3. Resolução de problemas por meio de busca
|
|
- Júlio César Belmonte di Castro
- 6 Há anos
- Visualizações:
Transcrição
1 Inteligência Artificial - IBM Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1
2 Principais Tópicos 3. Resolução de problemas por meio de busca 3.1. Introdução à busca 3.2. Busca não-informada 3.3. Busca informada 3.4. Além da busca clássica Introdução à otimização Técnicas clássicas utilizadas em otimização Classes de problemas Algoritmos Genéticos 3.5. Busca competitiva 2
3 Outro exemplo de técnicas utilizadas em otimização Metaheurísticas Algoritmos Genéticos Procedimento de alto nível usado para encontrar, gerar ou selecionar uma heurística que pode prover uma solução suficientemente boa em problemas de otimização com informação incompleta ou imperfeita e/ou com limitada capacidade computacional Podem, nestes problemas, encontrar boas soluções mais eficientemente que métodos tradicionais Amostram soluções do espaço de soluções em problemas em que este é muito grande para ser completamente examinado Assim, quando a capacidade de computação é limitada, não garantem necessariamente que o ótimo global será encontrado 3
4 Metaheurísticas Podem utilizar pouca informação sobre o problema a ser resolvido Podem, portanto, serem utilizadas em uma grande variedade de problemas Muitas metaheurísticas utilizam métodos estocásticos para vasculhar o espaço de soluções Exemplos: Simulated Annealing (Recozimento Simulado) Computação Evolutiva» Metaheurísticas populacionais (Exemplo: Algoritmos Genéticos) 4
5 Algoritmos Genéticos (AGs) Métodos adaptativos que são utilizados para a resolução de problemas de busca e otimização A inspiração inicial vem da Evolução por Seleção Natural Podem evoluir soluções para problemas do mundo real Problemas devem ser adequadamente codificados Deve haver uma forma de avaliar as soluções apresentadas 5
6 Exemplos de aplicações de Computação Evolutiva 6
7 Mitchell, M. Complexity: A Guided Tour. Oxford University Press, 2009, p
8 Algoritmos Genéticos Utilizam uma população de soluções candidatas (indivíduos) Otimização ocorre em várias gerações A cada geração Mecanismos de seleção selecionam os indivíduos mais aptos Operadores de reprodução geram novos indivíduos 8
9 Em que os AGs são diferentes dos métodos de otimização tradicionais? O conjunto de parâmetros em um AG é codificado Os AGs não trabalham diretamente com os parâmetros AGs utilizam funções de avaliação para guiar o processo de busca, e não suas derivadas ou outras informações adicionais AGs podem utilizar regras de transição probabilísticas AGs podem permitir a mudança dos parâmetros durante o processo de otimização Mudando assim a característica do processo de busca (heurística) AGs buscam os ótimos através de uma população de pontos, e não de um ponto único 9
10 População inicial População final Avaliação População atual Seleção Reprodução 10
11 Algoritmo Genético Básico Início inicialize a população avalie a população inicial repita se critério de convergência for satisfeito interrompa fim se selecione indivíduos para a nova população aplique mutação e cruzamento nos indivíduos selecionados avalie os indivíduos da nova população fim repita Fim 11
12 Elementos População Codificação Função de avaliação Reprodução 12
13 População Algoritmos Genéticos Formada por indivíduos» Possíveis soluções para um dado problema» Codificados em cromossomos strings (vetores) Apesar de algumas implementações considerarem indivíduos com mais de um cromossomo, o AG padrão considera que um indivíduo é formado por apenas um cromossomo» Cada elemento do cromossomo do AG é chamado de gene Os genes podem assumir valores ou símbolos ( alelos ) 13
14 População Algoritmos Genéticos Existe geralmente um número fixo de indivíduos em uma população Em cada geração, a população velha é substituída por uma população nova (com novos indivíduos) Pop. antiga (ger. i) Pop. nova (ger. i +1) Ind. 1 (ger. i) Ind. 1 (ger. i+1) Ind. 2 (ger. i) Ind. 2 (ger. i+1) Ind. N (ger. i) Ind. N (ger. i+1) 14
15 Codificação Algoritmos Genéticos Genes são combinados para formar strings ou vetores Exemplo: x i = [ ] T
16 Codificação Genes podem ser representados por: Números Binários ( 0 ; 1 ) São tradicionalmente usados Exemplo: x i = [ ] T Podem ser utilizados para codificar outras representações» Inteiros. Exemplo: x i = [ ] T pode codificar o número inteiro 2» Reais» Caracteres: BCD, ASCII,...» Etc... 16
17 Codificação Algoritmos Genéticos Genes podem ser representados por: Números Inteiros (... ; -1 ; 0 ; 1 ; 2 ;...) Exemplo: x i = [ ] T Números Reais Exemplo: x i = [ -1,23 10,65 2,99 ] T Caracteres ( A ; B ;... ) Exemplo: x i = [ t e s t e ] T Outros combinação de outras representações números complexos etc... 17
18 Função de Avaliação Algoritmos Genéticos Também conhecida como Função de Aptidão (ou Função Custo ou Função de Fitness) Mede o grau de aptidão (fitness) da solução (indivíduo) É aplicada ao fenótipo do indivíduo O genótipo deve ser decodificado para que a aptidão do indivíduo seja calculada. Exemplo» genótipo: x i = [ ] T» fenótipo: z i = 0x x x x2 0 = 5» aptidão: f (z i ) = 1 / (1 + z i 2 ) = 0,
19 Função de Avaliação Cada problema tem sua própria função de avaliação Dada de acordo com os requisitos para a solução do problema Exemplo: projeto de ponte» Menor custo» Menor tempo de construção» Maior capacidade de carga 19
20 Função de Avaliação Algoritmos Genéticos Muitas vezes, a função de avaliação não é conhecida (ou é difícil de ser computada com precisão) Deve ser possível, no entanto, obter a aptidão do indivíduo através do seu genótipo A aptidão de um indivíduo é importantíssima no processo de otimização Define quais indivíduos serão selecionados para se reproduzirem, gerando a nova população 20
21 Seleção Existem diversos métodos para a seleção de indivíduos para a fase de reprodução Exemplos: Elitismo Método da Roleta Torneio 21
22 Seleção Elitismo Indivíduos com maior aptidão são automaticamente selecionados Utilizado para que os melhores indivíduos não desapareçam do processo de otimização Geralmente, além de selecionar os melhores indivíduos, evita que estes sofram modificações pelos operadores genéticos 22
23 Seleção Método da Roleta A seleção natural Trabalha com probabilidades» As vezes, um indivíduo muito bom não sobrevive porque algum processo externo o afetou Escolhe preferencialmente, embora não exclusivamente, indivíduos com maior aptidão» Indivíduos mais aptos têm mais chances de serem reproduzidos» As vezes, um indivíduo muito bom pode ser filho do cruzamento de um indivíduo bom com um ruim 23
24 Seleção Método da Roleta Indivíduos com maior aptidão tem mais chances de serem reproduzidos A probabilidade de um indivíduo ser escolhido para se reproduzir é dada por sua aptidão relativa Aptidão do indivíduo normalizada pela soma das aptidões de todos os indivíduos da população f r z i N f j 1 f z i z j 24
25 Método da Roleta baseado em Aptidão Relativa x i z i f (z i ) f r (z i ) x 5 x 1 x ,23 0,14 x 4 x ,27 0,47 x ,05 0,07 x 3 x 2 x ,35 0,21 x ,69 0,11 25
26 Seleção Método da Roleta Indivíduos são escolhidos pelo método da roleta até que o número máximo de indivíduos permitido em uma população seja alcançado O nível de diversidade da população é maior quando o método da roleta é empregado (em relação ao elitismo) No entanto, mesmo no método da roleta, o nível de diversidade da população decresce no decorrer do processo de otimização 26
27 Reprodução Algoritmos Genéticos Aplicado após a seleção de indivíduos Permite a obtenção de novos indivíduos O operadores genéticos de reprodução mais comuns são Crossover (cruzamento ou recombinação) Mutação 27
28 Reprodução Algoritmos Genéticos Crossover Recombinação de características dos pais durante a reprodução Permite que as próximas gerações herdem essas características Troca trechos dos cromossomos de dois indivíduos escolhidos durante a seleção Ocorre com uma probabilidade definida pela taxa de crossover p c Para cada par de indivíduos selecionados, gera-se um número aleatório com distribuição uniforme Ocorre crossover no par dado se o valor deste número for menor que p c 28
29 Reprodução Algoritmos Genéticos Crossover Permite a exploração rápida do espaço de busca Exemplo Crossover de um ponto» Troca trechos (entre os dois cromossomos) delimitados por um ponto escolhido aleatoriamente 29
30 Crossover de 1 ponto Ponto de crossover Pai 1 Pai Pais Filho A Filho B Filhos
31 Reprodução Mutação Gera diversidade genética Altera aleatoriamente um ou mais genes no cromossomo Assegura que a probabilidade de atingir qualquer ponto do espaço de busca nunca será zero 31
32 Reprodução Algoritmos Genéticos Mutação» Aplicada a cada gene de cada indivíduo após o crossover com uma taxa de mutação p m Para cada gene de cada indivíduo selecionado, gera-se um número aleatório com distribuição uniforme Ocorre mutação no gene dado se o valor deste número for menor que p m» Taxa de mutação é geralmente pequena Ex.: p m = 0,01 Gene tem probabilidade de 1% de sofrer mutação 32
33 Reprodução Algoritmos Genéticos Mutação A alteração depende da representação do gene Binária» O gene mutado recebe a negação de seu antigo valor (ou seja, se era igual a 0 fica igual a 1 e se era igual a 1 fica igual a zero) Inteiro ou Real» O gene pode ser mutado para receber qualquer valor entre os seus limites máximos e mínimos (distribuição uniforme)» O gene pode ser mutado adicionando um valor aleatório com distribuição normal com média zero e desvio padrão σ» O gene pode ser mutado para receber um acréscimo ou decréscimo no ser valor corrente 33
34 Mutação Binária Antes da mutação Após a mutação
35 Convergência Se o AG estiver corretamente implementado, a população deve evoluir em gerações sucessivas Aptidão do melhor indivíduo e da média da população devem aumentar em direção a um ótimo global 35
36 -0,58-0,72-0, ,62-0,44-0,24-0,02-0,16-0,3 0,14 0,12 0,52 0,26 0,9 0,68 0,54 0,4 0,96 0, Algoritmos Genéticos f (x,y) 1 0,8 0,6 0,4 0,2 0-0,2-0,4-0,6-0,8-1 Genótipo: x y y x 36
37 Critérios de Parada Tempo de execução Número de gerações Valor de aptidão mínimo e/ou médio Convergência Nas últimas k iterações não houve melhora nas aptidões 37
38 População Inicial Geralmente a população inicial é aleatória» Necessidade de executar o algoritmo várias vezes (com diferentes sementes aleatórias) Conhecimento pode ser inserido 38
39 Algumas áreas de aplicação Otimização de função numérica Otimização combinatória Ex.: Projetos Aprendizado de Máquina Determinação dos parâmetros de Redes Neurais Artificiais Bioinformática Ex.: Determinação de estrutura terciária de proteínas Determinação de Árvores Filogenéticas 39
40 Algumas áreas de aplicação Artes Ex.: Música Artes Gráficas
41 Exercício Considere que deseja-se colocar em um recipiente vários objetos escolhidos entre N objetos cujos pesos e valores são conhecidos. Os objetos no recipiente devem ser escolhidos de tal forma que a soma dos valores seja o máximo, desde que o peso total não ultrapasse o limite C. Suponha, por exemplo, que existam 9 objetos, cujos pesos e valores são dados na tabela, e que C=150 kg. Uma possível solução seria colocar no recipiente os objetos a, b, c, d, e, f, g, o que daria um peso total de 144 kg e um valor total de R$ 147. Objeto Peso (kg) Valor (R$) a 9 11 b c d e 7 5 f g h i Projete um Algoritmo Genético para resolver este problema de otimização. a. Defina a codificação a ser utilizada b. Defina os operadores de reprodução que serão utilizados c. Defina o mecanismo de seleção que será utilizado d. Defina a função de avaliação (fitness) a ser utilizada. Justifique todas as suas escolhas Algoritmos Genéticos 41
42 Sugestão de Leitura Capítulo 4, Seção do livro: RUSSEL, S. J. & NORVIG, P. (2013). Inteligência Artificial, 3ª ed., Campus. 42
Algoritmo 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 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 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 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 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 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 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 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 maisOTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia 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 mais3. ALGORITMOS GENÉTICOS
1 3. ALGORITMOS GENÉTICOS PARTE 1 3.1 Analogia Física: a evolução das espécies 3.2 A Tradução Matemática: o algoritmo básico 3.3 Codificação dos Indivíduos 3.4 Avaliação da Aptidão de um Indivíduo 3.5
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 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 maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 06 Algoritmos Genéticos Prof. Augusto Baffa Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido.
Leia maisBusca com informação e exploração. Inteligência Artificial. Revisão da aula passada: Heurística Admissível. Revisão da aula passada: Busca A *
Inteligência Artificial Aula 6 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.2 e 4.3 Revisão da aula passada: Busca A * Idéia:
Leia maisGT-JeDi - Curso de Desenv. de Jogos IA para Jogos. Gustavo Pessin 2007
GT-JeDi - Curso de Desenv. de Jogos IA para Jogos Gustavo Pessin 2007 Cronograma Base conceitual Exemplo: Achando o máximo de uma função... Como criar uma pequena aplicação: Exercício-Exemplo [Animal selvagem...]
Leia maisBuscas Informadas ou Heurísticas - Parte III
Buscas Informadas ou Heurísticas - Parte III Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Mestrado em Ciência da Computação / 2006 BUSCA SMA* (Simplified Memory-Bounded A*) BUSCA SMA* (Simplified
Leia maisResumo. Como um agente busca de seqüência de ações para alcançar seus objetivos.
Resumo Inteligência Artificial Russel e Norvig Capítulos 3,4 e 5 Prof. MsC Ly Freitas UEG Resolução de problemas por meio de busca Como um agente busca de seqüência de ações para alcançar seus objetivos.
Leia maisAlgoritmos Genéticos. Luis Martí LIRA/DEE/PUC-Rio. Algoritmos Genéticos
Luis Martí LIRA/DEE/PUC-Rio Baseado nas transparências dos professores: Teresa B. Ludermir (UFPE) Ricardo Linden (CEPEL) Marco Aurélio Pacheco (PUC-Rio) Conteúdo! Introdução! O Algoritmo Genético Binário!
Leia mais3. ALGORITMOS GENÉTICOS
1 3. ALGORITMOS GENÉTICOS PARTE 2 3.7 Aspectos de Implementação do Algoritmo 3.8 Seleção da Codificação 3.9 Operadores Genéticos Modificados 3.10 Outros operadores: elitismo, reinicialização e niching
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 maisUtilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real
Utilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real Amarildo de Vicente 1, Rogério Luis Rizzi 1 1 Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade
Leia maisIntrodução ao Algoritmo Genético
Introdução ao Algoritmo Genético Sadao Massago Agosto de 2013 1 Introdução O algoritmo genético é um método de otimização bio insperado, desenvolvida por John Henry Holland em 1975. Segundo a teoria evolucionária
Leia maisMetaheurísticas Populacionais Baseado no livro METAHEURISTICS - From Design to Implementation El-Ghazali Talbi. Gustavo Peixoto Silva
Metaheurísticas Populacionais Baseado no livro METAHEURISTICS - From Design to Implementation El-Ghazali Talbi Gustavo Peixoto Silva 23 de Junho de 2014 Conteúdo 1 Metaheurísticas Singulares 3 1.1 Busca
Leia maisResolvendo o Problema do Cavalo do Xadrez Utilizando Algoritmo Genético
Resolvendo o Problema do Cavalo do Xadrez Utilizando Algoritmo Genético Alexandre Tadeu Rossini da Silva 1, Gustavo Setúbal Nazareno 1, André Marcelo Schneider 2 1 Bacharelado em Ciência da Computação
Leia maisO USO DE ALGORITMOS GENÉTICOS PARA DETERMINAR ZEROS DE FUNÇÕES NÃO LINEARES
O USO DE ALGORITMOS GENÉTICOS PARA DETERMINAR ZEROS DE FUNÇÕES NÃO LINEARES RESUMO Ediany Batista Silva Universidade Católica de Brasília Curso de Matemática Os algoritmos genéticos utilizam conceitos
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 maisBusca com informação e exploração. Capítulo 4 Russell & Norvig Seção 4.2 e 4.3
Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.2 e 4.3 1 Revisão da aula passada: Busca A * Idéia: evitar expandir caminhos que já são caros Função de avaliação f(n) = g(n) + h(n)
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 maisAlgoritmos Genéticos
Algoritmos Genéticos Adriano Joaquim de Oliveira Cruz Universidade Federal do Rio de Janeiro Maio 2013 Adriano Cruz (DCC-UFRJ) AGs Maio 2013 1 / 155 Summary 1 Introdução 2 Termos e Definições 3 Algoritmo
Leia maisImplementação de um Algoritmo Genético
1 Implementação de um Algoritmo Genético Frederico G. Guimarães e Marcelo C. Ramalho Abstract Uma discussão sobre os Algoritmos Genéticos, sua estrutura e seus componentes, é apresentada neste trabalho.
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 maisInteligência Artificial (SI 214) Aula 4 Resolução de Problemas por meio de Busca Heurística
Inteligência Artificial (SI 214) Aula 4 Resolução de Problemas por meio de Busca Heurística Prof. Josenildo Silva jcsilva@ifma.edu.br 2015 2012-2015 Josenildo Silva (jcsilva@ifma.edu.br) Este material
Leia maisOtimização de funções reais multidimensionais utilizando algoritmo genético contínuo
Gustavo Pinho Kretzer de Souza Otimização de funções reais multidimensionais utilizando algoritmo genético contínuo Florianópolis 2014 Gustavo Pinho Kretzer de Souza Otimização de funções reais multidimensionais
Leia maisInteligência Computacional para Jogos Eletrônicos
Inteligência Computacional para Jogos Eletrônicos Papéis da IA em Jogos Adversários Aliados Personagens de apoio NPC s (Non-player Character) Comentaristas Controle de câmera Geração de fases Nivelamento
Leia maisUma Proposta de Algoritmos Genéticos para a Resolução do Problema das 8 Rainhas
Uma Proposta de Algoritmos Genéticos para a Resolução do Problema das 8 Rainhas Valdirene Neves, Douglas Mendes de Brito, Moisés Lima, Raurício Mendes, Fabiano Fagundes Curso de Sistemas de Informação
Leia mais5 Modelo Kernel PCA Genético para Ajuste de Histórico
5 Modelo Kernel PCA Genético para Ajuste de Histórico Conforme descrito na seção 3.2.2.2.1, em um estudo anterior, Sarma, Durlofsky, et al. (2007) parametrizaram o campo de permeabilidade através do Kernel
Leia maisModelando microevolução GENÉTICA DE POPULAÇÕES E EVOLUÇÃO
Modelando microevolução GENÉTICA DE POPULAÇÕES E EVOLUÇÃO Modelando microevolução Evolução: mudança na frequência de alelos ou combinações de alelos no pool gênico. Modelos de evolução deve incluir a passagem
Leia maisMONOGRAFIA DE CONCLUSÃO DE CURSO: PROBLEMAS DE OTIMIZAÇÃO
SÉRGIO MAURÍCIO TRAD JÚNIOR MONOGRAFIA DE CONCLUSÃO DE CURSO: PROBLEMAS DE OTIMIZAÇÃO Trabalho de conclusão de curso apresentado ao Curso de Ciência da Computação. UNIVERSIDADE PRESIDENTE ANTÔNIO CARLOS
Leia maisENVOLTÓRIA DE ESFORÇOS INTERNOS DEVIDO A AÇÃO DE TRENS-TIPO EM PONTES USANDO ESTRATÉGIA EVOLUTIVA
- A B P E - ENVOLTÓRIA DE ESFORÇOS INTERNOS DEVIDO A AÇÃO DE TRENS-TIPO EM PONTES USANDO ESTRATÉGIA EVOLUTIVA Gisele Cristina da Cunha Holtz gisele@tecgraf.puc-rio.br Luiz Fernando Campos Ramos Martha
Leia maisConstrução de uma Ferramenta para Evoluir Estratégias e Estudar a Agressividade/Cooperação de uma População submetida ao Dilema dos Prisioneiros
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
Leia maisAlgoritmos Genéticos em Ambientes Paralelos
Algoritmos Genéticos em Ambientes Paralelos Michele Alves de Freitas Batista Instituto Nacional de Pesquisas Espaciais michele.afreitas@gmail.com Lamartine Nogueira Frutuoso Guimarães Instituto Nacional
Leia maisUniversidade Estadual do Rio Grande do Sul Curso Superior de Tecnologia em Gestão Ambiental Biologia Aplicada Aula 7
Universidade Estadual do Rio Grande do Sul Curso Superior de Tecnologia em Gestão Ambiental Biologia Aplicada Aula 7 Professor Antônio Ruas 1. Créditos: 60 2. Carga horária semanal: 4 3. Semestre: 1 4.
Leia maisAlgoritmos Genéticos
UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br
Leia maisALGORITMOS GENÉTICOS SEMINÁRIO APRESENTADO PARA A DISCIPLINA OTIMIZAÇÃO COMBINATÓRIA E
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA MESTRADO EM INFORMÁTICA RÔMULO FERREIRA DOURO ALGORITMOS GENÉTICOS SEMINÁRIO APRESENTADO PARA A DISCIPLINA OTIMIZAÇÃO COMBINATÓRIA
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 maisUma Ferramenta Baseada em Algoritmos Genéticos para a Geração de Tabela de Horário Escolar
Uma Ferramenta Baseada em Algoritmos Genéticos para a Geração de Tabela de Horário Escolar Cherze C. Freitas 1, Priscilla R. B. Guimarães 1, Manoel C. M. Neto 1, Frederico J. R. Barboza 1 1 Faculdade Ruy
Leia maisSistemas numéricos e a Representação Interna dos Dado no Computador
Sistemas numéricos e a Representação Interna dos Dado no Computador Ricardo Azambuja Silveira INE-CTC-UFSC E-Mail: silveira@inf.ufsc.br URL: http://www.inf.ufsc.br~silveira Material elaborado pelo prof
Leia maisPesquisa Operacional
Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Livro: Introdução à Pesquisa Operacional Capítulo 5 Modelo da Designação Fernando Marins fmarins@feg.unesp.br Departamento de Produção
Leia mais2. MÉTODO DE RECOZIMENTO SIMULADO
1 2. MÉTODO DE RECOZIMENTO SIMULADO (SIMULATED ANNEALING) 2.1. Analogia Física: o recozimento de metais (annealing) 2.2. A Tradução Matemática: o algoritmo básico 2.3. A Programação de Recozimento 2.4.
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 maisExemplo do jogo dos fósforos Terça-feira, 9 de maio. Exemplo para o Problema do Corpo de Bombeiros. Exemplo: Localidade do Corpo de Bombeiros
15.053 Terça-feira, 9 de maio Busca Heurística: métodos para resolver problemas de otimização difíceis Distribuir: Anotações da Aula Veja a introdução ao trabalho Very Large Scale Neighborhood Search (está
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 maisTeoria da Evolução. Computação Evolucionária: Um pouco de biologia. Teoria da Evolução. Teoria da Evolução e os Genes. Cromossomos
Computação Evolucionária: Um pouco biologia Teoria da Evolução Até o século XIX os cientistas mais proeminentes acreditavam em duas teorias principais: Criacionismo ( Deus criou o universo da forma que
Leia maisCompressão de Textos. Introdução. Introdução. Introdução. O volume de informação textual disponível on-line é imenso:
Compressão de Textos Estrutura de Dados II Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Departamento de Computação DECOM O volume
Leia maisPROCURA E PLANEAMENTO
PROCURA E PLANEAMENTO Primeiro Exame 13 de Janeiro de 2007 11:00-13:30 Este exame é composto por 13 páginas contendo 6 grupos de perguntas. Identifique já todas as folhas do exame com o seu nome e número.
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 maisOtimização do Problema de Alocação de Lotes de Terreno
Otimização do Problema de Alocação de Lotes de Terreno Relatório Final Mestrado Integrado em Engenharia Informática e Computação Inteligência Artificial Grupo 19: Maria Antonieta Dias Ponce de Leão e Oliveira
Leia maisPlano. Aspectos Relevantes de HMMs. Teoria de HMMs. Introdução aos Modelos Escondidos de Markov
Plano Esta apresentação é para pessoas sem conhecimento prévio de HMMs Introdução aos Modelos Escondidos de Markov 2004 Objetivos: Ensinar alguma coisa, não tudo (Visão geral, sem muitos detalhes). Tentar
Leia maisProf. Leonardo Augusto Casillo
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO CURSO: CIÊNCIA DA COMPUTAÇÃO Aula 1 Conceitos necessários Prof. Leonardo Augusto Casillo Sistema de numeração: conjunto de regras que nos permite escrever e ler
Leia maisDiagnóstico em Nível de Sistema Baseado em Computação Evolucionária
Diagnóstico em Nível de Sistema Baseado em Computação Evolucionária Bogdan Tomoyuki Nassu, Aurora T. Ramirez Pozo, Elias Procópio Duarte Jr. Departamento de Informática Universidade Federal do Paraná (UFPR)
Leia maisAlgoritmo Genético para um sistema de Cross-Docking
Algoritmo Genético para um sistema de Cross-Docking Ubiratan Soares Cavalcante Netto e André Luís Shiguemoto Universidade Federal do Ceará ubiratans@gmail.com, shiguemoto@ufc.br Resumo - Cross-docking
Leia maisSeleção Natural. Fundamentos de Ecologia e Modelagem Ambiental Aplicados à Conservação da Biodiversidade
Seleção Natural Fundamentos de Ecologia e Modelagem Ambiental Aplicados à Conservação da Biodiversidade Aluna: Michelle Andrade Furtado Profº Dalton e Profª Silvana Definição Seleção Natural pode ser definida
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem Outras Técnicas Prof. a Joseana Macêdo Fechine Régis
Leia maisResolução de Problemas. Universidade Católica de Pelotas Engenharia da Computação Disciplina: Inteligência Artificial
Resolução de Problemas Universidade Católica de Pelotas Engenharia da Computação Disciplina: Inteligência Artificial 2 Resolução de Problemas Introdução Componentes Solução Busca de soluções 3 Resolução
Leia maisComplemento IV Introdução aos Algoritmos Genéticos
Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e
Leia maisAPLICAÇÃO DE META-HEURÍSTICAS À ENGENHARIA DE PRODUÇÃ O
APLICAÇÃO DE META-HEURÍSTICAS À ENGENHARIA DE PRODUÇÃ O João Carlos Zayatz Universidade Estadual de Maringá jcarloszay@gmail.com Gislaine Camila Lapasini Leal Universidade Estadual de Maringá gclleal@uem.br
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 maisUNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO GRANDE DO SUL UNIJUÍ. DCEEng DEPARTAMENTO DE CIÊNCIAS EXATAS E ENGENHARIAS MARCELO WUTTIG FRISKE
UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO GRANDE DO SUL UNIJUÍ DCEEng DEPARTAMENTO DE CIÊNCIAS EXATAS E ENGENHARIAS MARCELO WUTTIG FRISKE PROGRAMAÇÃO GENÉTICA APLICADA AO PROBLEMA DA PRESA-PREDADOR
Leia mais- Computação Evolutiva -
- Computação Evolutiva - Prof. Dr. Cícero Garrozi DEINFO - UFRPE PPGIA@UFRPE cicerog@gmail.com Site da disciplina: http://cicerog.blogspot.com Sumário Situando a Computação Evolucionária Metáfora principal
Leia mais6. QUADRIMESTRE IDEAL 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA TEORIA: 60 LABORATÓRIO: 30
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA MC5001 - SISTEMAS MULTIAGENTES
Leia maisINVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL
INVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL Mirella Augusta Sousa Moura, mirella.asm14@hotmail.com Thiago Alves de Queiroz, th.al.qz@catalão.ufg.br Resumo: Empacotamento consiste
Leia maisHARDWARE SISTEMA NUMÉRICO E CODIFICAÇÃO. Wagner de Oliveira
HARDWARE SISTEMA NUMÉRICO E CODIFICAÇÃO Wagner de Oliveira SUMÁRIO Sistemas de Numeração Base de um Sistema Notação Posicional Sistema Binário (Base dois) Sistema Hexadecimal (Base 16) Codificação BCD
Leia mais2 Teoria da Informação
2 Teoria da Informação Neste capítulo apresentamos alguns conceitos básicos sobre Teoria da Informação que utilizaremos durante este trabalho. 2.1 Alfabeto, texto, letras e caracteres Um alfabeto Σ = (σ
Leia maisProposta de Algoritmo Genético Seqüencial e Paralelo para o Problema da Mochila
Proposta de Algoritmo Genético Seqüencial e Paralelo para o Problema da Mochila Ricardo de Jesus Carvalho, Gustavo Andrade Lemos, Adenevaldo da Silva Machado Junior, Lairton Reis, Wilton Oliveira Ferreira,
Leia maisMétodos Computacionais. Operadores, Expressões Aritméticas e Entrada/Saída de Dados
Métodos Computacionais Operadores, Expressões Aritméticas e Entrada/Saída de Dados Tópicos da Aula Hoje aprenderemos a escrever um programa em C que pode realizar cálculos Conceito de expressão Tipos de
Leia mais2 vertical: 5 letras, plural. 1 vertical: 11 letras
1 vertical: 11 letras São organismos originados da alteração molecular do DNA. 2 vertical: 5 letras, plural Fatores que condicionam as características genéticas de um organismo, sendo um proveniente do
Leia mais4º 20/10/2003. ÍNDICE
Universidade Federal de Juiz de Fora UFJF. Departamento de Ciência da Computação DCC. Curso de Ciência da Computação. Análise e Projeto de Algoritmos 4º período. Filippe Jabour. Atualizado em 20/10/2003.
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 maisParte 1: Introdução a Algoritmos Bio-inspirados (ou Computação Natural)
Parte 1: Introdução a Algoritmos Bio-inspirados (ou Computação Natural) O que é Computação Natural? Natureza utilizada como fonte de inspiração ou metáfora para desenvolvimento de novas técnicas computacionais
Leia maisInteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Leia maisCAPÍTULO 2 Visão Geral da Abordagem de Modelagem da Pesquisa Operacional 7
SUMÁRIO CAPÍTULO 1 Introdução 1 1.1 A origem da pesquisa operacional 1 1.2 A natureza da pesquisa operacional 2 1.3 O impacto da pesquisa operacional 3 1.4 Algoritmos e/ou courseware 3 Referências selecionadas
Leia maisInteligência Computacional
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Agente: É um elemento qualquer capaz de perceber seu ambiente por meio de sensorese de agir sobre este ambiente
Leia maisUNIVERSIDADE NOVE DE JULHO - UNINOVE ELENICE DA CONCEIÇÃO CASTRO LOPES
UNIVERSIDADE NOVE DE JULHO - UNINOVE ELENICE DA CONCEIÇÃO CASTRO LOPES APLICAÇÃO DA TRANSFORMADA DISCRETA WAVELET NO CONTROLE DA DIVERSIDADE POPULACIONAL NOS ALGORITMOS GENÉTICOS EM PROBLEMAS DE OTIMIZAÇÃO
Leia maisAlgoritmos Evolutivos Aplicados no Aprendizado em Jogos de Estratégia em Tempo Real
Algoritmos Evolutivos Aplicados no Aprendizado em Jogos de Estratégia em Tempo Real Rodrigo de Freitas Pereira Claudio Fabiano Motta Toledo Marcio Kassouf Crocomo Eduardo do Valle Simões Sumário Trabalhos
Leia maisMelhoramento de espécies autógamas
Universidade Federal de Rondônia Curso de Eng. Florestal Melhoramento genético Florestal Melhoramento de espécies autógamas Emanuel Maia www.lahorta.acagea.net emanuel@unir.br Apresentação Introdução Efeitos
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 maisSÍNTESE DE TEXTURAS UTILIZANDO OS ALGORITMOS GENÉTICOS DA MÍNIMA ENTROPIA MODIFICADO E DOS MODELOS DE TEXTURA MODIFICADO
SÍNTESE DE TEXTURAS UTILIZANDO OS ALGORITMOS GENÉTICOS DA MÍNIMA ENTROPIA MODIFICADO E DOS MODELOS DE TEXTURA MODIFICADO Robson Vieitas Ramos e Edna Lúcia Flôres Universidade Federal de Uberlândia Faculdade
Leia maisAULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisUMA COMPARAÇÃO EMPÍRICA DE OPERADORES DE CROSSOVER PARA O PROBLEMA DE JOB SHOP COM DATAS DE ENTREGAS
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 12 a15 de outubro
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 maisIMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL
IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL 1. INTRODUÇÃO Este tutorial apresenta, passo-a-passo, o processo de implementação e resolução de modelos matemáticos na planilha
Leia maisAlgoritmos de Aprendizado. Formas de Aprendizado. Aprendizado Batch x Incremental. Aprendizado Batch x Incremental
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square Back Propagation Formas de Aprendizado Existe dois métodos básicos de aplicação do algoritmo Back Propagation: Aprendizado
Leia maisC.N.C. Programação Torno
C.N.C. Programação Torno Módulo III Aula 03 Composição de um Programa CNC A composição de um programa CNC baseia-se nas informações geométricas e tecnológicas necessárias para a execução de uma determinada
Leia maisLinguagem de Maquina II. Visão Geral
Linguagem de Maquina II Visão Geral Revisão A linguagem de máquina é composta de seqüências binárias (1's e 0's) São interpretadas como instruções pelo hardware A linguagem de montagem e a linguagem de
Leia maisFernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisArtigo: 379 SENDI 2004 XVI SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA
Artigo: 379 SENDI 2004 XVI SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA Alocação de Bancos de Capacitores em Alimentadores de Distribuição Utilizando Função Objetivo Multicritério para Redução
Leia maisserotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina
Redes Neurais O modelo biológico O cérebro humano possui cerca 100 bilhões de neurônios O neurônio é composto por um corpo celular chamado soma, ramificações chamadas dendritos (que recebem as entradas)
Leia maisRoteirização de veículo para realização de coleta utilizando algoritmo evolucionários
Departamento de Sistemas e Computação FURB Curso de Ciência da Computação Trabalho de conclusão de curso 2014/01 Roteirização de veículo para realização de coleta utilizando algoritmo evolucionários Acadêmico:
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados
Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas Departamento de Ciências
Leia mais