no log file.

16 Visualização de Resultados
Evolver Watcher ferramenta stand-alone com várias funções Evolver Log arquivo com resultados para relatório, comparação e dados para a re-execução do GA Status Bar best, valores originais, recalcs (total de cálculos do modelo) e trials (soluções válidas) e tempo Células Ajustáveis valor das variáveis e avaliações (todos ou best)

17 Evolver Watcher Progress Graph best e média da população corrente
Population Settings ajuste de taxas de crossover e mutação Population Bar Graph distribuição dos organismos da população (avaliação) Population Report resumo da evolução Color Table diversidade da população (convergência) Population Chart valores dos cromossomas e aptidões

18 Exemplos do Evolver Advertising Selection B Alphabetize R
Assignment of Tasks O Bakery R Budget Allocation B Chemical Equilibrium R Class Scheduler S Code Segmenter G Dakota: Routing With P Constraints Job Shop Scheduling O Radio Tower Location R Portfolio Balancing G Portfolio Mix B Power Stations R Purchasing R Salesman Problem O Space Navigator R Trader R Transformer R Transportation R Recipe, Budget, Order, Grouping, Project, Schedule