O Problema do Caixeiro Viajante Estéfane G. M. de Lacerda DCA/UFRN Maio/2008.

Slides:



Advertisements
Apresentações semelhantes
Fundamentos dos Algoritmos Genéticos Alex F. V. Machado.
Advertisements

Algoritmos Genéticos Marcone Jamilson Freitas Souza
Otimização de Funções Contínuas via Algoritmos Genéticos
Algoritmo Genético.
Estrutura de dados Busca
Material adaptado de Algoritmos Geneticos Material adaptado de
Algoritmos Evolutivos Algoritmos Genéticos Introdução
Algoritmos Genéticos Ricardo Prudêncio.
Provas Datas: – P1 : 18/09/2014 – P2: 18/11/2014 – Exame : 09/12/2014.
O PROBLEMA DE SCHEDULING EM JOB-SHOP
* Cadeias formadas por três símbolos: 0, 1, e * * O símbolo * (um curinga) significa 0 ou 1.

Algoritmos Genéticos Ricardo Prudêncio.
Mailson Felipe da Silva Marques Johnson Cordeiro Sarmento
1 Algoritmos Genéticos em Otimização de Planejamento l Planejamento ocorre em todas as atividades e envolve: PLANEJAMENTO Recursos Tarefas Tempo Objetivos.
© Copyright 2003 Algoritmos e Estruturas de Dados - Todos os direitos reservados Busca Gulosa em Grafos IF672 - Algoritmos e Estruturas de Dados CIn -
Busca meta-heurística Inteligência Artificial Docente: André C. P. L. F. de Carvalho PAE: Everlândio.
Ant Colony Optimization Eraylson Galdino da Silva Universidade Federal de Pernambuco Centro de Informática Tópicos Avançados em Inteligência.
Algoritmos Genéticos Como os Algoritmos Genéticos Funcionam Estéfane G. M. de Lacerda DCA/UFRN Maio/2008.
HEURISTÍCAS CONSTRUTIVAS E. G. M. de Lacerda UFRN/DCA Maio de 2006.
Algoritmos com Tempo Exponencial E. G. M. de Lacerda UFRN/DCA Maio de 2006.
BUSCA LOCAL Estéfane G. M. de Lacerda UFRN/DCA Setembro de 2006.
Busca com informação e exploração - Busca Heurística Jeneffer Ferreira Lázaro .: Capitulo 4 -
Algoritmos Genéticos: Aspectos Práticos Estéfane G. M. de Lacerda DCA/UFRN Junho/2009.
Algoritmos Genéticos Algoritmos Genéticos com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Maio/2008.
Otimização Multiobjetivo Estéfane G. M. de Lacerda DCA/UFRN Junho/2009.
BUSCA TABU E. G. M. de Lacerda UFRN/DCA 23/10/2006 Parte I.
Algoritmos Genéticos para o Problema da Mochila Estéfane G. M. de Lacerda UFRN/DCA Setembro/2008.
Corpos rígidos: Sistemas equivalentes forças 2014 Profº Osvaldo Kojiro Iha.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO Probabilidade
O PROBL EMA DA MOCHI LA COMO UM PROBLEMA RELATIVAMENTE COMPLEXO
Introdução à Programação
Algoritmos Genéticos Alex F. V. Machado 1.
Fatorial de um número natural
IX ELAVIO FABIANA SIMÕES E SILVA ORIENTADORA: VITÓRIA PUREZA
Forças em Vigas e Cabos.
P3 - Fluxo máximo numa rede de transporte
João Pascoal Faria EGP, CPC, 2004/05
Modelagem para Otimização:Aula 2
Computação Evolutiva Algoritmos Genéticos Vítor De Araújo.
Algoritmos e Estruturas de Dados I
PROBLEMA DO EMPACOTAMENTO
Árvores.
Capítulo IV – Árvores Gerais
Congruência semântica
ÁRVORES ABRANGENTES. Árvores abrangentes Uma árvore abrangente é um grafo conexo e sem circuitos, que contém todos os seus vértices. A utilização de uma.
Algoritmos e Estruturas de Dados I
Algoritmo de Johnson Estrutura de Dados II
Ângulos no triângulo.
Particle Swarm Optimization (PSO)
Emparelhamento em Grafos
Aprendizagem cooperativa e o problema de formação de grupos
O que você deve saber sobre
Ferramentas básicas: Gráficos e Vetores
Estratégias para Redução do Custo do Teste de Mutação
Introdução aos Métodos em Simulação Computacional
Algoritmos Genéticos Alex F. V. Machado.
Evolução Diferencial Algoritmo formulado por Kenneth Price e Rainer Storn ( Evolução Diferencial (ED) nasceu da.
INF 1771 – Inteligência Artificial
Metaheurísticas para problemas de otimização combinatória difíceis
Representação do PCV As cidades são representadas diretamente no cromossomo.
O que você deve saber sobre
Sistemas Inteligentes Busca Cega (Exaustiva)
Aula 7 – Algoritmos Genéticos
Grafos: Conceitos Básicos
Modelo de Markowitz Aula de 03 de maio de 2017.
MÉTODO DE ADAMS.
Optimized Link State Routing
Prof. Rafael Mesquita Algoritmo de Dijkstra Prof. Rafael Mesquita
Prof. Paulo Salgado Geometria Analítica Prof. Paulo Salgado
Transcrição da apresentação:

O Problema do Caixeiro Viajante Estéfane G. M. de Lacerda DCA/UFRN Maio/2008

Algoritmos Genéticos Problemas de Permutação Em muitos problemas de otimização a meta é encontrar um ordenamento eficiente de ações ou tarefas. Exemplos:  Problema do Caixeiro Viajante  Problemas de Agendamento  Coloração de Grafos

Algoritmos Genéticos Problema do Caixeiro Viajante  Dado N cidades, achar a caminho mais curto passando por todas as cidades uma única vez.  PCV é NP-dificil

Algoritmos Genéticos Representação do PCV  As cidades são representadas diretamente no cromossomo. Cromossomos ACDF G E B ACDF G E B

Algoritmos Genéticos Operadores de Permutação  Order-Based Mutation  Position-Based Mutation  Scramble Mutation  OBX (Order-Based Crossover)  PBX (Position-Based Crossover)  PMX (Partially Matched Crossover)  CX (Cycle Crossover)  OX (Order Crossover)

Algoritmos Genéticos Mutação de Permutação Position-Based Mutation : retira o elemento da posição i e insere na posição j Order-Based Mutation : troca o elemento da posição i com o elemento na posição j AC D E F G B ADE F G C B ACD F G B E A C D F G E B

Algoritmos Genéticos Mutação de Permutação Scramble Mutation - Uma sublista, aleatoriamente selecionada, é embalharada. A F G B E A FG B C CD D E

Algoritmos Genéticos Order-Based Crossover (OBX) AEG B FCDCFB E DGAAEG D BCFCFB A EGD pai1 pai2 filho1 filho2 *** Elementos são selecionadas aleatoriamente. É imposta uma ordem nos elementos selecionadas do pai1 igual a ordem dos respectivos elementos em pai2.

Algoritmos Genéticos Position-Based Crossover (PBX) Elementos são selecionadas aleatoriamente e a posição dos elementos selecionadas no pai2 é imposto ao pai1. B A E G B F C D CF B E D GA B FG E D C A CG A F ED pai1 pai2 filho1 filho2 ***

Algoritmos Genéticos Partially Matched Crossover (PMX) Realiza trocas no sentido de pai1 para pai2 e depois no sentido inverso, isto é, de pai2 para pai1, para evitar cromossomos inválidos. pai1 A FG B E C D CD A F G EB pai2 E B A F GCD A FG D C EB filho1 filho2

Algoritmos Genéticos Exemplo 6 (1/4) Problema da coloração de grafos Exemplo extraído de Davis (1991) 2-8 rótulo peso

Algoritmos Genéticos Exemplo 6 (2/4) Dado um grafo onde cada nó possui um peso  Colorir o grafo com uma cor de modo que nenhum par de nós conectados possuam a mesma cor.  Calcular a pontuação que é dada pelo soma dos pesos dos nós coloridos.  Exemplo: Pontuação = = Só há dois cores.

Algoritmos Genéticos Exemplo 6 (3/4) Qual a coloração que possui a maior pontuação?

Algoritmos Genéticos Exemplo 6 (4/4) Cromossomo é uma lista de nós  Exemplo: (5,6,4,1,7,3,2) Decodificação do cromossomo  Colorir o nó 5  Não colorir o nó 6  Não colorir o nó 4  Colorir o nó 1  E assim por diante... Aptidão = Pontuação = =