Reconhecimento de Padrões Computação Evolutiva Pontifícia Universidade Católica do Paraná (PUCPR) Programa de Pós-Graduação em Informática (PPGIA) Reconhecimento de Padrões Computação Evolutiva Luiz Eduardo S. Oliveira, Ph.D. www.lesoliveira.net

Princípios da CE Algoritmos baseados em populações, as quais são reproduzidas a cada geração do algoritmo. Várias regiões de buscas podem ser exploradas simultaneamente, ao contrário de algoritmos determinísticos. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

O que é Evolução? O termo evolução têm sido bastante utilizados em propagandas Ex: Carros, políticas, teorias evolucionárias ou evolutivas. A palavra evolução NÃO significa melhor, melhoria, adaptação, manipulação de genes. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

O que é Evolução Porém, evolução normalmente produz melhorias significativas, faz com que indivíduos se adaptem a certo nichos. Evolução: Processo gradual de mudanças. Três papeis devem estar presentes: O Bom, O Mau e o Estranho Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

O Bom A parte boa do processo de evolução é a reprodução. Uma “coisa” pode ser resultante de um processo de evolução se e somente ela é capaz de se reproduzir. Por exemplo, pedras não são resultados de evolução. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

O Mau A parte má do processo de evolução é a seleção A seleção determina vencedores e perdedores. Os melhores tem mais chances de reproduzir, enquanto os piores morrem antes Lei da selva! Sem seleção as coisas se reproduziriam e morreriam aleatoriamente. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

O Estranho Mutações podem ser consideradas como uma coisa estranha. Entretanto, a mutação é o terceiro componente vital do processo evolutivo, pois insere diversidade. Geralmente causam pequenas mudanças Ex: Um dente a mais na arcada dentária. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

Evolução Em resumo, o processo evolutivo deve contar com Reprodução Seleção Mutação (Diversidade, Variedade) Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

Procedimento Básico Inicializar a população. Calcular a fitness de cada indivíduo. Reproduzir os indivíduos selecionados. Submeter a população a operações genéticas (ex cruzamento, mutação). Voltar ao item 2 até que alguma condição seja satisfeita. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

Solução Ótima Geralmente existe um ótimo global. O ponto ótimo de um problema pode mudar dinamicamente. Vários pontos quase-ótimos podem existir. Não é sensato esperar que um algoritmo de otimização encontre o ponto ótimo em um tempo finito. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

Terminologia Valor do ótimo global f(X) Vizinhança do solução X Y Vizinhança do solução ( ) X Ótimo local Ótimo Global Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

Lei da Suficiência O melhor que pode-se esperar é que o algoritmo encontre uma solução próxima a ótima. Lei da SUFICIÊNCIA Se uma solução é suficientemente boa e rápida, então ela é suficiente. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

O Melhor Algoritmo Não existe o melhor algoritmo, e sim o algoritmo que é mais eficiente para um determinado tipo de problema. No free lunch theorem. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

Como Isso Funciona nos Computadores? Universos digitais Definir leis que governem nossos universos digitais (reprodução, seleção e mutação). Não podemos provar que a evolução produz bons resultados Mas invariavelmente produz. Não existem provas matemáticas. Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira

Referências P. J. Bentley. Digital Biology, 2001 D. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning, 1989. K. Deb. Multi-objective Optimization using Evolutionary Algoritms, 2001 J. R. Koza. Genetic Programming of Computers by Means of Natural Selection, 1994 D. B. Fogel. Evolutionary Computation, 2002. J. Kennedy and R. Eberhart. Swarm Intelligence, 2001 Reconhecimento de Padrões - Computação Evolutiva PUCPR-PPGIa - Prof. Luiz Eduardo S. Oliveira