Visão Geral, Ferramentas e Aplicações dos Algoritmos Genéticos

1 /Algoritmos Genéticos 38

Algoritmos GenéticosAlgoritmos GenéticosConceitos, Aplicações e FerramentaConceitos, Aplicações e Ferramentas

Daniel Seabra

Norton Guimarães

Rodrigo Francisco


Agenda

• A teoria da Evolução

• Introdução

• Aplicações de AG

• Ferramentas


A teoria da Evolução Natural


A teoria

● Em 1885, Charles Darwin escreveu o livro “A Origem das Espécies”;

População de indivíduos com diferentes propriedades e habilidades;

Limite do número de indivíduos numa população; A natureza cria novos indivíduos com propriedades

similares; Os mais hábeis são selecionados para reprodução;


Paródia

Filme: Idiocracia


O que são O que são Algoritmos Genéticos?Algoritmos Genéticos?

“Uma técnica de busca baseada numa metáfora do processo biológico de evolução natural” (Linder, 2008).


História


História


Analogia das Terminologias

Linguagem Natural Algoritmos GenéticosCromossomo Indivíduo, string,

cromossomo, árvoreGene CaracterísticaAlelo ValorLocus PosiçãoGenótipo EstruturaFenótipo Conjunto de parâmetros

Tabela 1: Analogia do Algoritmo Genético com a Linguagem Natural (Linder, 2008)


Características


Esquema dos AGsEsquema dos AGs


Representação do Problema


Overview do Processo


Geração da População Inicial

Cada indivíduo deverá apresentar um conjunto de genes e um conjunto de características observáveis;

A geração é de forma aleatória;


Função de Avaliação

Conhecida como função fitness; Projetada para cada problema; Uma função matemática modelada para

o problema; Entra indivíduo e sai resultado.


Operadores GenéticosOperadores Genéticos


Seleção da População


Seleção Proporcional/Truncamento

Baseados no valor relativo da sua aptidão.


Seleção Baseado em Ordem

Uso do rank do indivíduo baseado sua aptidão.


Método da Roleta Viciada

Busca linear através de uma roleta virtual.


Seleção por Torneio

04 indivíduos são aleatoriamente selecionados.

02 são eliminados e, 02 são ganhadores

para gerar a próxima geração..

A

B

C

A

D

D


Operação de Crossover


Um ponto de corte

Cortar pais em uma posição aleatória e recombinar as partes geradas


Dois pontos de corte

Cortar pais em duas posições aleatórias e recombinar as partes geradas.


Uniforme

Gerar uma máscara de bits aleatórios e combinar os bits dos pais de acordo com a máscara gerada.


Operação de Mutação


Radom Resetting

Consiste de troca dos valores de um gene dada uma pequena probabilidade.


Creep Mutation

Esta forma acrescenta ou subtrai ao valor do gene um pequeno número aleatório (Eiben, 2008)


Aplicações em AG


Aplicações em AG


Algumas Ferramentas


Conclusão


Referências

Deepa, S. N. S. S. N. (2008). Introduction to Genetic Algorithms. New York: Springer.

Eiben, A., & Smith, J. E. (2008). Introduction to Evolutionary Computing. New York: Springer.

Ellingsen, K.-E., & Penaloza, M. (2003). A genetic algorithm approach for finding a good course schedule. In Proceedings of the Midwest instruction and Computing Symposium. Duluth, USA.

Filitto, D. (2008). Algoritmos genéticos: Uma visão explanatória. Saber Acadêmico, São Paulo, Brazil.


Referências

Linder, R. (2008). Algoritmos Genéticos (3nd ed). Rio de Janeiro: Ciência Moderna.

Melanie, M. (1996). An Introduction to genetic algorithms. London: MIT Press.

Raghavjee, R., & Pillay, N. (2010). An informed genetic algorithm for the high school timetabling problem. In Proceedings of the 2010 Annual Research Conference of the South African Institute of Computer Scientists and Information Technologists (SAICSIT '10). New York, USA, 408-412. doi: 10.1145/1899503.1899555.


Referências

Teles, R. M. (2011). Um estudo de técnicas da inteligência artificial aplicadas na distribuição de recursos em áreas geográficas. Unpublished master’s thesis, Universidade Federal de Goiás, Goiás, Brazil.

Turabieh, S. A. H. (2008). Generating university course timetable using genetic algorithms and local search. In Proceeding of the International Conference on Convergence and Hybrid Information Technology. Busan, South Korea (pp. 254 – 260)

Wang, Z., Liu, J.-l., & Yu, X. (2009). Self-fertilization based genetic algorithm for university timetabling problem. In Proceedings of the first ACM/SIGEVO Summit on Genetic and Evolutionary Computation (GEC ’09), New York, USA (pp. 1001–1004).


Presentations & Public Speaking

Visão Geral, Ferramentas e Aplicações dos Algoritmos Genéticos