UNIVERSIDADE FEDERAL DO TRINGULO MINEIRO

PROGRAMA DE MESTRADO PROFISSIONAL EM INOVAO TECNOLGICA

PESQUISA INTRODUTRIA PARA A DISCIPLINA DE REDES NEURAIS E

ALGORITMOS GENTICOS

UBERABA/2015

UNIVERSIDADE FEDERAL DO TRINGULO MINEIRO

MODELOS BIOLOGICAMENTE INSPIRADOS POR COLNIA DE

FORMIGAS

PABLO SAMPAIO GOMES NATIVIDADE

UBERABA
2015

UNIVERSIDADE FEDERAL DO TRINGULO MINEIRO

MODELOS BIOLOGICAMENTE INSPIRADOS POR

COLNIA DE FORMIGAS
Pesquia introdutria apresentada por Pablo Sampaio
Gomes Natividade, Universidade Federal do
Tringulo
Mineiro
referente
ao
modelo
biologicamente inspirado em colnia de formigas,
como um dos requisitos para a concluso da
disciplina Redes Neurais e Algoritmos Genticos,
cursada no Programa de Mestrado Profissional em
Inovao Tecnolgica PMPIT.
Professor:
Prof.Dr. DAVID CALHAU JORGE

LISTA DE FIGURAS
Figura 01 Algoritmos inspirados em colnia de formigas ..................................... 07
Figura 02 Experimento realizado por Goss, Aron, Deneubourg e Pasteels ........... 08
Figura 03 Grfico obtido por Goss, Aron, Deneubourg e Pasteels ........................ 08
Figura 04 Alterao dos caminhos at a fonte de alimento .................................... 10
Figura 05 Aumento da complexidade do caminho colnia - alimentos ................. 10
Figura 06 Comportamento das formigas aps a insero de um obstculo............ 11
Figura 07 Experimento Ant System ........................................................................ 12
Figura 08 Algoritmo AS aplicado ao PCV .............................................................. 15
Figura 09 Meta-heurstica em pseudocdigo.......................................................... 17
Figura 10 Gerao e atividade das formigas - pseudocdigo ................................. 18

SUMRIO
1. INTRODUO ....................................................................................................... 6
2. DESENVOLVIMENTO.................. ........................................................................ 7
2.1. A INSPIRAO BIOLGICA .............................................................................. 7
2.2. ANT SYSTEM E O PROBLEMA DO CAIXEIRO VIAJANTE ............................ 11
2.3. OTIMIZAO POR COLNIA DE FORMGAS ................................................. 15
3. REFERNCIAS ...................................................................................................... 18

1. INTRODUO
Os modelos computacionais bioinspirados foram de suma importncia para a soluo
de diversos problemas clssicos e para desenvolvimento e aperfeioamento de inmeras
tecnologias. A computao bioinspirada procura estudar fenmenos recorrentes na
natureza de modo a compreender seus padres para uma posterior aplicao, muitas vezes
sendo implantados em algoritmos.
Atravs da bioinspirao foi possvel, por exemplo: Projetar avies, fundamentados
nos pssaros, desenvolver o velcro observando-se alguns tipos de plantas, a inveno do
sonar baseado em morcegos, o desenvolvimento de submarino atravs do comportamento
dos peixes, dentre outros. Nesse contexto, o presente trabalho exibe uma pesquisa
introdutria sobre um dos modelos biologicamente inspirados: A colnia de formigas.
Indivduos reais dessa espcie conseguem encontrar o caminho mais curto at a fonte de
alimento, praticamente sem o uso de recursos visuais, o tratamento dessa observao
possibilitou o desenvolvimento de mtodos de resoluo e otimizao em diversas reas,
como o problema do caixeiro viajante, possibilitando o melhor caminho para roteamento
de cabos em uma rede de comunicaes (COPPIN, 2013), a melhor rota de trfego
rodovirio usado por empresa de transportes. A inspirao biolgica aqui uma metaheurstica baseada em uma populao de formigas.
Meta-heurstica definida como conjunto de conceitos algortmicos e de estruturas de
dados genricos para desenvolvimento e aplicaes de algoritmos heursticos resoluo
satisfatria de problemas NP-difceis (DORIGO & STUTZLE, 2004). Esses algoritmos
no garantem a melhor soluo, todavia eles tm conseguido solues com

boa

regularidade e um aceitvel tempo computacional.

Fundamentado nesse modelo foram desenvolvidos diversos algoritmos aplicados em
reas distintas (Figura 01), este trabalho discute apenas os dois modelos mais difundidos:
O

AS

(Ant

System)

ACO

(Otimizao

por

colnia

de

formigas).

Figura 01 Algoritmos inspirados em colnia de formigas

2 DESENVOLVIMENTO

2.1 A INSPIRAO BIOLGICA - EXPERIMENTOS COM FORMIGAS REAIS

Em 1989 Goss, Aron, Deneubourg e Pasteels realizaram a experincia com formigas

reais que posteriormente serviria como fundamento para a criao de importantes modelos
bioinspirado no comportamento de formigas. Realizada com uma colnia da espcie
Iridomyrmex humilis, a experincia consistiu basicamente aproxim-la de uma fonte de
alimentos que s poderia ser obtido por dois caminhos distintos, mas de mesma distncia.
Transcorrido algum tempo, percebeu-se que a maioria das formigas escolhia o mesmo
caminho. A explicao para tal fenmeno est na deposio de feromnio deixado pelos
insetos. As formigas so praticamente cegas, assim atravs do olfato elas escolhem o
caminho com maior deposio da substncia em consequncia da maior circulao das

mesmas. A trilha de feromnio auxilia a formiga a encontrar tanto a fonte de alimento

quanto o caminho de regresso para a colnia.
A princpio no existe deposio de feromnio em ambos os caminhos, por
consequncia o trajeto escolhido se d de forma aleatria. Como ambos os caminhos tm a
mesma distncia, o trajeto que apresentar uma quantidade um pouco maior de feromnio
depositado acaba estimulando as demais formigas a segui-lo.

Figura 02 Experimento realizado por Goss, Aron, Deneubourg e Pasteels

Fonte: (www.inf.ufpr.br/aurora/disciplinas/topicosia2/swarm.ppt)
A figura 03 resume de modo mais claro o que ocorreu nesse experimento. Esse grfico
exibe a quantidade de formigas em cada um dos caminhos a cada trs minutos
transcorridos.

Figura 03 Grfico obtido por Goss, Aron, Deneubourg e Pasteels

Fonte: (http://isites.harvard.edu/fs/docs/icb.topic1514669.files/papers/deneu1989.pdf)

Percebe-se claramente uma preferncia por determinado caminho transcorridos apenas

5 minutos do incio do experimento. Aps 30 minutos aproximadamente 90% das formigas
trafega pelo mesmo caminho. Matematicamente, depois da travessia de i formigas por um
8

caminho com i unidades de feromnio temos Ai como formigas no caminho A e Bi no

caminho B, ou seja, Ai e Bi so simplesmente a quantidade de feromnio depositado em
cada caminho. A prxima formiga que chega escolhe entre os caminhos A ou B usando
probabilidades probA e probB dependendo de Ai e Bi. Aps a escolha, a formiga adiciona
feromnio ao caminho escolhido. Assim:

Onde a varivel que recebe 0 ou 1 com as probabilidades probA e probB

respectivamente. Em outras palavras A incrementado toda vez que uma formiga escolhe
o caminho A, caso contrrio B incrementado.
A equao (1) enuncia a forma com que a maior concentrao no caminho A oferece
uma probabilidade maior de escolha deste mesmo caminho, dependendo dos valores
absolutos e relativos de Ai e Bi. O parmetro n determina o grau de no linearidade da
escolha. Um valor alto de n significa que se um caminho tiver uma leve quantidade de
feromnio acima do outro, a prxima formiga que passar ter uma probabilidade alta de
escolh-lo. A varivel k representa a atratividade de um ramo sem feromnio(GOSS et al.,
1990).
Alterando o experimento, agora usando distncias diferentes, percebeu-se que a
quantidade de formigas oriundas do caminho mais curto era maior que a taxa de formigas
vindas do caminho mais longo. Desse modo, quando o inseto inicia o retorno para o ninho
ele sente uma quantidade de feromnio mais intensa depositada no caminho mais curto,
esse padro seguido pelas demais at que a grande maioria de formigas prevalea no
menor caminho.

Figura 04 Alterao dos caminhos at a fonte de alimento

Fonte: (www.inf.ufpr.br/aurora/disciplinas/topicosia2/swarm.ppt)
Com o aumento da complexidade do problema, transcorrido algum tempo, nota-se o
mesmo padro, ou seja, as formigas escolhem o trajeto mais curto.

Figura 05 Aumento da complexidade do caminho colnia - alimentos

Fonte: (www.inf.ufpr.br/aurora/disciplinas/topicosia2/swarm.ppt)
Esse comportamento coletivo que se observa denominado comportamento
autocataltico, quanto maior a quantidade de formigas que segue um caminho, mais
atrativo ele se torna. A probabilidade que uma formiga tem de escolher determinado
caminho aumenta com a quantidade de formigas que o escolheram anteriormente.
Outros experimentos nesse sentido foram realizados, por exemplo, definindo a
colnia de formigas como ponto A e a fonte de alimentos como ponto E, aps o perodo
transitrio insere-se um obstculo entre esses pontos. Inicialmente a probabilidade de

10

tomada de deciso para alterao da rota a mesma para todas as formigas, medida que
os traos de feromnio so alterados a probabilidade inicial tambm se altera. O padro de
comportamento se repete novamente, aps outro perodo transitrio gerado pela insero
do obstculo, a grande maioria das formigas volta trafegar pelo caminho mais curto.

Figura 06 Comportamento das formigas aps a insero de um obstculo

Fonte: (www.cin.ufpe.br/~lma3/sih2010/aula-07-sih-10-aco-pso.ppt)
Aps a inspirao biolgica do comportamento das formigas, importantes
algoritmos foram criados atravs do uso de formigas artificiais como heursticas
construtivas.
O termo heurstico vem do grego heuriskein = descobrir, sendo um procedimento
algortmico desenvolvido atravs de um modelo cognitivo,

usualmente atravs de

regras baseadas na experincia dos desenvolvedores.

2.2 ANT SYSTEM E O PROBLEMA DO CAIXEIRO VIAJANTE

Proposto por Marco Dorigo e colaboradores (DORIGO et al., 1996), o Ant System
foi o primeiro algoritmo desenvolvido baseado no comportamento da colnia de formigas
j descrito. O objetivo no era simular as colnias e formigas e sim us-las artificialmente
como uma ferramenta de otimizao.
A figura 07 mostra que a distncia entre D e H, B e H e entre B e D via C so
iguais a 1 e que C est posicionado na metade entre D e B. Considere ainda que o tempo
discreto com intervalos simtricos, ou seja, t = 0, 1, 2.

11

Figura 07 Experimento Ant System

Fonte: (www.cin.ufpe.br/~lma3/sih2010/aula-07-sih-10-aco-pso.ppt)
Suponha que 30 formigas esto indo em direo a B e D partindo de A e E e que
caminham a velocidade 1 por unidade por tempo, liberando feromnio no tempo t com
intensidade 1. O feromnio evapora completamente e instantaneamente no meio do
intervalo de tempo sucessivo (t+1, t+2). No tempo t=1, 30 novas formigas indo para B
partindo de A encontraram pegadas com intensidade 15 deixadas por 15 formigas que
foram para H e um caminho de intensidade 30 de formigas que vieram at A e foram at D
partindo de A. A probabilidade de escolher um caminho , portanto guiada pela quantidade
de formigas que j o escolheram. Assim, a quantidade de formigas que foram para C o
dobro da quantidade das que foram para H: 20 versus 10. O mesmo se aplica as 30
formigas de D oriundas de E.
Percebe-se que o tempo discreto, ao contrrio do que acontece com as formigas
reais. Essas formigas artificiais no so cegas e, alm do uso do feromnio j depositado
na construo da soluo, podem ser orientadas pela informao heurstica do caminho.
Ainda so dotadas de memria pois elas lembram os pontos por onde passaram no
retornando a eles at que tenham chegado fonte de alimento. O algoritmo proposto por
essa metodologia dotado de trs funes:
ConstruirSoluesComFormigas( );
AplicarBuscaTotal( );
AtualizarFeromonio( ).

O objetivo dessa meta-heurstica gerenciar o escalonamento dessas trs funes. As

trs atividades no tm uma forma rgida de como isso se d, ou seja, podem ser

12

executadas em paralelo e independentes, inclusive com sincronismo (DORIGO et al.,

1999).

MetaHeuristicaAS()
1 IncioDoAlgoritmo;
2

Inicializar parmetros;

Inicializar trilhas de feromnio;

While (no alcanou a condio de parada) do

ConstruirSoluesComFormigas();

AplicarBuscaLocal(); //Opcional

Atualizar Feromnio();

FimWhile;

9 FimDoAlgoritmo.

O problema do caixeiro viajante (PCV) um caso aplicado em inteligncia artificial e

NP-Completo, significando que para grandes instncias do problema pode ser muito difcil
um programa computacional resolv-lo em tempo razovel (COPPIN, 2013).

Um

caixeiro viajante deve visitar cada uma das cidades de um conjunto de cidades e retornar
cidade de partida. O objetivo do problema encontrar o caminho mais curto que permita
que ele visite cada uma das cidades.
Usando a heurstica Ant System, inicialmente m formigas so distribudas nas cidades
de acordo com um critrio qualquer definido previamente, todos os caminhos (i,j) E so
iniciados com a mesma quantidade ij(1) > 0 de feromnio. A seguir cada formiga k (k =
1,2,...m) seleciona as prximas cidades a serem visitadas, atravs da regra de deciso
probabilstica:

(6)

Onde:
pkij(t): probabilidade da cidade j ser escolhida pela formiga k, atualmente situada na
cidade i, durante a t-sima iterao da heurstica AS;

13

ij(t): intensidade do feromnio presente no caminho (i,j) E na t-sima iterao de

AS;
: parmetro que regula a influncia de ij(t);
ij =1/dij : visibilidade da cidade j com relao a cidade i, sendo dij a distncia entre
a cidade i e j.
: parmetro que regula a influncia de ij;
Nki(t): conjunto de cidades ainda no visitadas pela formiga k na cidade i durante a
t-sima iterao de AS.

O processo que seleciona a prxima cidade a ser visitada repetido at que todas as
formigas tenham completado um caminho interligando todas as cidades uma nica vez.
Aps isso o processo de depsito e evaporao feromnio ocorre como estabelecido a
seguir:

(7)

(8)

(9)

Sendo (8) se a formiga k percorreu o caminho (i,j) E, caso contrrio (9).

Onde:
t: iterao atual da heurstica AS;
p [0,1]: parmetro que regula a reduo de ij(t);
ij (t): ganho total do feromnio no caminho (i,j) E, ocorrido na t-sima
iterao;
m: nmero de formigas;
kij(t): ganho de feromnio no caminho (i,j) E, causado pela formiga k, na tsima iterao de AS.
Q: quantidade de feromnio excretada por uma formiga a cada iterao;
Sk (t):caminho completo que interliga todas as cidades uma nica vez descoberto
pela formiga k na t-sima iterao de AS.

14

Lk (t):distncia associada ao caminho completo Sk (t) descoberto pela formiga k na

t-sima iterao de AS.

Os procedimentos se repetem a cada iterao da heurstica AS. Todavia, quando o

nmero mximo de iteraes j estabelecidas alcanado, a heurstica Ant System retorna a
melhor soluo at ento encontrada. A figura 08 traz o algoritmo Ant System (AS)
aplicado ao problema do caixeiro viajante.

Figura 08 Algoritmo AS aplicado ao PCV

Fonte: (SILVA, Ricardo.M.A)

2.3 OTIMIZAO POR COLNIA DE FORMIGAS

A Otimizao por Colnia de Formigas ACO (Dorigo & Caro, 1999) uma meta
heurstica bio-inspirada que surgiu a partir do Ant System. Esse algoritmo pode ser
utilizado para a busca de caminhos com curto mnimo em um grafo G = (C, L, W), desde
que esses caminhos estejam conforme as restries (C, L, ) definidas a seguir:

15

C = {c1, c2, c3,..., cNc}, conjunto finito de Nc componentes do problema, como por exemplo,
as cidades usadas no exemplo do caixeiro viajante.
L = {lcicj | ci , cj C} o conjunto de possveis arestas entre os elementos de C.
W: o conjunto de pesos associados, ou a C, ou a L ou a ambos.
(C, L, ) o conjunto finito de restries atribudas aos elementos C e L, com
indicandoquais mudanas de restrio ocorrem ao longo do tempo.
Os estados do problema so definidos como sequncias s = <a1,a2,....,ak,...>, com ai=ck
C, k = 1, ..., Nc;
Se c1 for o ltimo componente do estado s1, um estado s2, dito vizinho de s1, se c2 |
C(lc1c2 L) ^ (s2=<s1,c2);
Se a sequncia s = <a1,a2,....,ak,>, (ai,ai+1) L, satisfaa o problema de restries (C, L,
, se tornar uma soluo vivel .
o conjunto de todas as solues viveis do problema;
A cada soluo vivel est relacionado um J() dado em funo dos custos J(lc1c2, )
das arestas lcicj , ou dos custos J(c, ) dos componentes Ci C, ou ambos.
Nesse algoritmo as formigas artificiais apontam solues representadas por G e
de forma incremental. Uma formiga k parte de uma soluo parcial k(1) composta apenas
um elemento pertencente a C, e segue incrementando k(h) que uma soluo seja
viabilizada . Depois da soluo vivel a formiga excreta feromnio sobre os componentes
visitados, e isso influencia na deciso das demais. O mtodo proposto (Dorigo & Caro,
1999) carrega as seguintes consideraes:
a) O objetivo de cada formiga buscar solues viveis com custo J() mnimo.
b) Uma formiga k tem uma memria Mk armazenando o caminho percorrido at
ento.
c) A formiga k no estado sr = < sr-1,i>, pode mover-se para qualquer n j, contanto
que pertena vizinhana Ni do n i em que se encontra.
d) Uma formiga k localizada sobre o n i seleciona o n j Nki segundo uma regra de
deciso probabilstica.
e) Pode-se atribuir um estado inicial Sks a uma formiga k, assim como uma ou mais
condies ek de parada.
f) As formigas partem de seus respectivos estados iniciais a um estado vizinho vivel.

16

g) A medida que se move do n i para o vizinho j, a formiga atualiza a trilha de

feromnio. (Atualizao de feromnio)
h) Encontrada a soluo, a formiga pode, ao retornar pelo caminho inverso ao
percorrido, atualizar a trilha de feromnio. (Atualizao de feromnio com atraso)

A Figura 09 descreve o pseudocdigo da meta-heurstica de otimizao por colnia de

formigas proposta por Dorigo e Caro (1999). J a Figura 10 exibe a rotina executada toda
vez que a funo gerao_e_atividade_das_formigas() chamada.

Figura 09 Meta-heurstica em pseudocdigo

Fonte: (SILVA, Ricardo.M.A)

17

Figura 10 Gerao e atividade das formigas - pseudocdigo

Fonte: (SILVA, Ricardo.M.A)

3. REFERNCIAS

REZENDE, Leandro. Planejamento da Expanso de Sistemas de Transmisso Atravs

da Otimizao por Colnia de Formigas. Itajub, 2006. Disponvel em:
<saturno.unifei.edu.br/bim/0030236.pdf> Acesso em 21 de Junho de 2015.
SILVA, Ricardo. Otimizao Baseada em Colnia de Formigas Aplicada ao Problema
da
Cobertura
de
Conjuntos.
Recife,
2003.
Disponvel
em:
<www.liber.ufpe.br/teses/arquivo/20041130145728.pdf> Acesso em 21 de Junho de 2015.
COPPIN, Ben. Inteligncia artificial. Rio de Janeiro: LTC, 2010.
DORIGO, Marco; STUTZLE, Thomas. Ant Colony Optimization. Massachussets, 2004.
DORIGO, Marco; CARO, Gianni. The Ant Colony Optimization Meta-Heuristic.
Bruxelas, 1999.

18

ARON S., DENEUBOURG JL, GOSS S. & PASTEELS JM. How Argentine ants
establish a minimal-spanning tree to link different nests. In Social Insects and the
Environment, Eds. G.K. Veeresh, B. Mallik & C.A. Viraktamath. Oxford & IBH, New
Delhi,
533-534.
Disponvel
em:
<
http://www.ulb.ac.be/sciences/use/publications/JLD/67.pdf> Acesso em 21 de Junho de
2015.
ARON S., PASTEELS JM, GOSS S & DENEUBOURG JL. Self-organising spatial
patterns in the Argentine ant Iridomyrmex humilis (Mayr). In: Applied Myrmecology:
A World Perspective, Eds R.K. Vander Meer, K. Jaffe & R. Cedeno, Westview Press,
Boulder
(Co),
438-451.
Disponvel
em:
<
http://www.ulb.ac.be/sciences/use/publications/JLD/69.pdf> Acesso em 21 de Junho de
2015.
DENEUBOURG JL, S. ARON S, GOSS S & PASTEELS JM. The self-organizing
exploratory pattern of the argentine ant. Journal of Insect Behavior, 3, 159-168.
Disponvel em: < http://www.ulb.ac.be/sciences/use/publications/JLD/76.pdf> Acesso em
21 de Junho de 2015.

19