Modelos Evolucionários e Tratamento de Incertezas

Transcrição

1 Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 04 Módulos de População e Funções de Avaliação Max Pereira

2 Tamanho da População O desempenho do algoritmo genético é extremamente sensível ao tamanho da população; Caso este número seja pequeno demais, não haverá espaço para termos variedade genética: Pode ser que nosso algoritmo seja incapaz de achar boas soluções; Caso este número seja grande demais, o algoritmo demorará demais: Poderemos estar nos aproximando de uma busca exaustiva.

3 Populações de Tamanho Variável Estratégia 1: definição de uma expectativa de vida para cada indivíduo: Esta expectativa é proporcional à qualidade do indivíduo; O tamanho da população pode crescer caso a avaliação de todos os indivíduos seja muito boa; Neste caso, estes sobreviverão por muitas gerações, além de gerar filhos que também irão compor a população.

4 Populações de Tamanho Variável O número de filhos gerados a cada geração é dado por: ρ*p(t) Como a cada instante podemos gerar mais filhos do que o número de mortos da geração anterior, a população pode aumentar Ela pode diminuir se o oposto ocorrer! Não tem uma pressão seletiva forte sobre os indivídos: Eles morrem quando atingem a velhice

5 Populações de Tamanho Variável Estratégia 2: aumentar o tamanho da população se: está havendo convergência genética ainda não chegamos perto da performance desejada. Problema: determinar quando a convergência genética aconteceu. Não é uma tarefa simples!

6 Função de Avaliação Idealmente, a função de avaliação deveria ser suave e regular. Cromossomos que tenham uma avaliação boa estejam perto dos cromossomos que lhe sejam apenas um pouco superiores. Pode fazer com que o desempenho do AG degenere em dois casos: questão do superindivíduo a existência de uma pequena diferença entre as avaliações.

7 Superindivíduo Um ou mais indivíduos cuja avaliação é muito superior àquela dos outros membros da população. Este indivíduo ou este grupo será quase sempre escolhido pelo módulo de seleção Causa uma perda imediata da diversidade genética nas gerações imediatamente subsequentes.

8 Superindivíduo Exemplo Sejaapopulaçãodadapor: Indivíduo Avaliação Somatório das Avaliações 286

9 Superindivíduo Exemplo: Método da roleta: o primeiro indivíduo será selecionado cerca de 256/286 90% das vezes. Isto fará com que percamos as características benéficas de vários outros indivíduos

10 Pequena Diferença entre Avaliações Ocorre quando todos os indivíduos têm funções de avaliação que diferem muito pouco percentualmente. Nestes casos, uma pequena diferença entre funções de avaliação significa uma grande diferença na qualidade da solução; O algoritmo não consegue perceber isto, dando espaços praticamente iguais para todos os indivíduos na roleta.

11 Normalização Coloque os cromossomos em ordem decrescente de valor; Crie novas funções de avaliação para cada um dos indivíduos da seguinte maneira: o melhor de todos recebe um valor fixo (k); os outros recebam valores iguais ao do indivíduo imediatamente anterior na lista ordenada menos um valor de decremento constante (t). Matematicamente: aval 0 = k aval i =aval i-1 -t

12 Normalização Caso queiramos estabelecer a diferenciação de forma mais acentuada, podemos pensar em usar uma técnica de normalização não linear sobre a avaliação de todos os indivíduos da população; Este método consiste em aplicar aos valores da avaliação por uma função não linear. Por exemplo: podemos resolver o problema do superindivíduo usando uma função de normalização logarítmica.

13 Normalização Indivíduo Avaliação (f(x)) Nova Avaliação (log 10 (f(x))

14 Windowing Existem situações em que as diferenças absolutas entre os indivíduos são muito pequenas, apesar de haver indivíduos que possuem características bastante superiores a outros.

15 Windowing Exemplo Windowing diminuindo 19,0 de cada indivíduo

16 Escalonamento Sigma Busca tornar o AG menos suscetível à convergência genética prematura. O princípio do escalonamento sigma é modificar a função de avaliação de um indivíduo (f(i)) pela fórmula: E(i, t) 1, σ(t) = 0 = f(i) f(t) 1 +,σ(t) 0 2σ(t) f (i) f (t ) σ (t ) é a avaliação do indivíduo i é a avaliação média da população no instante t é o desvio padrão das avaliações no instante t

17 Problema do Percurso do Cavalo O Percurso do Cavalo (Knight's Tour) consiste de uma sequência de movimentos feitos pela peça de xadrez, o cavalo. Cada casa do tabuleiro deve ser visitada exatamente uma vez. Cada movimento da peça é descrito como um L.

18 Movimento do Cavalo

19 Definição do problema Dado um tabuleiro nx n, determine uma sequência válida de movimentos do cavalo de modo que esta peça passe por todas as casas uma única vez, a partir de qualquer casa do tabuleiro.

20 Percurso do Cavalo Século IX, primeiras respostas.

21 Estudos matemáticos Leonhard Euler século XVIII Academia de Ciências de Berlim (1759) ofereceu um prêmio.

22 Quantos percursos possíveis? Em 1995 Martin Löbbing e Ingo Wegener anunciaram que o número de percursos possíveis era igual a: (20 Sun Workstations por 4 meses!!!!).

23 Quantos percursos possíveis? Em 1997, Brendan McKay usou outro método para calcular o número de percursos (dividindo o tabuleiro em duas partes) e obteve: Um computador procurando e encontrando percursos a uma velocidade de um milhão de percursos por minuto precisaria de 25 anos para calcular o número de percursos dado por McKay!!!!

24 Primeiro algoritmo Século XIX, H. C. Warnsdorff. Antes de fazer o movimento, avaliar as posições seguintes possíveis que ainda não foram visitadas e podem ser alcançadas por um único salto a partir da posição corrente. Essas casas são avaliadas de acordo com o número de vizinhos não visitados que cada uma possui.

25 Algoritmo

26 Percurso Fechado

27 Percurso do Cavalo e Grafos O Percurso do Cavalo e Ciclos Hamiltonianos Cada casa do tabuleiro torna-se um vértice e as arestas um par de vértices (casas) entre os quais há um movimento válido do cavalo. Para um tabulerio 8 x 8 o grafo possui 64 vértices e 168 arestas.

28

29 Representação

30 Representação (fechado)