Upload
norton-c-guimaraes
View
1.064
Download
3
Embed Size (px)
DESCRIPTION
Citation preview
1 /Nunes & Guimarães 38
Algoritmos GenéticosPrática
Profª. Rosângela Nunes
Prof. Norton Guimarães
2 /Nunes & Guimarães 38
Agenda
Introdução
Problema 01
Problema 02
3 /Nunes & Guimarães 38
Introdução
4 /Nunes & Guimarães 38
Introdução
● O Algoritmo Genético foi desenvolvido por John Holland, nos meados dos anos de 1960 e 1970, com base na teoria da Evolução de Charles Darwin e popularizado por David Goldberg, através da resolução de um problema, envolvendo o controle de transmissão de gasoduto.
5 /Nunes & Guimarães 38
O que são Algorítmos Genéticos?
“Uma técnica de busca baseada numa metáfora do processo biológico de evolução
natural” [LINDER, 2012].
6 /Nunes & Guimarães 38
Os Problemas
● Uma nova abordagem do problema clássico caixeiro viajante
● Tratamento Quimioterápico
7 /Nunes & Guimarães 38
O problema do caixeiro viajante
O problema consistem em um caixeiro viajante, partindo de sua cidade, deve visitar exatamente uma única vez cada cidade de
uma dada lista e retornar para casa tal que a distância total percorrida seja a menor
possível.
8 /Nunes & Guimarães 38
A Representação Binária
O encontro de uma cidade com outra será representado pelo bit 1 e a não ligação pelo bit 0.
9 /Nunes & Guimarães 38
A nova proposta
A leitura na matriz é dada da esquerda para direita e de cima para baixo no primeiro triângulo e da esquerda para direita e de baixo para cima no segundo triângulo.
10 /Nunes & Guimarães 38
A validação
Para ser válida a matriz deve atender:
1 - O número de elementos (1) deve ser igual ao número de cidades nos dois lados;
2 – Só pode ter um elemento (1) por linha e coluna;
3 – No mesmo vértice a soma de elementos (1) deve ser igual a 2.
11 /Nunes & Guimarães 38
A Seleção dos Pais
A seleção dos pais é de acordo com o seu ranking e escolhe sempre os menores.
12 /Nunes & Guimarães 38
A Seleção dos Pais
De acordo com a seleção devemos escolher os valores (17,22,23,24)
13 /Nunes & Guimarães 38
Operação de Crossover
Caminho ilegal! Fazer Mutação
SOMA
14 /Nunes & Guimarães 38
Operação de MutaçãoConta o número de elemento
com (1) o valor em cada linha e coluna para a cidade, se o número for superior a 2, em seguida, repetir excluindo a extremidade mais comprida do passeio resultante até que o número de elementos no caminho resultante é igual a 2. No entanto, se o número de elementos no caminho resultante é inferior a 2 adicionaremos as arestas que faltam no caminho pelo algoritmo guloso.
15 /Nunes & Guimarães 38
O resultado
16 /Nunes & Guimarães 38
O problema de Tratamento Quimioterápico
A escolha do melhor tratamento pelos médicos é uma tarefa complexa e, muitas vezes, pode determinar a vida de uma pessoa.O tratamento quimioterápico do câncer pode ser paliativo ou curativo.
17 /Nunes & Guimarães 38
A Representação
O vetor de decisão , onde (Ci j) representa o nível de concentração das drogas, n os ciclos do tratamento e das drogas que compõem o coquetel anti-cancer.
O vetor de decisão acima foi codificado por uma string binária em que cada concentração e Ci j é expressada por um conjunto de 4(quatro) alelos binários. Desta forma o cromossoma foi definido como
18 /Nunes & Guimarães 38
A Representação
Uma segunda forma de representação denominada cycle-wis e variable representation.
19 /Nunes & Guimarães 38
Solução 1
Seleção dos pais: Método de roleta viciada.
CrossOver de dois pontos
Mutação bit-wise
20 /Nunes & Guimarães 38
Solução 2
Adaptive Elitiist-Population based Genetic Algorithm – AEGA, foi utilizado.
Ajuste do tamanho da população de forma adaptativa com o objetivo de buscar pelo menos um indivíduo em cada pico e realizar esta busca em paralelo para todos os picos.
Operadores genéticos:
Operador de crossover elitista
Operador de mutação elitista.
21 /Nunes & Guimarães 38
Direção relativa entre dois cromossomos
22 /Nunes & Guimarães 38
A Operação Crossover
Se pais e filhos estiver na mesma base de atração
Eliminar o menos apto
Escolher os dois mais aptos
23 /Nunes & Guimarães 38
A Operação Elistista de Mutação
Escolha randômica
Indivíduo, Posição do cromossomo e Valor
Se filho estiver numa área do espaço de solução não explorado
Mantém pai e filho na próxima geração
Caso contrário
Mantém o mais apto
24 /Nunes & Guimarães 38
Referências
[1] DARWIN, C. A Origem das Espécies. LELLO & IRMÃO-EDITORES, 1859.
[2] HAUPT, R.; HAUPT, S. E. Practical Genetic Algorithms. Wiley, 2th edition, 2004.
[3] KHAN, H. F. e. a. Solving tsp problem by using generic algorithm. International Journal of Basic & Applied Sciences, 9(10):79–88, 12 2009.
[4] Liang, Y.; Lueng, K.; Mok, T. S. K. Automating the drug scheduling with differente toxicity clearance in cancer chemotherapy via evolutionary computation. Genetic and Evolutionary Computation Conference, 2006.
25 /Nunes & Guimarães 38
Referências
[5] LINDER, R. Algoritmos Genéticos. Brasport, 2th edition, 2008.
[6] PACHECO, Marco Aurélio e FUKASAWA, R. resolução do problema do entregador viajante. In: Revista de Inteligência Computacional Aplicada - PUC Rio, 2010.
[7] Petrovski, A.; MacCall, J. Smart problema solving environmnt for medical decision support. Genetic and Evolutionary Computation Conference, 2005.