Inteligência de Enxame: ACO



Documentos relacionados
A Otimização Colônia de Formigas

IA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI

Inteligência Computacional Aplicada a Engenharia de Software

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves

Otimização por Colônia de Formigas (ACO)

BUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH)

CAP 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

O que é? Swarm Intelligence. Qual a origem? Cardume. Qualquer tentativa de projetar algoritmos ou técnicas de resolução distribuída de

Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br

INF 1771 Inteligência Artificial

Minicurso SBSE 2012:

Computação BioInspirada

Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento

Sistemas Auto-organizáveis BC0005

A Otimização Nuvem de Partículas (particle swarm)

Complexidade de Algoritmos. Edson Prestes

5COP096 TeoriadaComputação

Análise de Links e Busca na Web

Complemento IV Introdução aos Algoritmos Genéticos

Complexidade de Algoritmos. Edson Prestes

Meta-heurísticas. Métodos Heurísticos José António Oliveira meta-heurísticas

Inteligência Computacional: resolvendo problemas difíceis da vida real

2 Atualidade de uma base de dados

Inteligência Artificial

Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Roteiro. Arquitetura. Tipos de Arquitetura. Questionário. Centralizado Descentralizado Hibrido

Algoritmos Genéticos (GA s)

APLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS

Tabela de roteamento

Algoritmos Genéticos

O uso da colônia de formigas no problema de visitação na AMAN

Análise e Complexidade de Algoritmos

Matéria: Matemática Assunto: Razão e Proporção Prof. Dudan

Dr. Ronaldo Pilati - Psicologia Social - Universidade de Brasília 1

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Agrupamento de dados

APLICAÇÃO DA METAHEURÍSTICA COLÔNIA DE FORMIGAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS

Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br

Qual é o risco real do Private Equity?

Paralelização do Algoritmo de Agrupamento de Formiga

Inteligência de Enxame *

Resolução do Problema de Roteamento de Veículos com Frota Heterogênea via GRASP e Busca Tabu.

Otimização por Colônia de Formigas (Ant Colony Optimization - ACO)

MLP (Multi Layer Perceptron)

Inteligência de Enxames

Inteligência de Enxame: PSO

Cooperativa de Leite. Série Matemática na Escola

Banco de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri. Banco de Dados Processamento e Otimização de Consultas

MANUAL DO USUÁRIO. TOOLBOX SIA.

BCC204 - Teoria dos Grafos

Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Parte 2. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.

Faculdade Alagoana de Administração FAA Ciência da Computação. (Resolução de Problemas em) Espaço de Estados

Proporcionalidade Directa e Inversa

Algoritmos e Estruturas de Dados II. Trabalho Prático 2

CALDsoft7 - Software de planificação em caldeiraria

ALGORITMOS GENÉTICOS

ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA

Sistema Inteligente Não-Linear de Apoio à Aprendizagem 1 Rangel RIGO, Ana Paula Laboissière AMBRÓSIO

Como fazer um fluxo de nutrição de leads eficaz

Heurísticas para o Problema de Sequenciamento de Carros em Linhas de Montagem. Daniel Brasil, Thiago Ferreira de Noronha, Caroline Rocha

Teoria dos Grafos. Edson Prestes

Aprendizagem de Máquina

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Árvores Binárias Balanceadas

Guia de Atividades para Introdução do Powersim no Processo Ensinoaprendizagem de Equações Diferenciais Ordinárias

Matemática Financeira Módulo 2

Algoritmos e Estrutura de Dados III. Árvores

CURSO DE EXTENSÃO FORMAÇÃO NO MERCADO FINANCEIRO

Sistemas Distribuídos. Professora: Ana Paula Couto DCC 064

Técnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 14

SUMÁRIO. Introdução... 3

Gestão de Pequenas Empresas no Brasil - Alguns Dados Importantes.

XX Seminário Nacional de Distribuição de Energia Elétrica SENDI a 26 de outubro Rio de Janeiro - RJ - Brasil

Probabilidade. Distribuição Normal

FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2

Ant Colony Optimization

PPD: Balanceamento de Carga e Scheduling 2

Introdução às Redes Neurais Artificiais

Katia Werneck

Só Matemática O seu portal matemático FUNÇÕES

DISTRIBUIÇÃO NORMAL 1

Teoria dos Grafos. Edson Prestes

Você sabe a regra de três?

Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR

Problemas de Satisfação de Restrições

Gestão Estratégica de Marketing

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Pesquisa Sequencial e Binária. Introdução à Programação SI2

DESENVOLVIMENTO DE SISTEMA DE VIDA ARTIFICIAL BASEADO EM AGENTES DE COMPORTAMENTOS COMPLEXOS

Aspectos Sociais de Informática. Simulação Industrial - SIND

SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos

JOSÉ DOMINGOS ALBUQUERQUE AGUIAR MCAC - MONTE CARLO ANT COLONY: UM NOVO ALGORITMO ESTOCÁSTICO DE AGRUPAMENTO DE DADOS

PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014

Transcrição:

Inteligência de Enxame: ACO! Otimização colônia de formigas é uma meta-heurística: «baseada em população «inspirada no comportamento forrageiro das formigas.! Muitas espécies de formigas são quase cegas.! 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 ou trilhas.

Inteligência de Enxame: ACO! A inspiração biológica - Início

Inteligência de Enxame: ACO! A inspiração biológica - Intermediário

Inteligência de Enxame: ACO! A inspiração biológica - Final

Inteligência de Enxame: ACO! Ao caminhar, as formigas depositam no chão o feromônio, formando, deste modo, uma trilha de feromônio.! 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.

Inteligência de Enxame: ACO! Experimento realizado por Deneubourg et al., 1990, para estudar o comportamento forrageiro das formigas.

Inteligência de Enxame: ACO! Experimento da ponte binária simétrica: «No início, as formigas são deixadas livres para escolher o caminho. «Não há feromônio ainda.

Inteligência de Enxame: ACO! No fim, 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.

Inteligência de Enxame: ACO! Experimento da ponte binária assimétrica: «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.

Inteligência de Enxame: ACO - AS! Formigas artificiais são heurísticas construtivas.! Elas constroem soluções de forma probabilística utilizando duas informações: «A trilha de feromônio (artificial) que muda dinamicamente durante a execução do programa de modo a refletir a experiência já adquirida durante a busca. «A informação heurística especifica do problema a ser resolvido.! O Ant System é o primeiro algoritmo que surgiu inspirado em Colônia de formigas. «Foi incialmente usado para resolver o Problema de Caixeiro Viajante. Cidades; Matriz de distâncias.

Inteligência de Enxame: ACO - AS! Cada formiga irá construir uma solução movendo-se de uma cidade para outra. «No início, cada formiga é colocada em uma cidade diferente ou colocada aleatoriamente nas cidades consideradas; «Começando de uma cidade qualquer i, a formiga move-se escolhendo probabilisticamente uma das cidades vizinhas j.

Inteligência de Enxame: ACO - AS! A probabilidade da formiga k que está na cidade i de escolher a cidade j é dada pela regra: onde: «é feromônio associado ao caminho (i, j); «α e β são parâmetros para determinar a influência do feromônio e da informação heurística; «é a vizinhança factível da formiga k (i.e., o conjunto das cidades ainda não visitadas pela formiga k).

Inteligência de Enxame: ACO - AS! Para cada a aresta (i, j) existe um valor heurístico dado por que representa a atratividade da formiga visitar a cidade i depois de visitar a cidade j, onde dij representa a distância entre as cidades i e j.! A escolha da cidade destino é de acordo com a probabilidade de transição.! É feita de forma similar ao algoritmo da roleta usado nos algoritmos genéticos.

Inteligência de Enxame: ACO - AS! Algoritmo do Ant System: ACO - AS

Inteligência de Enxame: ACO - AS! O feromônio associado a aresta (i, j) ocorrem dois eventos: «A evaporação: Evita que o feromônio acumulado cresça indefinidamente; Permite esquecer pobres decisões do passado da busca. «O depósito de feromônio de todas as formigas que passaram sobre (i, j).! Depois que todas as formigas construíram suas viagens, o feromônio é atualizado.! é a quantidade de feromônio que a formiga k deposita sobre a aresta (i, j);! Q é uma constante.

Inteligência de Enxame: ACO - AS! O feromônio associado a aresta (i, j) é atualizado por: onde: «0 < ρ 1 é a taxa de evaporação.! Os critérios de paradas usados são: «Número máximo de iterações; «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 sub-ótima.

Inteligência de Enxame: ACO - EAS! Elitist Ant System (EAS) «É o primeiro melhoramento no Ant System (AS). «Consiste em fornecer um reforço adicional nas arestas pertencendo ao melhor percurso encontrado desde do inicio da otimização; «Este percurso será denotado por T bs (do inglês best-so-far tour); «A ideia é similar a estratégia de elitismo usada nos algoritmos evolucionários. «Em geral, apresenta melhor desempenho que Ant System.

Inteligência de Enxame: ACO - EAS! Atualização do Feromônio: onde é definido por: e e é um parâmetro definido de acordo com a aplicação.

Inteligência de Enxame: ACO - AS rank! Rank-Based Ant System (AS rank ) «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 tour T bs também deposita feromônio. «Em geral, apresenta um desempenho levemente melhor do que o do Elistist Ant System. «Em geral, apresenta um desempenho significativamente melhor do que o do Ant System

Inteligência de Enxame: ACO - AS rank! Atualização do Feromônio: onde r é o rank da formiga! Apenas as w 1 formigas com melhor rank depositam feromônio;! O parâmetro w é escolhido de uma maneira empírica dependendo da aplicação.

Inteligência de Enxame: ACO - ACS! Ant Colony System (ACS) «Cada formiga deposita uma quantidade de feromônio que diminui de acordo com seu rank; «Através de elitismo, faz uso de intensificação, escolhendo com maior probabilidade cidades promissoras; «Apenas a formiga best-so-far deposita feromônio; «As formigas removem feromônio para aumentar a diversificação.

Inteligência de Enxame: ACO - ACS! Regra Proporcional Pseudoaleatória: «Intensificação: Com probabilidade q 0, escolher a cidade j tal que: «Diversificação: Com probabilidade 1 q 0, escolher a cidade j tal do AS:

Inteligência de Enxame: ACO - ACS! Regra de Atualização Global de Feromônio: «Apenas a formiga best-so-far deposita feromônio depois de cada iteração: «A evaporação e depósito de feromônio somente ocorre nas arestas do percurso T bs. «O feromônio depositado é uma média ponderada entre o antigo valor de feromônio e o novo valor a ser depositado.

Inteligência de Enxame: ACO - ACS! Regra de Atualização Local de Feromônio: «É aplicado imediatamente após a formiga atravessar a aresta: onde que é o nível mínimo de feromônio e 0 < ξ < 1 são parâmetros determinados de maneiras empírica; «A formiga remove o feromônio da aresta que acabou de atravessar; «A atualização local aumenta a diversificação ao reduzir a atratividade das arestas frequentemente visitadas.