Escolar Documentos
Profissional Documentos
Cultura Documentos
Algoritmo VI
Algoritmo VI
Genticos
Temas relacionados:
Convergncia
Decepo
Epistasia
Multimodalidade
Rudo
Medidas de Convergncia
Medidas de Monitorao
Medidas de Previso
Algoritmos Alternativos
Algoritmos Messy
Convergncia
Como caracterizar o sucesso ou insucesso de um GA?
GAs no garantem a convergncia para um ponto timo
em problemas de otimizao.
GAs podem encontrar solues sub-timas em espao
complexos que satisfaam as expectativas.
Convergncia fortemente influenciada pela
modelagem: representao, decodificao, avaliao,
operadores, tcnicas e parmetros.
Outros fatores que afetam a convergncia:
Decepo
Epistasia
Decepo
Problema Mnimo de
Decepo (PMD)
Two-bit Problem
Criado por Goldberg (1987) para avaliar o desempenho de GAs
11 o ponto timo, ento
f(11) > f(10) ; f(11) > f(01) e f(11) > f(00)
Problema Mnimo de
Decepo (PMD)
Escolhemos a condio 1)
Problema Mnimo de
Decepo (PMD)
Como
f(11) - f(00) > 0
Analogamente
f(00) - f(10) > f(11) - f(01)
Como
f(11) - f(01) > 0
f(11)>f(01)>f(00)>f(10)
f(11)>f(00)>f(01)>f(10)
Representao Grfica do
PMD
Tipo II
Aptido
Aptido
Tipo I
Atrator
Decepcionante
01
01
11
00
11
00
10
10
Epistasia
Multimodalidade
Rudo
Representaes Ruidosas:
quando impossvel representar de maneira exata o objeto
desejado.
Funes Ruidosas:
quando a funo de avaliao retorna diferentes avaliaes
para o mesmo cromossoma.
Exemplo:
Pcross, Pmut, GAP
GA1 Otimiz a
Parm etros do GA2
GA2
Best, mdia
Medidas de Convergncia
Medidas de Monitorao
procuram acompanhar o comportamento da populao ao
longo da execuo do GA.
On-line
Off-line
Best-so-far
Proporo dos Valores dos alelos
Medidas de Previso
estimar o grau esperado de dificuldade de um problema
para o GA realizar a convergncia a um ponto timo .
FDC (Fitness Distance Correlation)
avaliao dos pontos aumenta a medida que estes se
aproximam do ponto timo.
Exemplo
FDC (Fitness
(Fitness Distance
Correlation))
Correlation
Algoritmos Alternativos
Algoritmo Messy
Representao:
cada gene representado por 2 valores: (locus, alelo).
Ex: Cromossoma [0 1 0 0 1 1] representado por
[ (1 0) (2 1) (3 0) (4 0) (5 1) (6 1) ]
Operadores:
Cut: escolhe o ponto de corte e corta cromossomas
[ (1 0) (2 1) (3 0) (4 0) ]
[ (5 1) (6 1) ]
Splice: concatena os cromossomas
[ (1 0) (2 1) (3 0) (4 0) (5 1) (6 1) ]
A aplicao do Splice no vinculada a realizao do Cut.
Messy
Consequncias:
Independncia posicional dos genes
Sobre-especificao: mais de um gene com o mesmo locus
Sub-especificao: determinado locus no est representado
Exemplo:
Operador Cut:
Operador Slice:
[ (1 0) (4 0) (3 1) (5 0) (2 1) ]
[ (2 0) (1 1) (3 0) (5 1) (4 1) ]
[ (1 0) (4 0) (3 1) ] [ (5 0) (2 1) ] e [ (2 0) (1 1) (3 0) (5 1) ] [ (4 1) ]
[ (1 0) (4 0) (3 1) (2 0) (1 1) (3 0) (5 1) ]
[ (5 0) (2 1) (4 1) ]
sobre-especificado
sub-especificado