Académique Documents
Professionnel Documents
Culture Documents
Algoritmos Genticos Programao Gentica Evoluo Gramatical Estratgias Evolucionrias Programao Evolucionria Colnias de Formigas Algs. de Enxames de Partculas MLP Multi-layer Perceptrons
RBF- Radio Basis Function Net SOM- Self-Organizing Maps ARTMap
Inteligncia Coletiva
Computao Evolucionria
Gisele L. Pappa
Redes Neurais
Introduo
Mtodos inspirados na teoria da evoluo de Darwin, propostos pela primeira vez em 1958 Anos 60
Algoritmos Genticos (e Programao Evolucionria) vs Estratgias Evolutivas
Introduo
Historicamente, diferentes tipos de AEs tm sido associadas a diferentes tipos de representao
Vetores de strings : Algoritmos Genticos Vetores de nmeros reais : Estratgias Evolucionrias Mquinas de estado finito: Programao Evolucionria rvores: Programao Gentica
1992
Programao Gentica
gene
gene
gene
Clulas
Cromossomos
Genes
DNA
Gentipo
Material gentico contido em uma clula ou organismo
Fentipo
Caractersticas fsicas ou bioqumicas de um organismo que podem ser observadas, e que so determinadas tanto pelo gentipo quanto por influncias do meio
Fitness
Probabilidade de reproduo de um indivduo
A B
B A
B C A B
A B
B A
B C A
pcross
Point mutation
A B A C B A B C A B
Deletion
lost
preprod pmut
B A
B C
A B A B
Inversion
Fitness
Idias Bsicas
AE um procedimento interativo que evolui uma populao de indivduos Cada indivduo representa uma soluo candidata para um dado problema A cada interao (gerao):
Os melhores indivduos so selecionados de acordo com uma funo de aptido (fitness) Operadores genticos so aplicados aos indivduos selecionados, visando produzir novos indivduos (filhos) Novas indivduos so avaliados utilizando a funo de aptido
Exemplos de Aplicao
Muitas para listar
Engenharia Design de circuitos Modelos financeiros Jogos Bioinformtica Modelagem
Motivao
Maneira declarativa de resolver um problema (o que fazer), em contraste com mtodos procedurais (como fazer) Processamento paralelo Oferecem solues robustas e adaptativas Necessidade de validar teorias e conceitos da biologia evolucionria Inteligncia de mquinas
Possibilita incorporar conhecimento ao mtodo sem explicitamente program-lo
Independncia de Aplicao
O que faz EAs serem robustos para os mais diversos tipos de aplicaes?
O algoritmo em si o mesmo para qualquer problema Existem 3 componentes importantes que devem ser definidos de acordo com o problema em mos:
Representao dos indivduos Funo de aptido (fitness) Operadores genticos novos operadores podem ser definidos especificamente para o problema
Funo de fitness
Tamanho do caminho percorrido ( funo a ser minimizada) Funo objetiva
Operadores genticos
10
Deve-se considerar restries do problema ? Passar apenas uma vez por cada cidade?
Problema do CaxeiroViajante
Cruzamento
Reconhecer uma soluo invlida e substituir a cidade repetida pela ignorada I1 A B C D E F G C1 A B C D E G B A B C D E G F I2 C A D F E G B C2 C A D F E F G C A D F E B G
rbita inicial foi modificada, e uma nova antena com apenas um brao requerida Objetivo:
Desenhar uma antena de 1 brao
Comparao com uma antena especialmente fabricada para misso por humanos (QHA):
2 QHAs: 38% de eficincia 1 QHA com uma antena evoluda: 80% de eficincia 2 antenas evoludas: 93% de eficincia
Nova Antena
Agradecimento
Alguns desses slides foram retirados do livro Fundamentals of Natural Computing, de Leandro Nunes de Castro e outros das aulas de computao natural de Alex A. Freitas
Referncias
[Hornby et al 2006], Automated antenna design with evolutionary algorithms, AIAA Space 2006, disponvel no LearnLoop
Leitura Recomendada
Genetic Algorithms: An Overview, M. Mitchell, Complexity, 1 (1) 31-39, 1995.