Modelos Evolucionários e Tratamento de Incertezas
|
|
- Yago Botelho
- 5 Há anos
- Visualizações:
Transcrição
1 Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 04 Representações e Programação Genética Max Pereira
2 Representações A representação cromossômica é completamente arbitrária. A representação binária tem sido mais freqüentemente utilizada. A representação binária tem dificuldades ao lidar com múltiplas dimensões de variáveis contínuas, especialmente quando uma grande precisão é requerida.
3 Regras Gerais A representação deve ser a mais simples possível; Se houver soluções proibidas, então eles não devem ter uma representação; Se o problema impuser condições de algum tipo, estas devem estar implícitas dentro da nossa representação;
4 Outros Tipos de Representação Números reais ( ) Permutações de elementos Lista de regras (R1 R2 R3...) Qualquer estrutura de dados
5 Abismo de Hamming Efetuar uma mudança de valor unitário é necessário, às vezes, mudar todos os bits 7 (0111) para o número 8 (1000) Já para mudar o número 8 para o número 9 (1001) é necessário mudar apenas um bit. Mudanças com o mesmo efeito final requerem alterações completamente díspares nos cromossomos.
6 Representação Numérica Em muitos problemas do cotidiano o mais natural seria usar cromossomos que representam diretamente os parâmetros sendo otimizados como números reais. O espaço de busca contínuo é representado de forma mais direta e, espera-se, mais eficiente.
7 Operador de crossover real Crossover simples:
8 Operador de crossover real Crossover flat
9 Operador de crossover real Crossover aritmético Defini-se um parâmetro λ Є [0,1] e calcula-se cada posição do primeiro filho através da fórmula c filho1 = λc 1 +(1- λ)c 2
10 Crossover aritmético
11 Operador de crossover real Crossover linear Nesse caso o valor de λ é definido como ½. São gerados 3 filhos, de acordo, com a seguintes fórmulas: C filho1 = c 1 /2 + c 2 /2 C filho2 = 3*c 1 /2 c 2 /2 C filho3 = c 1 /2 + 3*c 2 /2
12 Operador de crossover real Crossover discreto:
13 Programação Genética Existe um ramo dos algoritmos evolucionários chamado programação genética (PG) que consiste em tentar evoluir programas de forma a resolver um problema.
14 Programação Genética (PG) Problema fundamental: Temos uma seqüência de dados de entrada e de saída Precisamos de uma função ou um programa que realize o melhor mapeamento entre eles. PG é um parente próximo dos AGs Diferença: evoluimos funções ou programas ao invés de cromossomos simples.
15 Programação Genética (PG) Avaliação: Executamos cada programa representado para todos os conjuntos de dados Determinamos quão bem a saída do programa representa a saída desejada Ainda precisamos: forma de codificar nossos programas operadores de seleção, crossover e mutação Precisamos embutir dentro de nosso algoritmo conhecimento sobre a estrutura da linguagem de programação Programas que geramos só serão válidos se compilarem e executarem!
16 Representação em Árvore A maioria dos trabalhos de programação genética usa uma representação em forma de árvore para os cromossomos;
17 Expressões como árvores Exemplo de expressão como árvore
18 Função de avaliação PG é usado para descobrir uma função que modele o relacionamento entre pares de dados; Avaliação de um cromossomo consiste na área entre as duas curvas; Elimina-se qualquer sinal Problema é encontrar cromossomo que minimiza esta distância
19 Função de Avaliação
20 Função de Avaliação O problema desta técnica é que, para fazê-lo, precisamos conhecer a função que gerou os dados originais. Se a conhecêssemos, a idéia de executar um PG para descobri-la seria totalmente despropositada. Alternativa: calcular o erro cometido em cada ponto!
21 Função de avaliação Qualquer norma serve! Norma mais comum: euclidiana. d ˆ 2 y yˆ + y yˆ y 2 p y ( y, y)= ˆ p Problema é que é muito suscetível a outliers...
22 Função de Avaliação Yreal Y1 Y
23 Operadores Genéticos - Crossover O operador de crossover dos PGs trata os cromossomos como árvores; Escolhe-se um nó aleatoriamente em cada uma das árvores e realiza-se o intercâmbio entre as sub-árvores enraizadas em cada um destes nós.
24 Crossover Algoritmo: 1. Quando se está aplicando o crossover entre duas regras, varre-se uma regra de cada vez. 2. Em cada sub-árvore da árvore sendo visitada é decidido de forma aleatória se será feito uma troca ou não. 3. Se o sorteio retorna positivo, é feita uma troca entre a sub-árvore corrente completa e a sub-árvore equivalente do outro pai. 4. Caso o sorteio retorne negativo, um dos filhos é escolhido de forma aleatória e voltamos para 2.
25 Crossover Computação Evolucionária 25
26 Operadores Genéticos - Mutação O operador de mutação tem como função inserir variabilidade genética na população sendo evoluída; Escolhe-se um nó aleatoriamente em uma árvore de regra e elimina toda a subárvore enraizada naquele nó. Posteriormente, uma nova sub-árvore é gerada da mesma maneira que os cromossomos da população inicial.
27 Operadores Genéticos - Mutação Computação Evolucionária 27
28 Operadores Genéticos - Mutação Cuidado: Se novas sub-árvores forem criadas da mesma forma que a população original, a tendência é que a altura média das árvores sofrendo mutação cresça. Isto pode causar o fenômeno de engorda Para evitar, deve-se instruir o módulo inicializador a gerar árvores com altura pequena.
29 Engorda Um efeito que costuma acontecer freqüentemente é o crescimento dos cromossomos durante a execução de um PG; Sem a adoção de alguma medida preventiva, a altura da árvore tende a crescer durante o processo de busca. Este fenômeno é conhecido como engorda (bloat)
30 Evitando a engorda Existem várias formas de tentar evitar a engorda: mais simples: limitar o tamanho da árvore a uma altura máxima h max ; eliminamos da população árvores que têm altura maior a h max ;
31 Evitando a engorda Maneira mais usada: pressão pela parcimônia introduzir uma penalidade na avaliação das árvores que diminua o valor da sua avaliação de forma proporcional à sua altura; Exemplo uso de um coeficiente que multiplica a avaliação e diminui com a altura, tal como: { c= 1, h 2 1 c= ( h 1),h 2
32 Exemplo de aplicação - PG Problema encontrar um modelo de regressão para a 2 função: x y f(x) 2 Dez exemplos de treinamento foram utilizados com x (0,1).
33 Parâmetros utilizados T = {x, (-5, 5)} x é a variável utilizada (-5, 5) - números inteiros entre -5 e 5 são as constantes utilizadas que uma vez definidas, não são mais modificadas durante a execução da PG; F = {+, -, *, %} operações básicas, porém se estas não forem suficientes para obter uma boa aproximação, pode-se inserir novas funções no conjunto; Função de fitness A função de fitness utilizada é a RMSE: xi - valores observados - valores previstos ˆx i RMSE N i i 1 ( xx ˆ ) 2 n i
34 Geração 0 - melhor indivíduo encontrado fo. f 0 x (x) 3 % x - 4 % x x
35 Gerações 1 e 2 - f1, f2 e f3 1 () x fx 63 x 2 () x fx 9( x 1) x 4 xx ( 4)1 5x x 63 x f 3 2 x (x) 2
36 VALORES DE SAÍDA E MELHORES INDIVÍDUOS ENCONTRADOS NAS GERAÇÕES DE 0 A 3
37 Melhores indivíduos das gerações 0, 1, 2 e 3 0,50 0,45 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00 Exemplo 1 Exemplo 2 Exemplo 3 Exemplo 4 Exemplo 5 Exemplo 6 Exemplo 7 Exemplo 8 Exemplo 9 Exemplo 10 Saída desejada Geração 0 Geração 1 Geração 2 Geração 3
38 Trabalho Programação Genética x y 1 0,67 2 2,00 3 4,00 4 6, , , , , , ,67 40,00 35,00 30,00 25,00 20,00 y 15,00 10,00 5,00 0,
Inteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Roteiro Introdução Algoritmos Genéticos Otimização Representação Seleção Operadores Genéticos Aplicação Caixeiro Viajante Introdução Algoritmos Genéticos (AGs), são métodos de otimização
Leia maisAlgoritmos Genéticos 1
Algoritmos Genéticos 1 Esquema de um GA Algoritmos Genéticos são um ramo da computação evolucionária Seu funcionamento pode ser resumido algoritimicamente através dos seguintes passos: Inicialize a população
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora
Leia maisFigura 3.1: Fluxograma do algoritmo da Programação Genética.
3 Programação Genética O termo Programação Genética passou a ser utilizado em 1990 nos trabalhos publicados por Koza [30] e De Garis [31]. A definição de Koza para este termo passou a predominar após a
Leia maisInteligência Artificial. Algoritmos Genéticos. Aula I Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos
Leia maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação plicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada -
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e
Leia maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia mais3 Algoritmos Genéticos
Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação
Leia maisAlgoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Algoritmo Genético Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução 2. Conceitos Básicos 3. Aplicações 4. Algoritmo 5. Exemplo Introdução São técnicas de busca
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 01 Computação Evolucionária Max Pereira Motivação Se há uma multiplicidade impressionante de algoritmos para solução de problemas,
Leia maisAlgoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 06 Algoritmos Genéticos Edirlei Soares de Lima Algoritmos Genéticos Método de busca local. Boa abordagem para lidar com espaços de busca muito
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 04 Módulos de População e Funções de Avaliação Max Pereira Tamanho da População O desempenho do algoritmo genético é extremamente
Leia maisMax Pereira. Inteligência Artificial
Max Pereira Inteligência Artificial Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora da teoria da evolução das espécies iniciada pelo Naturalista inglês Charles
Leia maisCodificação das variáveis: binária Iniciação da população: aleatória Avaliação: função aptidão Operadores. Critério de parada: número de gerações
AG Simples/Canônico (AGS) AG introduzido por Holland Funciona bem para problemas de otimização simples e/ou de pequenas dimensões A maior parte da teoria dos AGs está baseada no AGS Utilidade didática
Leia maisTópicos Especiais em Informática Fatec Indaiatuba
Prof. Dilermando Piva Jr. ((Compilação de diversas fontes na Internet)) Principal motivação para o estudo da computação evolutiva Otimização de processos complexo e que possuem um grande número de variáveis
Leia maisMétodos de Busca. Inteligência Artificial. Algoritmos Genéticos. Algoritmos Evolucionários. Prof. Ms. Luiz Alberto Contato:
Inteligência Artificial Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
Leia maisCTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro
CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Busca Competitiva Para Ambientes multiagentes...
Leia maisCréditos. Introdução a Sistemas Inteligentes. Agenda Introdução Breve Histórico. Introdução. Introdução aos Algoritmos Evolutivos
Introdução a Sistemas Inteligentes Introdução aos Algoritmos Evolutivos Créditos Este material consiste de adaptações e extensões dos originais gentilmente cedidos: pelo Prof. Dr. Eduardo Raul Hruschka
Leia mais3 Algoritmos Genéticos
Algoritmos Genéticos Algoritmos Genéticos (AGs) constituem um mecanismo de busca adaptativa que se baseia no princípio Darwiniano de seleção natural e reprodução genética [101]. AGs são tipicamente empregados
Leia maisAPROXIMAÇÃO DE FUNÇÕES MÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS INTRODUÇÃO Frequentemente é possível estabelecer uma relação linear entre duas grandezas medidas experimentalmente. O método dos mínimos quadrados é uma maneira de se obter
Leia maisAlgoritmos Genéticos. Texto base: Stuart Russel e Peter Norving - Inteligência Artificial
Algoritmos Genéticos Texto base: Stuart Russel e Peter Norving - Inteligência Artificial junho/2007 Algoritmo Genético Uma variante da busca em feixe estocástica Estado sucessor gerado pela combinação
Leia maisALGORITMOS GENÉTICOS. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR
ALGORITMOS GENÉTICOS Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Fev/2018 Introdução Algoritmos Genéticos são algoritmos heurísticos de busca, que utilizam regras
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 07 Classificação com o algoritmo knn Max Pereira Classificação com o algoritmo k-nearest Neighbors (knn) Como os filmes são categorizados em gêneros? O que
Leia mais3 Otimização Evolucionária de Problemas com Restrição
3 Otimização Evolucionária de Problemas com Restrição 3.1. Introdução Este capítulo resume os principais conceitos sobre os algoritmos evolucionários empregados nesta dissertação. Primeiramente, se fornece
Leia maisAlgoritmos Genéticos. Pontos fracos dos métodos tradicionais. Características de alguns problemas. Tamanho do espaço de busca- Ex. caixeiro viajante:
Algoritmos Genéticos Prof. Luis Otavio Alvares INE/UFSC Características de alguns problemas Tamanho do espaço de busca- Ex. caixeiro viajante: 10 cidades: 181.000 soluções 20 cidades: 10.000.000.000.000
Leia maisComputação Evolutiva. Aula 4 Usando AEs Prof. Tiago A. E. Ferreira
Computação Evolutiva Aula 4 Usando AEs Prof. Tiago A. E. Ferreira Roteiro Exemplos: Problema das 8 rainhas Comportamentos Típicos dos AE CE no contexto da Otimização Global Relembrando Na Aula Passada,
Leia maisDe que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Programação Genética Genetic Programming - GP De que modo computadores podem resolver problemas, sem que tenham que ser eplicitamente programados para isso? Programação Genética - GP Etensão de Algoritmos
Leia maisComputação Evolutiva. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Evolutiva Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) Principais Tópicos Computação Evolutiva Algoritmos Genéticos Codificação Função de
Leia maisAprendizado Evolutivo: Introdução aos Algoritmos Genéticos
Aprendizado Evolutivo: Introdução aos Algoritmos Genéticos SCC-230 Inteligência Artificial Thiago A. S. Pardo Solange O. Rezende 1 Computação Evolutiva (CE) Trata de sistemas para a resolução de problemas
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS. Metaheurísticas de Buscas
PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS Metaheurísticas de Buscas ALGORITMOS GENÉTICOS (AG) Popularizados por John Holland podem ser considerados os primeiros modelos algorítmicos
Leia maisConsiderações de Desempenho
Back Propagation Considerações de Desempenho Dicas para o BP O uso da função de ativação simétrica geralmente acelera o treinamento TANH +1 logistic linear 0 tanh -1-4 +4 1 Dicas para o BP Os pesos devem
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos
Leia maisBack Propagation. Dicas para o BP
Back Propagation Considerações de Desempenho Dicas para o BP O uso da função de ativação simétrica geralmente acelera o treinamento TANH +1 logistic linear 0 tanh -1-4 +4 11 Dicas para o BP Os pesos devem
Leia maisEstrutura comum dos AEs Seleção
Estrutura comum dos AEs Seleção Todos os AEs mantém uma população de tamanho m por: Utilizando uma população como fonte de pais para produzir n descendentes Reduzindo o tamanho da população expandida de
Leia maisMétodos de pesquisa e Optimização
Métodos de pesquisa e Optimização Victor Lobo Importância para os SAD Definir o caminho a tomar depois de se ter trabalhado os dados 1ª Fase: Analisar os dados disponíveis Visualização OLAP, relatórios
Leia maisUm Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisComputação Evolutiva. Computação Evolutiva. Principais Tópicos. Evolução natural. Introdução. Evolução natural
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 1 2 Introdução Evolução natural http://www.formula-um.com/
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisComputação Evolutiva. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Evolutiva Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) Principais Tópicos Computação Evolutiva Algoritmos Genéticos Codificação Função de
Leia maisEstratégias Evolutivas EEs. Prof. Juan Moisés Mauricio Villanueva
Estratégias Evolutivas EEs Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan Estratégias Evolutivas Desenvolvidas por Rechenberg e Schwefel, e estendida por Herdy, Kursawe
Leia maisIntrodução a Algoritmos Genéticos
Introdução a Algoritmos Genéticos Tiago da Conceição Mota Laboratório de Inteligência Computacional Núcleo de Computação Eletrônica Universidade Federal do Rio de Janeiro Outubro de 2007 O Que São? Busca
Leia maisProblema de Satisfação de Restrições. Problema de Satisfação de Restrições. Grafo de restrições. Exemplo: 4 Rainhas como um PSR
Problema de Satisfação de Restrições Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas
Leia maisProblema de Satisfação de Restrições
Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas para PSRs Problema de Satisfação
Leia maisGAs são indicados em problemas complexos de otimização- onde se busca uma solução melhor:
Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros 1. PROBLEMA GAs são indicados em problemas complexos de otimização-
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisGA Conceitos Básicos. Capítulo 3 Prof. Ricardo Linden
GA Conceitos Básicos Capítulo 3 Prof. Ricardo Linden Algoritmos Evolucionários Algoritmos evolucionários usam modelos computacionais dos processos naturais de evolução como uma ferramenta para resolver
Leia maisRegressão Polinomial e Simbólica
Regressão Polinomial e Simbólica Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Variáveis Não-Lineares 2. Regressão Simbólica 1 Variáveis Não-Lineares Variáveis Não-Lineares Considere
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisAlgoritmos Evolutivos para Otimização
Algoritmos Evolutivos para Otimização A área de aplicação que tem recebido mais atenção é a otimização. Uma das razões é que existem uma variedade de problemas de otimização e a maioria deles sem solução
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia mais4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos
Genéticos 39 4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos Neste capítulo são abordadas as especificações de cada módulo e o Algoritmo Genético que compõem o modelo
Leia maisModelagem da Rede Neural. Modelagem da Rede Neural. Back Propagation. Modelagem da Rede Neural. Modelagem da Rede Neural. Seleção de Variáveis:
Back Propagation Fatores importantes para a modelagem da Rede Neural: Seleção de variáveis; veis; Limpeza dos dados; Representação das variáveis veis de entrada e saída; Normalização; Buscando melhor Generalização
Leia mais3 Computação Evolucionária
34 3 Computação Evolucionária Computação Evolucionária compreende diversos algoritmos inspirados no princípio Darwiniano da evolução das espécies e na genética. São algoritmos probabilísticos, que fornecem
Leia maisAlgoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
Leia maisCONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
Leia mais1.1 Descrição do problema A programação genética (PG) é uma meta-heurística utilizada para gerar programas de computadores, de modo que o computador
1 Introdução 1.1 Descrição do problema A programação genética (PG) é uma meta-heurística utilizada para gerar programas de computadores, de modo que o computador possa resolver problemas de forma automática
Leia maisInteligência Artificial
Inteligência Artificial Prof. Kléber de Oliveira Andrade pdjkleber@gmail.com Algoritmos Genéticos Conteúdo Introdução O Algoritmo Genético Binário Noções de Otimização O Algoritmo Genético com Parâmetros
Leia maisUniversidade Federal do Paraná UFPR Curso de Ciência da Computação CI801 Tópicos em Inteligência Artificial. Algoritmo Memético
Universidade Federal do Paraná UFPR Curso de Ciência da Computação CI801 Tópicos em Inteligência Artificial Algoritmo Memético aplicação para o problema do caixeiro viajante Kelly Rodrigues Abreu Federico
Leia maisAPLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO
APLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO Profa. Mariana Cavalca Baseado em: Material didático do Prof. Dr. Carlos Henrique V. Moraes da UNIFEI Curso de verão da Profa. Gisele L. Pappa Material
Leia maisAlgoritmos Genéticos. 1 Semestre de Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática
Algoritmos Genéticos 1 Semestre de 2015 Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 2 Introdução Darwin Naturalistas: cada espécie havia sido criada separadamente
Leia maisINTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL. Aula 06 Prof. Vitor Hugo Ferreira
Universidade Federal Fluminense Escola de Engenharia Departamento de Engenharia Elétrica INTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL Aula 06 Prof. Vitor Hugo Ferreira Representação por cromossomos Codificação
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Introdução Um Algoritmo Genético (AG), conceitualmente, segue passos inspirados no processo biológico de evolução natural segundo a teoria de Darwin Algoritmos Genéticos seguem a idéia
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 1. Representação de números reais 1.1. Introdução Cálculo Numérico X Método Numérico CI202 - Métodos Numéricos 1 1. Representação
Leia mais3.6 Erro de truncamento da interp. polinomial.
3 Interpolação 31 Polinômios interpoladores 32 Polinômios de Lagrange 33 Polinômios de Newton 34 Polinômios de Gregory-Newton 35 Escolha dos pontos para interpolação 36 Erro de truncamento da interp polinomial
Leia maisAlgoritmos Evolutivos Canônicos
Algoritmos Evolutivos Canônicos Como representar os indivíduos Vetor de comprimento fixo com L características escolhidas previamente. Ex.: Definição
Leia maisGAs são indicados em problemas complexos de otimização- onde se busca uma solução melhor:
Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros 1. PROBLEMA GAs são indicados em problemas complexos de otimização-
Leia maisMétodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 20 (09/11/15) Interpolação: Introdução Características Interpolação Linear: Introdução Características Exercícios
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 07 Classificação com o algoritmo knn Max Pereira Classificação com o algoritmo (knn) Um algoritmo supervisionado usado para classificar
Leia maisMétodos de Pesquisa Operacional
Métodos de Pesquisa Operacional Programação Linear é a parte da Pesquisa Operacional que trata da modelagem e resolução de problemas formulados com funções lineares. Programação Linear } Métodos de Resolução
Leia maisProf. Marco Aurélio C. Pacheco. 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros
Desenvolvimento de um Algoritmo Genético Prof. Marco Aurélio C. Pacheco 1 Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros
Leia maisComputação Evolucionária
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ UTFPR Programa de Pós-Graduação em Engenharia e Informática CPGEI Laboratório de Bioinformática e Inteligência Computacional, Câmpus Curitiba (PR) Computação
Leia maisOptimização Não-linear
Optimização Não-linear Problemas de optimização não-linear A função a minimizar (maximizar) não é linear Exemplo: Z=43x 2 +log(x 2 )*sin(x x3 ), com x 3 -x 2! < 0 Não existem métodos universais para este
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisEm contraste aos métodos de aprendizado que constroem uma descrição explicita genérica da função alvo. Os métodos baseados em instâncias guardam os
Em contraste aos métodos de aprendizado que constroem uma descrição explicita genérica da função alvo. Os métodos baseados em instâncias guardam os exemplos de treinamento A generalização é posposta até
Leia maisMetahuerísticas: Algoritmos Genéticos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng.
Metahuerísticas: Algoritmos Genéticos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 8) Meta-heurísticas Classificação de métodos heurísticos: os métodos
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 02 Representação dos dados Pré-processamento Max Pereira Tipo de Dados Os atributos usados para descrever objetos de dados podem ser de diferentes tipos: Quantitativos
Leia maisOptimização Não-linear
Problemas de optimização não-linear Optimização Não-linear A função a minimizar (maximizar) não é linear Exemplo: Z=x +log(x )*sin(x x ), com x -x! < 0 Não existem métodos universais para este tipo de
Leia maisAlgoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio
Algoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio ICA, DEE, PUC-RIO CEP: 22453-900 ramb@ele.puc-rio.br ica@ele.puc-rio.br
Leia mais4 Modelos Propostos para Otimização de Planejamentos com Restrições de Precedência 4.1 Representação com Algoritmos Genéticos
46 4 Modelos Propostos para Otimização de Planejamentos com Restrições de Precedência 4.1 Representação com Algoritmos Genéticos Para definir a representação de um modelo para problemas de planejamento
Leia maisESTATÍSTICA. Estatística é o conjunto de métodos para a obtenção, organização, resumo, análise e interpretação dos dados.
ESTATÍSTICA Termo vem de status Aspectos de um país (tamanho da população, taxas de mortalidade, taxas de desemprego, renda per capita). Estatística é o conjunto de métodos para a obtenção, organização,
Leia maisOtimização com Algoritmos Genéticos no MATLAB. Prof. Rafael Saraiva Campos CEFET-RJ
Otimização com Algoritmos Genéticos no MATLAB Prof. Rafael Saraiva Campos CEFET-RJ Conteúdo do Mini-Curso PARTE 1 Teoria PARTE 2 Prática Conteúdo do Mini-Curso PARTE 1 Teoria 1.1. Conceitos Básicos de
Leia maisBuscas Informadas ou Heurísticas - Parte II
Buscas Informadas ou Heurísticas - Parte II Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Graduação em Ciência da Computação / 2006 FUNÇÕES HEURÍSTICAS - 1/7 FUNÇÕES HEURÍSTICAS - 2/7 Solução
Leia maisétodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno
étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA
Leia mais5 Modelo Kernel PCA Genético para Ajuste de Histórico
5 Modelo Kernel PCA Genético para Ajuste de Histórico Conforme descrito na seção 3.2.2.2.1, em um estudo anterior, Sarma, Durlofsky, et al. (2007) parametrizaram o campo de permeabilidade através do Kernel
Leia maisPesquisa Operacional Aplicada à Mineração
Pesquisa Operacional Aplicada à Mineração Módulo de Otimização Parte II-b Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo marcone.freitas@yahoo.com.br tulio@toffolo.com.br Departamento de Computação
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 13 04/2014 Sistemas de Equações Lineares Parte 3 MÉTODOS ITERATIVOS Cálculo Numérico 3/44 MOTIVAÇÃO Os métodos iterativos
Leia maisOtimização por Enxame de Partículas (PSO) e Otimização por Colônias de Formigas (ASO) aplicadas ao Problema do Caixeiro Viajante (TSP)
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Otimização por Enxame de Partículas (PSO) e Otimização por Colônias de Formigas (ASO) aplicadas ao Problema do Caixeiro Viajante
Leia maisOTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisRepresentação e Aritmética em Ponto Flutuante. 35T12 Sala 3G4 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227
Representação e Aritmética em Ponto Flutuante 35T12 Sala 3G4 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 Sistemas de Representação de Números no Computador Representação de números inteiros Dado um
Leia maisCálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia maisESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP
ESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP Gilson Rogério Batista, Gideon Villar Leandro Universidade Regional do Noroeste do Estado do Rio
Leia maisCálculo Numérico. Resumo e Exercícios P1
Cálculo Numérico Resumo e Exercícios P1 Fórmulas e Resumo Teórico Parte 1 Aritmética de ponto flutuante Operar com o número de algarismos significativos exigido. Arredondar após cada conta. Método de escalonamento
Leia mais