Escolar Documentos
Profissional Documentos
Cultura Documentos
E l ti
Evolutiva
Profa Dra.
Profa. Dra Gina Maira B.
B de Oliveira
Computação Evolutiva
Definição:
D fi i ã Estudo
Et d dde métodos
ét d d de bbusca iinspiradas
i d na
reprodução dos seres vivos e na teoria evolucionista de
Charles Darwin.
z Principais Técnicas:
–Algoritmos Genéticos
–Programação Genética
–Estratégias Evolutivas
–Programação
P ã Evolutiva
E l ti
Algoritmos
Genéticos
Algoritmos Genéticos
-Origem-
John Holland
(U i
(Universidade
id d de
d Michigan,
Mi hi anos 60):
60)
a partir de experiências com implementações
de redes neurais artificiais, Holland percebeu
um nítido elo entre a biologia e a computação:
as máquinas podiam ser levadas a adaptar-se
ao meio ambiente,
ambiente tais como os seres vivos.
vivos
Algoritmos Genéticos
-Origem (cont) -
processo de fazê-lo era começar de
baixo: partir de uma situação de acaso e
programar nas máquinas mecanismos
inspirados na Natureza. Depois, estes
mecanismos seguiriam seu próprio curso.
Conceitos
•Evolução biológica: sobrevivência é medida
d desempenho.
de d h
•Qualquer criatura viva pode ser considerada
uma solução estrutural em seu ecossistema.
•AG: procedimento iterativo que mantém
sempre uma população de estruturas que são
candidatas
did t à solução
l ã dod problema.
bl
•Indivíduo: Cada ponto no espaço de busca do
problema, representado no sistema por uma
estrutura representando seu cromossomo,
uma cadeia de símbolos de tamanho fixo.
Conceitos (cont)
•Geração:
ç a cada incremento temporal,
p , as
estruturas na população corrente são
avaliadas através de uma medida de
desempenho que indica o quão próxima
uma estrutura está de ser a solução do
problema.
•Nova população: Baseado nestas
avaliações, soluções candidatas são
formadas, utilizando-se três operadores
genéticos: reprodução, crossover e
mutação.
A v a lia m - s e t o d o s o s in d iv íd u o s d a P o p u la ç ã o I n ic ia l .
M e lh o r I n d iv íd u o d a
P o p u la ç ã o a t in g iu SIM
P o p u la ç ã o é
C r it é r io d e T é r m in o ?
a p resen ta d o co m o
S o lu ç ã o
NÃO
S e le c io n a m - s e p r e c in d iv íd u o s q u e fo r m a r ã o
o s p a re s d o cro sso v e r.
F IM
P a r a c a d a p a r , s o r t e ia - s e u m P o n t o d e C r o s s o v e r
e 2 n o v o s in d iv íd u o s s ã o g e r a d o s p o r c r o s s o v e r .
S u b m e t e m - s e o s n o v o s in d iv íd u o s a u m a m u t a ç ã o
c o m p r o b a b ilid a d e p m u t
A v a lia - s e o d e s e m p e n h o d o s n o v o s in d iv íd u o s fo r m a d o s
a p ó s o s p ro cesso s d e C ro sso ver e M u ta çã o .
S e le c io n a m - s e o s T P m e lh o r e s in d iv íd u o s d e n t r e a
p o p u la ç ã o o r ig in a l e o s n o v o s in d iv íd u o s .
Pontos Importantes
Representação Cromossômica
População Inicial
Função de Avaliação
Crossover
Mutação
Condições de Término
Seleção:
Método da Roleta
31/08/2010
Computação Evolutiva
2a Aula
Algoritmos Genéticos
• Representação da Solução (Cromossomo):
– Cromossomo Estático: na maioria das aplicações,
são representados
d por um vetor (ou
( conjunto
j de
d
vetores), cujos elementos podem ser:
• Binários: é a representação mais utilizada
• Reais
• Inteiros: normalmente utilizada em problemas de
permutação
– Cromossomo Dinâmico:
• Vetor de Tamanho Variável
• Arvores
1
31/08/2010
Algoritmos Genéticos
• Principais Operadores Genéticos:
– Seleção
• Pais para Crossover
• Reinserção (Seleção Natural)
– Crossover
– Mutação
– Inversão (pouco utilizado, proposto no trabalho
original de Holland)
Algoritmos Genéticos
• Seleção dos Pais para o Crossover:
– Principais métodos:
• Truncamento
• Ranking
• Roleta
• Amostragem
A E
Estocástica
á i Universal
U i l
• Torneio
2
31/08/2010
3
31/08/2010
4
31/08/2010
• Escolha de um método:
5
31/08/2010
• N* depende:
– Dimensão
Di ã da
d Função
F ã Objetivo
Obj ti (Espaço
(E de
d
Busca)
– Pressão Seletiva
Algoritmos Genéticos
• Crossover ou Recombinação:
6
31/08/2010
AGs: Crossover
• Vetores Binários:
– Crossover Simples
– Crossover Múltiplo
p
– Crossover Uniforme
AGs: Crossover
• Crossover Simples:
– E sorteado um único Ponto de Crossover. Cada par de
pais da origem a um par de filhos.
– O primeiro filho repete os gens do Cromossomo
Cromossomo-Pai1Pai1 ate
o Ponto de Crossover. A partir deste ponto, ele repete os
gens do Cromossomo-Pai2.
– O segundo filho repete os gens do Cromossomo-Pai2 ate
o Ponto de Crossover. A partir deste ponto, ele repete os
gens do Cromossomo-Pai1.
Pto. de Crossover Pto. de Crossover
Pai1: Filho1:
1 0 0 1 1 0 0 0 1 0 0 0 1 0 1 1
Pai2: 0 1 0 0 1 0 1 1 Filho2: 0 1 0 1 1 0 0 0
7
31/08/2010
AGs: Crossover
• Crossover Múltiplo:
– Idêntico ao Crossover simples com a diferença que são
sorteados mais de um Ponto de Crossover e a troca de
material genético e feita nos vários pontos.
pontos
– Por exemplo, podem ser sorteados 2 Pontos de
Crossover:
Pai1: 1 0 1 1 1 0 0 0 Filho1: 1 0 0 0 1 0 0 0
Pai2: 0 1 0 0 1 0 1 1 Filho2: 0 1 1 1 1 0 1 1
AGs: Crossover
• Crossover Uniforme:
– E um tipo de Crossover múltiplo levado ao extremo,
onde ao invés de sortear-se Pontos de Crossover, sorteia-
se uma mascara do tamanho do cromossomo que indica
qual Cromossomo-Pai fornecerá cada gen do Filho1. O
Filho2 e gerado pelo complemento da mascara.
Mascara: 1 1 2 1 2 1 2 2
Pai1: 1 0 1 1 1 0 0 0 Filho1: 1 0 0 1 1 0 1 1
Pai2: 0 1 0 0 1 0 1 1 Filho2: 0 1 1 0 1 0 0 0
8
31/08/2010
AGs: Crossover
• Vetores Reais: podem ser aplicados os
métodos para vetores binários, entretanto
o nível de recombinação seria inferior,
inferior
uma vez que a troca não alteraria os
valores reais. Por isso, alguns outros
métodos específicos foram estudados:
– Recombinação Discreta
– Recombinação Intermediaria
– Recombinação Linear
AGs: Crossover
• Recombinação Discreta :
– Semelhante ao Crossover Uniforme, mas a
mascara de cada filho e sorteada
i d
independentemente.
d
9
31/08/2010
AGs: Crossover
• Recombinação Intermediaria :
– Neste caso, as mascaras são sorteadas para definirem os
pesos α da equação:
Filho = Pai1 + α * (Pai2-Pai1)
AGs: Crossover
• Recombinação Linear :
– Idêntico a Recombinaçao Intermediaria, exceto porque as
inves de mascaras e sorteado apenas um valor escalar por
filho para definirem os pesos α da equação:
filho,
Filho = Pai1 + α * (Pai2-Pai1)
10
31/08/2010
AGs: Crossover
– Crossover Cíclico
AGs: Crossover
• PMX:
– Primeiro seleciona-se uma seção no cromossomo (através
de 2 Pontos de Crossover), onde o material genético dos
2 pais será integralmente trocado.
trocado
– Depois, são feitas mudanças posição a posição para não
existirem repetições nos filhos gerados.
Pai1: 7 5 1 4 3 6 8 2 Filho1: 7 5 8 7 5 6 8 2
Pai2: 3 4 8 7 5 2 6 1 Filho2: 3 4 1 4 3 2 6 1
Filho1: 7 5 8 7 5 6 8 2 Filho1: 4 3 8 7 5 6 1 2
Filho2: 3 4 1 4 3 2 6 1 Filho2: 5 7 1 4 3 2 6 8
11
31/08/2010
AGs: Crossover
• Cíclico:
– A partir da troca de uma única posição, verifica-se ate
que gen será alterado ate formar um ciclo.
– Todos os genes dentro do ciclo serão trocados e os que
permanecerem fora do ciclo não serão trocados.
Pai1: 7 5 1 4 3 6 8 2 Pai1: 7 5 1 4 3 6 8 2
Pai2: 3 4 8 7 5 2 6 1 Pai2: 3 4 8 7 5 2 6 1
Filho1: 3 4 1 7 5 6 8 2
Filho2: 7 5 8 4 3 2 6 1
12