Sistemas Auto-organizáveis BC0005

Transcrição

1 Aplicações Sistemas Auto-organizáveis BC0005 Bases Computacionais da Ciência

2 Modelagem e simulação Solução de problemas reais por modelos computacionais (visto na aula anterior) Sistemas auto-organizáveis Solução de problemas computacionais por Solução de problemas computacionais por sistemas auto-organizáveis

3 Modelo e Simulação Modelo: Representa conhecimento sobre a estrutura e comportamento de sistemas Auxilia na compreensão de um sistema Simulação: Emula comportamento real Baixo custo, eliminação de periculosidade, possibilidade de múltiplos testes (como seria se...), otimização (acerta de primeira), corrigir o modelo, acesso aos processos internos.

4 Realidade, Modelagem e Simulação REALIDADE Entidade do mundo real MODELO Modelo completo Condições experimentais Sistema S Contexto Modelo M Conhecimento a priori Experimento Simulação - experimento virtual Dados experimentais observáveis Validação Resultados de simulação

5 Sistemas auto-organizáveis O que é um sistema auto-organizável? É um sistema que muda sua estrutura como resultado de suas experiências e meio ambiente (Farley e Clarke, 1954). Características Adaptação (aprendizado) Emergência Características globais Não há controle central Surgimento de padrões ou propriedades globais através de interações locais entre os elementos. A inteligência do todo é maior que a soma das inteligências das partes

6 Realizações dos insetos sociais Formigas têm apenas neurônios a disposição (comparando com do humano) Entretanto, grupos de insetos são capazes de maravilhas arquiteturais, elaborar sistemas de comunicação e ser resistentes às intempéries da natureza. Exemplos de insetos sociais: Exemplos de insetos sociais: Formigas Cupins Abelhas Vespas

7 Formiga nas Bases Computacionais

8 Formiga nas Bases Computacionais Problema Qual é o menor caminho entre dois pontos, considerando Um espaço 2D Duas barreiras Só se enxerga a uma distância de um pixel

9 Coleta de comida Aparentemente, cada formiga se move de forma aleatória. A coleta de comida pode ser explicada em termos de um conjunto fixo de ações, que incluem respostas a feromônios, que são substâncias que possuem um tipo de odor que pode ser detectado por outras formigas. Exemplo clássico de comportamento emergente! Regra simples: As formigas tendem a seguir o caminho com maior quantidade de feromônio até a comida. Ao segui-lo, depositam mais feromônio, que acaba tornando aquele caminho mais atrativo ainda.

10 Coleta de comida Experiência com a formiga Linepithema humile. Capaz de achar rapidamente o caminho mais curto entre dois pontos. Veja o vídeo de uma simulação computacional de coleta de comida por formigas em:

11 Coleta de comida Regras de movimentação das formigas (algoritmo): Início: Avança em uma direção aleatória. Deposita feromônio o tempo todo. Avança em uma direção aleatória. Se encontrou feromônio, avança no sentido dele. Se encontrou comida, come, carrega um pouco e volta para trás. Se chegou em casa e está faminta, volta para trás. Feromônio: Substância química liberada por animais e que afeta o comportamento ou desenvolvimento de outros animais. No caso de formigas, desaparece depois de 20 min.

12 A Menor Distância à Comida Propriedade emergente (O que uma Formiga não Sabe): Mais formigas trilharão o caminho mais curto do ninho à comida. Consequências (ou Porque Encontro Formigas na Cozinha) Mais comida para as formigas. A comida seria consumida mais rapidamente por estas formigas em detrimento de formigas de outros ninhos. Obstáculos no caminho serão superados.

13 A Menor Distância à Comida Formigas andam em uma trilha. Uma folha aparece no meio da trilha. Formigas podem escolher virar a direta ou esquerda. O trânsito no caminho mais curto será mais rápido, e mais feromônio será liberado.

14 A Menor Distância à Comida Menor distância significa comer antes dos outros toda a comida... VER VIDEO: docid=

15 A Menor Distância à Comida Conclusão Poucas regras simples em nível local (individual) podem resolver um grande problema global (sistêmico). Algoritmos de poucas instruções a agentes locais podem resolver problemas computacionais complexos. Sistemas biológicos, químicos e físicos podem ter encontrado soluções altamente eficientes para resolver problemas complexos. Vale a pena conhecer...

16 O problema do caixeiro viajante Problema do caixeiro viajante (Traveling Salesman Problem - TSP). Um homem de negócios tem que visitar um certo número de cidades (N) usando o menor caminho possível. Problema extremamente difícil! O número de possibilidades é igual ao fatorial de (N-1). Propostas de técnicas aproximadas para resolver esse problema. Algoritmo baseado na coleta de comida das formigas, sendo chamado de Otimização por colônia de formigas (Ant Colony Optimization - ACO).

17 De Exemplo de TSP TSP de cidades dos EUA. Foram consideradas aquelas com mais de 500 habitantes.

18 Resolução do TSP por ACO Imagine que uma colônia de formigas substitua o homem de negócios. Uso dos feromônios para determinar a rota mais curta. Se cada formiga de uma colônia deposita a mesma quantidade de feromônio em uma rota, a rota mais curta terá uma maior quantidade de feromônio. As formigas que vêm após um certo tempo de execução do algoritmo vão ser guiadas pela maior quantidade de feromônio das rotas mais curtas, reforçando ainda mais seus níveis de feromônio.

19 Divisão do trabalho Especialização de indivíduos para executar certas tarefas. Fenômeno observado na natureza: Exemplo: colméia de abelhas. Rainha; Enfermeiras; Defensores; Responsáveis pela coleta de comida... Mas que pode ser flexibilizado de acordo com a necessidade. Aplicação na indústria. Linha de pintura de veículos. Permitir que cada operário tome uma decisão por si só de qual cor ele irá pintar os veículos, de acordo com a demanda.

20 Divisão do trabalho De

23 Divisão do trabalho Fila de veículos a serem pintados de branco. O que fazer? De

24 Divisão do trabalho Duas linhas de pintura decidem, de forma autônoma, de trocar de cor para branco para diminuir a fila. De

28 Agrupamento em formigas Formiga Messor sancta 1500 cadáveres em 26 horas Separação das larvas vivas das mortas. De

29 Didabots Vamos considerar robôs ao invés de exemplos da biologia? Didabots É mais fácil fazer experiências com robôs! Possui olhos na parte esquerda e direita do seu corpo. Como programar os robôs? Explicíta. É preciso programar todas as situações possíveis e de forma pormenorizada. Uso de regras simples Por exemplo, evitar obstáculos.

30 Didabots - agrupamento Os robôs não possuem memória. Como são capazes de agrupar os objetos? De

31 Didabots regras e emergência No slide anterior, duas regras simples foram usadas para evitar obstáculos: Se algo for visto à direita, então vire à esquerda. Se algo for visto à esquerda, então vire à direita. Como o agrupamento foi formado? Como não enxergam à frente, ficam continuamente empurrando as caixas. Se um objeto é visto em sua lateral, ele vira, deixando aquele objeto perto daquele avistado! Se existe uma agrupamento, isso aumenta a chance de um robô avistá-lo, o que vai aumentando o seu tamanho. Comportamento simples de um robô resulta em um comportamento inteligente de grupo!

32 Oecophylla smaragdina De Transporte cooperativo Observado em formigas que transportam um grande objeto. Foto tirada no Gabão por Axel Rouvin

33 Transporte cooperativo Também podem ser empregado robôs para esse tipo de transporte. x-pushing.mpeg O objetivo é achar a caixa e movê-la para o canto esquerdo (meta ponto de luz). Pelo menos dois robôs são necessários para carregar a caixa. Regras simples de movimentação do robô (localizar a caixa e empurrá-la até a meta). Um robô não diferencia um objeto de outro robô.

34 Sumário Sistemas auto-organizáveis: Ausência de controle central; Ordem global; Emergência de um comportamento inteligente. Redundância; Se um indivíduo falha, a comunidade é pouco afetada. Adaptação. Lembre-se que os insetos sociais já existem a milhões de anos.

35 Para saber mais Artigo da Scientific American de março de 2000, páginas m-swarmsmarts.pdf

36 Exercícios Jogo da vida Publicado na Scientific American em 1970, pelo matemático John Conway, com o nome de Game of Life. Grade bi-dimensional de elementos binários, com um conjunto simples de regras para determinar o estado de cada elemento (célula). Cada célula pertence a uma vizinhança de 8 elementos.

37 Exercícios Jogo da vida Regras: Se uma célula tem menos de dois vizinhos vivos, então a célula morre de solidão, ficando morta na próxima iteração; Se há mais de três vizinhos vivos, então a célula morre de superpopulação; Se a célula estiver morta e tiver Se a célula estiver morta e tiver exatamente três vizinhos vivos, ela renasce na próxima iteração.

38 Exercícios Jogo da vida Padrões aparecem da aparente aleatoriedade do jogo. Blinkers, b-heptaminos, brains, bookends, gliders, gliders-guns e r- pentaminos Exemplos interessantes em:

39 Exercícios Jogo da vida Obtenha o programa do jogo da vida em: Exercícios: Simule diferentes condições iniciais para o jogo da vida e faça um breve relatório das situações que ocorreram dados esses diferentes tipos de partida. Dica: use as condições iniciais mostradas no artigo da wikipedia na transparência anterior.

40 Exercícios Quais são as Instruções? Agrupar peças: 20 Peças de LEGO são espalhadas dentro de um círculo. Quatro robôs foram encarregados de juntar as peças. Os robôs só enxergam a curta distância, não se comunicam entre si e podem entender até quatro instruções simples. Quais instruções você daria? Início Final

41 Exercícios Quais são as Instruções? Distribuir igualmente no espaço: 20 Robôs foram posicionados próximos um do outro no centro de um círculo. Quais instruções você passaria aos robôs para que estes ficassem espalhados pelo espaço? As instruções devem ser simples e poucas. Início Final