Algoritmos Genéticos
0 gostou15 visualizações
O documento aborda conceitos básicos e funcionamento de algoritmos genéticos (AG), incluindo suas técnicas de implementação e métodos de seleção. Inspirados na biologia evolutiva, os AG buscam soluções aproximadas para problemas de otimização por meio de etapas como seleção, cruzamento e mutação. Exemplos de aplicação incluem otimização de lucro, rotas e tráfego.
![- Ranking
- indivíduos ordenados de acordo com sua adequação
- probabilidade de escolha atribuída conforme a posição ocupada
- Giro da Roleta
- calcula-se o somatório da adequa¸c˜ao da popula¸c˜ao (total) sorteia-se um valor i tal que pertence
ao intervalo [0; total] seleciona-se o indiv´ıduo x tal que a ele corresponda à faixa do somatório
onde i se localiza
- Torneio
- Grupos de soluções são escolhidos sucessivamente e as mais adaptadas dentro de cada um destes
são selecionadas
- Uniforme
- mesma probabilidade de serem selecionados
- probabilidade remota de causar melhora na população
- Fórmula
Métodos de seleção](https://image.slidesharecdn.com/agbiankapassos-181109204930/85/Algoritmos-Geneticos-6-320.jpg)
Algoritmos Genéticos
- 2. Roteiro - Conceitos básicos - Funcionamento de um AG tradicional - Técnicas de implementação - Exemplo - Perguntas
- 3. Conceitos básicos - Inspirados nos mecanismos de evolução - Biologia evolutiva: hereditariedade, mutação, seleção natural e recombinação - Soluções aproximadas em problemas de otimização e busca - Busca da melhor solução para um determinado problema - John Rolland, 1975 - David Goldberg, 1989
- 4. Funcionamento de um AG tradicional - Inicialização: população de possíveis respostas - Avaliação: aptidão das soluções (indivíduos da população) - Seleção: indivíduos são selecionados para reprodução - probabilidade de seleção de uma solução i é proporcional à sua aptidão - Cruzamento: recombinação das características - gerando novos indivíduos - Mutação: alteração das características dos indivíduos - variedade na população - Atualização: novos indivíduos inseridos na população - Finalização: testa as condições de encerramento da evolução
- 5. Estrutura de funcionamento de um AG tradicional - Métodos de seleção - Ranking - Giro da roleta - Torneio - Uniforme - A partir da fórmula - Remainder stochastic selection
- 6. - Ranking - indivíduos ordenados de acordo com sua adequação - probabilidade de escolha atribuída conforme a posição ocupada - Giro da Roleta - calcula-se o somatório da adequa¸c˜ao da popula¸c˜ao (total) sorteia-se um valor i tal que pertence ao intervalo [0; total] seleciona-se o indiv´ıduo x tal que a ele corresponda à faixa do somatório onde i se localiza - Torneio - Grupos de soluções são escolhidos sucessivamente e as mais adaptadas dentro de cada um destes são selecionadas - Uniforme - mesma probabilidade de serem selecionados - probabilidade remota de causar melhora na população - Fórmula Métodos de seleção
- 7. Técnicas de implementação (alternativas ao AG tradicional) - Populações - Estado fixo: tamanho da população constante - novos indivíduos são inseridos e os menos aptos são retirados da população - Incremental: número pequeno de filhos - pais; randômico; pior - Modelo de ilhas: população dividida em conjunto de ilhas - Representação poliplóide - genótipo do indivíduo deixa de ser representado na forma haplóide (mais utilizada) - Algoritmos meméticos - nível de adaptação aumentado após passar por uma etapa de refinamento - Algoritmos híbridos
- 8. Exemplos - Lucro de produto - Rotas (caixeiro viajante) - Otimização de tráfego - Problema-classe professor - Entre outros...
- 9. Perguntas
- 11. Referências Algoritmos genéticos: uma introdução Algoritmo genético clássico em java: Hello World Introdução aos algoritmos genéticos Fundamentos dos algoritmos genéticos