A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Otimização de Funções Contínuas via Algoritmos Genéticos Frederico Heitor Mônica do Amaral.

Apresentações semelhantes


Apresentação em tema: "Otimização de Funções Contínuas via Algoritmos Genéticos Frederico Heitor Mônica do Amaral."— Transcrição da apresentação:

1 Otimização de Funções Contínuas via Algoritmos Genéticos Frederico Heitor Mônica do Amaral

2 Problema Dada uma função contínua, diferenciável ou não, encontrar seu valor máximo dentro de um intervalo dado. Exemplo: Função: ƒ(x) = sinc (4x) sinc (4x + 2) sinc (6x – 2) sinc (6x – 4) Intervalo: x Є [-2, 2] Onde: 1, x = 0 sinc (x) = sen (л x) / (л x), x 0

3 Método Utilizado Algoritmos Genéticos com os seguintes mecanismos: - Reprodução Escolha dos pais utilizando-se Roleta Russa - Crossover Escolha aleatória do ponto de corte do cromossomo - Mutação Escolha aleatória do bit a ser trocado

4 Modelagem - Cada indivíduo é representado por um vetor binário de 16 posições, que corresponde a um ponto contido no intervalo de definição da função I [1] = [ ] - Para calcular o valor da função objetivo relativo a um determinado indivíduo, utiliza-se a fórmula: fo = b onde b é o número decimal que corresponde à seqüência binária de um indivíduo qualquer

5 Modelagem - Reprodução Nesta etapa, dois indivíduos da população são escolhidos através do mecanismo da Roleta Russa, onde aqueles que possuem maior aptidão têm maior probabilidade de serem selecionados. O casal escolhido tem uma probabilidade de gerar filhos.

6 Modelagem - Crossover Um número aleatório entre 1 e 16 determina a posição onde será efetuado o corte no vetor (cromossomo). Exemplo: Número Sorteado: 4 Pai 1: X X X X X X X X X Pai 2: Y Y Y Y Y Y Y Y Y Posição do Corte Filho 1: X X X X Y Y Y Y Y Filho 2: Y Y Y Y X X X X X

7 Modelagem - Mutação Um número aleatório entre 1 e 16 determina o bit a sofrer mutação. Exemplo: Número Sorteado: 9 I = [ ] Após a mutação: I = [ ]

8 Implementação Parâmetros utilizados: - Tamanho da população inicial = 30 - Probabilidade de Crossover = 0,80 - Probabilidade de Mutação = 0,01 - Critério de parada = 50 gerações

9 Resultados Encontrados N.° Teste Valor máximo de f(x) 1 1, , , , , , , , , , Melhor solução encontrada = 1, Média das soluções = 1, Desvio das soluções = 0,15%

10 Vantagens - Soluções muito boas podem ser encontradas após a convergência, mesmo quando a função é instável. - Encontra-se máximos das funções mesmo em intervalos não diferenciáveis.


Carregar ppt "Otimização de Funções Contínuas via Algoritmos Genéticos Frederico Heitor Mônica do Amaral."

Apresentações semelhantes


Anúncios Google