Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Capítulo 12: Tratamento de Restrições
Lyno Henrique Gonçalves Ferraz Programa de Engenharia Elétrica - PEE/COPPE/UFRJ Universidade Federal do Rio de Janeiro 18/05/2012
2
Motivação (1) Algoritmos evolucionários Problemas difíceis
NP-difícil, NP-completo Geralmente restritos Nem todas as combinações são possíveis [figura] x2 x1
3
Motivação (2) Restrições Aplicação em EA não trivial
Operadores “cegos” Recombinação e mutação x2 x1
4
Motivação (1) Algoritmos evolucionários (EA) Problemas difíceis
NP-difícil, NP-completo Geralmente restritos Nem todas as combinações são possíveis Restrições Aplicação em EA não trivial Operadores “cegos” Recombinação e mutação
5
Problema com Restrições
O que é um problema com restrições? Espaço de busca livre Depende do algoritmo! Caixeiro Viajante
6
Problema com Restrições
Função Objetivo Restrições Não Sim Não há problema Problema de Otimização Livre (Free Optimization Problem – FOP) Problema de Atendimento de Restrições (Constrain Satisfaction Problem – CSP) Problema de Otimização com Restrições (Constrained Optimization Problem – COP)
7
Problema com Restrições
Função Objetivo Restrições Não Sim Não há problema Problema de Otimização Livre (Free Optimization Problem – FOP) Problema de Atendimento de Restrições (Constrain Satisfaction Problem – CSP) Problema de Otimização com Restrições (Constrained Optimization Problem – COP) Problema de Otimização Livre Par (S,f) S : espaço de busca livre f : função objetivo Solução: s E S com valor ótimo de f
8
Problema com Restrições
Problema de Atendimento de Restrições Par S : espaço de busca livre : fórmula (booleana em S) Solução: s E S com Função Objetivo Restrições Não Sim Não há problema Problema de Otimização Livre (Free Optimization Problem – FOP) Problema de Atendimento de Restrições (Constrain Satisfaction Problem – CSP) Problema de Otimização com Restrições (Constrained Optimization Problem – COP)
9
Problema com Restrições
Problema de Otimização com Restrições Trio S : espaço de busca livre f : função objetivo : fórmula (booleana em S) Solução: s E S com valor ótimo de f e Função Objetivo Restrições Não Sim Não há problema Problema de Otimização Livre (Free Optimization Problem – FOP) Problema de Atendimento de Restrições (Constrain Satisfaction Problem – CSP) Problema de Otimização com Restrições (Constrained Optimization Problem – COP)
10
Problema de Otimização com Restrições
Caixeiro Viajante
11
Abordagens para Tratamento de Restrições
Tratamento indireto de restrições Transformação de restrições CSP, COP FOP Realizado antes do EA Tratamento direto de restrições Resolução de COP Tratamento através de mapeamento
12
Formas de Tratar Restrições
Geralmente variáveis discretas Opções Funções de penalidade Indireta Funções de reparo de soluções inviáveis Direta Representação do problema Direta Funções decodificadoras Mapeamento
13
Funções de Penalidade Mapeamento da função objetivo Tipos Estática
Dinâmica Adaptativa
14
Funções de Penalidade Estática
Extintivo Coeficientes altos Binário Valor da distância unitário Penalidade baseada na distância Problema Valores dos pesos
15
Funções de Penalidade Dinâmicas
Valores dos pesos Dependentes do tempo Divisão em estágios Pena de morte para que viola Cumprimento parcial de restrições Cumprimento obrigatório de restrições Aumenta
16
Funções de Penalidade Adaptativas
Abordagens Diminuição do impacto de resultados ruins Escolha dos pesos Dimensionamento adaptativo Estatísticas dos melhores resultados Distância da restrição “proximidade de limiar viável” Adaptação do espaço de busca em nível populacional Restrições violadas pelo melhor indivíduo Atualização de pesos dessas restrições
17
Funções de Reparo Caso especial de busca local Substituição
Remoção da violação Substituição Aprendizado Baldwiniano Aprendizado Lamakiano Adição de aleatoriedade Complexidade da função de reparo GENOCOP III
18
Representação do Problema
Limitação do espaço de busca Toda região possível permutação Operadores Alcançabilidade de toda região Geração de indivíduos possíveis Desafios
19
Funções Decodificadores
Mapeamento genótipos para região possível Requisitos Genótipo z é mapeado para solução única s Toda solução única s deve ter ao menos uma representação s’ Toda solução única s deve ter o mesmo número de representações em S’ Introdução de redundâncias
20
Exemplo: Pintar 3-cores no Grafo
Indireto Funções de penalidade CSP FOP Strings ternárias Penalidades “Arestas incorretas” “Nós incorretos” Aplicação de componentes padrões se s viola k senão
21
Exemplo: Pintar 3-cores no Grafo
Direto Decodificador Cromossomos Permutações de nós Procedimento Função objetivo Somatório de nós sem cor Aplicação de componentes padrões
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.