Juliana Braz da Costa1, Kamilo Tadeu de Souza2, Romeu Cestaro3 juliana-braz@uol.com.br1, k.kamilo@zipmail.com.br2, romeucestaro@uol.com.

br3 CEULJI/ULBRA Centro Universitrio Luterano de Ji-Paran/RO Disciplina: Inteligncia Artificial Semestre: 2003/2 Professora Letcia Carvalho Pivetta Fendt leticia@inf.ulbrajp.com.br

Algoritmos Genticos

Resumo
O objetivo deste trabalho possibilitar o conhecimento dos conceitos bsicos de Algoritmos Genticos, sua atuao na otimizao de problemas, bem como sua aplicao em inmeras reas.

Introduo
Algoritmos Genticos so mtodos de busca e otimizao global, inspirados no mecanismo de seleo natural e gentica, de acordo com a Teoria da Evoluo Natural estabelecida por Charles Darwin no ano de 1859, onde quanto melhor um indivduo se adapta ao seu meio ambiente, maiores so suas chances de sobrevivncia e de gerar descendentes. Os Algoritmos Genticos estabelecem uma analogia direta com o comportamento natural (vide tabela 1); O primeiro ciclo determinado ante a criao de uma populao inicial, formada por determinado nmero de indivduos, cada qual representando uma possvel soluo buscada para o problema. Cada indivduo submetido a uma avaliao, onde sero escolhidos os que possuem maior aptido, sendo descartados os demais indivduos. Os indivduos considerados aptos sofrero modificaes atravs das operaes de cruzamento (crossover) e mutao, gerando novos descendentes para a prxima gerao, substituta da gerao corrente. Segue-se a execuo dos ciclos seguintes at que a soluo tima, ou ao menos aceitvel, seja encontrada. Os Algoritmos Genticos so poderosas ferramentas na resoluo de problemas em casos nos quais no existam tcnicas especficas. Provavelmente, no contrrio, os Algoritmos Genticos sero superados tanto em eficcia quanto em rapidez, por essas tcnicas. [FERNANDES, 2003].
Tabela 1 Analogia Natureza X Algoritmo Gentico
NATUREZA Meio Ambiente Indivduo Populao Cromossomo Reproduo Sexual Mutao Geraes ALGORITMO GENTICO Problema Soluo Conjunto de Solues Representao Operador Cruzamento (Crossover) Operador Mutao Ciclos

Representao
De acordo com [REZENDE, 2003], o primeiro aspecto a ser considerado antes da utilizao dos Algoritmos Genticos para a soluo de um problema de busca ou otimizao a representao

desse problema de maneira que os Algoritmos Genticos possam trabalhar adequadamente sobre ele. A representao do cromossomo, ento, varia de acordo com o problema em foco. A estrutura mais utilizada a binria, cadeias de bits, que representam o gentipo de um indivduo, onde o bit 1 indica a presena de uma caracterstica e o bit 0, a sua ausncia; A combinao dos elementos podem formar as caractersticas reais de um indivduo, o fentipo. Essa codificao bastante utilizada pela facilidade de sua utilizao e manipulao, mas nem sempre a mais recomendvel, pois se o problema requer maior preciso e o comprimento dos cromossomos aumenta, a representao real acaba por ser a melhor opo, por ser mais facilmente compreendida pelo ser humano e por exigir menos memria que a codificao em cadeia de bits.

Avaliao
A avaliao da aptido dos indivduos feita atravs de uma funo que representa a ligao entre o mundo externo e o Algoritmo Gentico, denominada funo de avaliao ou funo objetivo; cada funo dever ser escolhida levando-se em conta a particularidade de cada problema analisado, representando-o a contento. Um exemplo de funo f(x) = x2, que mede a aptido dos cromossomos 001001 e 000100, representados, respectivamente, por 9 e 4. Realizando o clculo de aptido, tem-se: 001001, com ndice de aptido 81 e 000100 com ndice de aptido 16.

Seleo
A seleo o processo pelo qual o Algoritmo Gentico seleciona os indivduos para reproduo, baseado na aptido de cada um deles, ou seja, os indivduos mais aptos tm maiores chances de serem escolhidos para reproduo. Segundo [REZENDE, 2003], o mtodo mais simples e tambm o mais utilizado para seleo o Mtodo da Roleta, onde cada indivduo da populao representado na roleta (semelhante s roletas de jogos de azar, ou aos grficos de setores), pela fatia correspondente ao seu respectivo ndice de aptido. Os indivduos com maior aptido ocupam maiores fatias e os com menos aptido ocupam menores fatias, e assim por diante. Outros mtodos utilizados so o Mtodo do Torneio e o Mtodo da Amostragem Universal Estocstica (Stochastic Universal Sampling), ou SUS.

Operadores Genticos
Cruzamento (Crossover): De acordo com [REZENDE, 2003], o cruzamento o operador responsvel pela recombinao de caractersticas dos pais durante a reproduo, permitindo que as prximas geraes herdem essas caractersticas. Esta operao escolhe ao acaso um ponto e permuta as subseqncias antes e depois daquele ponto entre dois cromossomos, para gerar dois descendentes. Por exemplo, a string 10000100 e 11111111 cruzaram depois de cada terceiro ponto para gerar os dois descendentes 10011111 e 11100100 [MITCHELL, 1996]. Tipos de cruzamento: um-ponto, multiponto e uniforme.

Mutao: Esta operao modifica ao acaso bits em um cromossomo. Por exemplo, a string 00000100 pode ser modificada em sua segunda posio resultando em 01000100. A mutao pode ocorrer em cada posio de bit numa string com certa probabilidade, geralmente bastante pequena. [MITCHELL, 1996]. A mutao importante, pois assegura a diversidade gentica da populao, no permitindo que a probabilidade de chegar a qualquer ponto no espao de busca seja zero.

Parmetros Genticos
Os parmetros a serem utilizados tm forte influncia no desempenho de um Algoritmo Gentico. Portanto, importante analisar como os parmetros podero ser utilizados, diante das necessidades do problema e dos recursos disponveis, de acordo com Jong citado por [REZENDE, 2003]. A seguir, alguns critrios para a escolha dos parmetros: Tamanho da populao, taxa de cruzamento, taxa de mutao, intervalo de gerao e critrio de parada.

Aplicaes
Algoritmos Genticos tm sido aplicados com sucesso na resoluo de uma extensa gama de problemas. De acordo com Beasley, Bull e Martin citados por [REZENDE, 2003], a rea de maior interesse para os Algoritmos Genticos aquela que envolve problemas de difcil otimizao pelas tcnicas convencionais. Entre as inmeras aplicaes, pode-se citar: Controle de irrigao, otimizao de Redes Neurais Artificiais, composio musical, definio de estratgia de jogos, telecomunicaes, otimizao de rotas, simulao de comportamento de preos, agendamento de horrios, problemas de otimizao complexos, como o problema do caixeiro viajante, entre outros.

Concluso
Este resumo apresentou, de forma breve, uma abordagem dos conceitos bsicos de Algoritmos Genticos, evidenciando todos os tpicos que caracterizam o ciclo de vida de um Algoritmo Gentico. Pde-se observar que o Algoritmo Gentico, quando bem projetado, torna-se uma poderosa ferramenta na busca de resoluo de problemas os quais so desprovidos de tcnicas especficas, obtendo resultados bastante satisfatrios.

Referncias Bibliogrficas
[MITCHELL, 1996] MITCHELL, Melanie. An Introduction to Genetic Algorithms. Cambrigde/ Massachusetts: MIT Press, 1996. 10 p. [FERNANDES, 2003] FERNANDES, Anita Maria da Rocha. Inteligncia Artificial Noes Gerais. Florianpolis: Visual Books, 2003. 115-125 p. [REZENDE, 2003] REZENDE, Solange Oliveira. (coord.). Sistemas Inteligentes Fundamentos e Aplicaes. Barueri/SP: Editora Manole, 2003. 225-245 p.