Optimização através de colónias de formigas. Guy Theraulaz
|
|
- João Vítor Cordeiro Fontes
- 6 Há anos
- Visualizações:
Transcrição
1 Optimização através de colónias de formigas Guy Theraulaz
2 Insectos, Insectos Sociais e Formigas ~10 18 insectos vivos ~2% de todos os insectos são sociais Os insectos sociais: Todas as formigas Todas as térmitas Algumas abelhas Algumas vespas 50% de todos os insectos são formigas Peso médio de uma formiga: entre 1 e 5mg As formigas colonizaram a Terra há 100 milhões de anos O Homo Sapiens há anos Vida Artificial Optimização através de colónias de formigas 1
3 Colónias de Formigas Tamanho das colónias de formigas: de 30 a milhões de operárias Divisão do trabalho: Reprodução: raínha Defesa: Recolha de alimentos Tratamento das crias Limpeza dos ninhos Construção e manutenção dos ninhos Vida Artificial Optimização através de colónias de formigas 2
4 Algoritmos Formiga As colónias de formigas são sistemas distribuídos que apresentam organizações sociais altamente estruturadas independentemente da simplicidade ao nível individual Os princípios da auto-organização que permitem a comportamento coordenado das formigas, podem ser explorados para resolver problemas computacionais. O campo dos algoritmos formiga estuda modelos derivados das observações do comportamento das formigas reais e utiliza esses modelos como fonte de inspiração para o design de novos algoritmos para resolverem problemas de optimização e de controlo distribuído. Vários comportamentos das colónias de formigas inspiraram diferentes tipos de algoritmos formiga. (recolha de alimentos; divisão do trabalho; transporte cooperativo, agrupamento das crias, reconhecimento colonial, etc). Vida Artificial Optimização através de colónias de formigas 3
5 Estigmergia Na maior parte dos casos, as formigas coordenam-se através da estigmergia, que é uma forma de comunicação indirecta que é mediada pelas modificações no meio-ambiente. Os Biólogos confirmaram que em muitos casos, é suficiente considerar a comunicação estigmérgica para explicar como é que as colónias de formigas se auto-organizam e são capazes de realizarem tarefas colectivas complexas. O termo pertence a Pierre-Paul Grassé, e foi introduzido em 1959, e resultou da investigação de Grassé com o comportamento de construção das térmitas. Segundo Grassé, a estigmergia é a estimulação das operárias através da performance que realizaram. As térmitas são capazes de criar bolas de lama para construírem os ninhos, impregnam essas bolas de lama com feromonas e largam-nas no chão. As térmitas são atraídas pelas feromonas e assim, depositam bolas de lama perto umas das outras, construindo pilares, arcos, túneis e câmaras. Vida Artificial Optimização através de colónias de formigas 4
6 Estigmergia O que distingue a estigmergia de outras formas de comunicação é: 1) o carácter físico da informação, que corresponde à modificação dos estados físicos do meio-ambiente visitado pelos insectos e 2) a natureza local da informação, a qual apenas pode ser acedida pelos insectos que visitem o lugar onde foi criada (ou algum lugar vizinho). É possível falar de comunicação estigmergica sempre que exista comunicação mediada por modificações físicas dos estados do meio-ambiente, os quais só são localmente acessíveis pelos agentes. Vida Artificial Optimização através de colónias de formigas 5
7 Recolha de Alimentos Vida Artificial Optimização através de colónias de formigas 6
8 Recolha de Alimentos O comportamento de recolha de alimentos de muitas sociedades de formigas (I. Humilis, Linepithema humile, Lasius Niger) baseia-se na comunicação indirecta mediada por feromonas (estigmergia através de marcas ou signos). filme Vida Artificial Optimização através de colónias de formigas 7
9 Emergência de umtrilho Químico Enquanto caminham do ninho para as fontes de alimento e vice-versa, as formigas depositam feromonas no chão, formando um trilho de feromonas. As formigas são capazes de snifar o químico e tendem a escolher, de modo probabilístico, caminhos onde haja maior concentração de químico. O trilho químico, é uma estrutura emergente e auto-organizada e resulta do feedback positivo. Quanto mais químico, mais formigas são atraídas e ainda mais químico, reforçando-se o trilho que atrai ainda mais formigas, numa espiral crescente. Vida Artificial Optimização através de colónias de formigas 8
10 Experiências da ponte bifurcada Experiência de Deneubourg com formigas reais L. humile. Ponte entre o ninho e a fonte de comida, com dois ramos de igual comprimento. As formigas acabam por escolher um único dos dois caminhos, aleatóriamente, depois de uma fase inicial transitória Explicação: Não há preferência inicial mas pequenas flutuações iniciais poderão são amplificadas dando origem à preferência por um dos caminhos. Vida Artificial Optimização através de colónias de formigas 9
11 Optimização QuickTime and a TIFF (LZW) decompressor are needed to see this picture. As formigas seleccionam colectivamente o caminho mais curto. As flutuações aleatórias têm muito menos influência. Explicação: as formigas que optam pelo caminho mais curto, são as primeiras a chegar à fonte de comida e a regressar. Acumula-se mais feromona nos ramos mais curtos que atrai mais formigas e + feromona, etc. No entanto, os caminhos mais longos continuam a ser utilizados por formigas (comportamento probabilístico). Diferencial do comprimento dos caminhos Vida Artificial Optimização através de colónias de formigas 10
12 Optimização Vida Artificial Optimização através de colónias de formigas 11
13 Resumo As formigas encontram o caminho mais curto para a comida As formigas depositam feromona ao longo do caminho A feromona vai-se evaporando A intensidade da feromona aumenta com o número de formigas Os bons caminhos são reforçados e os maus desaparecem gradualmente Vida Artificial Optimização através de colónias de formigas 12
14 Suboptimalidade O que acontece se depois da convergência para um caminho, adicionarmos um caminho ainda mais curto? O novo caminho mais curto é seleccionado apenas esporadicamente, ficando a colónia presa ao caminho subóptimo. Explicação: A elevada concentração de feromona aliada à baixa taxa de evaporação são as causas desse fenómeno. A evaporação, que pode favorecer a exploração de novos caminhos, é demasiado lenta, impedindo que a colónia se esqueça dos caminhos suboptimais, e que descubra um caminho novo e aprenda a escolhê-lo. Vida Artificial Optimização através de colónias de formigas 13
15 Comportamento Swarm As características swarm estão presentes no comportamento de recolha de alimentos Feedback Positivo Feedback Negativo Aleatoriedade Interações Múltiplas Vida Artificial Optimização através de colónias de formigas 14
16 Feedback Positivo O Feedback Positivo reforça as boas soluções As formigas são capazes de recrutar outras quando encontram comida Mais formigas num trilho aumentam o nível de feromona e atraiem ainda mais formigas. Vida Artificial Optimização através de colónias de formigas 15
17 Feedback Negativo O Feedback Negativo remove da memória colectiva (exterior) as soluções antigas e as más soluções Evaporação da Feromona O desaparecimento da comida + evaporação impedem que um lugar esgotado continue a ser procurado. As fontes de alimentação mais distantes são exploradas depois das mais curtas. A Feromona tem menos tempo para se evaporar nas soluções mais curtas. Vida Artificial Optimização através de colónias de formigas 16
18 Aleatoriedade A aleatoriedade permite que novas soluções sejam procuradas e dirigem a exploração das soluções correntes. As decisões das formigas são probabilísticas Probabilidade de exploração, dado que a subida do gradiente é probabilística As fontes de comida são encontradas de modo aleatório. Vida Artificial Optimização através de colónias de formigas 17
19 Interacções Múltiplas Nenhum indivíduo pode resolver um problema. Só através da interacção de muitos é que a solução pode ser encontrada. Uma única formiga não pode recolher comida. A feromona evaporar-se-ia demasiado rapidamente. São precisas muitas formigas para manter o trilho Pode-se encontrar comida mais rapidamente Vida Artificial Optimização através de colónias de formigas 18
20 Algoritmos Formiga A ideia por detrás dos algoritmos formiga é utilizar uma forma de estigmergia artificial para coordenar sociedades de agentes artificiais. As características da estigmergia referidas em cima podem ser facilmente estendidas aos agentes artificiais através de (i) associar variáveis aos estados do problema e (ii) dar aos agentes um acesso local a essas variáveis. Vida Artificial Optimização através de colónias de formigas 19
21 Início Formigas Artificiais para Problemas de Custo Mínimo Objectivo Vida Artificial Optimização através de colónias de formigas 20
22 Resultado da Optimização Início Objectivo Vida Artificial Optimização através de colónias de formigas 21
23 S-ACO S-ACO: Simple Ant Colony Optimization Ferramenta Didáctica para explicar o mecanismo básico dos algoritmos ACO. Representa um passo significativo para a definição de um algoritmo eficiente. Vida Artificial Optimização através de colónias de formigas 22
24 Rasto de Feromona Artificial A cada arco (i,j) do grafo G=(N,A) associamos uma variável (τ ij ), a que chamamos de rasto de feromona artificial Os rastos de feromonas artificiais são lidos e escritos pelas formigas A quantidade (intensidade) de feromona é proporcional à utilidade, estimada pelas formigas, de utilizarem esse arco para construirem boas soluções. Inicialmente, todos os arcos possuem a mesma quantidade de feromona: τ ij =1 (i,j) A. Vida Artificial Optimização através de colónias de formigas 23
25 Dois Modos As formigas S-ACO executam passo a passo (de nó a nó) e têm dois modos de funcionamento: Estão no modo para a frente quando estão a moverse do nó inicial (ninho) para o nó final (fonte de alimento) Estão no modo regresso sempre que estiverem a mover-se em direcção ao ninho partindo da fonte de alimento. Quando uma formiga no modo para a frente atinge o nó final, passa para o modo regresso e vice-versa. Vida Artificial Optimização através de colónias de formigas 24
26 Modo Para a Frente As formigas para a frente constroiem uma solução escolhendo probabilisticamente o próximo nó entre os nós vizinhos do nó onde estão. Vida Artificial Optimização através de colónias de formigas 25
27 Modo Para a Frente Quando estiver num nó i, a formiga k utiliza o trilho τ ij para calcular a probabilidade de escolher cada um dos nós vinhos j como nó seguinte Vida Artificial Optimização através de colónias de formigas 26
28 Modo Para a Frente Consideram-se só como nós vizinhos todos os nós ligados directamente ao nó corrente i, excepto o nó predecessor de i (onde estava antes de se mover para i). No caso de não haver vizinhos (beco sem saída), o nó predecessor é o único vizinho e é para esse nó que a formiga vai. Ciclos: Esta forma de decisão do próximo nó leva facilmente à formação de ciclos. Vida Artificial Optimização através de colónias de formigas 27
29 Modo Para a Frente Quando localizada num nó i a formiga k usa o trilho de feromona para calcular a probabilidade de escolher cada uma dos nós vizinhos j. p k ij = l 0 α τ ij N k i α τ ij se se j N k i j N k i Vida Artificial Optimização através de colónias de formigas 28
30 Modo Para a Frente As formigas andam de nó em nó desde o nó inicial até que eventualmente deparem com o nó final. Devido às diferenças entre os caminhos das formigas, o instante temporal em que as diversas formigas atingem o objectivo difere de formiga para formiga (As formigas que escolham caminhos mais curtos chegarão mais depressa). Vida Artificial Optimização através de colónias de formigas 29
31 Modo Regresso As formigas no modo de regresso, devido à memória do caminho percorrido, refazem deterministicamente (quase) o mesmo caminho depois da eliminação dos ciclos, desde o objectivo até ao nó inicial, passo a passo (nó a nó) Vida Artificial Optimização através de colónias de formigas 30
32 Problema dos Ciclos O problema dos ciclos é que os nós que fazem parte de um ciclo podem receber muita feromona levando aos ciclos que se auto-reforçam. Vida Artificial Optimização através de colónias de formigas 31
33 Regresso: Eliminação dos Ciclos Os ciclos são eliminados pela mesma ordem que são criados. Se o caminho contiver ciclos imbrincados uns nos outros então o ciclos mais longos não são necessariamente eliminados Vida Artificial Optimização através de colónias de formigas 32
34 Processo de eliminação dos Ciclos Direcção da verificação de nós repetidos 1º nó a ser verificado ª ocorrência do nó 3 Verificando o nó Verificando o nó Não há mais ciclos Vida Artificial Optimização através de colónias de formigas 33
35 Regresso: actualização da feromona Durante o regresso desde o objectivo até ao nó inicial, a formiga vai depositando feromona em cada um dos arcos que visitou (exceptuando os que foram removidos devido ao processo de remoção de ciclos). Em particular, se a formiga k estiver no modo regressso e se atravessar o arco (i,j) modifica o valor da feromona desse arco: τij τij + τ k Vida Artificial Optimização através de colónias de formigas 34
36 Duas possibilidades de actualização da feromona por parte da formiga k (no regresso) τ k Constante: O acréscimo de feromona é constante para todas as formigas e para todos os arcos. (Depende apenas do diferencial do tamanho do caminho: as formigas com melhores caminhos depositam feromona mais cedo) Variável: Além do acréscimo constante, as formigas depositam uma quantidade de feromona que depende da qualidade do caminho. Quanto mais pequeno o caminho maior essa quantidade. Vida Artificial Optimização através de colónias de formigas 35
37 Evaporação A evaporação do trilho de feromona pode ser visto como um mecanismo de exploração que evita uma convergência rápida para um caminho suboptimal. Favorece a exploração de diferentes caminhos durante o processo de pesquisa. Favorece o esquecimento das más escolhas e limita o nível de feromona nos arcos. O facto de ser menos importante nas formigas reais é devido a que os problemas artificiais são mais complexos do que os reais. τ ij ( 1 p) p [ 0,1] τ ij Vida Artificial Optimização através de colónias de formigas 36
38 Ciclo S-ACO 1- Cada uma das formigas escolhe o próximo nó a visitar (seja em modo regresso seja em modo para a frente. 2 -A feromona evapora-se em todos os arcos 3- Actualização da feromona no arco escolhido para o caso das formigas que estão a regressar Vida Artificial Optimização através de colónias de formigas 37
39 Experiências com S-ACO Dupla Ponte Dupla Ponte Estendida Vida Artificial Optimização através de colónias de formigas 38
40 Critério de Convergência A experiência acaba quando todas as formigas utilizam o mesmo caminho. Contam-se as iterações A qualidade do caminho: O Melhor ou Não? Vida Artificial Optimização através de colónias de formigas 39
41 Resultados das experiências O Diferencial do Comprimento do Caminho, embora importante, não é suficiente para problemas mais complexos. As actualizações de feromona baseado na qualidade das soluções são importantes para uma convergência mais rápida. Valores elevados do parâmetro α dão maior importância às flutuações iniciais e a um comportamento deficiente do algoritmo Quanto maior o número de formigas melhor a performance com o custo de tempos de simulação maiores. Vida Artificial Optimização através de colónias de formigas 40
42 Perguntas Vida Artificial Optimização através de colónias de formigas 41
Otimização em Colônias de Formigas. Prof. Eduardo R. Hruschka (Slides adaptados dos originais elaborados pelo Prof. André C. P. L. F.
Otimização em Colônias de Formigas Prof. Eduardo R. Hruschka (Slides adaptados dos originais elaborados pelo Prof. André C. P. L. F. de Carvalho) Principais tópicos Introdução Colônias de Formigas Formação
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisOtimização por Colônia de Formigas (ACO)
Otimização por Colônia de Formigas (ACO) Inspiração Biológica Proposto por Dorigo e Gambardella em 1997 ACO (Ant Colony Optimization) Principal aplicação no PCV Programação do algoritmo Inspiração Biológica
Leia maisTópicos Especiais em Otimização
Tópicos Especiais em Otimização ivo.junior@ufjf.edu.br Juiz de Fora, 05 de Maio de 2016 Introdução Qual a diferença entre inteligência: ARTIFICIAL E COMPUTACIONAL? ARTIFICIAL: É a ciência que tenta compreender
Leia maisAnt Colony Optimization
Ant Colony Optimization por Fabricio Breve Fabricio Breve fabricio@rc.unesp.br 02/06/2016 Fabricio Breve 1 Ant Colony Optimization Origem na tese de doutorado de Marco Dorigo, em 1992 Ant Systems Algoritmo
Leia maisOptimização por colónias de formigas (Ant colony optimization)
Optimização por colónias de formigas (Ant colony optimization) 239 Colónia de formigas (ACO) Um processo de pesquisa meta-heurístico baseado no comportamento das formigas à procura de alimento Um número
Leia maisMetaheurísticas de Otimização Bio-Inspiradas
* Aula baseada nas notas de aula do prof. Fernando Von Zuben, da UNICAMP UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Metaheurísticas de Otimização Bio-Inspiradas Aula 14 Otimização por Colônia de Formigas*
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL Disciplina Anual Assunto Aula 19 ACO - Ant Colony Optimization 2 de 15 Sumário Problema do Caixeiro
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 1.7. Outras Metaheurísticas Populacionais 1.7.1. Metaheurísticas Populacionais
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 maisInteligência de enxame e o algoritmo das abelhas
Inteligência de enxame e o algoritmo das abelhas (Swarm intelligence and bee s algorithm) Glaucus Augustus, 6219168 O que é: Cooperação: é o processo de agir junto, em união(ex: grupo de tcc) Colaboração:
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 Evolucionária
Leia maisOTIMIZAÇÃO POR COLÔNIA DE FORMIGAS PARA O ROTEAMENTO EM REDES DE COMPUTADORES.
OTIMIZAÇÃO POR COLÔNIA DE FORMIGAS PARA O ROTEAMENTO EM REDES DE COMPUTADORES. Renato Guilherme Martins Junior (ICV-UNICENTRO), Richard Aderbal Gonçalves (Co-orientador), Carolina Paula de Almeida (Orientadora)
Leia maisRedes de Alto Débito Routing com meta-heuristicas
ADEE EST - UAlgarve Routing com meta-heuristicas Pedro Cardoso, Ph.D. pcardoso@ualg.pt w3.ualg.pt/~pcardoso Sabia que em média uma árvore produz apenas 20 resmas de papel. Antes de imprimir este documento
Leia mais2 Modelos Baseados no Comportamento de Formigas
2 Modelos Baseados no Comportamento de Formigas Formigas são seres vivos relativamente simples. Entretanto, é interessante reparar que suas colônias costumam apresentar um nível de sofisticação estrutural
Leia maisOtimização por Colônia de Formigas (Ant Colony Optimization - ACO)
Otimização por Colônia de Formigas (Ant Colony Optimization - ACO) Eros Moreira de Carvalho Gabriel Silva Ramos CI209 - Inteligência Artificial BCC - Bacharelado em Ciência da Computação DInf - Departamento
Leia mais4. MÉTODO DO FORMIGUEIRO (ANT COLONY OPTIMIZATION ACO)
4. MÉTODO DO FORMIGUEIRO (ANT COLONY OPTIMIZATION ACO) 4.. Analogia Comportamental: a busca de alimentos em um migueiro 4.2. A Tradução Matemática: o algoritmo básico ( versão discreta) 4.3. A Programação
Leia maisInteligência Coletiva. Prof. Eduardo R. Hruschka (Slides adaptados dos originais elaborados pelo Prof. André C. P. L. F.
Inteligência Coletiva Prof. Eduardo R. Hruschka (Slides adaptados dos originais elaborados pelo Prof. André C. P. L. F. de Carvalho) Principais tópicos Inteligência Coletiva (CI) Otimização por enxames
Leia maisProblemas de otimização
Problemas de otimização Problemas de decisão: Existe uma solução satisfazendo certa propriedade? Resultado: sim ou não Problemas de otimização: Entre todas as soluções satisfazendo determinada propriedade,
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 maisColônia Evolucionária de Formigas: Uma Proposta Inicial Aplicada ao Problema do Caixeiro Viajante
Colônia Evolucionária de Formigas: Uma Proposta Inicial Aplicada ao Problema do Caixeiro Viajante Fábio dos Santos Ferreira 2,3, Glauber Duarte Monteiro 2,3, Otávio Noura Teixeira 1,2,3 1 Programa de Pós-Graduação
Leia maisINSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO
INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) Informação - ICPG - Criciuma - SC 1 Características Gerais, operadores, algoritmo.
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 mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisMETAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima
METAHEURÍSTICAS METAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima Consiste em aplicar iterativamente uma heurística subordinada (busca local) Tem algum mecanismo para escapar de ótimos locais (vales)
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 02 Representação do Conhecimento Prof. Max Pereira Para que um computador possa solucionar um problema
Leia maisO que é? Swarm Intelligence. Qual a origem? Cardume. Qualquer tentativa de projetar algoritmos ou técnicas de resolução distribuída de
O que é? Swarm Intelligence (Inteligência oletiva) Prof. Luis Otavio lvares Qualquer tentativa de projetar algoritmos ou técnicas de resolução distribuída de problemas inspirada pelo comportamento coletivo
Leia maisInteligência de Enxame: ACO
Inteligência de Enxame: ACO! Otimização colônia de formigas é uma meta-heurística: «baseada em população «inspirada no comportamento forrageiro das formigas.! Muitas espécies de formigas são quase cegas.!
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 maisOtimização de horários Seminário. Clarisse Resende 25/01/2013
Otimização de horários Seminário Clarisse Resende 25/01/2013 O problema dos horários consiste numa sequência de atividades de programação, satisfazendo um conjunto de restrições de recursos. Pretende-se
Leia maisMétodos modernos de pesquisa e Optimização
Métodos modernos de pesquisa e Optimização Victor Lobo Importância para os SAD Definir o caminho a tomar depois de se ter trabalhado os dados ª Fase: Analisar os dados disponíveis Visualização OLAP, relatórios
Leia maisImplementação da metaheurística Colônia de formigas em Java para o problema do Caixeiro Viajante Simétrico.
Implementação da metaheurística Colônia de formigas em Java para o problema do Caixeiro Viajante Simétrico. Davi A. Magalhães 1, Marlos Antônio dos S. Lima 1. 1 Departamento de Informática Universidade
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 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. 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 maisModelos de Suavização Exponencial Aula - 07
Modelos de Suavização Exponencial Aula - 07 observações passadas contêm informações sobre o padrão de comportamento da séries temporal; Métodos: distinguir o padrão de qualquer ruído que possa estar contido
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 maisComputação Bioinspirada PROF. PAULO SALGADO
Computação Bioinspirada AULA 1 APRESENTAÇÃO DA DISCIPLINA PROF. PAULO SALGADO Aula de hoje Falar sobre Objetivos Ementa Avaliação Roteiro Proposto (Cronograma) Referências Periódicos da Área Objetivos
Leia maisRoselaine Regina Rubi APLICAÇÃO DO ALGORITMO COLÔNIA DE FORMIGAS NA RESOLUÇÃO DO 8-PUZZLE
Roselaine Regina Rubi 0402020 APLICAÇÃO DO ALGORITMO COLÔNIA DE FORMIGAS NA RESOLUÇÃO DO 8-PUZZLE Jaguariúna 2007 Roselaine Regina Rubi 0402020 APLICAÇÃO DO ALGORITMO COLÔNIA DE FORMIGAS NA RESOLUÇÃO DO
Leia maisAprendizado por Reforço usando Aproximação
Aprendizado por Reforço usando Aproximação de Funções Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Aproximação de Funções 2. Do the evolution 1 Aproximação de Funções Função Utilidade
Leia maisProblemas de Fluxo em Redes
CAPÍTULO 7 1. Conceitos fundamentais de grafos Em muitos problemas que nos surgem, a forma mais simples de o descrever, é representá-lo em forma de grafo, uma vez que um grafo oferece uma representação
Leia maisInteligência de Enxame
Inteligência de Enxame! Inteligência de enxames é a denominação aplicada a tentativa de desenvolvimento de algoritmos para a solução distribuída de problemas inspirando-se no comportamento coletivo de
Leia maisModelação, Identificação e Controlo Digital
29 Adormecimento dos mínimos quadrados recursivos Se os dados forem adequados, os elementos do ganho de Kalman diminuem à medida que o tempo passa, tornando-se eventualmente muito reduzidos se o ruído
Leia maisSistemas de Apoio à Decisão Optimização V 1.0, V.Lobo, EN/ISEGI, 2005
Métodos modernos de pesquisa e Optimização Victor Lobo Introdução Problema de optimização Dada uma função f(x) encontrar o seu óptimo (máximo ou mínimo) Cada um faz a sua pesquisa!!! Problema de pesquisa
Leia maisInteligência Artificial
Inteligência Artificial Fabrício Olivetti de França 07 de Junho de 2018 1 Heurísticas e Meta-Heurísticas 2 Heurística Heurística, derivada do grego encontrar ou descobrir, são técnicas para encontrar a
Leia maisSistemas de Apoio à Decisão Optimização V 2.0, V.Lobo, EN/ISEGI, 2011
V.0, V.Lobo, EN/ISEGI, 0 ópicos Métodos modernos de pesquisa e Optimização Victor Lobo Introdução Métodos matemáticos clássicos Método de Monte Carlo Hill- Climbing Simulated Annealing Algoritmos Genéticos
Leia maisImplementação de Otimização Colônia de Formigas
Implementação de Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN Introdução Apresentaremos o Pseudo-Código do Ant System. O código pode
Leia maisResolução Para o Problema n-rainhas Utilizando ACO
Resolução Para o Problema n-rainhas Utilizando ACO Carolina Moreira Oliveira Programa de Pós-Graduação em Informática Universidade Federal do Paraná Curitiba, Brasil cmoliveira@inf.ufpr.pr Aurora Trinidad
Leia maisTabelas de Dispersão. Algoritmos e Estruturas de Dados Verão Cátia Vaz 1
Tabelas de Dispersão Algoritmos e Estruturas de Dados Verão 2012 1 Tabelas de endereçamento directo Endereçamento directo é usado quando o universo de chaves é pequeno e todas as chaves são distintas:
Leia maisOtimização. Unidade 6: Algoritmo Genético. Jaime Arturo Ramírez. 7. Teoria do processo evolutivo num GA. 8. Aspectos avançados
Otimização Jaime Arturo Ramírez Conteúdo 1. Introdução 2. Analogia de mecanismos de seleção natural com sistemas artificiais 3. Algoritmo genético modelo 4. Um GA simples 5. Representação, genes e cromossomos
Leia maisA Otimização Colônia de Formigas
A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado
Leia maisPrevisão da Estrutura de Proteínas com Modelos HP
Instituto Politécnico de Coimbra Instituto Superior de Engenharia de Coimbra Departamento de Engenharia Informática e de Sistemas Previsão da Estrutura de Proteínas com Modelos HP Cátia Regina Craveiro
Leia maisNOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016
NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016 Metaheurística: São técnicas de soluções que gerenciam uma interação entre técnicas de busca local e as estratégias de nível superior para criar um processo de
Leia maisMetaheurísticas de Otimização Bio-Inspiradas
* Aula baseada nas notas de aula do prof. Fernando Von Zuben, da UNICAMP Metaheurísticas de Otimização Bio-Inspiradas Aula 11 Otimização por Enxame de Partículas Parte 1* Prof. Dr. Hugo Valadares Siqueira
Leia maisAprendizado, minimização do arrependimento e equilíbrio (Learning, Regret Minimization, and Equilibria)
Aprendizado, minimização do arrependimento e equilíbrio (Learning, Regret Minimization, and Equilibria) Victor Alberto Romero Instituto de Matemática e Estatística Universidade de São Paulo Teoria dos
Leia maisOtimização por colônia de formigas Ant Colony Optimization ACO - Algoritmo de classificação
Otimização por colônia de formigas Ant Colony Optimization ACO - Algoritmo de classificação Gissely de Souza Universidade Federal do Paraná Disc. Aprendizagem de Máquina Prof. David Menotti Otimização
Leia maisIA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA Colônia de Formigas Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução O Experimento da Ponte Binária. Ant System Aplicado ao PCV. Elitist Ant System. Introdução Otimização colônia
Leia maisESTUDO EXPERIMENTAL, MODELAGEM E IMPLEMENTAÇÃO DO COMPORTAMENTO DE COLÔNIAS DE FORMIGAS EM UM AMBIENTE DINÂMICO
Karla Vittori ESTUDO EXPERIMENTAL, MODELAGEM E IMPLEMENTAÇÃO DO COMPORTAMENTO DE COLÔNIAS DE FORMIGAS EM UM AMBIENTE DINÂMICO Tese apresentada à Escola de Engenharia de São Carlos, da Universidade de São
Leia maisDecisão Decidir Análise / Teoria da Decisão
Decisão Decidir é o acto de seleccionar uma linha de acção preferida entre várias alternativas existentes. Existem diversos instrumentos que podem contribuir para a tomada de decisões, dependentes do ambiente
Leia maisFigura 1.1: Um reservatório natural de petróleo típico: dificuldade para investigar áreas de interesse.
1 Introdução Técnicas de realidade virtual são ferramentas valiosas para a criação, manipulação e investigação de estruturas reais. Elas provêem um ambiente seguro para que os profissionais envolvidos
Leia maisGestão de Projectos. Projectos como redes de actividades Determinação do caminho crítico Método de PERT Método CPM Exercício Links
Gestão de Projectos Gestão de Projectos Projectos como redes de actividades Determinação do caminho crítico Método de PERT Método CPM Exercício Links Projectos como redes de actividades Projectos são conjuntos
Leia maisUm Minotauro Perdido & Percolação
Departamento de Ciência da Computação IME-USP Segundo Semestre de 2014 MAC 115 Introdução à Computação IF Noturno (Versão quase final) Um Minotauro Perdido & Percolação Exercício-Programa 4 (EP4) Data
Leia mais4 Metáforas de Optimização
4 Metáforas de Optimização O gigantesco avanço tecnológico que vem sofrendo os sistemas de computação, mais precisamente as unidades de processamento, criou a base para o uso efetivo da Inteligência Computacional,
Leia maisMinicurso Inteligência Artificial Aplicada a Sistemas Elétricos. Niterói, 12 de Maio de 2018
Minicurso Inteligência Artificial Aplicada a Sistemas Elétricos Niterói, 12 de Maio de 2018 Realização 2 Realização 3 Programação: manhã 9:30h-10:30H VISÃO GERAL: OTIMIZAÇÃO E INTELIGÊNCIA COMPUTACIONAL
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS AULA 03 Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 INTRODUÇÃO Aprendizagem é um processo pelo qual os parâmetros livres de uma rede neural são adaptados através de um processo
Leia maisNuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH
Nuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH Optimization and decision support techniques PDEEC 2007 Introdução A meta-heurística VNS (Variable Neighbourhood Search) é bastante recente
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 5 Segmentação de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga Segmentação de
Leia maisC 3 C 3. De acordo com o teorema de Euler, um grafo não orientado admite um ciclo de Euler se e só for conexo e não tiver vértices de grau ímpar.
rafos ircuito e iclo de uler X. ircuito e iclo de uler Um grafo orientado diz-se euleriano se há um circuito que contenha todos os seus arcos uma e só uma vez (circuito euleriano ).O grafo da figura é
Leia maisUma Introdução à Busca Tabu André Gomes
Uma Introdução à Busca Tabu André Gomes Departamento de Ciência da Computação, Instituto de Matemática e Estatística, Universidade de São Paulo, SP, Brasil Novembro de 2009 INTRODUÇÃO Método de Busca Local
Leia maisAPLICAÇÃO DA OTIMIZAÇÃO POR COLÔNIA DE FORMIGAS AO PROBLEMA DE ROTEAMENTO DE MÚLTIPLOS VEÍCULOS DE CAPACIDADE LIMITADA Heitor S. Lopes, Vilson Dalle Molle, Carlos R. Erig Lima Programa de Pós-graduação
Leia mais4 Metodologia de solução do problema
4 Metodologia de solução do problema A direção é mais importante que a velocidade. ROBERTO SCARINGELLA Este capítulo apresenta uma visão geral da modelagem e método de solução proposto para resolver o
Leia maisInteligência Computacional Aplicada a Engenharia de Software
Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar
Leia maisOtimização por Colônia de Formigas (Ant Colony Optimization - ACO)
Otimização por Colônia de Formigas (Ant Colony Optimization - ACO) Eros Moreira de Carvalho Gabriel Silva Ramos {emc06,gsr04}@c3sl.ufpr.br 11 de Junho de 2007 Resumo Neste artigo, apresentamos a metaheurística
Leia maisInteligência Artificial. Conceitos Gerais
Inteligência Artificial Conceitos Gerais Inteligência Artificial - IA IA é um campo de estudo multidisciplinar e interdisciplinar, que se apóia no conhecimento e evolução de outras áreas do conhecimento.
Leia maisSistemas Auto-organizáveis BC0005
Aplicações Sistemas Auto-organizáveis BC0005 Bases Computacionais da Ciência Modelagem e simulação Solução de problemas reais por modelos computacionais (visto na aula anterior) Sistemas auto-organizáveis
Leia maisAuto-Organização 2017
Auto-Organização 2017 Padrões Qualquer arranjo organizado de objectos no espaço e no tempo Trilho de formigas, bando de pássaros, cardumes de peixes o piscar sincronizado dos vagalumes, pigmentos de conchas,
Leia maisOptimização. Carlos Balsa. Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança
Optimização Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados Eng. Química e Industrial Carlos Balsa Matemática Aplicada
Leia maisInteligência Artificial Alameda e Taguspark
Inteligência Artificial Alameda e Taguspark Primeiro Teste 31 de Outubro de 2008 19H00-20H30 Nome: Número: Este teste tem 7 perguntas e 7 páginas. Escreva o número em todas as páginas. Deve ter na mesa
Leia maisModelos Baseados em Agentes. Agentes Reativos. Prof. André Campos Aula #4
Modelos Baseados em Agentes Agentes Reativos Prof. André Campos Aula #4 Concepção de agentes Definir uma arquitetura para o agente Objetivo: especificar a forma na qual as propriedade de Autonomia Reação
Leia maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
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 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 maislnteligência Artificial Introdução ao Aprendizado por Reforço (Reinforcement Learning)
lnteligência Artificial Introdução ao Aprendizado por Reforço (Reinforcement Learning) Processo Decisório de Markov e Aprendizado por Reforço Quando falamos sobre Processo decisório de Markov e formalizamos
Leia maisAprendizado por Reforço
Aprendizado por Reforço Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Aprendizado por Reforço 2. Q-Learning 3. SARSA 4. Outras ideias 1 Aprendizado por Reforço Problemas de decisão
Leia maisTabelas Hash. informação, a partir do conhecimento de sua chave. Hashing é uma maneira de organizar dados que:
Tabelas Hash Tabelas Hash O uso de listas ou árvores para organizar informações é interessante e produz bons resultados. Porem, em nenhuma dessas estruturas se obtém o acesso direto a alguma informação,
Leia maisCOMPUTAÇÃO ENADE 2005 PADRÃO DE RESPOSTAS - QUESTÕES DISCURSIVAS
COMPUTAÇÃO ENADE 2005 PADRÃO DE RESPOSTAS - QUESTÕES DISCURSIVAS QUESTÃO - 39 Item a: Serão aceitas respostas que considerem árvore ou grafo a estrutura do enunciado. No caso de o aluno ter considerado
Leia maisEdsger Wybe Dijkstra
Edsger Wybe Dijkstra Maio 90 Agosto 00 Roterdã, Holanda Nuenen, Holanda Cientista da Computação Contribuições: Algoritmos Linguagem de Programação ALGOL 0 Sistema Operacional THE Processamento Distribuído
Leia maisTabelas de Dispersão - Introdução (1)
Algoritmos e Estruturas de Dados LEE 2013/14 Tabelas de Dispersão Tabelas de Dispersão - Introdução (1) As tabelas de dispersão (hash tables) são estruturas de dados adequadas para: Tabelas de símbolos
Leia mais4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Leia maisUm Modelo Computacional de Recrutamento em Formigas
BIOMATEMÁTICA XIII (2003) 21 31 Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Um Modelo Computacional de Recrutamento em Formigas R. Assis 1, Dep. de Matemática, UNEMAT, 78390-000 Barra do Bugres,
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisANÁLISE DE DECISÃO. Elementos básicos sobre árvores de decisão e diagramas de influência. Conceitos complementares:
ANÁLISE DE DECISÃO Elementos básicos sobre árvores de decisão e diagramas de influência Mónica Oliveira Ano lectivo 2011/2012 2 Conceitos Diagramas de influência Árvores de decisão Conceitos complementares:
Leia maisGESTEC. Processos de Construção Licenciatura em Engenharia Civil. DECivil FUNDAÇÕES DIRECTAS CAP. X 1/67
CAP. X FUNDAÇÕES DIRECTAS 1/67 1. INTRODUÇÃO 2/67 1. INTRODUÇÃO Segurança Fiabilidade Durabilidade Utilidade funcional Economia Profundidade adequada Segurança em relação à rotura Assentamentos aceitáveis
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 maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Padrão Pontual
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Padrão Pontual Padrão de Pontos A análise de padrão de pontos, é o tipo mais simples de análise
Leia maisALGORITMO DE OTIMIZAÇÃO: UMA ABORDAGEM HÍBRIDA UTILIZANDO O ALGORITMO DAS FORMIGAS E GENÉTICO.
UNIVERSIDADE FEDERAL DE SANTA CATARINA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO TIAGO BOECHEL ALGORITMO DE OTIMIZAÇÃO: UMA ABORDAGEM HÍBRIDA UTILIZANDO O ALGORITMO DAS FORMIGAS E GENÉTICO. Dissertação
Leia maisCapítulo 4 Secção 1. Livro
Procura Local Capítulo 4 Secção 1 Livro Procura local Algorítmos de procura local Hill-climbing Simulated annealing Local beam Genetic algorithms Resumo Procura Sistemática No capítulo 3, analisamos estratégias
Leia maisPonderação de termos
Ponderação de termos Wendel Melo Faculdade de Computação Universidade Federal de Uberlândia Recuperação da Informação Adaptado do Material da Profª Vanessa Braganholo - IC/UFF Parte da ideia de que, dentro
Leia maisMétodos de Busca. Estratégias de Busca Cega
Métodos de Busca Métodos de Busca Estratégias de Busca Cega encontram soluções para problemas pela geração sistemática de novos estados, que são comparados ao objetivo; são ineficientes na maioria dos
Leia mais