Escolar Documentos
Profissional Documentos
Cultura Documentos
por
SUMÁRIO .......................................................................................................................2
LISTA DE TABELAS.....................................................................................................5
RESUMO .........................................................................................................................8
ABSTRACT .....................................................................................................................9
1 INTRODUÇÃO .........................................................................................................10
Lista de Figuras
Lista de Tabelas
Resumo
Abstract
1 Introdução
2 Algoritmos Genéticos
que são dispositivos que codificam as estruturas dos seres vivos, as quais correspondem
às características dos mesmos. Os processos de codificação e decodificação dos
cromossomos ocorrem a nível molecular e ainda não foram completamente elucidados.
Entretanto, existem algumas características gerais da teoria que são plenamente aceitas,
tais como os conceitos de evolução, seleção natural, reprodução e ausência de memória
[DAV 91].
Os Algoritmos Genéticos (AG), objeto do presente estudo, juntamente
com as Estratégias de Evolução (EE) e a Programação Evolutiva (PE), constituem os
denominados Algoritmos Evolucionários (AE) [BÄC 96], ramo mais promissor da
Computação Evolucionária [FOG 95]. Esta, por sua vez, juntamente com as Redes
Neurais Artificiais e os Sistemas Fuzzy, faz parte da subárea da Inteligência Artificial
denominada Inteligência Computacional [PED 97]. Essa "hierarquia" é mostrada na
Figura 2.1.
"Computação
Natural"
binárias de zeros (0) e uns (1), cadeias estas denominadas cromossomos, por analogia.
O trabalho final resultou num sistema que trabalhava com uma população de algumas
cadeias de bits. De forma análoga ao que acontece na natureza, o sistema de Holland
começou a evoluir, encontrando o melhor cromossomo para atender a um problema
específico. Também como na natureza, o sistema não sabia que resultados haviam
dentro dos cromossomos. É importante observar que, no sistema de Holland, a solução
foi encontrada de um modo automático e não supervisionado.
As únicas informações passadas ao sistema foram os ajustes de cada
cromossomo produzido por ele. O ajuste representa o grau de adaptação do indivíduo ao
problema a ser solucionado. O maior ajuste representa a solução do problema. Portanto,
quanto maior for o ajuste de um indivíduo, maiores serão as chances deste se reproduzir
mais, transmitindo suas características para os descendentes. Se o ajuste for baixo para
determinado indivíduo, menores serão suas chances de se reproduzir.
Os AG constituem uma classe de ferramentas muito versátil e robusta e
que pode ser utilizada na solução de problemas de otimização, embora não devam ser
considerados estritamente minimizadores de funções. Quando usado como algoritmo de
minimização, um AG se distingue das técnicas mais comuns de programação
matemática basicamente por:
• empregar uma população de indivíduos, ou soluções;
• trabalhar sobre uma codificação das possíveis soluções (genótipos) e
não sobre as soluções (fenótipos) propriamente ditas;
• empregar regras de transição probabilísticas;
• não requerer informações adicionais (derivadas, por exemplo) sobre a
função a otimizar.
AVALIAÇÃO
Segundo uma função de adaptação, cada indivíduo é avaliado quanto ao
seu grau de ajuste. Essa função é o fator diferenciador de cada aplicação do AG. A cada
aplicação corresponde uma medida distinta do grau de ajuste.
18
Seleção
Reprodução
Avaliação
SELEÇÃO
É realizada uma seleção dos indivíduos que vão reproduzir (dois a dois).
Essa seleção depende da adaptação (mérito) de cada indivíduo segundo um processo de
caráter aleatório. Assim, quanto maior for a adaptação (mérito), maior a probabilidade
de ser selecionado. A maior probabilidade de escolha de indivíduos melhores leva à
propagação destes para as gerações seguintes:
REPRODUÇÃO
A partir de dois indivíduos são gerados dois novos indivíduos que
resultam do seu cruzamento e mutação. O cruzamento e a mutação constituem
operadores genéticos canônicos, podendo-se utilizar outros.
algoritmo AG genérico
inicialize a população
avalie indivíduos na população
repita
selecione indivíduos para reprodução
aplique operadores de recombinação e mutação
avalie indivíduos na população
selecione indivíduos para sobreviver
19
GENE
1 0 1 1 0 1 0 0 1 1 1 0
0 0 0 1 0 0 0 0 1 0 1 0 Fenótipo =
266
0 0 0 1 0 0 0 0 0 1 0 1 Fenótipo =
261
1 0 0 1 0 0 0 0 1 0 1 0 Fenótipo = 4
1 0 0 1 0 1 0 0 1 1 1 0 Fenótipo = 6
0 0 1 1 0 1 0 0 1 1 0 1 Fenótipo = 6
sucessão 0, 1, ..., 2n −1, uma cadeia de bits de tamanho n que é construída aplicando-se
sucessivamente o seguinte procedimento:
• Começando por uma cadeia 0 ... 0, em cada interação comutar o bit
menos significativo que produza uma nova cadeia.
2.3.1 Seleção
adaptação) que avalia a adaptação da cadeia ao meio. A idéia principal deste operador é
dar preferência, na reprodução, aos melhores indivíduos, permitindo que os mesmos
passem seus genes às próximas gerações. Pode-se ver esta função intuitivamente como
uma medida do objetivo máximo que se deseja alcançar. O fato de serem copiadas
cadeias de acordo com o valor da função de adaptação, significa que as cadeias de
valores elevados terão maior probabilidade de serem mantidas nas próximas gerações.
Este operador pretende simular a seleção natural descrita na teoria Darwinista, que se
baseia na sobrevivência dos seres vivos mais adaptados ao meio em que se encontram.
É, portanto, o valor da função objetivo que determina a perpetuação ou não de um
indivíduo (ou parte dele) em uma próxima geração.
No estudo da seleção, pode-se distinguir dois aspectos:
• a obtenção das probabilidades de seleção, e
• os mecanismos de amostragem na seleção.
Como mecanismos de obtenção de probabilidades de seleção, pode-se
destacar a seleção proporcional e a ordenação linear [HER 94].
Diferentes mecanismos de amostragem da população também têm sido
propostos, sendo o modelo de seleção mais intuitivo o da amostragem aleatória simples
a partir da probabilidade de seleção. Existem muitos outros mecanismos de
amostragem: modelo elitista, modelo do valor esperado, modelo do valor esperado
elitista, amostragem determinística, amostragem estocástica do resto com substituição,
amostragem estocástica do resto sem substituição, amostragem estocástica por torneios
e amostragem estocástica universal [HER 94] [SER 96].
Alguns desses mecanismos de amostragem merecem destaque, pela
freqüência com que são empregados.
INDIVÍDUO ADAPTAÇÃO
A 4 20%
B 6 30%
C 10 50%
A
20%
C
50%
B
30%
algoritmo AG geracional
inicialize a população P aleatoriamente
avalie indivíduos na população P
repita
repita
selecione 2 indivíduos em P
aplique operador de recombinação com probabilidade pc
aplique operador de mutação com probabilidade pm
insira novo indivíduo em P'
até população P' completa
avalie indivíduos na população P'
P ← P'
até critério de parada satisfeito
fim
Como toda a geração (de pais) é integralmente substituída por outra mais
nova (de filhos), não há "convivência", correndo-se o risco de se perder um bom
indivíduo nesse processo. Assim, especialmente em problemas de otimização, um
procedimento freqüentemente incluído neste algorítmo é o elitismo, já mencionado, ou
seja, o(s) melhor(es) indivíduo(s) de uma geração é (são) preservado(s), passando-se
uma cópia do(s) mesmo(s) diretamente à geração seguinte.
27
algoritmo AG "steady-state"
inicialize a população P aleatoriamente
avalie indivíduos na população P
ordene a população P de acordo com a aptidão
repita
selecione operador genético
selecione indivíduo(s) para reprodução
aplique operador genético
avalie indivíduo(s) gerado(s)
selecione indivíduo f para sobreviver
se f é melhor que o pior elemento de P então
insira f em P de acordo com seu "ranking"
até critério de parada satisfeito
fim
2.3.2 Cruzamento
2.3.3 Mutação
antes da 0 1 1 1 0 0 1 1 0 1 0
após a 0 1 1 0 0 0 1 1 0 1 0
o que não traz nada de novo. Entretanto, se é permitido que indivíduos de uma sub-
população migrem para outra sub-população, então se tem um novo AG. Dentro desta
linha, pode-se identificar um modelo de ilhas, onde periodicamente um ou mais
indivíduos de uma sub-população migram para uma outra ilha/população qualquer, ou
um modelo trampolim, onde esta migração se dá somente para ilhas vizinhas, bastante
semelhante ao que ocorre em sistemas biológicos, onde a geografia limita a migração.
Do ponto de vista computacional, esta geografia fica determinada com a definição de
uma topologia de comunicação entre os p processadores, que podem estar logicamente
conectados como um anel através da definição dos vizinhos de cada
processador/população. Fica clara, neste ponto, a necessidade da introdução de
parâmetros de controle adicionais para os AG distribuídos: quando, quais e quantos
elementos irão migrar, para onde irão e como serão inseridos na nova população.
Outra possibilidade, em termos de paralelização, corresponde ao caso de
fazer o número p de sub-populações/processadores crescer até o limite interessante em
que cada processador está associado a um indivíduo. Isto pressupõe um equipamento
maciçamente paralelo com um software adequado. Novamente, surge a necessidade de
se introduzir uma vizinhança para cada processador/indivíduo e um esquema de seleção
para a definição dos pais a serem utilizados na geração de novos indivíduos via
recombinação/mutação. Além disso, um esquema de inserção desses novos indivíduos
na população (provavelmente com a substituição de algum indivíduo previamente
existente) deverá ser implementado.
O paralelismo implícito, é, possivelmente, a propriedade mais importante
dos AG. Isso não basta para que seja de máximo interesse realizar uma implementação
explicitamente paralela aproveitando as facilidades da própria estrutura do AG. Não
existe um modelo típico de implementação em paralelo de AG, devido à grande
variedade de estruturas de processamento em paralelo.
h = h* - hg - δh. (3.1)
δh = hi + ho + hp = ho (3.2)
globais. A amplitude deste fenômeno varia entre 0,2 e 20 cm, com um comprimento de
onda na faixa de 50 à 10.000 km, podendo esse erro ser corrigido para níveis mais
aceitáveis, de no máximo 2 cm [RAP 90]. O satélite TOPEX/Poseidom, por possuir dois
altímetros compartilhando a mesma antena e operando em diferentes freqüências, é
capaz de medior diretamente o conteúdo total de elétrons ao longo da trajetória dos
pulsos altimétriocos. A precisão da correção ionosférica assim estimada é de cerca de
1,3 cm [WAK 88].
Uma vez que tenham sido removidas as componentes e correções
geofísicas do erro orbital e do erro devido ao modelo do geóide adotado, erros
instrumentais (da configuração do aparelho e drivas na altitude e no tempo), a interação
do pulso eletromagnético com as ondas de superfície e erros na propagação do pulso
eletromagnético (troposfera seca, troposfera úmida, água líquida da troposfera e na
ionosfera), resta listar as contribuições da dinâmica do oceano ao sinal altimétrico de
altitude (hc).
As parcelas da elevação após as correções citadas são [TAP 82]:
• maré oceânica (correntes de maré associadas) e maré da terra sólida, ht;
• resposta da superfície do mar ao efeito da pressão atmosférica na
superfície (resposta do barômetro invertido), hb;
• elevações devidas à circulação induzida por efeitos meteorológicos de
superfície (gradientes de pressão atmosférica e ventos), hm;
• ruído aleatório, hr.
ho = ht + hb + hm + hr. (3.3)
que mostra que o geóide deve ser removido da medição altimétrica (h* - h), de modo a
possibilitar a obtenção de informações de interesse oceanográfico.
hd = h – hg (3.5)
4 Metodologia Proposta
• erros instrumentais;
• erros provocados pelo estado do mar;
• erros provocados pela influência do meio na propagação dos sinais;
• erros causados pelas variações temporais da superfície oceânica;
• erro orbital.
• Converter a string binária (bA1 ... bAk, bB1 ... bBl , bC1 ... bCm ou
bD1 ... bDn) da base 2 para a base 10:
s −1
∑
(< b j1...b js >) 2 = b j , s − i .2i = x'
(4.8)
i =0 10
rA , rB , rC , rD ,
onde o somatório é tomado sobre todos os dados altimétricos (xi, yi) considerados.
adapt ( j ) = 1 −
1
. (4.11)
1+ ∑ [η ( par; xi ) − yi ]2
A utilização de um algoritmo genético, com codificação binária ou real,
que adote a codificação proposta e uma das funções de adaptação descritas
anteriormente, torna mais simples o problema do efetuar o ajuste de uma das curvas
teóricas que representam o perfil sintético de elevação da superfície do mar aos dados
altimétricos de elevação obtidos em regiões onde fluem intensas correntes tipo jato
meandrantes.
58
5 Considerações Finais
Referências Bibliográficas
[CHE 91] CHENEY, R. E. et al. The complete Geosat altimeter GDR handbook.
NOAA Manual NOS NGS-7. Rockville, MD, National Oceanic and
Atmospheric Administration, 1991.
[DAV 91] DAVIS, L. Handbook of genetic algorithms. New York: Van Nostrand
Reinhold, 1991.
[GIL 94] GILLE, S. T. Mean sea surface height of the Antarctic Circumpolar
Current from Geosat data: Method and application. Journal of
Geophysical Research, v. 99, n. C9, p. 18255-73, 1994.
60
[JOY 86] JOYCE, T. M.; WUNSCH, C.; PIERCE, S. D. Synoptic Gulf Stream
velocity profiles through simultaneous inversion of hydrographic and
acoustic Doppler data. Journal of Geophysical Research, v. 91,
p. 7573-85, 1986.
[KEL 90] KELLY, K. A.; GILLE, S. T. Gulf Stream surface transport and statistics
at 69°W from the Geosat altimeter. Journal of Geophysical Research,
v. 95, n. C3, p. 3149-61, 1990.
[KEL 91] KELLY, K. A. The meandering Gulf Stream as seen by the Geosat
altimeter: Surface transport, position, and velocity variance from 73°
to 46°W. Journal of Geophysical Research, v. 96, n. C9, p. 16721-38,
1991.
[MAR 82] MARSH, J. G.; MARTIN, T. V. The SEASAT altimeter mean sea surface
model. Journal of Geophysical Research, v .87, n.C5, p. 3269-80,
1982.
[QIU 91] QIU, B.; KELLY, K. A.; JOYCE, T. M. Mean flow and variability in the
Kuroshio extension from Geosat altimeter data. Journal of
Geophysical Research, v. 96, n. C10, p. 18491-507, 1991.
[QIU 95] QIU, B. Variability and energetics of the Kuroshio Extension and its
recirculation gyre from the first-year TOPEX data. Journal of
Physical Oceanography, v. 25, n. 8, p. 1827-42.
[TAI 90] TAI, C.-K. Estimating the surface transport of meandering oceanic jet
streams from satellite altimetry: Surface transport estimates for the
Gulf Stream and Kuroshio. Journal of Physical Oceanography, v. 20,
p. 860-79, 1990.