l u t i v a A u la 09 E str a t ég ias Evol u t i vas Pr of Paulo Salgado R o t e i r o V i s ã o G e r al Definições ID: 793847
Download The PPT/PDF document "Co m pu t a ç ã o E v o" is the property of its rightful owner. Permission is granted to download and print the materials on this web site for personal, non-commercial use only, and to display it on your personal computer provided you do not modify the materials and that you retain all copyright notices contained in the materials. By downloading content from our website, you accept the terms of this agreement.
Slide1
Co
m
pu
t
a
ção
Evolutiva
Aula 09 – Estratégias EvolutivasProf. Paulo Salgado
Slide2R
o
t
e
i
ro
• Visão Geral
• Definições dos parâmetros da Estratégia Evolutiva (EE)• Exemplos e Definição da Técnica
Slide3V
i
s
ã
o
s
obreEstratégias
Evolutivas(EE)• De
sen
vol
vida
: N
a A
lema
nh
a na década de 60
•
P
ioi
eiro
s:
I.
Rec
h
e
i
be
r
g
,
H
.
-
P
.
S
c
hw
e
f
e
l
na
Technical
University
of
Berlim
para otimização em mecânica de fluidos
• Aplicações típicas:• Otimização Numérica• Características• Velocidade de convergência
• Bom otimizador para problemas• Há muita teoria associada• Especialidade
de valores reais
• Auto-adaptação de parâmetros padrões (mutação)
Slide4T
ab
e
l
a
Técnica
p
a
r
a
E
E
Rep
r
es
ent
ação
V
e
tor
es
d
e
V
a
l
o
r
R
e
a
l
Recomb
i
n
a
ção
Dis
c
r
e
ta
o
u
I
n
t
e
r
mediáriaMutaçãoPerturbação GaussianaSeleção dos Pais
Aleatória e UniformeSeleção de Sobrevivêicia(µ,λ) ou (µ+λ)E
specialidadeAuto-Adap
tação
Slide5E
x
e
m
pl
o
Introdutório
• Tarefa: Minimizar a função F•
F:Ri
→R
•
Algo
rit
mo:
EE
de
d
ois M
emb
ros
((1+1)-EE)
R
i
•
V
e
t
o
r
e
s
d
o
s
ã
o
utili
z
a
do
s
d
ir
e
t
a
me
n
te
com
ocromossomos• Tamanho da População: 1• Apenas a muta
ção – criando um filho• Seleção gulosa
Slide6E
x
e
m
pl
o
Introdutório:
Pseudo-código• Ajuste t =
0
•
Crie
o p
ont
o
in
ic
ial
X
t
=
(X
t
1
,
X
t
2
,
...
,
X
t
n
)
•
R
e
p
i
ta
A
t
é
(
C
o
nd
i
ç
ã
o de Parada)• Associe Zi a uma distribuição1, ..., n independentementeno
rmalparatodoi=YitXit=+ Zi••
Se f(Xit) ≤ f(Yit) En
tão• ElseXt+1=Yt• Faça t =
t +
1
X
t+1
=
X
t
Slide7E
x
e
m
pl
o:
Mecanismode
Mutação• Osvalores
d
e
Z
s
ao
g
u
iado
s
po
r
u
ma
d
i
st
ri
b
ui
ção
n
o
r
m
a
l
N
(ξ
,
σ
)
•
A
m
é
d
i
a
ξ
é
a
justada para 0• ODesvioPadrãoσ é
chamadotamanhodopassodemutação• σ é variado sucesso”durante
o processopor “1/5
daregrade• σ =σ / cifi
f if
p
s
ps
p
s
>
<
=
1/
5
→
+ para ampliar a busca
1/
5
→
- para concentrar
a busca
1/
5
•
σ
=
•
σ
=
σ
•
c
σ
•
O
n
d
e
p
s
é
a
%
d
e
m
ut
a
ç
õ
e
s
co
m
su
c
e
ss
o
,
e
0
.
8
≤
c
≤ 1
Slide8D
i
st
r
i
bu
i
ção
Nor
mal
(
x −
ξ )
2
1
i
−
p
(
x
)
=
2
2
σ
e
i
2
π
σ
σ
→
d
e
s
v
i
o
padrã
o
ξ
→
1
mé
di
a
da distribuição→ const. de
normalizaçãoσ 2πNa prática,N(0,
σ)
Slide9I
l
u
st
r
a
çãoda
DistribuiçãoNormal
Slide10E
x
e
m
pl
o
sdeG
eraçãodeFormasTarefa: O
tim
izar a
form
a de uma has
te de um m
óvel
A
bor
dage
m: Mu
tação
a
lea
t
ó
r
i
a
da
f
o
rm
a
+
se
l
eç
ã
o
Fo
rm
a
I
n
i
c
i
al
Fo
rm
a F
i
n
a
l
Slide11A
n
i
m
a
ção
doProcesso
Evolutivo
Slide12Aplicações
R
e
a
is
• N.A.S.A.•
O laboratório de Jato Propulsão
ut
iliza
um
sist
ema
eq
uiv
ale
nt
ede
sen
volv
ime
n
to
d
e
•
E
s
p
o
rt
e
s
:
F1
•
A
l
g
u
m
a
s
eq
ui
pe
s
d
ea uma EE para ocarenagens de foguetesF1 tem sistemas
baseadosem EE para o desenvolvimento de aerofóliospara seus carros
Slide13Resumo de características
Estratégia Evolutiva é tipicamente usada para otimização de parâmetros contínuos
Existe forte ênfase na criação de filhos através da mutação
A mutação é implementada pela adição de um número aleatório a partir de uma distribuição Gaussiana
Os parâmetros da mutação também são modificados durante a execução do algoritmo