Simulador de rob seguidor de

linha com aprendizagem gentica

Guilherme S. Nascimento - 21483
Guilherme O. Ronconi - 21552
Guilherme H. D. Angelini - 24318

Algotimo gentico

Teoria da Evoluo
1859 - Charles Darwin publica o livro
A Origem das Espcies:

As espcies evoluem
pelo principio da seleo
natural e sobrevivncia
do mais apto.

Charles
Darwin

Teoria gentica
1865: Gregor Mendel
O pai da gentica apresenta experimentos
do cruzamento gentico de ervilhas.
Formalizou a herana de caractersticas,
com a teoria do DNA (ervilhas)
A Teoria da Evoluo comeou a partir
da conceituao integrada da seleo
natural com a Gentica.
Gregor Mendel

Mutao
1901: Hugo De Vries
S a seleo natural no responsvel
pela produo de novas (mais
adaptadas) espcies. Tem de haver uma
mudana gentica!
Hugo De Vries

Formalizou o processo de gerao de

diversidade: Teoria da Mutao

Computao Evolutiva

Toda tarefa de busca e otimizao geralmente

composta por trs componentes bsicos:
A codificao do Problema em questo (parte mais
difcil do processo)
O Espao de Busca
Funo de Avaliao

Computao Evolutiva
Algoritmos genticos diferem dos algoritmos tradicionais de
otimizao em basicamente quatro aspectos:
Baseiam-se em uma codificao do conjunto das solues
possveis, e no nos parmetros da otimizao em si;
Os resultados so apresentados como uma populao de
solues e no como uma soluo nica;
No necessitam de nenhum conhecimento derivado do
problema, apenas de uma forma de avaliao do resultado;
Usam transies probabilsticas e no regras determinsticas

O algoritmo gentico bsico:

Lgica Fuzzy (Lgica Nebulosa)

Lgica Nebulosa

Lgica Difusa ou Lgica Fuzzy

extenso da lgica boolena
um valor lgico difuso um valor qualquer no intervalo de
valores entre 0 e 1

As implementaes da lgica difusa permitem que

estados no precisos possam ser tratados por
dispositivos de controle.
desse modo, possvel avaliar conceitos noquantificveis.
Casos prticos:
avaliar a temperatura (quente,morno, frio,etc..)
sentimento de felicidade(radiante,feliz,aptico,triste..)

Introduo
Surgiu com Lofti A. Zadeh, Berkeley (1965).
para tratar do aspecto vago da informao;
1978 desenvolveu a Teoria das Possibilidades
menos restrita que a noo de probabilidade
ligar a lingstica e a inteligncia humana, pois muitos
conceitos so melhores definidos por palavras do que pela
matemtica.
uma tcnica baseada em graus de pertinencia (verdade).
os valores 0 e 1 ficam nas extremidades
inclui os vrios estados de verdade entre 0 e 1
idia: todas as inf. admitem graus (temperatura, altura,
velocidade, distncia, etc...)

Conjuntos Fuzzy
Na teoria dos conjuntos nebulosos existe um grau de pertinncia de cada
elemento a um determinado conjunto.
Conjuntos com limites imprecisos.

Conjunto Fuzzy

Conjunto Clssico
1.0

1.0
.
9.
8

Funo de
pertinncia

.5

1.75

Altura(
m)

1.60 1.70 1.75

A = Conjunto de pessoas altas

Altura
(m)

Sistemas Fuzzy

Sistema de controle fuzzy baseado no modelo

de Mamdani.

14

Exemplos de variveis
fuzzy
TRAPEZOIDAL

TRIANGULAR

Frio

Normal Quente

Lento

Rpido

Regras Fuzzy

SE condio ENTO concluso, com variveis

lingusticas (fuzzy)
Exemplo:
Se a fruta verde ento o gosto azedo
Se a fruta amarela ento o gosto pouco-doce
Se a fruta vermelha ento o gosto doce

16

Defuzzificao
Etapa no qual as regies resultantes so
convertidas em valores para a varivel de sada
do sistema
Esta etapa corresponde a ligao funcional
entre as regies Fuzzy e o valor esperado.
converte as variveis fuzzy em valores
numricos ou aceitveis pelo sistema.

17

Entrada e sada

18

Modelo