Beruflich Dokumente
Kultur Dokumente
Maio 2013
AGs
Maio 2013
1 / 155
AGs
Maio 2013
2 / 155
Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
AGs
Maio 2013
3 / 155
Sorte!
AGs
Maio 2013
4 / 155
Bibliography
AGs
Maio 2013
5 / 155
Maio 2013
6 / 155
O Problema
AGs
O que so?
AGs
Maio 2013
7 / 155
Exemplos de Problemas
AGs
Maio 2013
8 / 155
A Metfora
AGs
Maio 2013
9 / 155
Evoluo
AGs
Maio 2013
10 / 155
Adaptao
AGs
Maio 2013
11 / 155
AGs
Maio 2013
12 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
Adaptao
O conjunto de caractersticas de um
indivduo, que o distingue dos demais,
determina sua capacidade de
sobrevivncia.
Estas caractersticas so determinadas
pelo seu material gentico.
AGs
Maio 2013
13 / 155
Mecanismos
AGs
Maio 2013
14 / 155
AGs
Maio 2013
15 / 155
Cromossomos vm em pares.
Seres humanos tm 23 pares de cromossomos.
Burros tm 31 pares e carpas 51
Cada gene corresponde a uma regio do DNA que possui uma posio
especfica no cromossomo.
AGs
Maio 2013
16 / 155
AGs
Maio 2013
17 / 155
AGs
Maio 2013
18 / 155
AGs
Maio 2013
19 / 155
Aproximao do funcionamento
AGs
Maio 2013
20 / 155
AGs
Maio 2013
21 / 155
Gentica e Seleo
AGs
Maio 2013
22 / 155
C1
C2
AGs
Maio 2013
23 / 155
Variaes de Estratgias
AGs
Maio 2013
24 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
AGs
Maio 2013
25 / 155
Cromossomo
Gene Y
AGs
Gene Z
Maio 2013
26 / 155
Populao
AGs mantm um conjunto de indivduos formando populaes de
solues.
Indivduos devem ser avaliados segundo uma funo de aptido.
Indivduos mais aptos tero mais chances de propagar sua informao
gentica.
AGs
Maio 2013
27 / 155
Geraes
AGs
Maio 2013
28 / 155
O Algoritmo Bsico
incio
Gera populao inicial P
i =0
enquanto condio de parada no satisfeita faa
Avalie cada indivduo da populao
Cria espao para nova populao NP =
enquanto |NP| 6= |P| faa
Seleciona pais a partir de P
Recombine pais e gere filhos
Aplique mutao nos filhos
Insira filhos em NP
fim enqto
P NP
i =i +1
fim enqto
Retorne melhor indivduo de P como soluo
fim
AGs
Maio 2013
29 / 155
Componentes de um AG
AGs
Maio 2013
30 / 155
Por que AG
AGs
Maio 2013
31 / 155
AGs
Maio 2013
32 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
AGs
Maio 2013
33 / 155
AGs
Maio 2013
34 / 155
20
.
216 1
AGs
Maio 2013
35 / 155
Quantos Bits?
AGs
Maio 2013
36 / 155
n1
X
bi 2n1i
i =0
x = (b)
x = xmin + x
AGs
(xmax xmin )
(2n 1)
Maio 2013
37 / 155
Maio 2013
38 / 155
Exemplo
Duas variveis x1 , x2 .
Intervalo: x1 [2, 2] e x2 [0, 1].
Representao usa 6 bits.
Cromossomo = 000011110011.
bx1 = 000011 e bx2 = 110011.
x1 = 3 e x2 = 51
x1 = 2 + 3
x2 = 0 + 51
2(2)
26 1
10
=
26 1
= 1.809
0.809
AGs
AGs
Maio 2013
39 / 155
Cdigo Gray I
AGs
Maio 2013
40 / 155
Cdigo Gray II
0
1
2
3
4
5
6
7
Binrio
000
001
010
011
100
101
110
111
Gray
000
001
011
010
110
111
101
100
AGs
Maio 2013
41 / 155
Maio 2013
42 / 155
g0 g1 . . . gn1 = b0 b1 . . . bn1
b0 = g0
bi = (bi 1 gi ) (bi 1 gi ) = bi 1 gi
AGs
Outras Representaes
Reais.
Inteiros.
Permutaes.
Estados Finitos.
rvores.
AGs
Maio 2013
43 / 155
AGs
Maio 2013
44 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
Populao Inicial
AGs
Maio 2013
45 / 155
Populao: Observaes
AGs
Maio 2013
46 / 155
Avaliao da Aptido
O primeiro passo aps gerar uma populao de solues e calcular a
aptido de cada soluo.
Ela deve procurar abarcar todo o conhecimento que se possui sobre o
problema, j que a nica ligao com a realidade.
A funo de aptido f mapeia um cromossomo em um valor escalar.
f : C n , onde C n representa os dados contidos em um
cromossomo com n dimenses.
Esta funo representa a funo objetivo , que descreve o problema
de otimizao a ser resolvido.
No caso de uma representao binria isto feito em etapas.
Temos:
f : {0, 1}n n +
AGs
Maio 2013
47 / 155
Funo de Aptido
AGs
Maio 2013
48 / 155
AGs
Maio 2013
49 / 155
AGs
Maio 2013
50 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
Seleo
AGs
Maio 2013
51 / 155
Presso Seletiva
AGs
Maio 2013
52 / 155
Exemplo
Considere a funo y = x 2 no intervalo [0,15].
Considere uma representao com 4 bits.
Sabemos que o mximo est em 15 ou b = 1111.
Considere a populao:
b0
b1
b2
b3
= 0001
= 0011
= 0100
= 0110
com
com
com
com
y
y
y
y
=1
=9
= 16
= 36
AGs
Maio 2013
53 / 155
Seleo Aleatria
AGs
Maio 2013
54 / 155
AGs
Maio 2013
55 / 155
1
1 + f (xi (t)) fmin
AGs
Maio 2013
56 / 155
1 + fmax
1
f (xi (t))
AGs
Maio 2013
57 / 155
AGs
Maio 2013
58 / 155
AGs
Maio 2013
59 / 155
Maio 2013
60 / 155
Criando a Roleta
Calcular a avaliao de cada indivduo,
f (xi (t))
Calcular a avaliao total da populao,
S=
n1
X
f (xl (t))
l=0
n1
X
s (xl (t))
l=0
AGs
Exemplo de Roleta
x
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
f (xi (t))
5.00
5.75
6.00
5.75
5.00
3.75
2.00
-0.25
s (xi (t))
0.149
0.169
0.176
0.169
0.149
0.115
0.068
0.007
s (xi (t))
0.149
0.318
0.493
0.662
0.811
0.926
0.993
1.000
AGs
Maio 2013
61 / 155
AGs
Maio 2013
62 / 155
A Roleta
x
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
s (xi (t))
0.149
0.169
0.176
0.169
0.149
0.115
0.068
0.007
Rodando a Roleta
AGs
Maio 2013
63 / 155
f (xi (t))
5.00
5.75
6.00
5.75
5.00
3.75
2.00
-0.25
AGs
s (xi (t))
0.149
0.169
0.176
0.169
0.149
0.115
0.068
0.007
s (xi (t))
0.149
0.318
0.493
0.662
0.811
0.926
0.993
1.000
Maio 2013
64 / 155
AGs
Maio 2013
65 / 155
AGs
Maio 2013
66 / 155
AGs
Maio 2013
67 / 155
AGs
Maio 2013
68 / 155
1
.
nk
AGs
Maio 2013
69 / 155
Maio 2013
70 / 155
f (xi (t))
180
120
8000
120
80
10000
10
60
18750
AGs
Considere K = 2 para n = 8.
Existem 64 combinaes possveis.
Com o x6 (o melhor) e outro indivduo ele ganhar em 14
possibilidades (x6 , 7 outros) + (7 outros, x6 )
Com o par (x6 , x6 ) ele ganhar uma vez.
Portanto, temos a probabilidade de
15
64
= 23.48%
AGs
Maio 2013
71 / 155
AGs
Maio 2013
72 / 155
AGs
Maio 2013
73 / 155
AGs
Maio 2013
74 / 155
AGs
Maio 2013
75 / 155
Elitismo
AGs
Maio 2013
76 / 155
Galeria da Fama
AGs
Maio 2013
77 / 155
AGs
Maio 2013
78 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
Cruzamento
Cruzamento o operador
gentico aplicado aos pais
selecionados para gerar os filhos.
Deste cruzamento espera-se que
as boas caractersticas de prvias
geraes sejam passadas as
prximas.
AGs
Maio 2013
79 / 155
Tipos de Cruzamento
AGs
Maio 2013
80 / 155
AGs
Maio 2013
81 / 155
AGs
Maio 2013
82 / 155
Pais
Filhos
10110111
10100010
01100010
01110111
AGs
Maio 2013
83 / 155
AGs
Maio 2013
84 / 155
Algoritmo de Cruzamento
Entrada: Cromossomos pais b1 e b2
Sada: Cromossomos filhos ~
b1 e ~
b2
incio
/* somos como nossos pais */
~
b1 = b1
~
b2 = b2
se rand() < pc ento
m = GerarMascaraBinaria()
para i = 0 at i < n faa
se m(i) = 1 ento
/* Troca bits */
~
b1 (i) = b2 (i)
~
b2 (i) = b1 (i)
fim se
fim para
fim se
fim
Adriano Cruz (DCC-UFRJ)
AGs
Maio 2013
85 / 155
AGs
Maio 2013
86 / 155
Filhos
Pais
10|0010
|11
11|0100
10|0100
|11
|01
11|0010
|01
AGs
Maio 2013
87 / 155
AGs
Maio 2013
88 / 155
Cruzamento Uniforme
Uma mscara com n bits criada aleatoriamente.
pc a probabilidade de troca dos bits.
Se pc = 0.5 tem cada bit tem uma chance igual de ser trocado.
Algoritmo para gerar a mscara no cruzamento uniforme.
incio
//Zera os n bits da mscara
m(i) = 0, i = 0 . . . n 1
para i = 0 at i < n faa
se rand() pc ento
m(i) = 1
fim se
fim para
fim
AGs
Maio 2013
89 / 155
Pais
Mscara
10110111
Filhos
10110110
00101011
01100011
01100010
AGs
Maio 2013
90 / 155
AGs
Maio 2013
91 / 155
Maio 2013
92 / 155
Operador de Cruzamento I
AGs
Operador de Cruzamento II
AGs
Maio 2013
93 / 155
l1
X
k x k
k=0
onde
l1
X
k = 1
k=0
No caso de l = 2 temos ~
xi = x1 + (1 )x2 .
Se = 0.5 ento o filho a mdia aritmtica dos dois valores.
AGs
Maio 2013
94 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
AGs
Maio 2013
95 / 155
Por que?
AGs
Maio 2013
96 / 155
Problemas
Mutao capaz de alterar os cromossomos gerados por cruzamento.
Para representaes binrias a troca faz com que o valor passe de 0(1)
para 1(0).
A maneira mais comum trocar o valor do gene com uma
probabilidade baixa (taxa de mutao) pm .
Cada gene do cromossomo deve ser testado para verificar se pode
ocorrer uma mutao.
O valor da probabilidade da mutao deve ser muito baixa para evitar
que boas solues sejam muito distorcidas.
A probabilidade que um indivduo xi de n genes sofra mutao igual
P(xi ) = 1 (1 pm )n
AGs
Maio 2013
97 / 155
Mutaes em binrios
AGs
Maio 2013
98 / 155
AGs
Maio 2013
99 / 155
AGs
Maio 2013
100 / 155
xi =
AGs
Maio 2013
101 / 155
AGs
Maio 2013
102 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
Condies de Parada I
AGs
Maio 2013
103 / 155
Condies de Parada II
Sem melhor: Se durante um nmero determinado de geraes nenhum
indivduo supera o melhor atual ento o algoritmo pode ser
interrompido.
Sem mudanas: Se durante um nmero determinado de geraes no h
mudanas na informao contida nos gentipos o algoritmo
pode parar.
Soluo no satisfatria: Se o melhor indivduo encontrado no agrada
ento alternativas podem ser procuradas.
Aumentar a taxa de mutao para expandir o espao de
explorao do algoritmo e tentar sair do possve mnimo
local.
Aplicar a tcnica do dilvio e destruir a populao atual
comeando do zero.
AGs
Maio 2013
104 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
AGs
Maio 2013
105 / 155
Paralelismo
AGs
Maio 2013
106 / 155
Ilhas
AGs
Maio 2013
107 / 155
AGs
Maio 2013
108 / 155
Ilhas
Ilhas
AGs
Maio 2013
109 / 155
Polticas de Migrao
AGs
Maio 2013
110 / 155
Topologias
Trocas dinmicas
Origem e destino so encontrados probabilisticamente (por exemplo,
torneios).
Polticas de aceitao de migrantes so possveis.
AGs
Maio 2013
111 / 155
Taxa de migrao
AGs
Maio 2013
112 / 155
Seleo e Substituio
Quem ir migrar?
Quem ser substitudo?
Um
Um
Um
Um
AGs
Maio 2013
113 / 155
AGs
Maio 2013
114 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
AGs
Maio 2013
115 / 155
AGs
Maio 2013
116 / 155
Estratgias de Substituio
AGs
Maio 2013
117 / 155
Estratgias de Substituio
AGs
Maio 2013
118 / 155
incio
Gera populao inicial P
Avalie cada indivduo da populao
t=0
enquanto condio de parada no satisfeita faa
Seleciona pais a partir de P
Recombine pais e gere filho
Aplique mutao no filho
Selecione indivduo a ser substitudo
Insira filho em P
t =t+1
fim enqto
Retorne melhor indivduo de P como soluo
fim
AGs
Maio 2013
119 / 155
AGs
Maio 2013
120 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
Exemplo
Ex: ./ex1/roda.m
AGs
Maio 2013
121 / 155
Representao
AGs
Maio 2013
122 / 155
Representao: exemplo
Considere x= 00010001.
Portanto: x= 17.
Logo: x = 0 + 17 (3/255) = 0.2
AGs
Maio 2013
123 / 155
Maio 2013
124 / 155
Populao inicial
AGs
11
14
2
4
8
3
5
9
15
6
7
13 10
12
0.2
16
19
0.4
18 17
0.6
0.8
1
20
0
0.5
1.5
2.5
3.5
AGs
Maio 2013
125 / 155
Maio 2013
126 / 155
3
2
1
0.8
10
9
8
7
6
5
4
15
14
13
12
11
16
17
0.6
0.4
0.2
18
19
20
0.2
0.4
0.6
0.8
1
0.5
1.5
2.5
3.5
AGs
1
0.8
0.6
0.4
Fitness
0.2
0
0.2
0.4
0.6
Best
Average
0.8
Poorest
1
10
15
Generations
20
25
30
AGs
Maio 2013
127 / 155
Maio 2013
128 / 155
13
2
8
7
1
0.8
y = sin(10x) * sin(x)
4
6
5
10
9
12
11
0.6
15
14
13
0.4
16
0.2
17
0
0.2
18
20
19
0.4
0.6
0.8
1
0.5
1.5
2.5
3.5
AGs
1
0.8
0.6
0.4
Fitness
0.2
0
Best
0.2
Average
Poorest
0.4
0.6
0.8
1
10
15
Generations
20
25
30
AGs
Maio 2013
129 / 155
AGs
Maio 2013
130 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
Elitismo
AGs
Maio 2013
131 / 155
Maio 2013
132 / 155
Tabela de elitismo
Elitismo = 2.
Indivduo
1
2
3
4
5
6
7
8
Livre
Livre
Livre
Livre
Livre
Livre
Ao
Mantido
Mantido
para cruzamento
para cruzamento
para cruzamento
para cruzamento
para cruzamento
para cruzamento
AGs
11
9
8
7
6
5
4
3
2
1
16
15
14
13
12
0
17
20
19
18
1
0.8
y = sin(10x) * sin(x)
0.6
0.4
0.2
y
0
0.2
0.4
0.6
0.8
1
0.5
1.5
2.5
3.5
AGs
Maio 2013
133 / 155
Maio 2013
134 / 155
1
0.8
0.6
0.4
Fitness
0.2
0
Best
0.2
Average
Poorest
0.4
0.6
0.8
1
10
15
Generations
20
25
30
AGs
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
AGs
Maio 2013
135 / 155
Funo ga
AGs
Maio 2013
136 / 155
Funo ga completa
AGs
Maio 2013
137 / 155
AGs
Maio 2013
138 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
Aprendendo estratgia
AGs
Maio 2013
139 / 155
Punies Prmios
Jogador 1
Acusa
Acusa
Coopera
Coopera
Jogador 2
Acusa
Coopera
Acusa
Coopera
Pontos J1
1
5
0
3
AGs
Pontos J2
1
0
5
3
Comentrio
Punio
Tentao
Tentao
Prmio
Maio 2013
140 / 155
O dilema
AGs
Maio 2013
141 / 155
Como jogar?
AGs
Maio 2013
142 / 155
Representando as estratgias I
AGs
Maio 2013
143 / 155
Representando as estratgias II
64 bits indicam o que fazer para cada uma histria possvel (acusar ou
cooperar)
Podemos usar seis bits para representar as trs jogadas iniciais
(imaginrias) para a primeira jogada.
Total de 70 bits.
AGs
Maio 2013
144 / 155
AGs
Maio 2013
145 / 155
Algoritmo I
AGs
Maio 2013
146 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
AGs
Maio 2013
147 / 155
Ambientes Dinmicos
AGs
Maio 2013
148 / 155
AGs
Maio 2013
149 / 155
Modificaes
AGs
Maio 2013
150 / 155
Modificaes
AGs
Maio 2013
151 / 155
Objetivos
AGs
Maio 2013
152 / 155
AGs
Maio 2013
153 / 155
Maio 2013
154 / 155
Section Summary
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Introduo
Termos e Definies
Algoritmo Gentico
Codificao
Populao
Seleo
Cruzamento
Mutao
Condies de Parada
Island Genetic Algorithms
Separao de Geraes
Um exemplo simples
Elitismo
Exemplo simples com Matlab
Outro exemplo
Ambientes Dinmicos
O FIM
Adriano Cruz (DCC-UFRJ)
AGs
The End
AGs
Maio 2013
155 / 155