Prática de Alg. Genéticos

Slides:



Advertisements
Apresentações semelhantes
Busca Informada Parte 3 – Algoritmos Genéticos
Advertisements

Algoritmos Genéticos Alex F. V. Machado. Algoritmos Genéticos Quanto melhor um indivíduo se adaptar ao seu meio ambiente, maior será sua chance de sobreviver.
Principio da Casa dos Pombos
Lógica e Estrutura de Dados Fundamentais Professor: Eduardo O. Teles
Nivelamento de C: Vetores e Strings
Busca Otimizada Subida da Encosta (Hill Climbing)
Nivelamento de C: Tipos Estruturados de Dados
Redes Neurais Artificiais (RNA): Estudo de Caso
Redes Neurais Artificiais (RNA): Perceptron
Capítulo 1 – Conceitos Básicos 1 Segunda-feira, 22 de Outubro de 2007 UNIBRATEC – Ensino Superior e Técnico em Informática Aula 15 – Tipos de Dados Avançados.
Busca com Informação Busca com informação Busca Gulosa Busca A*
Redes Neurais Artificiais (RNA): Aprendizado
Prof. Frederico Brito Fernandes Prática de Algoritmos Genéticos CONTEÚDO (1) Definição do Problema (2) Modelando com AG (3) Sua parte...
Algoritmos de Busca CONTEÚDO (1) Motivação (2) Busca Linear
Algoritmos Genéticos Problema das 8 Rainhas Algoritmo Genético
MÉTODO LIVRE DE INVEJA.
MÉTODO DO DIVISOR ÚNICO
Fundamentos dos Algoritmos Genéticos Alex F. V. Machado.
Fundamentos dos Algoritmos Genéticos Alex F. V. Machado.
Algoritmos Genéticos Alex F. V. Machado. Algoritmos Genéticos Quanto melhor um indivíduo se adaptar ao seu meio ambiente, maior será sua chance de sobreviver.
Indice estruturado por Hash
Então, vamos lá! Qual é esse conteúdo?
ÉLDMAN DE OLIVEIRA NUNES E AURA CONCI INSTITUTO DE COMPUTAÇÃO UFF
Estatística Básica Utilizando o Excel
Computação Evolutiva: Programação Genética
Otimização de Funções Contínuas via Algoritmos Genéticos Adaptado do trabalho realizado por: Frederico Heitor Mônica do Amaral.
Otimização de Funções Contínuas via Algoritmos Genéticos
AUTOCAD – comandos básicos
Inteligência Artificial
INTRODUÇÃO À PROGRAMAÇÃO
THOBER CORADI DETOFENO, MSC. Aula 07
Inteligência Artifical
INTRODUÇÃO A ALGORITMOS NUMÉRICOS
Uma chave é normalmente aberta e a outra normalmente fechada
Algoritmos Genéticos - Capítulo 10 Representação Numérica
Programação Básica de Computadores 1
Processamento da Informação BC-05045
SEJAM BEM-VINDOS! REUNIÃO DOS 3º ANOS
Lógica Matemática e Computacional
Disciplina: Inteligência Artificial
Programação de Computadores I Apresentação da Disciplina Prof. André Renato 2º Semestre / 2012.
Conceitos básicos de orientação a objetos
Inteligência Artificial I
ENGENHARIA DE AUTOMAÇÃO INDUSTRIAL
Algoritmos e Programação I
Algoritmos 1º Semestre Materia: Informática Profº: Cristiano.
Matemática Financeira
Computador Simplificado Conceitos p.ex. FLUXO de execução
Formas Normais e Resolução
INTRODUÇÃO À ANÁLISE COMBINATÓRIA
MATEMÁTICA APLICADA REVISÃO BÁSICA.
Propriedades Sejam conjuntos de um espaço vetorial Então:
Linguagem e Ambiente Scratch
Algoritmos e Estruturas de Dados I – Ponteiros
Sistemas Operacionais
Universidade do Vale do Rio dos Sinos - São Leopoldo -
Algoritmos Genéticos Ricardo Prudêncio.
Programação I Aula 12 (Arrays Bidimensionais)
Inteligência Artificial
Igor Steinmacher, MSc. O maravilhoso mundo da Lógica de Programação.
Torre de  Hanói.
Recursividade Profs. De Prog2 e Lab2.
Aula 12 COLORAÇÃO DE GRAFOS
Sistemas de Informação – mais que tecnologia Profa. Reane Franco Goulart.
Inteligência Artificial
Exercícios Faça um algoritmos para trocar uma lampada queimada.
Métodos Populacionais. Mantém um conjunto de soluções candidatas e não só uma solução Cada solução será modificada e avaliada Hill-Climbing paralelos.
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 10 Algoritmos Genéticos Max Pereira.
DSI – Desenvolvimento de Sistemas Inteligentes
DSI – Desenvolvimento de Sistemas Inteligentes
Transcrição da apresentação:

Prática de Alg. Genéticos Disciplina: Sistemas Inteligentes II CONTEÚDO (1) Definição do Problema (2) Modelando com AG (3) Sua parte...

(1) Definição do Problema Problema da Alocação de Disciplinas: Objetivo: Montar os horários das disciplinas a cada semestre. Formule uma solução para esse problema: b1) usando AG, lembrando que você deve estabelecer: (1)Tamanho do indivíduo; (2) Gene; (3) Tamanho da população (4) Tipo de Seleção e (5) Taxa de Mutação b2) a lógica de programação usada (independente de linguagem). Admita que a faculdade têm apenas: dois períodos (P1 e P2); três professores (Fechine, Nilton e Fred); duas disciplinas por período (d1, d2, d3, d4 , d5, d6), onde d1, d2, d3  P1; d4 , d5, d6  P2; Fechine leciona d1 e d4, Nilton leciona d2, d5 e Fred leciona d3, d6; três noites de aula por semana, com duas aulas por noite; Fechine não pode ensinar no primeiro horário da segunda; não é permitido que uma mesma disciplina tenha duas aulas por noite.

(2) Modelando com AG Objetivo: Todo coordenador tem a cansativa tarefa de montar os horários das disciplinas a cada semestre. Possível solução: P1 P2 Seg Ter Qua (Fred, d3) (Fechine, d1) (Nilton, d2) Seg Ter Qua (Nilton, d5) (Fred, d6) (Fechine, d4) h1 h2 h1 h2 P1 P2 Seg1P1 Seg2P1 Ter1P1 Ter2P1 Qua1P1 Qua2P1 (p, d) Seg1P2 Seg2P2 Ter1P2 Ter2P2 Qua1P2 Qua2P2 (p, d) 1 2 3 4 5 6 7 8 9 10 11

(2) Modelando com AG Formulando uma solução para esse problema: b1) usando AG, lembrando que você deve estabelecer: (1)Tamanho do indivíduo; (2) Genes; (3) Tamanho da população (4) Tipo de Seleção e (5) Taxa de Mutação (1) Tamanho = 12 genes = indivíduo (2) Gene = { (prof, disc) }, onde: prof = {Fechine, Fred, Nilton} = {00,01,10} disc = {d1, d2, d3, d4 , d5, d6} = {000,001,010,011,100,101} Ex: um indivíduo Obs: em geral, o gene={0,1} Porém, resolvemos adotar um gene composto por uma tupla (prof,disc) Seg1P1 Seg2P1 Ter1P1 Ter2P1 Qua1P1 Qua2P1 Seg1P2 Seg2P2 Ter1P2 Ter2P2 Qua1P2 Qua2P2 Seg1P1 Seg2P1 Ter1P1 Ter2P1 Qua1P1 Qua2P1 (p, d) (p, d) 1 2 3 4 5 6 7 8 9 10 11 60 bits 01010 00000 10001 10100 01101 00011 Fred=01 e d3=010

(2) Modelando com AG Formulando uma solução para esse problema: (cont.) (3) Tamanho da população: 100 indivíduos (4) Tipo de seleção Probabilística Simples: um ponteiro (5) Taxa de Mutação: 0.5% Se em cada nova população temos (60 * 100) 6000 bits, implica dizer que serão trocados aleatoriamente 30 bits 01010 00000 10001 10100 01101 00011 1 99 01010 00000 10001 10100 01101 00011 ... ... 01010 00000 10001 10100 01101 00011

(3) Sua parte agora... Implemente o algoritmo simples de AG para esse problema Dicas: Use o código inicial do site do professor para iniciar sua solução Para formação da nova população, despreze os pais e use apenas os filhos A taxa de mutação igual a 0.5%, indica mudança de 30 bits, e para isso: Faça uma função que escolha 30 indivíduos aleatoriamente Em cada indivíduo, escolha um gene que será modificado Implemente a regra: não é permitido que uma mesma disciplina tenha duas aulas por noite Estenda o código do site para 5 dias por semana: seg, ter, qua, qui e sex 5 períodos: P1, P2, P3, P4 e P5