Algoritmos Genéticos Rômulo Ferreira Douro.

Apresentação em tema: "Algoritmos Genéticos Rômulo Ferreira Douro."— Transcrição da apresentação:

1 Algoritmos Genéticos Rômulo Ferreira Douro

2 Estrutura da apresentação
Introdução – heurísticas Algoritmos genéticos Ideias e considerações Conceitos básicos: representação, geração inicial, fitness, seleção, reprodução, mutação, parâmetros Procedimento de execução Refinamento: busca local AG’s paralelos Exemplos de aplicações

3 - Introdução – Heurísticas
Alcançar uma boa solução Tempo computacional aceitável Algoritmos evolucionários Aspectos biológicos Soluções computacionais Algoritmos Genéticos, Programação Genética, Programação Evolucionária

4 - Algoritmos Genéticos - Ideias e considerações
História: Concebidos por John Holland (1975) Analogia com sistemas naturais Natureza Algoritmo Genético Cromossomo Binário, String, vetor Gene Característica do problema Genótipo Estrutura Fenótipo Estrutura submetida ao problema Indivíduo Solução Geração Ciclo da evolução

5 - Algoritmos Genéticos - Conceitos básicos
Representação Dependente da necessidade do problema Cadeia de bits (função) Vetor (Caixeiro Viajante)

6 - Algoritmos Genéticos - Conceitos básicos
Representação – Cadeia de bits (função) f(x) = 1024-(x-32)2

7 - Algoritmos Genéticos - Conceitos básicos
Representação – Vetor (Caixeiro Viajante) C = {3, 4, 2, 1, 5} 4 3 2 5 1

8 - Algoritmos Genéticos - Conceitos básicos
Geração inicial População gerada aleatoriamente Utilização de outra heurística Geralmente depende do problema Exemplo GRASP

9 - Algoritmos Genéticos - Conceitos básicos
Fitnnes Também chamado de aptidão Geralmente se usa a própria função objetivo Pode ser agregado de penalidades

10 - Algoritmos Genéticos - Conceitos básicos
Seleção Comumente usado o método da roleta

11 - Algoritmos Genéticos - Conceitos básicos
100 3 4 1 2

12 - Algoritmos Genéticos - Conceitos básicos
Reprodução Um conjunto é selecionado e trocado entre indivíduos

13 - Algoritmos Genéticos - Conceitos básicos
Reprodução Aplicado ao PCV {2,3,5,1,4} {1,5,2,4,3} {1,5,3,2,4} {2,3,1,4,5}

14 - Algoritmos Genéticos - Conceitos básicos
Mutação Altera um ou mais genes = gera material genético diversificado {2,3,5,1,4} {2,3,4,1,5}

15 - Algoritmos Genéticos - Conceitos básicos
Parâmetros Tamanho da população Taxa de cruzamento Taxa de mutação Taxa de substituição

16 - Algoritmos Genéticos - Conceitos básicos
Tamanho da população Se pequeno Executa rápido Baixa qualidade Se grande Boa qualidade Custo computacional

17 - Algoritmos Genéticos - Conceitos básicos
Taxa de cruzamento Se pequeno Convergência demorada Se grande Perda de material genético

18 - Algoritmos Genéticos - Conceitos básicos
Taxa de mutação Previne a permanência em espaço de busca limitado Máximos locais Se muito elevado Busca aleatória (ruim)

19 - Algoritmos Genéticos - Conceitos básicos
Taxa de substituição Quantidade de indivíduos a ser descartada Bons sobrevivem Menos aptos são excluídos Material genético desconsiderado

20 - Algoritmos Genéticos - Procedimento da execução
Esquema de execução

21 - Algoritmos Genéticos - Refinamento
Busca local

22 - Algoritmos Genéticos - AG paralelo
Principal motivo Elevar o tamanho populacional Algoritmo Genético Insular Populações evoluem de forma independente Política de migração Cuidado para não inserir indivíduos muito aptos e passíveis de conquistar uma população

23 - Algoritmos Genéticos - AG paralelo
Mestre X Escravos

24 - Algoritmos Genéticos - AG paralelo
População Global com Paralelismo Um processador contém a população e outros efetuam a avaliação do indivíduo Função de avaliação muito custosa Algoritmo Genético Celular Para cada processador é fixada a tarefa de um indivíduo e as iterações entre eles é feita entre processadores vizinhos

25 Exemplos de aplicações
Robótica de combate a acidentes ambientais Dobramento de proteínas Configuração temporal para mercado financeiro Just-in-time Scheduling Sequênciamento com penalidades