Co-Evolução.

Apresentação em tema: "Co-Evolução."— Transcrição da apresentação:

1 Co-Evolução

2 Algoritmos Genéticos Tradicionais
Funções de avaliação estáticas e bem definidas Evoluem uma única espécie Comparando com sistemas naturais, têm capacidade de adaptação limitada Podem convergir para mínimos locais

3 O que ocorre na natureza
Aptidão de indivíduos de uma espécie acoplada a de indivíduos de outra espécie Competição Presa – Predador “Raposa e Coelho” Cooperação Simbiose

4 Co-Evolução Hillis (1990) Trabalho sobre redes de ordenação
Ordena números colocados em sua entrada 3 8 6 2

5 Co-Evolução Primeiro experimento Algoritmo genético tradicional
Indivíduo = Rede de ordenação Aptidão = No. de entradas corretamente ordenadas Convergiu para mínimos locais Gerou redes ineficientes

6 Co-Evolução Segundo Experimento Duas Espécies
Espécie 1 – Entradas Teste Espécie 2 – Redes Aplicação dos testes às redes Cálculo das aptidões das redes População de redes População de testes Cálculo das aptidões dos testes

7 Co-Evolução Segundo Experimento Aptidão da Espécie de Redes
Número de entradas ordenadas corretamente Aptidão da Espécie de Testes Número de entradas com ordenação incorreta Resultados Redes mais eficientes – testes mais difíceis Perde propensão a convergência a mínimo local Eficiência comparável a melhor rede conhecida

8 Co-Evolução Competitiva Cooperativa Predador – Presa
Interação de aptidões inversa Sucesso de uma espécie é o fracasso da outra Cooperativa Simbiose Interação de aptidões direta Sucesso de uma espécie é o sucesso da outra

9 Co-Evolução Modelo co-evolucionário
Colocar a figura 7 do modelo co-evolucionário cooperativo genérico.

10 Co-Evolução Modelo co-evolucionário
Cada indivíduo da espécie é avaliado em colaboração ou competição com indivíduos de outras espécies Colocar a figura 7 do modelo co-evolucionário cooperativo genérico.

11 A colaboração ou competição ocorre no Modelo do Domínio
Co-Evolução Modelo co-evolucionário Colocar a figura 7 do modelo co-evolucionário cooperativo genérico. A colaboração ou competição ocorre no Modelo do Domínio

12 Co-Evolução Modelo co-evolucionário
Colocar a figura 7 do modelo co-evolucionário cooperativo genérico. Um fitness associado ao indivíduo é retornado pela colaboração ou competição

13 Co-Evolução Competitiva
Aptidão do indivíduo de uma espécie por competição com indivíduos de outra espécie. Aplicação em jogos (minimax) Soluções exploram fraquezas de estratégias específicas Diversidade garante eficiência contra diversos oponentes

14 Co-Evolução Competitiva
Funções de Aptidão Todos contra todos Competição aleatória Todos contra o melhor

15 Co-Evolução Competitiva
Axelrod (1984; 1987) Dilema dos Prisioneiros Torneios de estratégias (programas de computador) Todos contra todos Melhor estratégia – Tit for Tat (coopera na primeira vez e escolhe a ação do adversário na jogada prévia)

16 Co-Evolução Competitiva
Algoritmos Evolucionários Maioria das experiências encontrou “Tit for Tat” Algumas experiências encontraram melhores resultados Reflexo do ambiente de 8 estratégias usadas para avaliação AE encontrou soluções que exploram características do ambiente e não falhas da estratégia !!!

17 Co-Evolução Competitiva
Axelrod substituiu ambiente estático por avaliação competitiva Produz diversas variantes do “Tit for Tat”

18 Co-Evolução Cooperativa
Simbiose Melhora de indivíduo em uma espécie produz melhora na outra espécie Primeiros experimentos com co-evolução cooperativa: Paredis (1995,1996) Problema de codificação de Algoritmos Evolucionários Primeira Espécie – Valores Segunda Espécie – Representações

19 Co-Evolução Cooperativa
Resultados Co-evolução agrupou bons genes, funcionalmente relacionados Crossover não afetou proliferação dos genes na população

20 Referências Paredis J. Coevolutionarys algorithms, Universiteit Maastricht, Netherlands Morrison, J. & ,Oppacher Franz. A general model of coevolution for genetic algorithms, Intelligent Systems Lab, School of Computer Science of Carleton University, Ottawa. Noble, J. & Watson, R. Pareto coevolution: Using performer against coevolved opponents in a game as dimension for Pareto selection. Informatics Research Institute School of Computation, University of Leeds, Leeds UK. DEMO Lab, Computer Science Dept. Brandey University Walthem, MA, USA Potter, M. & De Jong, K. A cooperative coevolutionary approach to function optimization. Computer Science Dept. of George Mason University , Fairfax, VA- USA Juillé H. & Pollack, J.B.. Coevolutionary Learning: a case study. Computer Science Dept. Brandeis University Waltha, Massachusetts USA Luke, S. & Wiegand, R.P. When coevolutionary algorithms exhibit evolutionary dynamics. Dept of Computer Science George Mason University.