Escolar Documentos
Profissional Documentos
Cultura Documentos
Belém
2010
CENTRO UNIVERSITÁRIO DO ESTADO DO PARÁ
ÁREA DE CIÊNCIAS EXATAS E TECNOLOGIA
CURSO DE BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO
Y
YY
Y Y Y
Y
Y
Trabalho de conclusão de curso para obtenção de grau em Bacharelado em Ciência da
Computação do Centro Universitário do Estado do Pará ± CESUPA.
Conceito: ______________
Banca Examinadora:
Y
Prof. Otávio Noura Teixeira, M.Sc.± Orientador.
Centro Universitário do Estado do ParáY
Y
Y
Prof. Polyana Santos Fonseca, M.Sc.
Centro Universitário do Estado do Pará
Y
Prof. Marcos Paulo Alves de Sousa, Dr.
Centro Universitário do Estado do Pará
Belém
2010
Dedico este trabalho à minha mãe, e a todos
que me ajudaram durante este processo.
TABELA 3.1. TABELA DE PAGAMENTOS DO DILEMA DO PRISIONEIRO PARA DUAS PESSOAS ....28
TABELA 3.2. TABELA DE PAGAMENTOS PARA DILEMA DO PRISIONEIRO PARA N -PESSOAS .......30
TABELA 4.1. PSEUDOCÓDIGO DO NPSIGA ................................ ................................ .............................. 32
TABELA 4.2. CODIFICAÇÃO DO GENÓTIPO ................................ ................................ ............................ 33
TABELA 4.3. CODIFICAÇÃO DO FENÓTIPO ................................ ................................ ............................. 33
YY Y
Y
FIGURA 2.1. EXEMPLO DE CODIFICAÇÃO BINÁRIA ................................ ................................ .............. 18
FIGURA 2.2. EXEMPLO CODIFICAÇÃO POR PERMUTAÇÃO ................................ ................................ .18
FIGURA 2.3. EXEMPLO DE CODIFICAÇÃO DE VALORES ................................ ................................ ......18
FIGURA 2.4. EXEMPLO DE CODIFICAÇÃO EM ÁRVORE ................................ ................................ ........19
FIGURA 2.5. EXEMPLO DE ROLETA PARA PROBLEMAS DE MAXIMIZAÇÃO ................................ ....20
FIGURA 2.6. EXEMPLO DE TORNEIO EM PROBLEMAS DE MINIMIZAÇÃO ................................ .........21
FIGURA 2.7. CRUZAMENTO DE UM PONTO DE CORTE ................................ ................................ .........22
FIGURA 2.8. CRUZAMENTO POR PMX ................................ ................................ ................................ ......23
FIGURA 2.9. MUTAÇÃO OCORRENDO NO 2° E 5° GENE ................................ ................................ ........23
FIGURA 4.1. CRUZAMENTO ENTRE FENÓTIPO ................................ ................................ ....................... 35
FIGURA 4.2 ± MUTAÇÃO BASEADA EM MEMÓRIA REALIZANDO 3 TROCAS. TIPO ......................... 36
FIGURA 5.1. EXECUÇÃO DO ALGORITMO NO TESTE 1: AG ................................ ................................ ..40
FIGURA 5.2. EXECUÇÃO DO ALGORITMO NO TESTE 1: SIGA ................................ .............................. 40
FIGURA 5.3. EXECUÇÃO DO ALGORITMO NO TESTE 1: NPSIGA PARA 4 JOGADORES ..................... 41
FIGURA 5.4. EXECUÇÃO DO ALGORITMO NO TESTE 1: NPSIGA PARA 16 JOGADORES ................... 42
FIGURA 5.5. EXECUÇÃO DO ALGORITMO NO TESTE 2: SIGA ................................ .............................. 43
FIGURA 5.6. EXECUÇÃO DO ALGORITMO NO TESTE 2: NPSIGA PARA 4 JOGADORES ..................... 43
FIGURA 5.7. EXECUÇÃO DO ALGORITMO NO TESTE 2: NPSIGA PARA 16 JOGADORES ................... 44
FIGURA 5.8. EXECUÇÃO DO ALGORITMO NO TESTE 3: SIGA ................................ .............................. 45
FIGURA 5.9. EXECUÇÃO DO ALGORITMO NO TESTE 3: NPSIGA PARA 4 JOGADORES ..................... 45
FIGURA 5.10. EXECUÇÃO DO ALGORITMO NO TESTE 3: NPSIGA PARA 16 JOGADORES ................. 46
FIGURA 5.11. EXECUÇÃO DO ALGORITMO NO TESTE 4: SIGA ................................ ............................. 47
FIGURA 5.12. EXECUÇÃO DO ALGORITMO NO TESTE 4: NPSIGA PARA 4 JOGADORES ................... 47
FIGURA 5.13. EXECUÇÃO DO ALGORITMO NO TESTE 4: NPSIGA PARA 16 JOGADORES ................. 48
FIGURA 6.1 - GRÁFICO DE SUPERFÍCIE DO TESTE 4 DA GERAÇÃO 1 À 2426 . ................................ ....51
FIGURA 6.2 - GRÁFICO DE SUPERFÍCIE DO TESTE 4 DA GERAÇÃO 24 27 À 5000. .............................. 51
Este trabalho apresenta um estudo extensivo sobre Algoritmo Genético com Teoria
dos Jogos para N-pessoas, o que aumenta a variabilidade da população e diminui a
probabilidade do algoritmo ficar preso em um ótimo local. Os indivíduos da população
apresentam dois cromossomos, sendo: um para a solução do problema em questão, que no
caso desse trabalho são instâncias do Problema do Caixeiro Viajante (PCV); e o outro para a
codificação genética do comportamento, necessária para definir a estratégia a ser utilizada por
eles durante as disputas dos jogos. Para a realização dos experimentos, o processo de
implementação foi definido e construído cronologicamente da seguinte forma:
Implementaçãodo algoritmo genético clássico (AG); Combinação do AG com a fase de
interação social (SIGA), utilizaçãodo Paradigma do Dilema do Prisioneiro Clássico (2-
pessoas); Aplicação do conceito de N-pessoas, onde os indivíduos possuem uma taxa de
tolerância à traição. Além disso, foram ainda implementadas as seguintes funcionalidades: em
cada geração, a população é composta por indivíduos únicos; elitismo; a possibilidade dos
pais selecionados para cruzamento não gerarem descendentes e, assim, posteriormente,
sofrerem ou não mutação; uma mutação com memória a qual pode ou não ocorrer.
Finalmente, foram realizados 16 testes paraa instância denominada de BR-26, que define a
distância entre todas as capitais brasileiras interligadas por estradas. Os resultados
encontrados demonstram a viabilidade da metodologia e, ainda, apontam para muitas outras
possibilidades de aplicação e expansão.
Y >Y
V
!
"# "
$%
& ' ( ) * $
$
#
$# +
#
!
,"
13
-
. $#
/(,#
#
+ 0
1 2+ ' #
2
34
(TEIXEIRA, 2007)
A interação social entre uma população ocorre por meio de situações de conflito de
interesse entre diferentes indivíduos, a qual gera um ambiente de jogo que tem suas regras,
ganhos e recursos definidos. Aos jogadores, cada indivíduo, cabe estabelecer uma estratégia
que de acordo com ela lhe retribuirá algum ganho pela disputa.
Um dos principais paradigmas da Teoria dos Jogos é o Dilema do Prisioneiro, onde
dois indivíduos-jogadores, os prisioneiros, têm duas opções de jogo: Colaborar, ou Trair seu
companheiro, sem saber de imediato a ação tomada pelo outro. Neste caso clássico, o ganho
dos jogadores é computado de maneira simples, pois como há somente dois jogadores e duas
opções para cada, gera-se uma matriz de possibilidades de quatro ganhos diferentes para cada
partida. Esta situação, porém, não reflete as disputas que ocorrem na natureza. Dentro da
Teoria dos Jogos, existe uma vertente chamada de N-Pessoas (NP) que implementa disputas
para mais de dois jogadores, simultaneamente, aumentando o grau de complexidade da
computação dos ganhos de cada indivíduo.
Desta forma, a inserção de uma disputa NP torna a matriz de ganho do Dilema do
Prisioneiro complexa e mais próxima do que ocorre na natureza.
A seguir, são mostrados os objetivos a serem alcançados neste trabalho.
Y9YY @Y
Y9Y Y
3.Y Compreender o conceito de Teoria dos Jogos para N-Pessoas, de forma que possibilite
o agrupamento de mais jogadores na etapa de interação social;
15
6.Y Realizar os testes dos algoritmos em duas fases: (1) testes de validação, como forma
de definir os valores dos seus parâmetros de avaliação; (2) testes comparativos com os
parâmetros definidos nos testes de validação;
5Y Y
Para elaboração deste trabalho foram realizadas pesquisas bibliográficas em cima dos
principais temas: Algoritmos Genéticos e Teoria dos Jogos. Isto foi necessário para um
melhor embasamento teórico sobre os assuntos e como base para realizar as tarefas
necessárias no cumprimento dos objetivos propostos.
Tendo definido a pesquisa bibliográfica, foram realizadas reuniões para escolha do
tipo de problema que seria abordado pelo algoritmo.
De posse do problema, a implementação do protótipo pode ser iniciada, primeiramente
pela codificação do algoritmo genético e depois pela inserção da interação social no AG.
Na primeira etapa, foram decididos os métodos de seleção e cruzamento utilizados no
Algoritmo Genético, além da codificação do cromossomo e da função de avaliação, voltados
para o Problema do Caixeiro Viajante (PCV).
Na segunda etapa, foram implementados a codificação do fenótipo para cada
indivíduo da população, o que caracteriza a interação social, e a lógica de simulação do
ambiente de jogo utilizando o Paradigma do Dilema do Prisioneiro Iterado (DPI) para duas
pessoas, todo esse processo foi adicionado antes da etapa de seleção do AG. Logo após o
desenvolvimento do ambiente para dois jogadores, foi implementado o ambiente de disputa
para múltiplos jogadores.
Para o desenvolvimento do protótipo foi utilizada a linguagem de programação JAVA
e para a análise da eficácia do algoritmo foram analisados os gráficos gerados a partir de cada
teste para dois e múltiplos jogadores.
16
(Y Y
Y
(Y Y
Neste capítulo são apresentados alguns tópicos para melhor compreensão da teoria,
funções e implementações de algoritmos genéticos, que segundo STEMMER[s.d], são
métodos adaptativos que podem ser usados para resolver problemas de busca e otimização, e
é uma parte da computação evolucionária dentro da inteligência artificial, que iniciou em
1960 por Rechenberg em seu trabalho ³Estratégias de Evolução´, de título original:
³
.
Os algoritmos genéticos foram originados de estudos de autômatos celulares de John
Holland, da Universidade de Michigan, publicados em 1975 no livro: ³
´ e inspirados na teoria da evolução de Charles Darwin, apresentado na
obra ³A origem das espécies´, publicado em 1859 (STEMMER, [s.d]).
Esse tipo de codificação é muito utilizado para problemas de ordenação como, por
exemplo, o %$' 0&Y -$Y &"B "%$Y "&&4! . A capacidade de representar muitos
cromossomos com um pequeno número de alelos pode ser vista como principal vantagem de
utilização dessa técnica.
Nesta codificação, cada cromossomo é um conjunto de números que representa uma
posição em uma sequência como pode ser observado na Figura 2.2.
Cromossomo A 153264798
Cromossomo B 856723149
Figura 2.2 ± Exemplo codificação por permutação.
Fonte: OBTIKO (1998)
Para problemas que utilizam valores complexos, aplica-se a codificação por valores,
pois a codificação binária não oferece suporte a uma modelagem complexa de informações.
Nesta codificação, os cromossomos podem ser representados por uma sequência
qualquer, relacionada ao problema como, por exemplo: caracteres, números ou outro tipo de
objeto (Figura 2.3).
V
V
B B R
ttiitt
i
lii !"l
t:#B#V $
%& #'ti V $ tii ! l ! l& 'l
ii((i"l"(tíi)tt !
ilii
ã ã
* ii ! " ( " 'jt !
+ li&& & ! ( it tili) i
&+j& !&(ti
B
,/- tilt.ll
i& lii !"
t:#B#V $
ã ã ã
1 2l'& V $ 3%#45M 0#B6#
l !("!tiiill !tll ii"í
20
mais aptos ocorre da comparação de sua modelagem, feita a partir de sequências de caracteres
que caracterizam a representação cromossômica de cada criatura.
(((Y Y
Um dos métodos de seleção mais utilizados, a Roleta Simples, simula o jogo o qual
uma pessoa gira uma roda divida proporcionalmente de acordo com os itens nela contidos.
No modelo computacional, cada indivíduo tem uma determinada proporção calculada
a partir de sua , o que pode variar de acordo com o problema a ser solucionado. Por
exemplo, em problemas de minimização, os indivíduos de menor valor detêm as maiores
proporções, pois possuem soluções boas para o problema, o inverso pode ser observado para
problemas de maximização, como mostrado na Figura 2.5.
((((Y Y
(((YY
1
Para maiores informações sobre inversão, consulte SIVANANDAM, DEEPA, 2008. (p. 86 -88).
23
Este método garante com que os filhos gerados possuam uma sequência de caracteres
distintos, ou seja, nenhum valor de seu alelo é repetido, fazendo do PMX uma técnica para ser
utilizada na resolução de problemas onde tem de haver um controle na permutação do
cromossomo (SIVANANDAM, DEEPA,2008).
((5Y Y
Ao longo das gerações em um AG, indivíduos tendem a ficar cada vez mais parecidos,
e é fundamental, para o processo evolutivo, que exista sempre um grau de heterogeneidade na
população (TEIXEIRA, 2007).
A mutação tem o objetivo de fornecer essa variabilidade a mais, pois cria uma nova
versão do indivíduo ao alterar aleatoriamente uma parte de seu material genético, assim
fornecendo novos pontos de busca para a solução do problema (SIVANANDAM, DEEPA,
2008).
A figura acima exemplifica esse processo, onde os valores dos dois genes
selecionados (4 e 3) invertem suas posições. O indivíduo agora segue na população com seu
novo material genético.
24
((66Y YY Y
Y YY9Y
Y Y
Segundo TEIXEIRA (2007), a Teoria dos Jogos define uma situação de conflito de
interesse entre agentes racionais, a qual simula a luta pela existência de diversos seres vivos,
definido por Darwin como transcrito a seguir:
5
%
+ %6 #
1+$##
#
$# #
+ + $
#+
$#
##4#%
(
$ , +
4
#
# +
#+
+ +
# ,#1
$ +#
# 4
7(Darwin, 1994,TEIXEIRA, 2007
(Y Y
(Y YYY9Y
2. &*"$4&'"-&- GYdizer que os agentes são racionais significa que cada indivíduo
emprega a decisão mais adequada para alcançar o seu objetivo, seja este qual
for;
3. 4! %&.H ): as ações individuais de cada agente afetam as decisões dos demais;
4. $0$%!&0 4!$Y )!%&!18"*$GY cada jogador, ao tomar sua decisão, leva em
consideração o fato de que está interagindo com outros agentes, e que a sua
decisão implicará em consequências para as decisões dos demais jogadores, e
vice-versa.
((YYY9Y
YYYYYYYY Abaixo, são descritos os tipos de jogos de acordo com Luce . (1957, BRITO,
2004):
1. 9$8$)Y$0&C %$GYocorre quando os ganhos de um jogador são iguaisà perda
do outro, e a soma dos ganhos líquidos de ambos tem de ser igual a zero, ou
seja, um participante ganha e o outro perde;
2. 9$8$)Y*$0Y)$0&Y-", % 4! Y- Y3 %$GYa soma dos ganhos dos participantes não
precisa ser igual a zero, sendo assim, normalmente quando um jogador perde
recebe um valor mínimo de pagamento;
3. 9$8$)Y /$$$ %&!"#$)GY não existe qualquer tipo de comunicação entre os
participantes, cada agente precisa maximizar o seu ganho independente de
outro jogador;
4. 9$8$)Y ))$&)GYcaracteriza jogos onde mais de dois jogadores participam.
2
A RAND Corporation é uma instituição sem fins lucrativos, que realiza pesquisas que contribuem na tomada
de decisões e na implementação de políticas do setor público e privado.
$
iti:itt!ii&7i8i
& i !; i ' 'i i !;
7 i lt t ' i lt 1it + it l
&iiiti)l7'iiti!t
ltj&iiit !il3%#45M0#B6#
x x
# 1il 9iii ( ti) t"( t'l
&tt6'l
V
6'l
V6'l9&t1il9iii9
t:3#1R*V
j& i ti tt it:
6i 1t'li(tt
&7 l 'ti "l 6 R % 9 " &i &it l +
65:5R
;:
ë
ë
ë
9 tt ! ll "l &7
lit'i:
VY R: j&'';
29
Segundo TEIXEIRA (2007), não é permitido mutação nas estratégias dos jogadores,
ou seja, a configuração inicial de cada uma não pode ser alterada durante as simulações e
devem obedecer a algumas regras:
YYY
Y
3
Maiores detalhes podem ser vistos em LUCE ., 1985, TEIXEIRA, 2007.
30
ð (1)
ð
(2)
31
Onde, Jc representa o valor de ganho caso o jogador escolha cooperar; Jd caso escolha
trair; R recebe o pagamento oferecido pela recompensa de cooperar; T o pagamento oferecido
pela tentação de trair; Nc é o número de jogadores presentes na disputa que cooperaram; e N
o número total de jogadores simultâneos na partida.
De posse dos parâmetros, é possível quantificar o ganho de cada jogador ao longo de
uma disputa quando há múltiplos adversários em conflito.
32
O cromossomo dos indivíduos possui uma codificação por permutação e tem como
base o Problema do Caixeiro Viajante aplicado nas 26 cidades-capitais do Brasil, onde cada
gene representa uma cidade visitada pelo caixeiro.
1 19 7 24 12 22 6 13 23 10 18 24 20 14 3 5 16 9 17 11 21 25 4 15 8 2 1
Tabela 4.2. Codificação do Genótipo
5(Y YY
Sabendo que cada indivíduo tem dois tipos distintos de cromossomos, o cálculo da
função de avaliação do algoritmo torna-se a seguinte:
(3)
Os valores de alfa e beta refletem a influência que é gerada pelos genótipo e
fenótipo na solução do problema. Sua alteração gera mudanças diretas no comportamento do
algoritmo, sendo assim possível observar a atuação do Algoritmo Genético com variáveis da
Interação Social e vice-versa.
A "# representa o valor de avaliação correspondente ao cromossomo do
genótipo, que no caso do PCV é dada pela distância total entre as cidades percorridas em uma
determinada rota.
A "# representa a pontuação alcançada pelo indivíduo depois da etapa
da Interação Social, de acordo com sua estratégia.
A etapa da Interação Social simula o jogo entre um número determinado de jogadores,
durante disputas e rodadas, parâmetros estes fixados antes da execução.
É importante ressaltar que a função apresenta a diferença entre as dos
cromossomos, pois é aplicado a um problema de minimização.
Y
35
5Y
YY
Y
55Y
YYC
56Y YYI Y
(7)
Onde N, representa o número de trocas que serão realizadas na mutação; Tx, taxa de até
no máximo 50% da proporção; Proporção do valor analisado para o melhor ; Diferença,
a subtração entre os valores descritos.
Após a obtenção do número de trocas, o algoritmo seleciona, aleatoriamente, a
quantidade de genes que sofrerão mutação ao longo do cromossomo. Este método apresenta
um aumento na variabilidade da população, pois um determinado número de genes são
trocados simultaneamente em um indivíduo, gerando soluções ótimas ou saindo de ótimos
locais. Este processo ocorre para todos os indivíduos da população. Vale ressaltar que o
último gene não participa dos processos de troca, porém caso o primeiro gene tenha sido
alterado é necessário uma atualização do último gene para o mesmo valor do primeiro.
A figura 4.2 a seguir, exemplifica esse processo, onde é realizado 3 trocas em um
cromossomo.
9 Y
6Y DYYY
Para a realização dos testes buscou-se a definição de valores fixos para os parâmetros
a seguir:
VY Torneio: tamanho 2;
VY Valores de Pagamentos: T = 30; R = 25; P = 15; S = 10;
VY Taxa de Tolerância TFT = 25%;
VY Taxa de Mutação = 5%;
VY Taxa de Elitismo = 2%;
VY Número de Gerações = 5000.
A descrição de todos os testes realizados com seus respectivos valores pode ser
encontrada na tabela do anexo A.
4
As definições destes parâmetros são explicadas nos capítulos anteriores deste trabalho.
39
A variabilidade foi mensurada por meio da média aritmética dos desvios padrões
referentes às "# de cada geração. Vale ressaltar que a "# é a
do indivíduo.
A seguir serão apresentados alguns dos testes efetuados e os valores dos parâmetros
adotados para cada um, outros testes realizados podem ser encontrados no Anexo B deste
trabalho.
O %"0 "%$Y ! )! consiste em informações referentes à execução do AG simples,
SIGA e NpSIGA para 4 e 16 jogadores. Para esse teste, são definidos os seguintes parâmetros
para os algoritmos com interação social:
VY Disputas: 100;
VY Rodadas: 10;
VY Peso solução: 1;
VY Peso competição: 1;
i&V !l&itttV:2
* i& V < ' t& ! "lti" 2
ii & + "i'ili ! i "l V;$V l7
ti V& !
V
i& !l&itttV:%52
V
! l&it %52 i& t t& !
ii2("i'iliii"l
V$
#l7lti
; & !
i&
!l&itttV:*%52j&
# t& ! l&it *%52 j& i&
i
l7t %52 ("&i l7 l ! íi
V & !
!'t""i'iliV$;V
i& !l&itttV:*%52Vj&
9 V j& *%52 i& ti&i "i'ili i
V$ $ V
('t"l7l !
& !V
#j j ili)tl&it%52*%52&it
"l:
VY 1it:V
;
VY R:V
;
VY 9 l !:V;
VY 9 ti !:
;
i& !l&ittt :%52
! %52 i& t l7lt VV
& !
V ; "i'iliV V
i& !l&ittt :*%52j&
9 j& *%52 i& t "i'ili V
;
V
l7lt $
& !
$$
i&; !l&ittt :*%52Vj&
Vj&i&"i'ilitV
$ Vl7
lt & !
V
# " j li) + t %52 *%52 &it
=t:
VY 1it:V
;
VY R:V
;
VY 9 l !:V;
VY 9 ti !:
;
i&$ !l&ittt
:%52
9tt
l&it%52i&$'t"ltíi VV
& !V;"i'ili
V
i& !l&ittt
:*%52j&
=t *%52 i& 't" & "i'ili
l7lt ;$ ;& !V;V
i&V
!l&ittt
:*%52Vj&
9Vj&i&V
*%52t"i'ili $
V
l7"l
& !$
* j t<ttlitii
tttl"i'ili'"ttti#"l=t!
&it:
VY 6liti:V
>;
VY 1it:V
;
VY R:V
;
VY 9 l !:V;
VY 9 ti !:
;
;
i&VV !l&ittt:%52
"tlitil&it%52i&VV't"l7lt
$V& !
"i'iliV
i&V !l&ittt:*%52j&
#l&it*%52i&V 't" l7lt V
V& !
"i'ili $
$
i&V
!l&ittt:*%52Vj&
li) tt l&it *%52 V j& i& V
l7
lti
& ! 't""i'ili$;;
t'l V &i t il ! t tt t
títl
jð" jj
j ' " "
ð"
'
"
j'""j "jjj ð" jj
"'"
V V < > < < V
V V;$V
ã V V > V
V
;
V$
x V V > V
V
V
V$;V
V V V > V
V
V
V$ $ V
V
> V
V
VV
V ; V V
V
> V
V
$
$$ V
;
V
V
V > V
V
V V
$ V
V
> V
V
VV
V;
V
V
> V
V
;$ ; V;V
V
V > V
V
$ $
V
V
V
> V
V
$V
V
ã V
V
> V
V
V
V
$
x V
V V
> V
V
$;;
6'lV1&itt
49
Com base nos testes descritos na seção anterior, e em outros testes realizados com os
três tipos de algoritmos, pode-se verificar que os algoritmos que usam a etapa da interação
social tendem a possuir uma variabilidade maior entre seus indivíduos. Esta sofre influência
do número de disputas e rodadas, a taxa de elitismo, a execução da mutação com memória, e
os valores de alfa e beta.
Ao comparar os resultados entre 2 pessoas e N pessoas, este último obteve maior
variabilidade melhorando a possibilidade de encontrar soluções fora do padrão de estagnação
da população, porém esta alta variabilidade gera involuções na população. Para altas injeções
de variabilidade, há uma maior chance de execuções para N jogadores obter resultados piores
que de 2.
Com relação aos melhores indivíduos encontrados, todos os algoritmos utilizados
provaram ser capazes de encontrar soluções entre 20409 e 30000.
Não foi possível, através dos testes realizados, identificar uma maior ocorrência de
melhores soluções para os algoritmos, no entanto, é possível aumentar as ocasiões de
melhores resultados para N jogadores ao se utilizar diferentes maneiras de explorar a
variabilidade da população.
50
;(Y <
Nesses gráficos temos o eixo y composto pelas dos indivíduos obtidos ao longo
das gerações (eixo x). O eixo z é composto pelos diversos indivíduos da população.
O ruído obtido torna visível a heterogeneidade da população causada pelo NpSIGA,
fazendo com que não haja convergência.
;Y @YY
= Y Y
BRITO, F. H. @&JK$# Y $%4 "$GY 0Y 4$#$Y 01!$-$Y - Y ' ./$Y &%&Y $)Y '8$%"!0$)Y
41!"*$)Y &) &-$Y 0Y $%"&Y -$)Y 9$8$)Y #$'2*"$4L%"$)Y Y )!%&!18"&)Y #$'2*"$4L%"&).
2004. Trabalho de Conclusão de Curso (Graduação em Bacharelado em Ciência da
Computação) ± Centro Universitário do Pará - Belém.
GUTIN, G.,PUNNEN, A, P. ? Y %&# '"48Y &' )0&4Y %$' 0Y &4-Y !)Y &%"&!"$4).
Dordrecht: Kluwer Academic Publishers, 2002. vol. 12.
MANHART, K. $$ %&!"$4Y "4Y (Y &4-Y %)$4Y %")$4 %O)Y "' 00&Y &0 )GY A
Simulation Study. 2007. University Bern, Munich
OBTIKO, M. 4!%$-2*!"$4Y !$Y 4 !"*Y '8$%"!?0Y J"!?Y 9&#&Y ' !) Czech Technical
University, 1998. Disponível em: <http://www.obitko.com/tutorials/genetic-algorithms/>.
Acessado em: 09 de novembro 2010.
TEIXEIRA, O. N. %$$)!&Y - Y 0Y $#$Y '8$%"!0$Y 41!"*$Y &) &-$Y 4&Y $%"&Y -$)Y
9$8$). 2005. Dissertação (Mestrado em Engenharia Elétrica) ± Universidade Federal do Pará
± Belém.
>Y Y
Y
Tabela de Valores dos Parâmetros dos Testes realizados
Y
Quantidade Taxa Peso de Jogos
Métodos
Popu- Joga- Cruza- Com- de
Gerações Mutação Elitismo Solução Disputas Rodadas seleção
lação dores mento petição
;
j
VY 1it:V
;
VY R:V
;
VY 9 l !:V;
VY 9! ti !:V;
VY Ml7" :
Y 2 !:
V$
VY Vi'ili:
$
j
VY 1it:V
;
VY R:V
;
VY 9# l !:V;
VY 9$ ti !:V;
VY Ml7% :
$$V
Y 2 !:
VY Vi'ili:
$