Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouTeresa Sanches Dias Alterado mais de 8 anos atrás
1
Taís Sineiro Herig Laboratório de Genômica e Expressão / UNICAMP
Algoritmos Genéticos Taís Sineiro Herig Laboratório de Genômica e Expressão / UNICAMP
2
Introdução Métodos computacionais inspirados na biologia evolutiva
Encontrar solução ótima São uma classe dos Algoritmos Evolutivos
3
Histórico Década de 60 John Holland, Universidade de Michigan
Otimização em sistemas complexos Simular matematicamente o mecanismo da evolução biológica
4
Ótimos Métodos matemáticos Métodos probabilísticos Ótimo global
Ótimo local Métodos matemáticos Métodos probabilísticos
5
Algoritmos Genéticos Codificação Função objetivo Espaço de soluções
6
Estrutura Cromossomo Solução Gene Parâmetro Locus Posição dos bits
Genótipo Configuração dos bits Geração Ciclo (cada iteração)
7
Representação do Cromossomo
Binária Real Símbolos Binária
8
Fluxograma do Algoritmo
9
População Inicial Inicialização Espaço de Busca Número de Elementos
Aleatória Determinística Espaço de Busca Número de Elementos Valor de aptidão (fitness)
10
Seleção Roleta Torneio Seleção proporcional Ranking
11
Cruzamento Escolha das soluções Escolha da posição Novo indivíduo
12
Mutação Baixa X Alta Taxa de Mutação Pmut
13
Condição de Parada Número máximo de gerações Tempo limite Estagnação
Resposta máxima da função objetivo
14
Vantagens Não requer informação auxiliar
Ótimos locais não reduzem a eficiência Excelentes resultados para a otimização em grande escala
15
Exemplos de Aplicação Cavalo do Xadrez Objetivo
16
Cavalo do Xadrez Analogias Processo Fitness (0,1) posições
Gene ordem do passo Cromossomo solução possível Processo Definir parâmetros
17
Cavalo do Xadrez
18
Cavalo do Xadrez Seleção (Roleta) Cruzamento Mutação Solução de Parada
19
Cavalo do Xadrez Tabela de Resultados
20
Cavalo do Xadrez
21
Exemplos de Aplicação Aplicação à Bioinformática Objetivo Como fazer
Separar seqüências pertencentes a um organismo A de um organismo B Como fazer Usar características relevantes de uma seqüência Seqüência % GC (a) Entropia (b)
22
Aplicação à Bioinformática
1 2 3 ... cromossomo a(1) + b(2) + c(3) = Taxa Teste com seqüências conhecidas: Taxa 1 Taxa 2 Taxa 3 Taxa 4 CÁLCULOS Valor de Aptidão da Solução
23
Aplicação à Bioinformática
Usar a solução que apresenta melhor valor de aptidão Calcular o percentual de acertos Aplicar a solução para resolver problemas com seqüências desconhecidas
24
Conclusão Algoritmo genético
Modelo matemático que aproveita a Biologia Evolutiva Pode ser usado para resolver qualquer problema Tem se mostrado eficaz na otimização de problemas
25
FIM
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.