Um estudo sobre algoritmos memÃ©ticos e sua ... - INF-Unioeste

More documents

Recommendations

Info

operador geralmente aplicado é o operador de mutação, sendo que o agente atual só será substituídose o novo agente gerado pela mutação tiver um valor melhor (que pode ser a maximizaçãoou minimização do valor, dependendo do problema) da função guia [2]. Os critérios de paradapodem ser os mesmos vistos na definição de busca local (seção 3.3)Os próximos passos do AM: criar uma nova geração e verificar se houve a convergênciapara então reiniciar a população, detalhados a seguir, são repetidas várias vezes até que umcritério seja alcançado, terminaCriterioAM. Para Moscato [13] este critério pode ser definidode maneira semelhante ao critério de parada da busca local, visto na seção 3.3.A criação de uma nova geração, representada na Algoritmo 4, adaptado de [2], tem iníciona seleção dos agentes chamados de “criadores”, mais conhecidos como pais, dentre a população,para mediante a recombinação (função “reproduzir”) de <strong>sua</strong>s características criarem novosagentes, e por fim a população ser atualizada [2]. Para Moscato e Cotta [2] é através da seleçãoe atualização que ocorre a competição entre os agentes, sendo a seleção responsável poreleger, através da função guia F g, os melhores agentes presentes na população. Já a atualizaçãoencarrega-se de limitar o tamanho da população, eliminando alguns agentes para permitira entrada de outros novos, não se tem um valor fixo para essa eliminação o mesmo dependeda estratégia escolhida, a função guia também pode ser utilizada para a seleção dos agentes aserem eliminados.Algorithm 4 Algoritmo da Função criarGeracao.Função criarGeracao (pop: Agente[], opr: Operador[])variáveiscriadores, novaP op: Agente[];iníciocriadores ← selecionar(pop);novaP op ← reproduzir(criadores, opr);pop ← atualizar(pop, novaP op);retorne pop;fimMoscato [13] mostra que existem duas possibilidades para a atualização da população: aestratégia “plus” e a “comma”, onde na primeira a população é gerada a partir dos melhoresagentes resultantes da união da população atual com a nova população gerada pela reprodução,ou seja, os melhores dentre pop ∪ novaP op, já na segunda estratégia seleciona-se somente osmelhores agentes da nova população. Afirma ainda que há vários <strong>estudo</strong>s para a escolha de23
procedimentos eficientes para a atualização.A reprodução, mostrada no Algoritmo 5, adaptado de [2], é responsável pela criação denovos agentes, e merece um enfoque especial, já que é nessa fase que a recombinação é aplicada,gerando a cooperação entre os agentes, podendo ser considerada o núcleo do AM, sendo oprocesso de reprodução definido como a aplicação de um número variado de operadores [2].Algorithm 5 Algoritmo da Função reproduzir.Função reproduzir (pop: Agente[], opr: Operador[])variáveisbuf: Agente[][];j, numOp: N;inícionumOp ← |opr|;buf[0] ← pop;para j ← 1 até numOp façabuf[j] ← aplicarOperador(opr[j], buf[j-1]);fim pararetorne buf[numOp];fimSegundo Moscato [13], os operadores utilizados pelos AGs para a reprodução, se resumesomente a dois operadores: o cruzamento, e logo após a mutação, porém, se um operadorheurístico de cruzamento for utilizado pode ser mais conveniente a aplicação da mutação antesdo cruzamento. Já os AMs geralmente utilizam quatro operadores, inserindo duas buscas locaisno processo descrito anteriormente, ficando nesta ordem: recombinação, busca local, mutaçãoe busca local, no entanto a ordem entre mutação e recombinação não é problemático para osAMs no caso de operadores de recombinação heurísticos serem utilizados, devido ao fato deincluírem buscas locais.A verificação se houve a convergência é obtida através da verificação entre todos osagentes da população. Se houver grande similaridade entre eles pode-se dizer que o AM convergiu,ou seja, houve a convergência prematura para um local subótimo do espaço de busca,dificultando a exploração de outras regiões [2]. Segundo Moscato e Cotta [2], uma maneira de sequantificar a convergência é utilizando-se medidas de diversidade de informação na população,como a entropia de Shannon 2 [17].2 Para cada agente é associado uma probabilidade, de acordo com as informações que possui, ou de acordo coma função guia, e através dessas probabilidades é associado à população um escalar chamado entropia. Se esse valor24
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 16 and 17: Capítulo 2Algoritmos GenéticosNa
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 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
Page 66 and 67: Figura B.9: Percurso obtido com o A
Page 68 and 69: [10] CATARINA, A. S.; BACH, S. L. E

Um estudo sobre algoritmos memÃ©ticos e sua ... - INF-Unioeste

Create successful ePaper yourself

Delete template?

Save as template?