Provas Datas: – P1 : 18/09/2014 – P2: 18/11/2014 – Exame : 09/12/2014.

Slides:



Advertisements
Apresentações semelhantes
AULA 02 PROGRAMAÇÃO LINEAR INTEIRA
Advertisements

Pesquisa Operacional Resolução através do Método Gráfico
Algoritmos Genéticos Teresa B. Ludermir.
Algoritmos Genéticos Seminário de MAC5758
O Problema de Roteamento de Veículos (PRV)
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.
Dárlinton B. Feres Carvalho
Inteligência Computacional para Otimização
Algoritmos Genéticos Marcone Jamilson Freitas Souza
Busca Dispersa Scatter Search
Computação Evolutiva: Estratégias Evolutivas
Otimização de Funções Contínuas via Algoritmos Genéticos Adaptado do trabalho realizado por: Frederico Heitor Mônica do Amaral.
Otimização de Funções Contínuas via Algoritmos Genéticos
Maximização de Funções usando Simulated Annealing
Inteligência Artificial
Algoritmo Genético.
Exploração do Espaço de Projeto do Dragão Limão
Algoritmos Genéticos Prof. Luis Otavio Alvares II/UFRGS
Ferramentas CASE ERwin
Algoritmos Genéticos Rômulo Ferreira Douro.
Algoritmos Genéticos – Capítulo 11
Algoritmos Genéticos - Capítulo 10 Representação Numérica
TOMADA DE DECISÃO E RACIONALIDADE ADEQUAR OS MEIOS AOS FINS DESEJADOS
Problemas Numéricos com Representação por Números Reais
Material adaptado de Algoritmos Geneticos Material adaptado de
Controle de parâmetros em algoritmos evolucionários
Otimização por Colônia de Formigas (ACO)
Uma Introdução a Evolução Diferencial
Capítulo 12: Tratamento de Restrições
Inteligência Artificial I
SISTEMAS LINEARES.
Evolver 4.0 Introdução ao Uso da Ferramenta
Otimização Inteira 5a. Aula Franklina.
Conceitos Básicos Alysson e Franklina 2ºs/
Sistemas Inteligentes
O PROBLEMA DE SCHEDULING EM JOB-SHOP
Anne Magály de PaulaCanuto DIMAp/UFRN
Algoritmos de Busca Local
Algoritmos Evolutivos Algoritmos Genéticos Introdução
Tópicos Avançados em Inteligência Artificial
Otimização Linear Definições e Solução Gráfica
Técnicas de Busca Heurística Problemas da IA complexos demais para serem solucionados por técnicas diretas: criam-se técnicas de busca aprorpiados; chamados.
Equações diferenciais ordinárias de segunda ordem
Algoritmos Genéticos Ricardo Prudêncio.
INF 1771 – Inteligência Artificial
PROBLEMA DO EMPACOTAMENTO
Inteligência Artificial
Introdução Prof. Antonio Carlos Coelho
O PROBLEMA DE SCHEDULING EM JOB-SHOP
* Cadeias formadas por três símbolos: 0, 1, e * * O símbolo * (um curinga) significa 0 ou 1.
Capitulo 5: Simplex Voltando ao exemplo da confecção da D. Maria, e modificando um pouco os valores apenas para facilitar nossos cálculos e o entendimento,
Métodos de Resolução Solução Analítica Solução Numérica
Problemas NP-completos e Programação Dinâmica
Artigo: Berth allocation planning in the public berth system by genetic algorithms Akio Imai, Etsuko Nishimura, Stratos Papadimitriou, Heurística.
XIII Semana da Matemática Mini curso 7 Modelagem de Problemas de Otimização Socorro Rangel (DCCE)
Inteligência Artificial I
Algoritmos Genéticos Ricardo Prudêncio.
Mailson Felipe da Silva Marques Johnson Cordeiro Sarmento
Computação Evolutiva Nome dado ao estudo de algoritmos cuja inspiração é o processo de evolução natural das espécies. Origem: trabalho de um pesquisador.
Roteirização.
Algoritmos Genéticos Uma visão geral do método Cláudio M. N. A. Pereira.
1 Algoritmos Genéticos em Otimização de Planejamento l Planejamento ocorre em todas as atividades e envolve: PLANEJAMENTO Recursos Tarefas Tempo Objetivos.
6.1 Tecnologia de produção
Métodos Populacionais. Mantém um conjunto de soluções candidatas e não só uma solução Cada solução será modificada e avaliada Hill-Climbing paralelos.
1 Problemas Numéricos com Representação por Números Reais Prof. Marco Aurélio C. Pacheco.
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 10 Algoritmos Genéticos Max Pereira.
O Problema do Caixeiro Viajante Estéfane G. M. de Lacerda DCA/UFRN Maio/2008.
Representação do PCV As cidades são representadas diretamente no cromossomo.
Aula 7 – Algoritmos Genéticos
Transcrição da apresentação:

Provas Datas: – P1 : 18/09/2014 – P2: 18/11/2014 – Exame : 09/12/2014

LIDANDO COM RESTRIÇOES

Manipulando Restrições Mantendo a população factível usando representação e operadores específicos. – Por exemplo, os operadores para o problema do caixeiro viajante. Funções de Penalização Métodos de Reparação.

Método da Penalização Problema geral de programação não linear. O método da penalização converte um problema com restrições em um problema sem restrições.

função de penalização Uma função de penalização define o quão a solução x viola a restrição j. (i.e., o quão distante o cromossomo infactível está da região factível).

Criando as funções de penalização

Método da Penalização Agora o problema não possui restrições: Onde ri são constantes denominadas fatores da penalização.

Exemplos Problema original Problema transformado

Métodos de Reparação Usa métodos que transformam uma solução infactível em uma factível (i.e., “repara a solução”); Em geral, a solução “reparada” é próxima da solução factível.

Exemplo: No problema da mochila, algumas soluções podem ultrapassar a capacidade da mochila. Reparação: retire objetos da mochila até a solução tornar-se factível.

Representação do PCV As cidades são representadas diretamente no cromossomo.

Mutação 1

Mutação 2

Mutação 3

Mutação 4 Escolher e misturar

Crossover

Order 1 Colocar 1,4,9,3,7 8,9,1,2,3

Order-Based Crossover (OBX) Elementos são selecionadas aleatoriamente. É imposta uma ordem nos elementos selecionadas do pai1 igual a ordem dos respectivos elementos em pai2.

Position-Based Crossover (PBX) Elementos são selecionadas aleatoriamente e a posição dos elementos selecionadas no pai2 é imposto ao pai1.

PMX Realiza trocas no sentido de pai1 para pai2 e depois no sentido inverso, isto é, de pai2 para pai1, para evitar cromossomos inválidos.

Vetores de Valores Reais Mapear para codificação binaria Usar cruzamento e mutação especiais

Open Source code 3/tools.html 3/tools.html C++ Java Python

Relatório Problema da mochila, 10, 50, 100 (arquivo b, w, c=sum(w)/2) Tamanho da população ? Taxa de Mutação Ótima? Taxa de Cruzamento ? Como escala o tempo Tomar decisões em base a 10 rodadas