Ant Colony Optimization Eraylson Galdino da Silva Universidade Federal de Pernambuco Centro de Informática Tópicos Avançados em Inteligência Artificial - Computação Bioinspirada

Ant Colony Optimization (ACO);  Inspirados no comportamento de busca por alimentos das formigas;  Seus movimentos iniciais são aleatórios;  Algoritmo probabilístico;  A comunicação entre as formigas ou entre as formigas e o ambiente, acontece através do feromônio; Eraylson Galdino

Experimento de ponte dupla  Experimento real com formigas da espécie Argentine;  Observando o caminho das formigas do ninho para fontes de alimentos;  Inicialmente as formigas se movem randomicamente em busca de alimento;  Retornam ao ninho depositando feromônio quando encontram alimento;  O caminho com maior quantidade de feromônio é o caminho em que uma quantidade maior de formigas passam; Eraylson Galdino

Experimento de ponte dupla Eraylson Galdino

Experimento de ponte dupla Eraylson Galdino

Experimento de ponte dupla Eraylson Galdino

Experimento de ponte dupla Eraylson Galdino

Experimento de ponte dupla Eraylson Galdino

Experimento de ponte dupla Eraylson Galdino

Experimento de ponte dupla Eraylson Galdino

ACO: Algoritmo vs Natureza  Natureza: –Possíveis caminhos entre o ninho e o alimento; –Caminho mais curto; –Ação via comunicação por feromônio;  Algoritmo: –Conjunto de possíveis soluções; –Solução ótima; –Procedimento de otimização; Eraylson Galdino

ACO: Etapas 1. Inicia aleatoriamente cada formiga em uma posição; 2. Para cada formiga (em paralelo): 1.Calcula a probabilidade para as próximas possíveis posições; 2.Move a formiga para a próxima posição; 3. Atualiza a quantidade de feromônios nos percursos: 1.Aplica a evaporação; 2.Aplica a adição de feromônios; Eraylson Galdino

ACO: Calcular a probabilidade Eraylson Galdino

ACO: Movimento  O movimento pode ser realizado utilizando o mesmo conceito de roleta do AG; Eraylson Galdino

ACO: Atualização de feromônios Eraylson Galdino

ACO: Caixeiro Viajante Eraylson Galdino  Visitar todas as cidades;  Menor custo;  Passando uma vez em cada cidade;

ACO: Caixeiro Viajante (1º Passo) Eraylson Galdino  Posicionar as formigas aleatoriamente

ACO: Caixeiro Viajante (2º Passo) Eraylson Galdino

ACO: Caixeiro Viajante (2º Passo) Eraylson Galdino

ACO: Caixeiro Viajante (2º Passo) Eraylson Galdino

ACO: Caixeiro Viajante (2º Passo) Eraylson Galdino

ACO: Caixeiro Viajante (3º Passo) Eraylson Galdino  Movimento

ACO: Caixeiro Viajante (4º Passo) Eraylson Galdino  Atualizar os feromônios:  Rotas:  Formiga 1: [ ]  Formiga 2: [ ]  Formiga 3: [ ]  Formiga 4: [ ]  Formiga 5: [ ]

ACO: Caixeiro Viajante (4º Passo) Eraylson Galdino

ACO: Caixeiro Viajante Eraylson Galdino  Repete os passos anteriores até o critério de parada

ACO: Simulação Eraylson Galdino

ACO: Movimento de Games Eraylson Galdino

ACO: Campos de Aplicação  Problema do Caixeiro Viajante;  Descobrimento de rotas: –Roteamento de veículos; –Roteamento de redes de telecomunicação;  Escalonamento de Tarefas;  Análise de imagens médicas  Mineração de Dados; Eraylson Galdino

Universidade Federal de Pernambuco Centro de Informática Eraylson Galdino Dúvidas