Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/281556757
CITATIONS READS
0 8,073
1 author:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Rafael Saraiva Campos on 07 September 2015.
Algoritmos Genéticos
Aprendizado de Máquina
1.1) Conceitos Básicos de AI
Inteligência e Aprendizado
Inteligência
Aprendizado
Experiência Generalização
Memória
1.1) Conceitos Básicos de AI
Aprendizado de Máquina
Tipos Máquinas
Camada de Kohonen
Mapa Auto-Organizável
(SOM)
Clusterização (sem alvos pré-definidos)
1.1) Conceitos Básicos de AI
Aprendizado Evolucionário
Baseado na seleção natural e evolução das espécies
(Teoria da Evolução – Charles Darwin, 1859)
Seleção Natural
Reprodução, Mutação
1.1) Conceitos Básicos de AI
Aplicações de AI – Classificação com Back. ANNs
1.1) Conceitos Básicos de AI
Aplicações de AI – Clusterização com Camada de Kohonen / SOM
1.1) Conceitos Básicos de AI
Aplicações de AI – Otimização com GA
1.2) Otimização com GA
Visão Geral
Maximização
Função Objetivo
Minimização
Inspirada na Inspirada na
Seleção Natural Recombinação
Genética
1.2) Otimização com GA
Visão Geral
População
Avaliação Seleção Reprodução
Inicial
NÃO Critério
Gera nova
de
população
Parada
SIM
FIM
1.2) Otimização com GA
Componentes Básicos
Selecionando para Reprod. Aplicando Operadores Genéticos
Primeira Geração (criando o mating pool ou parent pop.) (criando a offspring)
Elitismo
Torneio e outras
técnicas
1.2) Otimização com GA
Primeira Geração: Indivíduos
Localização BTS (28 bits) Setor 1 (23 bits) Setor 2 (23 bits)
011011010110000 11100001000000 0000000000 0100000 0110000 001111000 0101000 0110100
X(m)=7000 Y(m)=144000 Azm()=0 H(m)=32 Azm()=120 H(m)=40
14 bits 14 bits 9 bits 7 bits 9 bits 7 bits
EIRP(dBm)=48 EIRP(dBm)=52
7 bits 7 bits
1.2) Otimização com GA
Primeira Geração: População
Algoritmo de Seleção
Indivíduo Função de Avaliação Aptidão
1.2) Otimização com GA
Selecionando para Reprodução: Algoritmos de Seleção
Torneio (Tournament Selection)
• k indivíduos selecionados aleatoriamente
• k alto aumenta a pressão seletiva
• O mais apto tem vai para o mating pool
• Torneios de duplas prosseguem até completar o mating pool
Fonte: http://www.codeproject.com/Articles/707505/Genetic-Algorithms-Demystified
1.2) Otimização com GA
Operadores Genéticos: Crossover
Crossover de Ponto Múltiplos (Multi Point Crossover)
Fonte: http://www.xatlantis.ch/education/genetic_algorithm.html#multipoint_crossover
1.2) Otimização com GA
Operadores Genéticos: Mutação
Termination Functions
maxGenOptTerm.m optMaxGenTerm.m
opt2MaxGenTerm.m
Fim da Parte 1
Parte 2 - Prática
2.2. Localização de
2.1. Otimização da RAN em
terminais móveis em redes
telefonia móvel celular
de telefonia móvel celular
2.1) Otimização da RAN em telefonia móvel celular
Otimização Multi-Objetivo (MOO)
Maximizar Capacidade
(Erl)
Maximizar Precisão de
Maximizar Cobertura
Localização de Chamadas
(km2)
de Emergência (E911/CID)
2.1) Otimização da RAN em telefonia móvel celular
Estrutura Básica de uma Rede Celular
2.1) Otimização da RAN em telefonia móvel celular
Evolução dos Padrões Telefonia Móvel Celular
2.1) Otimização da RAN em telefonia móvel celular
Cobertura de uma Célula
2.1) Otimização da RAN em telefonia móvel celular
Cobertura de uma Célula
2.1) Otimização da RAN em telefonia móvel celular
Área de Melhor Servidor
2.1) Otimização da RAN em telefonia móvel celular
Área de Teste
17,6 km
17,6 km
17,6 km 17,6 km
Área suburbana (Santa Cruz); 17 setores (células); 310 km2 Mapa de Tráfego (Erl/km2) em escala logarítmica
2.1) Otimização da RAN em telefonia móvel celular
Parâmetros da Simulação
Objetivos
1. Maximizar precisão E911/CID (equivalente max. cob.)
2. Maximizar precisão E911/CID considerando tráfego
Alterações na RAN
• Acréscimo de 1 BTS com 2 Setores com Pt = 43 dBm
• Modelo de antena: 7131.16.33.00 A-800-40-18i-0-D
2.1) Otimização da RAN em telefonia móvel celular
Parâmetros da Simulação
Parâmetro Valor
Cross-over 'simpleXover'
Taxa de Cross-over 70 %
Mutação 'binaryMutation'
Taxa de Mutação 1%
Algoritmo de Seleção 'roulette'
Parada 'opt2MaxGenTerm'
Parâmetros de parada [MaxGen 1e-5 10]
Número máximo de gerações 50
Tamanho da população 10 indivíduos
2.1) Otimização da RAN em telefonia móvel celular
Funções de Avaliação
105
2 𝑓𝑖 = 𝑁 𝑀
𝑦=1 𝑥=1 𝐸 𝑥, 𝑦 𝑇 𝑥, 𝑦
𝑁 𝑀
𝑦=1 𝑥=1 𝑇 𝑥, 𝑦
2.1) Otimização da RAN em telefonia móvel celular
Resultados das Simulações – Função de Avaliação 1
2.1) Otimização da RAN em telefonia móvel celular
Resultados das Simulações – Função de Avaliação 1
2.1) Otimização da RAN em telefonia móvel celular
Resultados das Simulações – Função de Avaliação 2
2.1) Otimização da RAN em telefonia móvel celular
Resultados das Simulações – Função de Avaliação 2
2.1) Otimização da RAN em telefonia móvel celular
Resultados das Simulações – Função de Avaliação 2
2.2) Localização de terminais móveis
em redes de telefonia móvel celular