Construção de uma Ferramenta para Evoluir Estratégias e Estudar a Agressividade/Cooperação de uma População submetida ao Dilema dos Prisioneiros
|
|
- João Lucas Mota Brandt
- 7 Há anos
- Visualizações:
Transcrição
1 Construção de uma Ferramenta para Evoluir Estratégias e Estudar a Agressividade/Cooperação de uma População submetida ao Dilema dos Prisioneiros generalizá-lo para várias outras situações, como em problemas de business, desenvolvimento de software, situações do cotidiano, etc [2] Aluno: Daniel Lima Freixo Prof.: Marco Aurélio Pacheco Resumo: Abordamos a aplicação de técnicas de Algoritmos Genéticos no aperfeiçoamento de uma ferramenta para evoluir estratégias para o Dilema dos Prisioneiros. Estudamos o comportamento da população quanto à agressividade ao longo de sua evolução. Os experimentos com a ferramenta permitiram encontrar estratégias que superavam a tit-fortat. Conseguiu-se também obter algumas conclusões interessantes sobre o nível de agressividade da população ao longo da evolução. Introdução: O Dilema dos Prisioneiros é um problema clássico e central em Teoria dos Jogos. Apesar de não ser um problema novo e de já ter sido exaustivamente estudado, existem ainda estudos sobre ele a fim de se descobrir estratégias de ação mais eficientes para os jogadores. Muitas dessas estratégias utilizam o histórico das partidas anteriores para decidir qual atitude cada jogador deve tomar. Neste trabalho, semelhante ao que R. Axelrod escreveu em [1], utiliza-se um algoritmo genético para evoluir estratégias mais eficientes para o jogo a partir do histórico das partidas anteriores. O que faz o Dilema dos Prisioneiros ser um problema tão estudado é a capacidade de
2 Dilema dos Prisioneiros: Duas pessoas estão encarceradas por serem suspeitas de terem cometido um crime. A polícia sabe que um dos dois é culpado, mas não sabe qual. A polícia então propõe a cada um que delate o companheiro (sem o conhecimento do outro), dando em troca a liberdade, caso o outro permaneça em silêncio. Cada prisioneiro tem então duas opções: Delatar (agredir) ou Cooperar (permanecer em silêncio). Se ambos delatam, ficam presos 4 anos. Se cooperam, 2 anos. Se apenas um delata, ele é solto e o outro fica preso por 5 anos. O que fazer? Generalizando este problema para várias situações cotidianas, qual a melhor decisão a se tomar? A definição original do problema também define uma pontuação obtida por cada jogador em cada uma das 4 situações. Essa pontuação é obtida subtraindo-se de 5 (tempo máximo em que se pode ficar preso) a quantidade de anos que o jogador terá que ficar preso. Essa pontuação é apresentada na Tabela 1 a seguir: de cada partida Tabela 1 Pontuação
3 Objetivos: Para evoluir estratégias para o jogo foram usados algoritmos genéticos na busca de indivíduos que marcassem mais pontos em torneios simulados. Dessa forma, era gerada inicialmente uma população com k indivíduos que disputavam n partidas entre si. Ao final desse torneio, onde cada indivíduo jogava n partidas com cada um dos outros indivíduos, era computada a pontuação final de cada um e atribuída uma avaliação para ele. Cada cromossomo da população representava a estratégia de um indivíduo em particular. Assim, as estratégias com melhores pontuações teriam melhores avaliações e consequentemente mais chances de estarem na próxima geração participando de um novo torneio. Sucessivamente, após t torneios era escolhida como estratégia final a que obtivesse melhor pontuação no último torneio disputado, isto é, o cromossoma com melhor avaliação na última geração. Vale ressaltar que a função de avaliação para este problema é ruidosa, já que uma mesma estratégia pode ter avaliações diferentes, pois depende das estratégias dos outros jogadores. Usou-se uma memória das 3 últimas partidas. Como cada partida podia ter 4 resultados diferentes, havia 4 3 = 64 possíveis históricos. Para cada histórico diferente, era definida uma ação a se tomar na próxima partida. Esse conjunto de possíveis históricos e ações a se tomar era definido como a estratégia do jogador. Essa estratégia pode ser representada por um cromossomo binário de 64 bits onde cada alelo codifica um possível histórico e o bit correspondente a ação a se tomar na próxima partida (Cooperar ou Delatar). Há a necessidade ainda de se indicar qual desses 64 possíveis históricos foi realmente o ocorrido nas últimas 3 partidas. Isso pode ser feito através de outros 6 bits no cromossomo, ficando-se então com um cromossomo de 70 bits. A Figura 1 e Figura 2 mostram como isso funciona para o caso de uma memória das 2 últimas partidas, com 4 2 = 16 possíveis históricos: _
4 Para avaliar a agressividade média da Figura 1 Estratégia do jogador 1 para a partida T população foi definida uma função de agressividade para cada indivíduo com valores variando de 0 a 10. Para calcular a Figura 2 Estratégia do jogador 1 para a partida T + 1 agressividade de um indivíduo fazia-se um somatório da quantidade de históricos cuja ação correspondente era Agredir, dividia-se pelo número total de possíveis históricos e multiplicava-se por 10.
5 Resultados: Por questões de eficiência, a ferramenta para os experimentos foi construída utilizando C++ Builder. Através da interface gráfica era possível configurar os parâmetros do algoritmo genético bem como os do problema. Nela podiam também ser visualizados os gráficos mostrando a avaliação e a agressividade da população. Foram feitos diversos experimentos a fim de se observar o comportamento da população ao longo das gerações e as estratégias geradas. Dentre esses experimentos, alguns são apresentados a seguir: Figura 3 Experimento 1 Nesse experimento o processo evolucionário se inicia com uma população com nível de agressividade razoavelmente baixo e com um indivíduo totalmente agressivo. Isso faz com que a população se torne bastante agressiva logo em seguida. Porém, tal como
6 mostrado em outros experimentos, esse estágio de agressividade muito alta não se sustenta e novamente a agressividade da população retorna a valores mais baixos, próximos a 5.0. Analisando-se a avaliação da população observa-se que inicialmente indivíduo agressivo possui uma avaliação bastante superior ao do resto da população. Figura 3.1 Experimento 1.2 Nesse experimento foram observadas as estratégias geradas pelo algoritmo. Devido ao caráter estocástico do algoritmo, estas estratégias variam bastante de rodada para rodada. Para cada histórico das partidas, tomouse então como decisão a ser tomada aquela que ocorria na maioria das vezes. Entre elas, podese destacar: Logo em seguida, com a população tornando-se bastante agressiva, essa avaliação cai para valores próximos à pontuação de Punishment e depois vai subindo, convergindo para a pontuação de Reward, à medida que a agressividade da população diminui. Punishment e depois vai subindo, convergindo para a pontuação de Reward, à medida que a agressividade da população diminui. Podemos perceber que na versão atualizada, onde podemos variar o número da interdependência de históricos (cromossoma), as curvas tiveram o padrão parecido com o mesmos parâmetros. Vemos logo a baixo da figura 3.1 o comportamento dos indivíduos quanto a sua agressividade. O ponto Preto significa que ele esta agressivo. Podendo perceber que ao longo de sua história o seu comportamento no decorrer da evolução do GA. Experimento 2 Experimento 2 Figura 4
7 Tabela 2 Estratégias obtidas no experimento 2 Podemos perceber que o no novo experimento o padrão seguido foi o mesmo. Mesmo com um número maior de interdependências dos histórico das partidas anteriores. Ainda podemos constatar a evolução de cada indivíduo no decorrer das últimas gerações. [1] Axelrod, R. Dion, D. The Further Evoltion of Cooperation. New York: Science, 242 (1988) [2] [3] Casti, J.L. Cooperation and Confict in Geeral Evolutionary Processes Chapter 3. John Willey & Sons, Inc [4] Pacheco, Marco Aurélio: Computação Evolucionária - Notas de aula. PUC-Rio (1999) [5] Hugo Leonardo C. Azevedo: Documentação e Projeto Conclusão: O GA conseguiu evoluir estratégias que superavam o tit-for-tat. Devido ao caráter estocástico de um GA, as estratégias geradas variavam razoavelmente para uma mesma configuração dos parâmetros. Para diferentes valores iniciais da agressividade média da população, foi observada uma convergência dessa taxa, para valores entre 4.5 e 6.0. De acordo com a modelagem aqui feita, comunidades muito cooperativas ou muito agressivas não persistem e tendem a evoluir para comunidades com agressividade mediana, onde os indivíduos procuram cooperar entre si, mas punem a agressão. Para trabalhos posteriores, fica a sugestão de se utilizar outros operadores de crossover e mutação, que sejam mais adequados ao problema. Fica ainda a sugestão de se utilizar um outro tipo de torneio entre as estratégias. Bibliografia:
Computação Evolucionária em Machine Learning
omputação Evolucionária em Machine Learning Programas capazes de construir novo conhecimento ou de aperfeiçoar conhecimento existente, usando informação de entrada. Novo onhecimento Ambiente do Problema
Leia maisTópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores
Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores Aula passada: iscussão das listas de exercícios Aula de hoje: iscussão dos tópicos para apresentação Jogos
Leia mais6 Estudos de Casos Porta Lógica OU de 4 Entradas
6 Estudos de Casos Com o objetivo de avaliar a síntese automática de circuitos de QCA usando técnicas de Hardware Evolucionário (EHW), alguns circuitos foram sintetizados e serão apresentados a seguir.
Leia maisFundamentos de Teoria dos jogos
Fundamentos de Teoria dos jogos A Teoria dos Jogos é um ramo da matemática aplicada que estuda situações estratégicas em que jogadores escolhem diferentes ações na tentativa de melhorar seu retorno. Na
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 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 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 maisJogos em Teoria dos Jogos e em
3 Jogos em Teoria dos Jogos e em Computação A Teoria dos Jogos pode ser entendida como a análise matemática de qualquer situação que envolva um conflito de interesses com o intuito de indicar as melhores
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 04 Representações e Programação Genética Max Pereira Representações A representação cromossômica é completamente arbitrária.
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 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 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 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 mais1 Introdução 1.1. Motivação
1 Introdução 1.1. Motivação Estar imune aos riscos que existem no mercado financeiro, reduzindo ou mesmo eliminando as possíveis perdas, é o desejo de qualquer investidor. Desta forma, todo investidor
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 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 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 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. 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 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 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 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 maisIF-705 Automação Inteligente Algoritmos Evolucionários
IF-705 Automação Inteligente Algoritmos Evolucionários Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br
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 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 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 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 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 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 mais1 Introdução 1.1 Motivação
13 1 Introdução 1.1 Motivação A preocupação e os esforços empregados para melhorar as práticas de desenvolvimento de software buscando o aumento da produtividade e da qualidade, bem como a redução de custos
Leia maisPlanejamento Hidrotérmico Utilizando Algoritmos Genéticos
1 Planejamento Hidrotérmico Utilizando Algoritmos Genéticos Thayse Cristina Trajano da Silva Pontifícia Universidade Católica Puc-Rio Engenharia Elétrica Rio de Janeiro RJ Brasil Resumo O planejamento
Leia maisALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA
Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA Igor Acassio Melo
Leia maisInteligência 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 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 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 maisAlgoritmos Evolutivos Canônicos
Algoritmos Evolutivos Canônicos Como representar os indivíduos Vetor de comprimento fixo com L características escolhidas previamente. Ex.: Definição
Leia maisCOMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO E A FUNÇÃO SOLVER
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ARTES, CIÊNCIAS E HUMANIDADES SISTEMAS DE INFORMAÇÃO COMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO
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 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 maisUm Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
Leia mais5 Estudo de Casos. 5.1 Estudo de Caso I
5 Estudo de Casos 5.1 Estudo de Caso I Este estudo de caso foi desenvolvido a fim de validar e avaliar o modelo de solução proposto nesse trabalho. Para isso, criou-se uma variação do modelo de simulação
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 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 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 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 maisUm Estudo Empírico de Hiper-Heurísticas
Flávio Soares Corrêa da Silva (Orientador) Instituto de Matemática e Estatística Universidade de São Paulo Julho de 2007 Definição de Hiper-Heurística Para Que Servem Dois Exemplos Definição Uma hiper-heurística
Leia maisIntrodução aos Algoritmos Genéticos
Introdução aos Algoritmos Genéticos Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Algoritmos Genéticos: Introdução Introduzidos
Leia maisRealce de Impressões Digitais por Algoritmos Genéticos
Technical Notes in Computational Intelligence, ICA, PUC-Rio 1 Realce de Impressões Digitais por Algoritmos Genéticos Marco Aurélio C. Pacheco 1, Raul Queiroz Feitosa 1, Dan Posternak 1 1 ICA: Computational
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 maisInteligência Artificial
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Pós-Graduação
Leia mais4. Modelo Co-evolucionário para Otimização da Programação da Produção.
56 4. Modelo Co-evolucionário para Otimização da Programação da Produção. 4.1. Introdução. O modelo proposto para solucionar este problema é um modelo coevolucionário cooperativo formado por duas espécies.
Leia mais3 Breve Introdução à Teoria dos Jogos
3 Breve Introdução à Teoria dos Jogos Teoria dos Jogos é uma ferramenta matemática criada para melhor entender ou interpretar a maneira com que agentes que tomam decisões interagem entre si. Pense num
Leia maisPreditor de números para lotofácil: uma abordagem usando algoritmos evolutivos
Preditor de números para lotofácil: uma abordagem usando algoritmos evolutivos Fernando Barbosa 1, Lais C. R. S. Lopes 1, Mikaely Cruciol 1 1 Instituto Federal Goiano Campus Urutaí Departamento de Informática
Leia maisSimples Experimentos com Algoritmos Genéticos
Simples Experimentos com Algoritmos Genéticos Ronie Miguel Uliana Universidade Presbiteriana Mackenzie, ronie.uliana@gmail.com Resumo Esse trabalho analisa o efeito da aplicacão de diferentes valores nos
Leia maisUso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística
Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística José Edson Rodrigues Guedes Gondim 1 Joab de Oliveira Lima 2 1 Introdução
Leia maisAncoragem de Embarcações utilizando Algoritmos Genéticos
Ancoragem de Embarcações utilizando Algoritmos Genéticos Sérgio Alvares R. de S. Maffra 1 sam@tecgraf.puc-rio.br Marco Aurélio C. Pacheco 2 marco@ele.puc-rio.br 1 Tecgraf, Departamento de Informática,
Leia maisPontifícia Universidade Católica do Rio de Janeiro. Departamento de Informática. Fundamentos de Computação Gráfica
1. Imagens sísmicas Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática Fundamentos de Computação Gráfica Aluno: Stelmo Magalhães Barros Netto Relatório do trabalho Imagens Sísmicas
Leia mais5 Projeto de Novos Polímeros Condutores
5 Projeto de Novos Polímeros Condutores Polímeros condutores constituem uma nova classe de materiais eletrônicos com propriedades incomuns, baseadas em novos fenômenos físicos, tendo aplicações com largo
Leia mais5 Detalhamento da solução
5 Detalhamento da solução Partindo das equações estabelecidas no capítulo 3 e da técnica de otimização definida no capítulo 4, chega-se a uma solução concreta para o problema que será detalhado nesse capítulo.
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 maisInteligência Computacional Aplicada. O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos
Inteligência Computacional Aplicada Resumo O que é Inteligência Computacional? Áreas de Aplicação Algoritmos Genéticos O que é Inteligência Computacional? Técnicas e sistemas computacionais que imitam
Leia maisSIMULAÇÃO DE UM APRENDIZ INFORMAL COM ALGORITMO EVOLUCIONÁRIO
SIMULAÇÃO DE UM APRENDIZ INFORMAL COM ALGORITMO EVOLUCIONÁRIO Breno Antunes Sistemas de Informação CEATEC bee_zaum@hotmail.com Resumo: Este documento apresenta o resultado de um projeto de Iniciação Científica
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 maisDIAGNÓSTICO DA TURMA 3º ANO B ESCOLA: SEVERINO CABRAL DO ENSINO MÉDIO. João Rodrigues Braga
DIAGNÓSTICO DA TURMA 3º ANO B DO ENSINO MÉDIO ESCOLA: SEVERINO CABRAL João Rodrigues Braga 01. QUAL A SUA OPINIÃO A RESPEITO DA DISCIPLINA DE GEOGRAFIA? Todos os alunos gostam da disciplina Geografia embora
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 maisOtimização. Algoritmos Genéticos. Teoria da Evolução. Otimização
Algoritmos Genéticos Otimização São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John
Leia maisAlgoritmos Genéticos para Seleção de Amostras em problemas de Classificação
Algoritmos Genéticos para Seleção de Amostras em problemas de Classificação Rodrigo da Costa Nascimento Marco Aurélio Cavalcanti Pacheco Departamento de Engenharia Elétrica Pontifícia Universidade Católica
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 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 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 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 maisSeleção do Portifólio de Projetos para Investimento por Computação Evolucionária
ICA Inteligência Computacional Aplicada, PUC-Rio 1 Seleção do Portifólio de para Investimento por Computação Evolucionária Marco Aurélio C. Pacheco, Rafael Freitas de Amorim 1 ICA: Inteligência Computacional
Leia maisRedes Perceptron e Multilayer Perceptron aplicadas a base de dados IRIS
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Redes Perceptron e Multilayer Perceptron aplicadas a base de dados IRIS Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce
Leia maisRepresentação Digital de Informação
Representação Digital de Informação Bases de Numeração e Representação de Números Operações Aritméticas 2 1 Representação de números em sistemas digitais Que significa 435? Isto é 435 é um número com 4
Leia maisESTUDO COMPARATIVO DOS MÉTODOS DE APTIDÃO PARA PROBLEMAS COM MÚLTIPLOS OBJETIVOS
ESTUDO COMPARATIVO DOS MÉTODOS DE APTIDÃO PARA PROBLEMAS COM MÚLTIPLOS OBJETIVOS Laercio Brito Gonçalves, Marco Aurélio Cavalcante Pacheco ICA: Núcleo de Pesquisa em Inteligência Computacional Aplicada
Leia mais5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Leia maisEngenharia de Software I Processos de desenvolvimento de SW. profa. Denise Neves
I Processos de desenvolvimento de SW profa. Denise Neves profa.denise@hotmail.com 2018 Projeto Um projeto é um empreendimento temporário empreendido para alcançar um único conjunto de objetivos. (PMI,PMBOK
Leia maisLinha de tubulação de pvc
101 5.3.2- Linha de tubulação de pvc A seguir, são apresentados os perfis GPR adquiridos com os seguintes parâmetros, modo de aquisição passo a passo, arranjo de antenas Ey-Ey, freqüência de 100MHz e espaçamento
Leia maisPROFESSOR: HENRIQUE GOMES DISCIPLINA: MATEMÁTICA CONTEÚDO: Medidas de tendência central AULA 1
PROFESSOR: HENRIQUE GOMES DISCIPLINA: MATEMÁTICA CONTEÚDO: Medidas de tendência central AULA 1 Vamos destacar três medidas desse tipo: A média aritmética; A mediana; A moda. 2 Das três medidas de tendência
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 maisA prova é SEM CONSULTA. Não são permitidas calculadoras ou quaisquer equipamentos eletrônicos. Celulares devem ser desligados e guardados.
ELE2005: Análise Estratégica de Investimentos e de Decisões com Teoria dos Jogos e Jogos de Opções Reais. Primeira Prova Segunda Chamada 31/10/2007 A prova é SEM CONSULTA. Não são permitidas calculadoras
Leia maisSimulação Social: Teoria de Jogos
Introdução à Modelagem do Sistema Terrestree (CST-317) Prof. Dr. Gilberto Câmara Modelo de Simulação Social: Teoria de Jogos Alunos(as): Lucía Chipponelli (lucia.chipponelli@inpe.br) Michelle Furtado (michelle.furtado@inpe.br)
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 mais7 Estudo de Casos: Obtenção de uma Regra de Decisão Ótima por Aproximação com Algoritmos Genéticos
7 Estudo de Casos: Obtenção de uma Regra de Decisão Ótima por Aproximação com Algoritmos Genéticos 7.. Introdução Este capítulo analisa o problema de decisão de investimento num projeto sujeito a incertezas
Leia maisAula 1 - Revisão de Modularização
Computação II Aula 1 - Revisão de Modularização Carla Delgado - João Carlos 1. Na Copa do Mundo da Rússia, o prêmio Chuteira de Ouro é dado ao jogador que possui a melhor média de gols na competição. (a)
Leia maisPRO Introdução à Economia
Introdução à Economia Aula 11 Oligopólio Quatro Tipos de Mercado Número de Empresas Muitas Empresas Tipos de Produtos Uma Empresa Poucas Empresas Produtos diferenciados Produtos Idênticos Monopólio Oligopólio
Leia maisREGRAS OFICIAIS (simplificadas) O CAMPO O MATERIAL OS JOGADORES O SORTEIO. O campo deve ser traçado como mostra o diagrama. O volante e a raqueta
REGRAS OFICIAIS (simplificadas) O CAMPO O campo deve ser traçado como mostra o diagrama. O MATERIAL O volante e a raqueta OS JOGADORES O jogo pode ser disputado por dois jogadores de cada lado (pares Homens,
Leia mais1.3 Outras definições de probabilidade
14 CHAPTER 1. INTRODUÇÃO 1.3 Outras definições de probabilidade Até agora definimos probabilidade de um evento segundo a definição clássica, supondo sempre resultados equiprováveis. Outros métodos de definir
Leia maisO ELO PERDIDO DA COOPERAÇÃO. Você alguma vez já sentiu uma vontade quase incontrolável de ajudar alguém,
O ELO PERDIDO DA COOPERAÇÃO Elton Júnior Você alguma vez já sentiu uma vontade quase incontrolável de ajudar alguém, de alguma forma, como se sua existência dependesse disso? Provavelmente a resposta é
Leia mais5 Estudo de Caso. 5.1 Planejamento de um Porto Fictício
56 5 Estudo de Caso 5.1 Planejamento de um Porto Fictício Para o estudo de caso foi necessário implementar uma ferramenta capaz de otimizar o uso dos recursos de um porto fictício porém, semelhante ao
Leia maisGERAÇÃO DO CONJUNTO DE REGRAS DE INFERÊNCIA PARA UM CONTROLADOR NEBULOSO USANDO ALGORITMOS GENÉTICOS
o. SBAI Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, 8- de Setembro de 999 GERAÇÃO DO CONJUNTO DE REGRAS DE INFERÊNCIA PARA UM CONTROLADOR NEBULOSO USANDO ALGORITMOS GENÉTICOS Yván J. Túpac,
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 maisJogos. A teoria dos jogos lida com as interações estratégicas que ocorrem entre os agentes.
Jogos A teoria dos jogos lida com as interações estratégicas que ocorrem entre os agentes http://robguena.fearp.usp.br/anpec/tjogos.pdf a) Descrição de um jogo Teoria dos Jogos Jogadores: quem está envolvido
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 maisMétodo de Hardy-Cross Capitulo 13- Algoritmo genético engenheiro Plínio Tomaz 24 dezembro de Algoritmo genético 13-1
1 Algoritmo genético 13-1 2 Capítulo 13-Algoritmo genético 13.1 Introdução As tecnologias recentes para dimensionamento de redes de água são: Algoritmo genético Programação Dinâmica Decision Support System
Leia maisAlgoritmos Genéticos para Gerência de Projetos
Algoritmos Genéticos para Gerência de Projetos Marco Aurélio C. Pacheco 1, Thiago Souza M. Guimarães 1 1 ICA: Inteligência Computacional Aplicada, Departamento de Engenharia Elétrica, PUC-Rio R. Marques
Leia maisAlgoritmo Genético. Teoria da Evolução Princípio seguido pelos AGs
Algoritmo Genético Técnica de busca e otimização. Metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John Holland (1975) e seus
Leia maisANALYTICINT FERRAMENTA WEB PARA AVALIAR O PERFIL ACADÊMICO DOS CURSOS TÉCNICOS INTEGRADO DO IFC-VIDEIRA
ANALYTICINT FERRAMENTA WEB PARA AVALIAR O PERFIL ACADÊMICO DOS CURSOS TÉCNICOS INTEGRADO DO IFC-VIDEIRA Autores : Autor 1, Autor 2, Autor 3, Autor 4 1 Autor 2 Autor 3 Autor 4 Autor Introdução Com o objetivo
Leia maisMicroeconomia. 8. Teoria dos Jogos. Francisco Lima. 1º ano 2º semestre 2015/2016 Licenciatura em Engenharia e Gestão Industrial
Microeconomia 8. Teoria dos Jogos Francisco Lima 1º ano 2º semestre 2015/2016 Licenciatura em Engenharia e Gestão Industrial Teoria dos Jogos Teoria dos jogos é o estudo de como os agentes se comportam
Leia mais