Evo Lu Ç Ão Diferencia L

Algoritmo de Evolução Diferencial
Cristiano L. Castro
Adaptado de material produzido pelo Prof. Frederico G. Guimarães.
c
Cristiano L. Castro (UFMG) Evolução Diferencial 1 / 39
Sumário
1 Introdução
2 Algoritmo de Evolução Diferencial
3 Comportamamento da Mutação Diferencial
4 Aspectos Avançados
c
Introdução
Algoritmo de Evolução Diferencial (DE):
Proposto por Rainer Storn e Kenneth Price em 1995.
Muito popular na otimização não linear com variáveis contı́nuas.
Mecanismo básico de busca: operador de mutação diferencial.
Considerado um AE, embora não seja inspirado em processo natural.

Qualidades computacionais interessantes:
simplicidade de implementação;
robustez e eficiência;
autoadaptação;
versatilidade.
c
Evolução Diferencial
Introdução
Seja o problema de otimização não linear com variáveis reais contı́nuas:
x∗ = arg min f (x)

x

 g(x) ≤ 0 (1)
sujeito a:

h(x) = 0
Incialmente, vamos considerar o problema irrestrito, isto é, sem as funções

de restrição g(x) e h(x).
c
Notação
Notação:
U[a,b]: amostragem com distribuição uniforme entre a e b;

N[µ,σ] : amostragem com distribuição normal com média µ e desvio
padrão σ.
Seja uma população de soluções candidatas Xt = {xt,i ; i = 1, . . . , N}.

Cada indivı́duo é representado por um vetor coluna:
 
xt,i ,1
xt,i ,2 
 
xt,i =  .  (2)
.
 . 
xt,i ,n
em que, o terceiro ı́ndice indica uma entre as n variáveis do problema.

c
Notação: mutação
O mecanismo de busca do DE utiliza vetores-diferença:
Dois indivı́duos são selecionados aleatoriamente para se criar um

vetor-diferença;
Este vetor-diferença é somado a um terceiro indivı́duo, também

selecionado aleatoriamente, produzindo uma solução mutante;
A solução mutante é portanto o resultado de uma perturbação em

algum indivı́duo da população;
Esta perturbação é um vetor-diferença construı́do aleatoriamente.
c
Notação: mutação
A equação a seguir ilustra esse procedimento:
vt,i = xt,r1 + F (xt,r2 − xt,r3 ) , r1 , r2 , r3 ∈ {1, . . . , N} (3)
Em que vt,i representa a i -ésima solução mutante;
F é um fator de escala aplicado ao vetor-diferença;
O vetor xt,r1 é denominado vetor de base;
A partir deste procedimento, obtém-se uma população mutante

Vt = {vt,i ; i = 1, . . . , N}.
c
Notação: recombinação
A recombinação é obtida da seguinte maneira:
Os indivı́duos da população corrente Xt são recombinados com os

indivı́duos da população mutante Vt .
Produz-se a descendência ou população de soluções teste Ut .
Na versão clássica do DE, emprega-se recombinação discreta com
probabilidade C ∈ [0, 1]:
(
vt,i ,j , se U[0,1] ≤ C ∨ j = δi
ut,i ,j = (4)
xt,i ,j , caso contrário
em que δi ∈ {1, . . . , n} é um ı́ndice gerado aleatoriamente.

O parâmetro C controla o efeito da recombinação discreta.
c
Notação: recombinação
A Figura 1 ilustra a geração de um vetor mutante e as possı́veis soluções

teste obtidas após a recombinação, indicadas por .
1.8
xt,r1
1.6
1.4
1.2
vt,i xt,r3
x2
0.8
xt,i
0.6
0.4
0.2 xt,r2
0
0 0.2 0.4 0.6 0.8
x1
1 1.2 1.4 1.6 1.8 2
Figure : Ilustração do procedimento de geração de uma nova solução.

c
Notação: resumo
Os operadores do DE em forma compacta são:

(
xt,r1 ,j + F (xt,r2 ,j − xt,r3 ,j ) , se U[0,1] ≤ C ∨ j = δi
ut,i ,j = (5)
xt,i ,j , caso contrário
com r1 , r2 , r3 ∈ {1, . . . , N}, t = 1, . . . , tmax , i = 1, . . . , N, e j = 1, . . . , n.
A seleção para sobrevivência pode ser descrita por:

(
ut,i , se f (ut,i ) ≤ f (xt,i )
xt+1,i = (6)
xt,i , caso contrário
c
Notação: algoritmo
Algorithm 1: Algoritmo Modelo de Evolução Diferencial

1 t ← 1;
2 Inicializar população Xt = {xt,i ; i = 1, . . . , N};
3 enquanto algum critério de parada não for satisfeito faça
4 para i = 1 até N hacer
5 Selecionar vetor de base xt,base ; (seleção para reprodução)
6 Selecionar vetor-diferença {∆xt };
7 Selecionar fator de escala F ;
8 Gerar solução mutante usando vt,i = xt,base + F ∆xt ;
9 Adicionar vt,i à população mutante Vt ;
10 fin
11 Recombinar Xt e Vt , com parâmetro C , gerando Ut ;
12 Aplicar seleção para sobrevivência entre Xt e Ut ;
13 t ← t + 1;
14 fim
c
Comportamento da Mutação Diferencial
Introdução
Supondo uma população de tamanho N, com N vetores distintos entre si:
Existem ao todo N 2 combinações de diferenças possı́veis;
N são nulas, pois correspondem a diferenças entre um mesmo vetor;
As N(N − 1) diferenças restantes são não nulas;
Essas N(N − 1) diferenças apresentam simetria, porque cada

diferença (xt,r2 − xt,r3 ) possui seu simétrico correspondente;
A probabilidade de selecionar uma dada diferença e seu simétrico é a

mesma.
c
Introdução
Interpretação básica do mecanismo de autoadaptação do DE:
A distribuição dos vetores-diferença depende da distribuição espacial

dos indivı́duos da população.
À medida que a população se distribui de acordo com o “contorno”

da função, a distribuição dos vetores-diferença também se ajusta a
esse contorno.
c
Função convexa
90
80
120 60
60
t=1
40
150 40 30
30
20
20
10 180 0
x2
−10
210 330
−20
−30
240 300
−40
−40 −30 −20 −10
x1
0 10 20 30 40
270
(a) (b)
Figure : Função-objetivo quadrática. (a) Distribuição espacial da população na
geração t = 1. (b) Distribuição dos vetores-diferença na geração t = 1.
c
Função convexa
90
80
120 60
60
t = 10
40
150 40 30
30
20
20
10 180 0
x2
−10
210 330
−20
−30
240 300
−40
−40 −30 −20 −10
x1
0 10 20 30 40
270
(a) (b)
c
Função convexa
90
80
120 60
60
t = 20
40
150 40 30
30
20
20
10 180 0
x2
−10
210 330
−20
−30
240 300
−40
−40 −30 −20 −10
x1
0 10 20 30 40
270
(a) (b)
c
Função multimodal
90
120
6
60 t=1
4
3
150 30
2 2
180 0
x2
−1
210 330
−2
240 300
−3
−3 −2 −1
x1
0 1 2 3
270
(a) (b)
Figure : Função-objetivo multimodal. (a) Distribuição espacial da população na
c
90
120
6
60 t = 10
4
3
150 30
2 2
180 0
x2
−1
210 330
−2
240 300
−3
−3 −2 −1
x1
0 1 2 3
270
(a) (b)
c
90
120
6
60 t = 20
4
3
150 30
2 2
180 0
x2
−1
210 330
−2
240 300
−3
−3 −2 −1
x1
0 1 2 3
270
(a) (b)
c
Função unimodal não convexa
Neste caso, usaremos a função de Rosenbrock:
f (x) = (1 − x1 )2 + 100(x2 − x12 )2 (7)
É unimodal e suas curvas de nı́vel formam conjuntos não convexos.
O ponto de mı́nimo se localiza em um vale estreito e longo.
Essa região apresenta uma inclinação pequena que dificulta a

convergência de métodos de otimização baseados em derivadas.
c
90
120
5
60 t=1
4
2.5 3
150 30
2 2
1.5
1
1
0.5
180 0
x2
−0.5
−1
210 330
−1.5
−2
240 300
−2.5
−2.5 −2 −1.5 −1 −0.5
x1
0 0.5 1 1.5 2 2.5
270
(a) (b)
Figure : Função-objetivo unimodal não convexa. (a) Distribuição espacial da
população em t = 1. (b) Distribuição dos vetores-diferença em t = 1.
c
90
120
5
60 t = 10
4
2.5 3
150 30
2
2
1.5
1
1
0.5
180 0
x2
−0.5
−1
210 330
−1.5
−2
240 300
−2.5
−2.5 −2 −1.5 −1 −0.5
x1
0 0.5 1 1.5 2 2.5
270
(a) (b)
c
90
120
5
60 t = 20
4
2.5 3
150 30
2
2
1.5
1
1
0.5
180 0
x2
−0.5
−1
210 330
−1.5
−2
240 300
−2.5
−2.5 −2 −1.5 −1 −0.5
x1
0 0.5 1 1.5 2 2.5
270
(a) (b)
c
Aspectos Avançados
Combinações Degeneradas
Os ı́ndices r1 , r2 , r3 são sorteados aleatoriamente para cada i .
O que ocorre quando algum par dos ı́ndices i , r1 , r2 , r3 é coincidente?
Se r2 = r3 :
vt,i = xt,r1
Não há perturbação aplicada ao vetor de base.
Ocorre apenas recombinação de xt,i com xt,r1 .
c
Se r1 = r2 ou r1 = r3 , tem-se uma recombinação aritmética.
Para r1 = r2 , temos:
vt,i = xt,r1 + F (xt,r1 − xt,r3 ) = (1 + F )xt,r1 − F xt,r3
Para r1 = r3 , ocorre uma recombinação aritmética tradicional entre

xt,r1 e xt,r2 (se F ∈ [0, 1]):
vt,i = xt,r1 + F (xt,r2 − xt,r1 ) = (1 − F )xt,r1 + F xt,r2
Se F > 1 os cruzamentos são degenerados.
c
0.9
0.8
0.7
vt,i
0.6
x2 xt,r1
0.5
0.4
xt,r3
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4
x1
0.5 0.6 0.7 0.8 0.9 1
(a)
Figure : Quando r1 = r2 , a nova solução é gerada fora do segmento que une as
duas soluções recombinantes. No exemplo acima, F = 0.4.
c
0.9
0.8
0.7
0.6
xt,r1
vt,i
x2
0.5
0.4
xt,r2
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4
x1 0.5 0.6 0.7 0.8 0.9 1
(b)
Figure : Quando r1 = r3 , ocorre uma recombinação aritmética tradicional. No
exemplo acima, F = 0.4.
c
Se i = r1 . Uma perturbação é aplicada a xt,i de acordo com:
vt,i = xt,i + F (xt,r2 − xt,r3 )
A solução teste ut,i é o resultado da recombinação da solução xt,i

com sua versão perturbada.
O parâmetro C passa a ter o significado de um parâmetro de

mutação, controlando quantas variáveis de xt,i serão perturbadas.
c
Se i = r2 ou i = r3 :
Nesse caso o vetor-diferença está na direção que liga xt,i a algum

outro vetor da população, xt,r2 ou xt,r3 .
Essa combinação não é necessariamente indesejável.
c
Estas combinações degeneradas, mesmo que tenham baixa

probabilidade de ocorrência, são em geral indesejáveis e podem
prejudicar o desempenho do algoritmo.
Por essa razão, recomenda-se adotar ı́ndices mutuamente distintos,

isto é, i 6= r1 6= r2 6= r3 , em implementações mais práticas do
algoritmo de evolução diferencial.
c
Algorithm 2: Pseudocódigo para a seleção de ı́ndices mutuamente distintos

1 repita
2 Selecione aleatoriamente r1 ∈ {1, . . . , N};
3 até r1 6= i;
4 repita
6 até r2 6= i ∧ r2 6= r1 ;
7 repita
9 até r3 6= i ∧ r3 6= r1 ∧ r3 6= r2 ;
c
Variações do Algoritmo
O algoritmo de evolução diferencial em sua versão básica utiliza:
(i) seleção aleatória do vetor base com probabilidade uniforme;
(ii) um (01) vetor-diferença para a mutação, e
(iii) recombinação discreta entre a solução corrente e seu vetor mutante

correspondente.
Entretanto, muitas variações desse esquema básico são possı́veis.
c
Pode-se utilizar um mesmo vetor como vetor de base em todas as

operações de mutação diferencial. Assim, temos:
vt,i = xt,best + F (xt,r2 − xt,r3 ) (8)
onde xt,best representa o melhor indivı́duo na população na geração t.
c
Pode-se adotar o vetor correspondente à média da distribuição

espacial da população como vetor base.
vt,i = xt,mean + F (xt,r2 − xt,r3 ) (9)
com:
N
1 X
xt,mean = xt,i (10)
N
i =1
c
Outra possibilidade é gerar soluções na direção do melhor indivı́duo

para servirem como vetores de base.
vt,i = xt,i + λ (xt,best − xt,i ) +F (xt,r2 − xt,r3 ) (11)

| {z }
xt,base
com λ ∈ [0, 1].
O vetor de base corresponde a um ponto gerado aleatoriamente sobre

o segmento que liga xt,i e xt,best .
Essa forma de seleção de xt,base apresenta menor pressão seletiva que

em (8), embora haja uma polarização na direção da melhor solução.
c
A mutação diferencial pode ser generalizada para empregar mais

vetores-diferença na criação do vetor mutante:
d
X
vt,i = xt,r1 + Fk ∆xt,k (12)
k=1
em que a perturbação aplicada ao vetor de base é composta pela

soma de d vetores-diferença da forma:

∆xt,k = xt,rk+1 − xt,rk+1+d (13)
Por exemplo, usando o mesmo valor de Fk para todo k e d = 3:
vt,i = xt,r1 + F (xt,r2 − xt,r5 + xt,r3 − xt,r6 + xt,r4 − xt,r7 ) (14)
c
O uso de mais de um vetor-diferença na mutação diferencial

aumenta a capacidade de geração de diversidade no algoritmo.
Contudo, essa estratégia reduz a capacidade de alinhamento dos

vetores-diferença com o contorno da função.
O uso de mais vetores-diferença aumenta a busca global no algoritmo

e prejudica a busca local.
c
Existe uma notação sintética para representar as variações do DE.
Essa notação padrão segue o formato DE/base/d/rec:
@ base indica a forma como o vetor de base é selecionado.
@ d indica o número de vetores-diferença.
@ rec faz referência ao operador de recombinação utilizado.
Por exemplo, a versão clássica do DE pode ser representada pela

notação DE/rand/1/bin.
c
Notação Mutação diferencial

DE/rand/1/bin vt,i = xt,r1 + F (xt,r2 − xt,r3 )
DE/best/1/bin vt,i = xt,best + F (xt,r2 − xt,r3 )
1
PN
DE/mean/1/bin vt,i = N k=1 xt,k + F (xt,r2 − xt,r3 )
DE/rand-to-best/1/bin vt,i = xt,r1 + λ (xt,best − xt,r1 ) + F (xt,r2 − xt,r3 )
DE/current-to-best/1/bin vt,i = xt,i + λ (xt,best − xt,i ) + F (xt,r2 − xt,r3 )
DE/rand/2/bin vt,i = xt,r1 + F1 (xt,r2 − xt,r4 ) + F2 (xt,r3 − xt,r5 )
Table : Algumas instâncias do algoritmo de evolução diferencial.
c

Evo Lu Ç Ão Diferencia L

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Evo Lu Ç Ão Diferencia L

Enviado por

Direitos autorais:

Formatos disponíveis

Algoritmo de Evolução Diferencial

Adaptado de material produzido pelo Prof. Frederico G. Guimarães.

2 Algoritmo de Evolução Diferencial

3 Comportamamento da Mutação Diferencial

Algoritmo de Evolução Diferencial (DE):

Proposto por Rainer Storn e Kenneth Price em 1995.

Muito popular na otimização não linear com variáveis contı́nuas.

Mecanismo básico de busca: operador de mutação diferencial.

Considerado um AE, embora não seja inspirado em processo natural.

Seja o problema de otimização não linear com variáveis reais contı́nuas:

x∗ = arg min f (x)

Incialmente, vamos considerar o problema irrestrito, isto é, sem as funções

U[a,b]: amostragem com distribuição uniforme entre a e b;

Seja uma população de soluções candidatas Xt = {xt,i ; i = 1, . . . , N}.

em que, o terceiro ı́ndice indica uma entre as n variáveis do problema.

O mecanismo de busca do DE utiliza vetores-diferença:

Dois indivı́duos são selecionados aleatoriamente para se criar um

Este vetor-diferença é somado a um terceiro indivı́duo, também

A solução mutante é portanto o resultado de uma perturbação em

Esta perturbação é um vetor-diferença construı́do aleatoriamente.

A equação a seguir ilustra esse procedimento:

vt,i = xt,r1 + F (xt,r2 − xt,r3 ) , r1 , r2 , r3 ∈ {1, . . . , N} (3)

Em que vt,i representa a i -ésima solução mutante;

F é um fator de escala aplicado ao vetor-diferença;

O vetor xt,r1 é denominado vetor de base;

A partir deste procedimento, obtém-se uma população mutante

A recombinação é obtida da seguinte maneira:

Os indivı́duos da população corrente Xt são recombinados com os

em que δi ∈ {1, . . . , n} é um ı́ndice gerado aleatoriamente.

A Figura 1 ilustra a geração de um vetor mutante e as possı́veis soluções

Figure : Ilustração do procedimento de geração de uma nova solução.

Os operadores do DE em forma compacta são:

com r1 , r2 , r3 ∈ {1, . . . , N}, t = 1, . . . , tmax , i = 1, . . . , N, e j = 1, . . . , n.

A seleção para sobrevivência pode ser descrita por:

Algorithm 1: Algoritmo Modelo de Evolução Diferencial

Supondo uma população de tamanho N, com N vetores distintos entre si:

Existem ao todo N 2 combinações de diferenças possı́veis;

N são nulas, pois correspondem a diferenças entre um mesmo vetor;

As N(N − 1) diferenças restantes são não nulas;

Essas N(N − 1) diferenças apresentam simetria, porque cada

A probabilidade de selecionar uma dada diferença e seu simétrico é a

Interpretação básica do mecanismo de autoadaptação do DE:

A distribuição dos vetores-diferença depende da distribuição espacial

À medida que a população se distribui de acordo com o “contorno”

Neste caso, usaremos a função de Rosenbrock:

f (x) = (1 − x1 )2 + 100(x2 − x12 )2 (7)

É unimodal e suas curvas de nı́vel formam conjuntos não convexos.

O ponto de mı́nimo se localiza em um vale estreito e longo.

Essa região apresenta uma inclinação pequena que dificulta a

Os ı́ndices r1 , r2 , r3 são sorteados aleatoriamente para cada i .

O que ocorre quando algum par dos ı́ndices i , r1 , r2 , r3 é coincidente?

Não há perturbação aplicada ao vetor de base.

Ocorre apenas recombinação de xt,i com xt,r1 .

Se r1 = r2 ou r1 = r3 , tem-se uma recombinação aritmética.

vt,i = xt,r1 + F (xt,r1 − xt,r3 ) = (1 + F )xt,r1 − F xt,r3

Para r1 = r3 , ocorre uma recombinação aritmética tradicional entre

vt,i = xt,r1 + F (xt,r2 − xt,r1 ) = (1 − F )xt,r1 + F xt,r2

Se F > 1 os cruzamentos são degenerados.

Se i = r1 . Uma perturbação é aplicada a xt,i de acordo com:

vt,i = xt,i + F (xt,r2 − xt,r3 )

A solução teste ut,i é o resultado da recombinação da solução xt,i

O parâmetro C passa a ter o significado de um parâmetro de

Nesse caso o vetor-diferença está na direção que liga xt,i a algum