A Otimização Colônia de Formigas

Transcrição

1 A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008

2 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado ao PQA Melhoramentos e Variantes

3 O que é Otimização por Colônia de Formigas Otimização colônia de formigas é uma metaheurística baseada em população e inspirada no comportamento forrageiro das formigas.

4 A Inspiração Biológica Muitas espécies de formigas são quase cegas. A comunicação entre as formigas é realizada através de uma substância química denominada de feromônio. Em algumas espécies, o feromônio é usado para criar caminhos (trilhas de formigas).

5 A Inspiração Biológica

6 A Inspiração Biológica

7 A Inspiração Biológica

8 A Inspiração Biológica Ao caminhar, as formigas depositam no chão o feromônio, formando, deste modo, uma trilha de feromônios. As formigas sentem o cheiro do feromônio, e quando elas têm que escolher um caminho, escolhem, com maior probabilidade, o caminho com maior quantidade de feromônio (cheiro mais forte). A trilha ajuda a formiga a achar o caminho de volta e as outras formigas a encontrar a fonte de alimentos.

9 O Experimento da Ponte Binária Experimento realizado por Deneubourg et al., 1990, para estudar o comportamento forrageiro das formigas.

10 O Experimento da Ponte Binária No inicio: As formigas são deixadas livres para escolher o caminho. Não há feromônio ainda.

11 O Experimento da Ponte Binária As formigas convergem para um dos caminhos com igual probabilidade. Devido a flutuações aleatórias, uma das pontes terá mais feromônio e atrairá as formigas com maior probabilidade. No Fim: ou

12 O Experimento da Ponte Binária Usando pontes de tamanhos diferentes, as formigas convergem para a ponte mais curta. Uma formiga percorre ida e volta a ponte curta no mesmo tempo que outra formiga realiza apenas o percurso de ida na ponte longa. Logo, será depositado mais feromônio na ponte curta do que na longa. Isto atrairá formigas para ponte curta.

13 Formigas Artificiais Formigas artificiais são heurísticas construtivas. Elas constroem soluções de forma probabilística utilizando duas informações: 1. A trilha de feromônio (artificial) que muda dinamicamente durante a execução do programa de modo a refletir a experiência já adquirida durante a busca. 2. A informação heurística especifica do problema a ser resolvido.

14 O Ant System Aplicado ao PCV O Ant System é o primeiro algoritmo que surgiu inspirado em Colônia de formigas. Matriz Distância do PCV ,0 1,0 2,2 2,0 4,1 2 1,0 0,0 1,4 2,2 4,0 3 2,2 1,4 0,0 2,2 3,2 4 2,0 2,2 2,2 0,0 2,2 5 4,1 4,0 3,2 2,2 0,0 cidades do PCV

15 Exemplo com o PCV Cada formiga irá construir uma solução movendo-se de uma cidade para outra. No ínicio, cada formiga é colocada em uma cidade diferente (ou colocada aleatoriamente).

16 A Construção da Solução pela Formiga Começando de uma cidade i, a formiga move-se escolhendo probabilisticamente a cidade vizinha j (entre os vizinhos factíveis).

17 Probabilidade de Transição A probabilidade da formiga k que está na cidade i de escolher a cidade j é dada pela regra: p k ij = (τ ij ) α (η ij ) β l N k i (τ il ) α (η il ) β, se j N k i, onde: τ ij é feromônio associado a aresta (i, j); α e β são parâmetros para determinar a influência do feromônio e da informação heurística; Ni k é a vizinhança factível da formiga k (i.e., o conjunto das cidades ainda não visitadas pela formiga k).

18 A Informação Heurística do PCV Associada a aresta (i, j) existe um valor heurístico η ij dado por η ij = 1 d ij que representa a atratividade da formiga visitar a cidade i depois de visitar a cidade j. O valor η ij é inversamente proporcional a distância d ij entre as cidades i e j.

19 Passo 1 Candidatos / prob. solução formiga de transição parcial 1 2(45%), 3(21%), 4(23%), 5(11%) (41%), 3(30%), 4(19%), 5(10%) (23%), 2(37%), 4(23%), 5(16%) (27%), 2(24%), 3(24%), 5(24%) (19%), 2(20%), 3(25%), 4(36%) 5-2 A escolha do candidato é de acordo com a probabilidade de transição. É feita de forma similar ao algoritmo da roleta dos algoritmos genéticos.

20 Passo 2 Candidatos / prob. solução formiga de transição parcial 1 3(50%), 4(32%), 5(18%) (38%), 4(42%), 5(20%) (35%), 2(32%), 5(32%) (30%), 2(31%), 3(39%) (46%), 3(33%), 4(21%) 5-2-1

21 Passo 3 Candidatos / prob. solução formiga de transição parcial 1 4(59%), 5(41%) (50%), 5(50%) (49%), 2(51%) (58%), 3(42%) (48%), 4(52%)

22 Passo 4 Candidatos / prob. solução formiga de transição parcial 1 4(100%) (100%) (100%) (100%) (100%)

23 Término da Primeira Iteração formiga solução comprimento (k) completa da viajem (L k ) , , , , ,4

24 O Pseudo-Código do Ant System Coloque cada formiga em uma cidade aleatória para t = 1 até número de iterações para k = 1 até m enquanto a formiga k não construir a viagem S k Selecione a próxima cidade pela regra p k ij fim enquanto Calcule a distância L k da viagem S k se L k < L então S = S k, L = L k fim se fim para Atualize os feromônios fim para retornar S

25 Atualização do Feromônio No feromônio τ ij associado a aresta (i, j) ocorre dois eventos: 1. A evaporação; Evita que o feromônio acumulado cresça indefinidamente; Permite esquecer pobres decisões do passado da busca. 2. O depósito de feromônio de todas as formigas que passaram sobre (i, j).

26 Atualização do Feromônio Depois que todas as formigas construíram suas viagens, o feromônio é atualizado. τ (k) ij é a quantidade de feromônio que a formiga k deposita sobre a aresta (i, j). É dado por: { τ (k) Q/Lk, se a aresta (i, j) pertence a viagem S ij = k. 0, caso contrário. onde Q é uma constante.

27 Atualização do Feromônio O feromônio τ ij associado a aresta (i, j) é atualizado pelo fórmula: m τ ij = (1 ρ)τ ij + τ (k) ij } {{ } k=1 evaporação } {{ } depósito onde 0 < ρ 1 é a taxa de evaporação de feromônio.

28 Exemplo de atualização do feromônio Atualização do feromônio na aresta (3, 5) Apenas as formigas 1, 2 e 5 depositam feromônio nesta aresta. Suponha Q = 1, 0. A contribuição de cada formiga: τ (1) 3,5 = 1/L 1 = 0, 102 τ (2) 3,5 = 1/L 2 = 0, 102 τ (5) 3,5 = 1/L 5 = 0, 081 k viagem L k , , , , ,4 Suponha ρ = 0, 5. τ 3,5 = (1 ρ)τ 3,5 + τ (1) (2) (5) 3,5 + τ 3,5 + τ 3,5 = (1 0, 5)1, 0 + 0, , , 081 = 0, 785

29 Critérios de Parada Número máximo de iterações; Estagnação.

30 Estagnação Estagnação é a situação na qual todas as formigas seguem sempre o mesmo percurso. A Estagnação é causado pelo excessivo crescimento de feromônio nas arestas de uma viagem subótima.

31 Estagnação Apesar da natureza estocástica do algoritmo, a forte concentração de feromônio nas arestas força a formiga a fazer sempre o mesmo percurso. Distribuição de feromônio no inicio da busca. Distribuição de feromônio após 100 iterações.

32 Problema Quadrático de Alocação fluxo A-C é o mais alto fluxos A-B e B-C são iguais. Possíveis soluções:

33 Exemplo de PQA Onde alocar os departamentos no terreno da Universidade? Matriz Fluxo F F = f ij = fluxo de pessoas entre i e j D = Matriz distância D

34 Cálculo do custo da alocação. Exemplo de PQA C(Π) = 4 i=1 4 f ij d πi π j j=1 onde Π = (3, 1, 4, 2). Então, C(Π) =f 1,2 d 3,1 + f 1,3 d 3,4 + f 1,4 d 2,3 + f 2,1 d 1,3 + f 2,3 d 1,4 + f 2,4 d 1,2 + f 3,1 d 4,3 + f 3,2 d 4,1 + f 3,4 d 4,2 + f 4,1 d 3,2 + f 4,2 d 2,1 + f 4,3 d 2,4 =1640 Nota: o PQA consiste em encontrar uma permutação Π que minimiza o custo.

35 Informação Heurística Esta informação heurística foi proposta por Dorigo et al., (1996). Distância Potencial D (soma das colunas de D) D = D = Fluxo potencial F (soma das colunas de F ) F = F =

36 Algoritmo Construtivo Guloso Parece ser bom alocar facilidade com alto fluxo potencial a localizações de baixa distância potencial. Exemplo F = [120, 110, 130, 80] T D = [6, 10, 12, 14] T i) atribua facilidade 3 a localização 1; ii) atribua facilidade 1 a localização 2; iii) atribua facilidade 2 a localização 3; iv) atribua facilidade 4 a localização 4.

37 Algoritmo Construtivo da Formiga Passo 1 A formiga k escolhe a próxima facilidade i de forma gulosa (i.e., pelo menor valor disponível no vetor de fluxo potencial F) Passo 2 A formiga k atribui uma localização j para a facilidade i de acordo com a probabilidade: p k ij = (τ ij ) α (η j ) β l N k i (τ il ) α (η il ) β, se j N k i. onde η j = 1/D j Passo 3 Se já construiu uma solução pare, caso contrário volte ao Passo 1.

38 Elitist Ant System (EAS) É o primeiro melhoramento no AS. Introduzido por Dorigo (1992); IDÉIA : fornecer um forte reforço adicional nas arestas pertencendo ao melhor percurso achado desde do inicio do algoritmo; Este percurso será denotado por T bs (do inglês best-so-far tour); É uma idéia similar a estratégia elitismo dos algoritmos evolucionários.

39 Elitist Ant System (EAS) Atualização do Feromônio: τ ij = (1 ρ)τ ij + onde τ (bs) ij τ (bs) ij = m k=1 é definido como: τ ij + e τ (bs) ij Q/L bs, se a aresta (i, j) pertence ao percurso T bs. 0, caso contrário. e e é um parâmetro definido pelo usuário.

40 Rank-Based Ant System (AS rank ) Introduzido por Bullnheimer et al (1999); Cada formiga deposita uma quantidade de feromônio que diminui de acordo com seu rank; Como no Elistist Ant System, a formiga que realiza o percurso best-so-far T bs também deposita feromônio.

41 Rank-Based Ant System (AS rank ) Atualização do Feromônio: w 1 τ ij = (1 ρ)τ ij + (w r) τ (r) ij r=1 onde r é o rank da formiga; + w τ (bs) ij Apenas as (w 1) formigas com melhor rank depositam feromônio; De acordo com Bullnheimer et al (1999), AS rank é levemente melhor que EAS e significativamente melhor que AS.

42 Ant Colony System (ACS) Introduzido por Dorigo & Gambardella, 1997; Através de elitismo, faz uso de mais intensificação do que o AS; Apenas a formiga best-so-far deposita feromônio; As formigas removem feromônio para aumentar a diversificação.

43 Ant Colony System (ACS) Regra Proporcional Pseudoaleatória: Com probabilidade q 0 Escolha a cidade j com o maior τ il (η il ) β, isto é: j = argmax l N k i {τ il (η il ) β }, (intensificação) Com probabilidade (1 q 0 ) Use a regra tradicional do AS: p k ij = (τ ij ) α (η ij ) β l N k i (τ il ) α (η il ), se j N k β i (diversificação tendenciosa)

44 Ant Colony System (ACS) Regra de Atualização Global de Feromônio: Apenas a formiga best-so-far deposita feromônio depois de cada iteração: τ ij = (1 ρ)τ ij + ρ τ (bs) ij, (i, j) T bs A evaporação e depósito de feromônio somente ocorre nas arestas do percurso best-so-far T bs. O feromônio depositado é uma média ponderada entre o antigo valor de feromônio e o novo valor a ser depositado.

45 Ant Colony System (ACS) Regra de Atualização Local de Feromônio: É aplicado imediatamente após a formiga atravessar a aresta: τ ij = (1 ξ)τ ij + ξτ 0 ; τ 0 (nível mínimo de feromônio) e ξ (0 < ξ < 1) são parametros; A formiga remove o feromônio da aresta que acabou de atravessar; Aumenta a diversificação ao reduzir a atratividade das arestas frequentemente visitadas.