Metaheurísticas de Otimização Bio-Inspiradas
|
|
- Luís Bento Leão
- 6 Há anos
- Visualizações:
Transcrição
1 Metaheurísticas de Otimização Bio-Inspiradas Aula 2 Computação Inspirada na Natureza* Prof. Dr. Hugo Valadares Siqueira * Aula baseada nas notas de aula do Prof. Fernando Von Zuben, da UNICAMP
2 Ciências Naturais Uma ciência natural é um agregado de conhecimentos sobre uma classe de objetos ou fenômenos do mundo natural, sobre as características e propriedades que eles têm e sobre como eles se comportam e interagem; As ciências naturais sofreram um expressivo desenvolvimento ao longo dos últimos 3 séculos, particularmente a física e a biologia; Tarefa central das ciências naturais: mostrar que a complexidade, quando vista de uma forma adequada, é apenas um mascaramento de processos simples; Uma vez explicada, acabam surgindo outros aspectos naturais, associados a complexidade que emerge a partir da simplicidade.
3 Computação Digital Computação Digital: vincula a computabilidade de um problema à existência de um algoritmo para resolvê-lo; Computador Digital: máquina de propósito geral capaz de emular outros dispositivos de processamento de informação; Problemas desafiadores para a computação digital precisam ser resolvidos. Existem questões junto aos processos naturais que ainda precisam ser desvendadas.
4 Problema do caixeiro viajante Qual a menor rota que passa por todas as cidades? Cada solução candidata é uma permutação possível: ou ainda
5 Problema do caixeiro viajante Solução via computação natural
6 Definição Computação Natural é a junção de ideias inspiradas na natureza com a computação: - No uso de computadores para sintetizar formas, comportamentos e padrões similares aos naturais (simulação da natureza); - No uso de novos materiais naturais (além de silício) para fazer computação; - No desenvolvimento de novas técnicas para solução de problemas complexos (computação inspirada na natureza); Nesta última premissa encontram-se as metaheurísticas.
7 Quando usar computação natural? Quase que invariavelmente, as técnicas de computação natural são técnicas alternativas; Isso indica que existem outras maneiras para se resolver um mesmo problema ou sintetizar um dado fenômeno; É preciso avaliar com cuidado se há ou não a necessidade de aplicação de técnicas de computação natural a um dado problema.
8 A computação natural pode ser usada quando: - O problema a ser resolvido é complexo (grande número de variáveis, grande quantidade de possíveis soluções, etc.); - Não é possível garantir que uma solução encontrada é ótima, mas é possível criar métricas de comparação entre soluções candidatas; - O problema a ser resolvido não pode ser (apropriadamente) modelado. Em alguns casos, pode-se empregar exemplos para ensinar o sistema a resolver o problema;
9 Uma única solução para o problema não é suficiente, ou seja, quando diversidade é importante; Sistemas físicos, químicos e biológicos precisam ser modelados ou emulados com realismo; Comportamentos e padrões naturais precisam ser reproduzidos com realismo; Os limites da tecnologia computacional atual forem atingidos.
10 Computação inspirada na natureza Toma a natureza como fonte de inspiração para o desenvolvimento de técnicas de solução de problemas; Busca desenvolver ferramentas (algoritmos) para solução de problemas complexos; Principais frentes: - Computação Evolutiva; - Sistemas Imunológicos Artificiais; - Inteligência Coletiva/de enxame; - Neurocomputação;
11 Computação Evolutiva Surgiu em meados dos anos 1960 com as obras de I. Rechenberg (1973), H. P. Schwefel (1965), L. Fogel, A. Owens e M. Walsh (Fogel et al., 1966), e J. Holland (1975); Estas obras deram origem ao campo da computação evolutiva que utiliza ideias da biologia evolutiva para desenvolver algoritmos evolutivos de busca e otimização; A maioria dos algoritmos estão enraizados na teoria neodarwinista da evolução; Tal teoria propõe que uma população de indivíduos com capacidade de reprodução e sujeitos a variação genética seguido de resultado de seleção natural em novas populações de indivíduos cada vez mais apto ao seu ambiente. Estes três processos simples, quando implementados em computadores, resultar em algoritmos evolucionários.
12 Computação Evolutiva Baseada em princípios de Evolução e Seleção Natural (Darwin): - Reprodução com herança genética; - Variação genética (mutação e crossover); - Seleção Natural. Ideia básica: aplicar o processo de evolução natural como paradigma de solução de problemas, a partir de sua implementação em computador.
13 Métodos de Busca Enxergam o problema a ser resolvido como um conjunto de informações a partir das quais algo deverá ser extraído ou inferido; O processo de solução corresponde a uma sequência de ações que levam a um desempenho desejado ou melhoram o desempenho relativo de soluções candidatas; Este processo de procura por um desempenho desejado é denominado busca.
14 Inteligência de Enxame O termo cunhado no final de 1980 para se referir para sistemas robóticos celulares nos quais um conjunto de agentes simples num ambiente interagem com base em regras locais (Beni, 988; Beni e Wang, 1989); Hoje o termo é usado para descrever algoritmos inspirados no comportamento coletivo dos organismos sociais, de colônias de insetos para as sociedades humanas; Metodologias com esta base modelam o comportamento coletivo de formigas e outros insetos e tem levado ao desenvolvimento de algoritmos para a solução de otimização combinatória, problemas de agrupamento e sistemas robóticos autônomos; Têm demonstrado eficácia na realização de busca e otimização de espaços contínuos e discretos.
15 UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Sistemas Imunológicos Artificiais Usa o sistema imunológico como inspiração e seus modelos correspondentes ao design computacional sistemas para resolver problemas complexos (Dasgupta, 1999; de Castro e Timmis, 2002; Timmis et al., 2003); Campo de pesquisa que surgiu por volta de meados de Suas áreas de aplicação variam de biologia à robótica; Diferentes fenômenos, processos, teorias e modelos resultaram em diferentes tipos de algoritmos do sistema imunológico, como os baseados em evolução e os sistemas em rede; Outros tipos : algoritmo simulated annealing, os sistemas baseados no crescimento e desenvolvimento, e os modelos de células e tecidos (Kirkpatrick et al., 1983; Aarts e Korst, 1989; Paton et al., 2004; Kumar e Bentley, 2003; Glover e Kochenberger, 2003; de Castro e Von Zuben, 2004).
16 Métodos de Busca Três conceitos são fundamentais: i) Escolha de uma representação: corresponde à codificação de soluções candidatas, que por sua vez sofrerão algum tipo de manipulação durante a busca; ii) Especificação de um objetivo; - Ex: Maximizar uma função f(x,y). iii) Definição de uma função de avaliação: função que retorna um valor específico indicando a qualidade relativa de uma solução candidata; - Ex: O valor da própria função f(x,y) pode ser utilizado, já que indica bem a qualidade de um indivíduo.
17 Métodos de Busca - codificação Maximizar: z f 2 3 ( x, y) 32x 97y Quais valores de x, y levam ao maior valor de f(x,y)? Soluções candidatas: conjuntos de valores de x, y; Possível codificação de um indivíduo:
18 Computação Evolutiva Algoritmos Evolutivos envolvem conceitos de reprodução e mutação; São algoritmos populacionais (trabalham com múltiplos indivíduos ao mesmo tempo); Cada indivíduo na população corresponde a uma solução candidata para o problema em questão; Solução candidata cromossomo.
19 Reprodução e Mutação
20 Exemplo Achar os pontos de máximo da seguinte função:
21 Exemplo Através dos operadores genéticos a tarefa pode ser realizada:
22 Computação Evolutiva Principal vantagem: possibilidade de resolver problemas pela simples descrição matemática do que se quer ver presente na solução; Não há necessidade de se explicitar os passos necessários para se chegar ao resultado, que certamente seriam específicos para cada caso; Conquista-se a tratabilidade via uma ferramenta de propósito geral; Abre-se mão da garantia de obtenção da solução ótima; Tendem a ser mais custosas computacionalmente que ferramentas dedicadas.
23 Aplicações Classificação de padrões; Agrupamento de Dados; Otimização em espaços contínuos; Otimização em espaços discretos; Navegação autônoma de robôs;
24 Sistemas Imunológicos Artificiais O Sistema Imunológico Natural é um dos mais importantes componentes dos organismos superiores; Seus mecanismos de reconhecimento e combate a agentes infecciosos externos (patógenos) têm o objetivo de manter o organismo saudável; Propriedades: - Reconhecimento de padrões; - Detecção distribuída de anomalias; - Tolerância a ruídos; - Memória.
25 O Sistema Imunológico Sub-divisões do sistema imunológico natural: - Sistema Inato: possui componentes capazes de responder a uma ampla gama de agentes invasores sem a necessidade de uma exposição prévia a eles; - Sistema Adaptativo: possui componentes que são estimulados em resposta a infecções específicas imunidade contra re-infecções; Juntos, os sistemas imunológicos inato e adaptativo contribuem para um mecanismo de defesa extremamente eficiente, que: i) Opera em paralelo; ii) iii) Recorre a uma diversidade de agentes e componentes distribuídos espacialmente; Opera em rede.
26 Sistemas Imunológicos Artificiais Sistemas Imunológicos Artificiais são sistemas adaptativos, inspirados na imunologia teórica e em funções, princípios e modelos imunológicos e que são aplicados na resolução de problemas. - Castro & Timmis, 2002
27 Aplicações Robótica: - Navegação autônoma; - Emergência de comportamento coletivo; Controle: - Identificação, controle adaptativo; Otimização: - Restrita, multi-modal e combinatória; - Dinâmica; Análise multivariada de dados: - Agrupamento de dados; - Filtragem e sumarização; - Estimação de densidades;
28 Aplicações Detecção de Anomalias: - Segurança computacional; - Seleção negativa; - Detecção e eliminação de vírus computacionais; - Inspeção de imagens; - Segmentação de imagens; - Séries temporais; Abordagens Baseadas em Agentes: - Segurança de redes de computadores; - Detecção e eliminação de vírus; - Prédios inteligentes; - Neutralização adaptativa de ruídos;
29 Quando comparados com abordagens evolutivas, os SIAs apresentam três vantagens principais: i) São inerentemente capazes de manter a diversidade da população; ii) O tamanho da população a cada geração é automaticamente definido de acordo com a demanda da aplicação; iii) Soluções ótimas locais tendem a ser simultaneamente preservadas quando localizadas.
30 Inteligência de Enxame O termo enxame (ou coletivo) se refere de forma genérica a qualquer coleção estruturada de agentes capazes de interagir: Enxame de abelhas; Colônia de formigas; Revoada de pássaros; Cardume de peixes; Etc.
31 A inteligência de enxame inclui qualquer tentativa de projetar algoritmos ou dispositivos distribuídos de solução de problemas inspirados no comportamento coletivo de insetos sociais e outras sociedades animais; A inteligência coletiva é uma propriedade de sistemas compostos por agentes não (ou pouco) inteligentes e com capacidade individual limitada, capazes de apresentar comportamentos coletivos inteligentes.
32 Algumas propriedades da inteligência coletiva: - Proximidade: os agentes devem ser capazes de interagir; - Qualidade: os agentes devem ser capazes de avaliar seus comportamentos; - Diversidade: permite ao sistema reagir a situações inesperadas; - Estabilidade: nem todas as variações ambientais devem afetar o comportamento de um agente; - Adaptabilidade: capacidade de se adequar a variações ambientais.
33 Um sistema de enxame é aquele composto por um conjunto de agentes capazes de interagir entre si e com o meio ambiente; A inteligência de enxame é uma propriedade emergente de um sistema coletivo que resulta de seus princípios de proximidade, qualidade, diversidade, estabilidade e adaptabilidade.
34 Técnicas e aplicações populares Otimização por enxame de partículas (PSO): busca criar uma simulação do comportamento social humano, particularmente a capacidade humana de processar conhecimento; Otimização por colônia de formigas (ACO): baseado no comportamento de formigas em busca por alimentos;
35 Otimização por enxame de partículas (PSO) Propostos por Kennedy e Eberhart em 1995; Inspirado no comportamento coletivo de grupos de animais como revoada de pássaros, manadas de animais, cardumes de peixes, etc.; Os indivíduos ou partículas interagem localmente, sem controle central; Podem ser aplicados aos mesmos tipos de problemas que os AGs e SIAs;
36 Busca criar uma simulação do comportamento social; Assim como todas as outras abordagens de inteligência de enxame, também está baseada em uma população de indivíduos capazes de interagir entre si e com o meio ambiente; Comportamentos globais serão, portanto, resultados emergentes dessas interações.
37 Teoria sócio-cognitiva por trás do PSO: - Cada indivíduo de uma população possui sua própria experiência e é capaz de avaliar a qualidade desta experiência; - Como os indivíduos são sociais, eles também possuem conhecimentos sobre como seus vizinhos se comportaram (desempenharam); Estes dois tipos de informação correspondem à aprendizagem individual (cognitiva) e à transmissão cultural (social), respectivamente.
38 Portanto, a probabilidade de um determinado indivíduo tomar uma certa decisão será uma função de seu desempenho no passado e do desempenho de alguns de seus vizinhos.
39 ACO Baseia-se no comportamento das formigas na busca pelos alimentos; Inicialmente cada formiga segue um caminho aleatório, explorando o ambiente; Ao encontrar a fonte de alimentos, mesmo que por diferentes caminhos, após algum tempo observase a tendência de se estabelecer a menor rota entra o alimento e o ninho; Cada formiga utiliza uma comunicação indireta para indicar para as outras o quão bom foi o caminho que ela escolheu; Para isso elas espalham uma substância chamada feromônio.
40 Como as formigas que escolheram o menor caminho faziam o percurso mais rapidamente que as outras, elas acabavam depositando uma maior quantidade de feromônio nesse caminho em relação ao outro, em um mesmo período de tempo; Logo, em um determinado momento a intensidade do feromônio no caminho mais curto estará tão alta que quase todas as formigas seguirão por ele; Em 1992, Dorigo percebeu que as formigas resolviam um problema muito similar ao do caixeiro viajante; Inspirado nesse comportamento, resolveu modelá-lo computacionalmente e verificar como se comportava em algumas instâncias conhecidas do problema;
41 Apesar de ter sido originalmente aplicado ao problema do caixeiro viajante, as abordagens baseadas em otimização por colônias de formigas vêm sendo utilizadas nas mais diversas aplicações, como: - Roteamento em redes de dados; - Balanceamento de dados em redes de telecomunicações; - Roteamento de Veículos; - Sequenciamento de Tarefas (Scheduling); - Aprendizado de Máquina;
Inteligência 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 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 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 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 maisMarcone Jamilson Freitas Souza
Otimização: Algumas aplicações Marcone Jamilson Freitas Souza Departamento de Computação Programa de Pós-Graduação em Ciência da Computação Universidade Federal de Ouro Preto http://www.decom.ufop.br/prof/marcone
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 maisMetaheurísticas de Otimização Bio-Inspiradas
Metaheurísticas de Otimização Bio-Inspiradas Aula 3 Simulação Computacional* Prof. Dr. Hugo Valadares Siqueira * Aula baseada nas notas de aula do Prof. Fernando Von Zuben, da UNICAMP O poder da simulação
Leia maisComputação Bioinspirada. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Bioinspirada Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) 1 Principais tópicos Computação Bioinspirada Computação Biológica Biologia Computacional
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 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 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 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 maisINTELIGÊNCIA ARTIFICIAL
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Pearson, 2009. Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação
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 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 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 maisAlgoritmos genéticos Abordagem unificada de algoritmos evolutivos simples
Introdução Inspiração biológica Histórico da computação evolutiva Algoritmo evolutivo simples Programação evolutiva Estratégias evolutivas Algoritmos genéticos Abordagem unificada de algoritmos evolutivos
Leia maisAlgoritmos Genéticos Fundamentos e Aplicações. Prof. Juan Moisés Mauricio Villanueva
Algoritmos Genéticos Fundamentos e Aplicações Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br Conteúdo Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de Algoritmos
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 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 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 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 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 mais2 Algoritmos Genéticos Heurística Premissa: Localidade Fraca Conclusões Estrutura de um Algoritmo Genético 26
v Sumário Prefácio x 1 Introdução 1 1. Otimização 1 2. Heurística 8 3. Computação Evolutiva 13 4. Premissa: Localidade Fraca 16 5. Conclusões 20 I Métodos Bio-Inspirados 2 Algoritmos Genéticos 25 1. A
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 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 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 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 maisINTELIGÊNCIA COMPUTACIONAL
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br A Inteligência Computacional (IC), denominada originalmente de Inteligência Artificial (IA), é uma das ciências
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 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 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 maisCRÉDITOS DO CURSO. Carga Horária Créditos IN1030 Seminários 30 2
UNIVERSIDADE FEDERAL DE PERNAMBUCO PRÓ-REITORIA PARA ASSUNTOS DE PESQUISA E PÓS-GRADUAÇÃO ESTRUTURA CURRICULAR STRICTO SENSU (baseada na Res. 10/2008 do CCEPE) NOME DO CURSO: Pós-Graduação em Ciência da
Leia maisInteligência Artificial. Aula 1 Prof. Nayat Sánchez Pi
Inteligência Artificial Aula 1 Prof. Nayat Sánchez Pi Curso: Inteligência Artificial Página web: http://nayatsanchezpi.com Material: Livro texto: Inteligência Artiicial, Russell & Norvig, Editora Campus.
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 maisAlgoritmos Genéticos e Evolucionários
Algoritmos Genéticos e Evolucionários Djalma M. Falcão COPPE/UFRJ PEE e NACAD falcao@nacad.ufrj.br http://www.nacad.ufrj.br/~falcao/ http://www.nacad.ufrj.br/~falcao/ag/ag.htm Resumo do Curso Introdução
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 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 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 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 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 maisComputação Bioinspirada: Aplicações
Computação Bioinspirada: Aplicações Prof. Eduardo do Valle Simões Grupo de Sistemas Embarcados e Evolutivos LCR Laboratório de Computação Reconfigurável Departamento de Sistemas de Computação Projeto 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 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 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 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 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 mais3 Métodos de Otimização
3 Métodos de Otimização Problemas de otimização são relacionados a minimização ou maximização de função de uma ou mais variáveis num determinado domínio, possivelmente com a existência de um conjunto de
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 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 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 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 C Simulated Annealing (2//7). C2 Busca Tabu (22//7). C3 Colônia de Formigas
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 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 maisParadigma Simbólico. Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2)
Paradigma Simbólico Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2) Revisão da aula anterior: definição de IA Podemos associar o termo IA com: Parte da ciência da computação
Leia maisInteligência Artificial (Lista 1) Prof. Alex F. V. Machado
Ministério da Educação Instituto Federal de Educação, Ciência e Tecnologia Sudeste de Minas Gerais - Campus Rio Pomba Bacharelado em Ciência da Computação 1) Considere os termos abaixo e complete. Inteligência
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 maisPSO Particle Swarm Optimization ou Otimização por enxame de partículas Introdução Inspiração Funcionamento Parametrização
Manoela Kohler PSO Particle Swarm Optimization ou Otimização por enxame de partículas Introdução Inspiração Funcionamento Parametrização Variantes de PSO Aplicações PSO+: algoritmo baseado em enxame de
Leia maisInteligência Artificial
Inteligência Artificial Professor Rafael Stubs Parpinelli E-mail: rafael.parpinelli@udesc.br udesc.academia.edu/rafaelstubsparpinelli www.researchgate.net/profile/rafael_parpinelli www.joinville.udesc.br/portal/professores/parpinelli/
Leia maisComputação Evolucionária: Conceitos Básicos de Otimização
Computação Evolucionária: Conceitos Básicos de Otimização Prof. Dr. Rafael Stubs Parpinelli E-mail: rafael.parpinelli@udesc.br Otimização Min ou Max Sujeito a Otimização Função objetivo A qual se quer
Leia maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 4 Tipos de Agentes Inteligentes Racionais e Ambientes
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 4 Tipos de Agentes Inteligentes Racionais e Ambientes 1 Um programa de IA pode ser visto como um Agente Racional Plano da aula Ambientes e arquiteturas
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 maisUm Estudo Empírico de Métodos Hiper-Heurísticos
Um Estudo Empírico de Métodos Hiper-Heurísticos Igor Ribeiro Sucupira (Aluno de Mestrado) Flávio Soares Corrêa da Silva (Orientador) Departamento de Ciência da Computação Instituto de Matemática e Estatística
Leia maisComunicado MMC 030/2010 Belo Horizonte, 30 de novembro de 2010 OFERTA DE DISCIPLI AS PARA O 1º SEMESTRE DE 2011
Comunicado MMC 030/2010 Belo Horizonte, 30 de novembro de 2010 OFERTA DE DISCIPLI AS PARA O 1º SEMESTRE DE 2011 º DISCIPLI A TIPO CH CR DOCE TE DIA HORÁRIO 1. Álgebra Linear OB 45 3 Fausto de Camargo Júnior
Leia maisPRINCÍPIOS DE NEUROCOMPUTAÇÃO
PRINCÍPIOS DE NEUROCOMPUTAÇÃO Neurocomputação Funcionamento do cérebro humano e os neurônios Formação das conexões e como se concebe teoricamente a aquisição do conhecimento, formalizando-os em procedimentos
Leia maisINTRODUÇÃO À. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR
INTRODUÇÃO À COMPUTAÇÃO EVOLUTIVA Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Fev/2018 Computação Evolutiva Ramo da ciência da computação que propõe um paradigma
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
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 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 mais1 Introdução 1.1 Motivação
1 Introdução 1.1 Motivação A concepção de sistemas artificiais inspirados na natureza não é uma idéia recente. As Redes Neurais Artificiais, a Computação Evolucionária, o Enxame de Partículas e as Colônias
Leia maisPROJETO DE INCLUSÃO DE DISCIPLINAS OPTATIVAS NO CURSO DE BACHARELADO EM SISTEMAS DE INFORMAÇÃO CAMPUS CURITIBA
PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Ministério da Educação Universidade Tecnológica Federal do Paraná Campus Curitiba Curso de Bacharelado em Sistemas de Informação PROJETO DE INCLUSÃO DE DISCIPLINAS
Leia maisParticle Swarm Optimization (PSO) Universidade Federal de Alfenas
Otimização por Enxame de Partículas Particle Swarm Optimization (PSO) Universidade Federal de Alfenas Tiago Silveira ... Detalhe Otimizar é selecionar algo melhor. Otimizar é melhorar até onde pudermos.
Leia maisInteligência Artificial
Inteligência Artificial Prof. Rafael Stubs Parpinelli DCC / UDESC-Joinville parpinelli@joinville.udesc.br www.joinville.udesc.br/portal/professores/parpinelli Material de apoio: Stuart Russel, Peter Norvig.
Leia maisAlgoritmos Genéticos como Metaheurísticas de Busca Conteúdos da Seção Introdução Implementação Codificação Avaliação Operadores
como Metaheurísticas de Busca Conteúdos da Seção Introdução Implementação Codificação Avaliação Operadores 1 Algoritmos Evolutivos Introdução o Algoritmos genéticos, desenvolvidos principalmente por A.
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 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 maisRedes Neurais e Sistemas Fuzzy
1. Inteligência Computacional Redes Neurais e Sistemas Fuzzy Apresentação da disciplina Conceitos básicos A chamada Inteligência Computacional (IC) reúne uma série de abordagens e técnicas que tentam modelar
Leia maisRobótica Evolutiva uma População de Robôs Reais que Fazem Amor e Geram Descendentes Enquanto Aprendem a Realizar Tarefas
Robótica Evolutiva uma População de Robôs Reais que Fazem Amor e Geram Descendentes Enquanto Aprendem a Realizar Tarefas Eduardo Simões Mestrado em Microeletrônica UFRGS Doutorado em Robótica University
Leia maisTabela de Pré-Requisitos. Interdisciplinar 36 Não há
Nome da UC Categoria CH Total Pré-Requisitos Álgebra Linear Eletiva 72 Geometria Analítica Álgebra Linear Computacional Eletiva 72 Cálculo Numérico Álgebra Linear II Eletiva 72 Álgebra Linear Algoritmos
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 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 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 maisARTIFICIAL FISH SWARM ALGORITHM APPLIED TO THE TRAVELING SALEMAN PROBLEM
ARTIFICIAL FISH SWARM ALGORITHM APPLIED TO THE TRAVELING SALEMAN PROBLEM Allan Kardec Lopes (Instituto Federal Goiano Campus Urutaí GO Brasil) allankardec.ti@gmail.com Gina M. B. de Oliveira (Universidade
Leia maisAprendizagem de Máquinas
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Aprendizagem de Máquinas DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Aprendizagem de Máquinas
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Objetivos e Introdução Prof. Sergio Ribeiro Tópicos Introdução Percepção por Máquina Imagens e Computação Gráfica Complexidade de um Sistema Elementos
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 maisINTELIGÊNCIA COMPUTACIONAL EM AMBIENTES DE PROCESSAMENTO PARALELO. Lamartine N. F. Guimarães.
INTELIGÊNCIA COMPUTACIONAL EM AMBIENTES DE PROCESSAMENTO PARALELO Lamartine N. F. Guimarães. Roteiro Inteligência Computacional: Problemas. Os BEOWULFS do IEAv. Possibilidades de Paralelismo. Redes neurais:
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 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 maisSistemas de Informações Gerenciais. Unidade Didática 9: INTELIGÊNCIA ARTIFICIAL NOS NEGÓCIOS
Sistemas de Informações Gerenciais Unidade Didática 9: INTELIGÊNCIA ARTIFICIAL NOS NEGÓCIOS 1 Objetivos do Capítulo 9 Identificar como as redes neurais, lógica difusa, algoritmos genéticos, realidade virtual
Leia maisResolução de Problemas. Hugo Barros
Resolução de Problemas Hugo Barros Resolução de Problemas Tópicos Conceitos Básicos Espaço de Estados Resolução de Problemas Dedica-se ao estudo e elaboração de algoritmos, capazes de resolver, por exemplo,
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 maisC o m p u t a ç ã o M ó v e l. André Siqueira Ruela
C o m p u t a ç ã o M ó v e l André Siqueira Ruela Sumário Revisão sobre AGs. Codificação de uma Rede Neural. AG em treinamento supervisionado. AG em treinamento não supervisionado. Revisão: Algoritmos
Leia maisPARTE III OUTRAS METAHEURÍSTICAS
Metaheurísticas e Aplicações 83 PARTE III OUTRAS METAHEURÍSTICAS 3.1 BUSCA TABU A técnica de Busca Tabú (Tabu Search) foi proposta por Glover em 1986 para solução de problemas de Programação Inteira. Em
Leia maisSOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS
Universidade Federal do Tocantins SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS Diogo Rigo de Brito Guimarães Alexandre Tadeu Rossini da Silva Objetivo Implementar soluções heurísticas para o Jogo de Damas
Leia mais8 Conclusões e Trabalhos Futuros
8 Conclusões e Trabalhos Futuros Este trabalho propôs investigar o apoio das técnicas de Inteligência Computacional no desenvolvimento da Nanociência e Nanotecnologia. Tal apoio é aqui denominado de Nanotecnologia
Leia maisA Matemática como Serviço a Ciência da Computação. Prof. Dr. Carlos Eduardo de Barros Paes Coordenador do Curso de Ciência da Computação
A Matemática como Serviço a Ciência da Computação Prof. Dr. Carlos Eduardo de Barros Paes Coordenador do Curso de Ciência da Computação A Matemática e Ciência da Computação A Matemática faz parte do DNA
Leia maisProcessamento Digital de Imagens
1 Ciência da Computação Processamento Digital de Imagens Objetivos e Prof. Sergio Ribeiro Tópicos Percepção por Máquina Imagens e Computação Gráfica, Armazenamento e Exibição Processamento Digital de Imagens
Leia maisMini curso Inteligência Computacional Aplicada
Mini curso Inteligência Computacional Aplicada 08/10/2013 Prof. Dr. Hertz Wilton de Castro Lins Tópicos Inteligência Computacional Redes neurais Computação evolucionária Lógica fuzzy Inteligência de Enxames
Leia mais