Um estudo sobre algoritmos meméticos e sua ... - INF-Unioeste
Um estudo sobre algoritmos meméticos e sua ... - INF-Unioeste Um estudo sobre algoritmos meméticos e sua ... - INF-Unioeste
Capítulo 2Algoritmos GenéticosNa década de 1960 John Holland inventou os Algoritmos Genéticos (AGs) e os desenvolveunos anos de 1960 e 1970 juntamente com seus alunos e colegas da Universidade de Michigan.E foi em 1975 através do lançamento de seu livro “Adaptation in Natural and ArtificialSystems” [1], que Holland apresentou os AGs à comunidade [5]. Para Melanie [5], o objetivooriginal de Holland não era projetar algoritmos para resolver problemas específicos, mas simestudar o fenômeno da evolução como ocorre na natureza, e desenvolver maneiras para que osmecanismos de adaptação natural pudessem ser importados para os sistemas computacionais.Segundo Moscato [6], os algoritmos genéticos desenvolvidos inicialmente por Holland eramsimples, mas conseguiam resultados satisfatórios para problemas considerados difíceis naquelaépoca. Foi a partir de 1980 que os AGs começaram a evoluir, através da introdução de novasinovações e mecanismos cada vez mais elaborados, que tinham a intenção e necessidade deresolver, mesmo que aproximadamente, problemas práticos.Os AGs utilizam muitas terminologias análogas às biológicas, porém suas entidades sãomuito mais simples do que as reais da biologia [5]. No trabalho de Kondageski ([7] apud [8]), éfeita uma pequena apresentação e comparação entre essas terminologias em relação a biologiae a dos AGs, como podemos observar a seguir:• Cromossomo: é a estrutura de dados que codifica uma solução para um problema, podendoser uma cadeia de bits, ou um vetor com as variáveis de decisão do problema;• Indivíduo: é um membro da população, formado pelo cromossomo e sua aptidão;• População: é o conjunto de indivíduos de uma mesma espécie, e representa um conjuntode pontos candidatos a solução do problema;
• Gene: para a biologia é a entidade de hereditariedade que é transmitida pelo cromossomoe que contém as características do organismo. Analogamente para os AGs é o parâmetrocodificado no cromossomo;• Alelo: para a biologia representa uma das características alternativas de um gene. Para osAGs, representa os valores que um gene pode assumir;• Genótipo: para a biologia representa a composição genética, ou seja, o conjunto de genesde um indivíduo. Assim, nos AGs são representados pelas informações contidas no cromossomo;• Fenótipo: é o cromossomo decodificado, ou seja, é o organismo que pode ser construídoa partir das informações do genótipo.Segundo Moscato [6], todos os AGs desenvolvidos para um determinado problema devemter os seguintes elementos em comum:1. uma representação, em termo de cromossomo, para as soluções candidatas a resolução doproblema;2. uma maneira de se criar a população inicial;3. uma função de avaliação, que permite ordenar ou classificar os cromossomos de acordocom a função objetivo;4. operadores genéticos, que permitam alterar a composição dos novos cromossomos geradospelos pais, durante a reprodução;5. e valores para os parâmetros que os AGs usam: tamanho da população, taxa de cruzamentoe taxa de mutação.Em geral os AGs também devem seguir um conjunto de passos, indicados na Figura 2.1adaptado de [8], onde cada ciclo completo, desde a avaliação de aptidão (“fitness”) dos indivíduos,até a aplicação do operador de mutação, é considerado uma nova população. No decorrerdo capítulo descreveremos com mais detalhes cada passo.4
- Page 3 and 4: ANA PAULA FREDRICHUM ESTUDO SOBRE A
- Page 5 and 6: AGRADECIMENTOSAgradeço inicialment
- Page 7 and 8: A.4 Percurso obtido com o AM para a
- Page 10 and 11: Lista de SímbolosPxsol(x)res(x)S(x
- Page 12 and 13: 3.2 Passos Gerais dos AMs . . . . .
- Page 14 and 15: Capítulo 1IntroduçãoOs consolida
- Page 18 and 19: Figura 2.1: Passos da execução de
- Page 20 and 21: mais diretos como, por exemplo, o a
- Page 22 and 23: si considerando o seu valor de apti
- Page 24 and 25: para o outro filho à característi
- Page 26 and 27: Capítulo 3Algoritmos MeméticosOs
- Page 28 and 29: 3.2 Passos Gerais dos AMsA partir d
- Page 30 and 31: uma perturbação local junto à re
- Page 32 and 33: Moscato [13] definiu a paisagem com
- Page 34 and 35: • Cegos: são os operadores que n
- Page 36 and 37: operador geralmente aplicado é o o
- Page 38 and 39: Moscato [13] mostra que existe outr
- Page 40 and 41: Capítulo 4Problema do Caixeiro Via
- Page 42 and 43: ou até bilhões de anos para retor
- Page 44 and 45: Tabela 4.1: Alguns operadores de cr
- Page 46 and 47: • 1 o Passo: Escolhe-se dentre as
- Page 48 and 49: método 2-Opt, que deu origem ao Li
- Page 50 and 51: Capítulo 5Testes e AnálisesPara a
- Page 52 and 53: Analisando os resultados, temos que
- Page 54 and 55: ou para menos. Para o tempo de exec
- Page 56 and 57: Ao analisar os resultados, podemos
- Page 58 and 59: Capítulo 6Considerações Finais e
- Page 60 and 61: Figura A.3: Percurso obtido com o A
- Page 62 and 63: Figura A.9: Percurso obtido com o A
- Page 64 and 65: Figura B.3: Percurso obtido com o A
Capítulo 2Algoritmos GenéticosNa década de 1960 John Holland inventou os Algoritmos Genéticos (AGs) e os desenvolveunos anos de 1960 e 1970 juntamente com seus alunos e colegas da Universidade de Michigan.E foi em 1975 através do lançamento de seu livro “Adaptation in Natural and ArtificialSystems” [1], que Holland apresentou os AGs à comunidade [5]. Para Melanie [5], o objetivooriginal de Holland não era projetar <strong>algoritmos</strong> para resolver problemas específicos, mas simestudar o fenômeno da evolução como ocorre na natureza, e desenvolver maneiras para que osmecanismos de adaptação natural pudessem ser importados para os sistemas computacionais.Segundo Moscato [6], os <strong>algoritmos</strong> genéticos desenvolvidos inicialmente por Holland eramsimples, mas conseguiam resultados satisfatórios para problemas considerados difíceis naquelaépoca. Foi a partir de 1980 que os AGs começaram a evoluir, através da introdução de novasinovações e mecanismos cada vez mais elaborados, que tinham a intenção e necessidade deresolver, mesmo que aproximadamente, problemas práticos.Os AGs utilizam muitas terminologias análogas às biológicas, porém <strong>sua</strong>s entidades sãomuito mais simples do que as reais da biologia [5]. No trabalho de Kondageski ([7] apud [8]), éfeita uma pequena apresentação e comparação entre essas terminologias em relação a biologiae a dos AGs, como podemos observar a seguir:• Cromossomo: é a estrutura de dados que codifica uma solução para um problema, podendoser uma cadeia de bits, ou um vetor com as variáveis de decisão do problema;• Indivíduo: é um membro da população, formado pelo cromossomo e <strong>sua</strong> aptidão;• População: é o conjunto de indivíduos de uma mesma espécie, e representa um conjuntode pontos candidatos a solução do problema;