1 / 12

Inteligência Artificial

Inteligência Artificial. Agenda - Aula 06. Computação Evolutiva Algoritmos Genéticos. Computação Evolutiva. Dois enfoques Otimização de problemas Resolução de Problemas Teoria de Evolução de Darwin Projeção a partir dos anos 70

pennie
Download Presentation

Inteligência Artificial

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Inteligência Artificial

  2. Agenda - Aula 06 • Computação Evolutiva • Algoritmos Genéticos

  3. Computação Evolutiva • Dois enfoques • Otimização de problemas • Resolução de Problemas • Teoria de Evolução de Darwin • Projeção a partir dos anos 70 • Ampla utilização na abordagem de diversos problemas devido à sua adaptabilidade e robustez

  4. Algoritmos Genéticos • Idéia Básica • Analogia com mecanismos de Evolução Natural de Darwin • Capacidade de adaptação a diversos ambientes OTIMIZANDO a chance de sobrevivência • John Holland: tenta copiar os mecanismos dos sistemas naturais e adaptá-los para sistemas artificias

  5. Teoria de Darwin • As espécies evoluem através de modificações nos códigos genéticos dos indivíduos – GENÓTIPOS. • Essas modificações são introduzidas pela reprodução sexuada, quando se combinam dois genótipos diferentes ou através de mutações (pequena modificação num genótipo). • Genótipos mais características encontradas no ambiente constroem as características físicas do indivíduo – FENÓTIPO • Os indivíduos cujos genótipos favorecem fenótipos adaptados ao ambiente onde vivem têm mais chances de sobrevivência e reprodução.

  6. Teoria de Holland • Nova forma de abordar problemas • Um conjunto de soluções é codificado geralmente através de um string • Esse string é chamado de indivíduo ou cromossomo. • Um conjunto de indivíduos é chamado população. • Cada iteração é chamada geração • Em cada geração os indivíduos são submetidos à operações de crossover, mutação, avaliação e seleção

  7. Codificação do Problema • Descrever as soluções como indivíduos • Definição das variáveis ( gens ) • Ideal compacta, completa e estável • Compacta: menor número possível de variáveis para representar uma solução • Completa: capacidade de representar todas as soluções possíveis • Estável: pequenas mudanças no indivíduo leva a pequenas alterações de adaptabilidade

  8. Seleção • Deve favorecer os bons indivíduos • Velocidade de convergência deve ser calibrada • Formas de seleção • Seleção por Roleta ponderada • Seleção Linear • Seleção por descendência

  9. Operações • Crossover • Misturar informações genéticas de dois indivíduos originando um terceiro • Codificação binária – crossover a um ponto

  10. Operações • Mutação • Leve alteração no cromossomo • Codificação binária mutação a um bit é a mutação por excelência

  11. Fitness • É unicamente através da função de aptidão (fitness) que esse tipo de algoritmo sabe se uma solução é melhor que a outra. • Deve ser calculada de forma eficiente • Numa solução de g gerações e n indivíduos ela será calculada g x n vezes.

  12. Idéia Básica Gera Solução Inicial Crossover Codificação do Problema Seleção Mutação S continua Avaliação N

More Related