Universidade Federal de Gois Campus Avanado de Catalo

Departamento de Matemtica

Disciplina: Otimizao Evolutiva

Docente: Romes Antnio Borges

Mtodos de Otimizao
Evoluo Diferencial
Discentes: Bruno Maia
Gustavo Henrique
Jos Salviano

Catalo, 13 de maro de 2013.

INTRODUO
Otimizao est presente em basicamente tudo no mundo atual. Basicamente tudo,
atualmente, deve ser melhorado, ou seja, deve ser otimizado.
Os primeiros mtodos que surgiram so atualmente chamados de Mtodos de
Otimizao Clssica, sendo que os mesmos baseavam em mtodos que envolviam o uso
de derivadas.
Atualmente, os novos mtodos de otimizao so chamados evolutivos, sendo que
os mesmos baseiam-se em sistemas naturais, como comportamento de colnia de
abelhas, ou a evoluo de Darwin.
O mtodo mais conhecido entre os mtodos evolutivos trata-se do Algoritmo
Gentico. O mtodo um dos melhores, porm, seu custo computacional
relativamente alto.
Levando em considerao seu alto custo computacional, surgem algoritmos
baseados no mesmo, a fim de reduzir tal tempo computacional. Um desses mtodos
denomina-se Evoluo Diferencial.

HISTRIA
O primeiro artigo sobre Equao Diferencial (ED) foi publicado por Kenneth
Price e Rainer Storn em outubro de 1995 com o nome de "Differential Evolution a
simple and efficient adaptive scheme for global optimization over continuous spaces".
Originalmente, o mtodo estava focado na resoluo de problemas de ajuste de
polinmio de Tchebychev utilizando uma variante do mtodo chamado Algoritmo
Gentico (Genetic Annealing), o qual havia sido desenvolvido por Price no ano anterior.
Em 1996, ED foi apresentado no First International Contest on Evolutionary
Optimization, que buscava comparar o potencial de distintos mtodos de optimizao de
computacional evolutiva, finalizando ED em terceiro lugar.
Hoje, a ED uma das principais correntes de pesquisa em computao evolutiva,
pois reduz drasticamente o tempo computacional em relao ao Algoritmo Gentico.

MTODO DA EVOLUO DIFERENCIAL

O mtodo da Evoluo Diferencial uma verso aprimorada de AG para rpida
otimizao, sendo o mesmo um otimizador estocstico de funes baseado na populao
de possveis solues.
A ideia por trs do ED consiste em um esquema para gerar vetores de parmetros
experimentais, sendo a funo de tais vetores perturbarem o vetor de populao.
Os parmetros principais do ED so:
D = nmero de dimenses (tamanho do cromossomo);
GR = constante de crossover;
FF = peso aplicado ao vetor de diferenas (constante de mutao);
xinf = limite inferior;
xup = limite superior;
gen_max = nmero mximo de geraes;
A seleo dos termos do vetor experimental so calculados e comparados, sendo
aqueles que obtiverem o menor custo seguem na gerao seguinte.
A partir dos valores selecionados so criados os parmetros para a Mutao dos
valores, sendo a funo abaixo utilizada para encontrar o parmetro de mutao:
N=c+ FF ( ab)

Onde:
a, b e c: Escolhidos dentre toda a populao, sendo os mesmos os que geram
menor custo em relao funo objetivo;
FF: Constante de Crossover;
N: Parmetros de Mutao.
Existem basicamente duas formas de cruzamento, sendo elas:
Cruzamento Binomial: consiste em misturar as componentes do vetor alvo com
as componentes do vetor doador selecionando de forma aleatria qual o vetor
alvo e o doador;

 Cruzamento Exponencial: efetuando-se a troca de variveis entre o vetor doador

e o vetor alvo selecionando de forma aleatria as variveis de cada vetor.
O quadro abaixo trs o pseudocdigo do ED:
Quadro 1: Pseudocdigo ED

1. Inicializar D, GR, FF, xinf, xup e gen_max;

2. Inicializar, randomicamente, a populao inicial;
3. Repetir at que o critrio de parada seja satisfeito;
I.
Para cada indivduo
1. Selecionar randomicamente 3 indivduos da populao;
2. Aplicar diferenciao, mutao, crossover;
3. Comparar indivduo com o sua verso experimental e selecionar
o de menor custo para a nova populao;
4. Avaliar o custo do indivduo selecionado;
II.
Fim Para cada indivduo
4. Fim Repetir

MTODO DA EVOLUO DIFERENCIAL

Abaixo, sero apresentados grficos, cujas funes permitem a plotagem de
grficos, com o ponto timo encontrado via ED Cdigos Implementados enviados por
email.
Exemplo 1

Funo: y=x2+x-4
Ponto timo: -0.5305
Grfico:

Exemplo 2

Funo: y=x2 - 4+x - cos(x)*sin(x2) - sqrt(abs(x))

Ponto timo: -0.9253
Grfico:

Exemplo 3

Funo: y=cos(x) - sqrt(abs(sin(x)))

Ponto timo: -10
Grfico:

Exemplo 4

Funo: y=sin(x) - cos(sqrt(abs(x)))/sqrt(sin(abs(x)))

Ponto timo: -0.0425
Grfico:

Exemplo 5

Funo: y=sin(x) - cos(sqrt(abs(x)))/sqrt(sin(abs(x)))-x3

Ponto timo: 9.9999
Grfico:

Exemplo 6

Funo: y=x3 - 3(x-2)

Ponto timo: -10

Grfico:

Exemplo 7

Funo: y=(x5+x4-x3)./sin(cos(x4))
Ponto timo: -9.7980
Grfico:

CONCLUSO

REFERENCIAS BIBLIOGRFICAS