introdução aos algoritmos genéticos

1 /Nunes & Guimarães 38

Algoritmos Genéticos

Profª. Rosângela Nunes

Prof. Norton Guimarães


Agenda

A teoria da Evolução

História dos Algoritmos Genéticos

Algoritmos Genéticos - AGs– Terminologia dos AGs

– Características dos AGs

– Esquema dos AGs

– Operadores Genéticos


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



1948: Turing e a busca evolucionária inspirado na teoria da evolução natural;

1962: Bremerman executou experimentos evolucionários com evolução e otimização;

Na década de 60, surge a Programação evolucionária, algorítimos genéticos e estratégias evolucionárias;



Na década de 80, surge os primeiros softwares comerciais que utilizam AG. E a primeira conferência na área.

Na década de 90, surge a computação genética proposta por Koza

Em 1992, foi criada a Genetic and Evolucionary Computation Conference pela união da International Conference on Genetc Algorithms e Annual Conference on Genetic Program.


O que são Algorítmos Genéticos?


O que são Algorítmos Genéticos?

“Uma técnica de busca baseada numa metáfora do processo biológico de evolução

natural”.


Terminologia dos AGs

● Cromossomo;● Gene;● Alelo;● Locus;● Genótipos;● Fenótipos.


Cromossomo

Nos Algoritmos Genéticos significa: Indivíduo, string, cromossomo, árvore.


Gene

Nos Algoritmos Genéticos significa as características do indivíduo.


Alelo

Nos Algoritmos Genéticos significa o valor.


Locus

Nos Algoritmos Genéticos significa a posição do alelo.


Genótipos

Nos Algoritmos Genéticos significa a estrutura.


Fenótipo

Nos Algoritmos Genéticos significa uma estrutura de parâmetros.


Características dos Algoritmos Genéticos

– Probabilística e não determinística– Otimização Global– Busca Paralela– Processo de Iteração


Esquema dos AGs

● População Inicial● Avaliação● Seleção dos Pais● Recombinação (crossover)● Mutação


O Processo


Escolha da População

É o processo de escolha de dois pais de uma população para crossover.

● Seleção Proporcional;● Seleção Baseada em Ordem;● Método da Roleta Viciada;● Seleção por torneio.


Seleção Proporcional

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

Pais potencias são selecionados e um torneio decido qual dos indivíduos será o vencedor.


Função de Avaliação

– Conhecida como função de aptidão (fitness)– Projetada para cada problema– Entra cromossomo e sai resultado


Operadores Genéticos

– Crossover– Mutação


Operação de Crossover

– Um ponto de conte– Dois pontos de corte– Uniforme– Baseado em Ordem


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.


Baseado em Ordem


Operação de Mutação

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


Referências

[1] DARWIN, C. A Origem das Espécies. LELLO & IRMÃO-EDITORES, 1859.

[2] EIBEN, A.; SMITH, J. E. Introduction to Evolutionary Computing. Springer, 2008.

[3] FILITTO, D. Algoritmos genéticos: Uma visão explanatória. Saber Acadêmico – Revista Multidiciplinar da Unesp, 2008.

[4] HAMAWAKI, C. D. L.; YAMANAKA, K.; OLIVEIRA, R. C.; HAMAWAKI, O. T. Alocação de grade horária em instituições de ensino superior utilizando algoritmos genéticos.Anais do IV Simpósio de Informática da Região Centro do Rio Grande do Sul, 2005.


Referências

[5] HAUPT, R.; HAUPT, S. E. Practical Genetic Algorithms. Wiley, 2th edition, 2004.

[6] HIGUCHI, T.; LIU, Y.; YAO, X. Evolvable Hardware. Springer, 2006.

[7] LINDER, R. Algoritmos Genéticos. Brasport, 2008.

[8] MARQUES, F. T. Otimização de carteiras com lotes de compra e custos de transação, uma abordagem por algoritmos genéticos. Master’s thesis, USP - Escola de Engenharia de São Carlos, 2007.

[9] MELANIE, M. An Introduction to Genetic Algorithms. MIT Press, 1996.


Referências

[10] MUNAKATA, T. Fundamentals of the New Artificial Intelligence: Neural, Evolutionary,Fuzzy and More. SPRINGER, 2th edition, 2008.

[11] ROTLAUF, F. Representations for Genetic and Evolutionary Algorithms. Springer, 2010.

[12] RUSSEL, S.; NORVING, P. Artificial Intelligence: a Modern Approach. Englewood Cliffs: Prentice-Hall, Inc, 1th edition, 2010.

[13] SANTOS, D.; D.PASOTTO. Estudo comparativo de algoritmos genéticos aplicados ao escalonamento de tarefas. Cadernos de Pós-Graduação em Engenharia Elétrica.


Referências

[14] SARAIVA, Filipe de Oliveira e OLIVEIRA, A. C. d. Uma comparação empírica de operadores de crossover para o problema de job shop com datas de entregas. XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO - São Carlos, 1(1), 10 2010.

[15] SARKAR, D. e. e. a. Genetic Algorithm based online power network reconfiguration for voltage stability improvement. International Journal of Engineering Science and Technology, 2:4167–4174, 09 2010.

[16] SIVANADAM, S. N.; DEEPA, S. N. Introducation to Algorithms Genetics. Springer, 2008.


Referências

[17] TELES, R. M. Um estudo de técnicas da inteligência artificial aplicadas na distribuição de recursos em áreas geográficas. Master’s thesis, UNIVERSIDADE FEDERAL DE GOIÁS, INSTITUTO DE INFORMÁTICA, abr 2011.