algoritmos memeticos
TRANSCRIPT
AlgoritmosMeméticos
Adriana Dada
Diogo Henrique de Carvalho
Gustavo da Silva Baptista
Joab Bomfi m de Oliveira
Ronald Rocha Lima Jr.
Wendell Rodolfo I l lanes
R o n a l d R o c h a L i m a J r
Artigo
SINTONIA DE CONTROLADOR COM ESCALONAMENTO GANHOS BASEADOS EM ALGORITMOS MEMÉTICOS
Pontifícia Universidade Católica do Paraná
Luis Henrique Moedinger
Leandro dos Santos Coelho
Algoritmo Meméticos
Algoritmo Genéticos
Algoritmo Simulated Annealing
+
Overview
R o n a l d R o c h a L i m a J r
Objetivo desse trabalho e o estudo, a implementação e análise de configurações de algoritmos Meméticos para otimização do projeto de controladores de PID.
Overview
R o n a l d R o c h a L i m a J r
G u s t a v o d a S i l v a B a p t i s t a
Introdução Otimização e busca estocástica são baseados nos
modelos e princípios da evolução biológica natural
Versatilidade para resolução de problemas complexos de otimização e aprendizado de máquina
FocoUtilização de Algoritmos Meméticos visando a otimização dos parâmetro que regem os controladores adaptativos do tipo PID
G u s t a v o d a S i l v a B a p t i s t a
Algoritmo Genético
Valor ótimo é obtido através dos melhores elementos das gerações anteriores
Ciclo de Gerações
A d r i a n a D a d a
Função Fitness
Reprodução
Acasalamento
CruzamentoMutação
1 1 0 1 0 1
Gene
Cromossomos ou indivíduos
Cromossomos e Geração
A d r i a n a D a d a
A função fitness é utilizada para analisar a qualidade do resultado obtido
)31(
100
ef
f – Valor do Fitness Quanto maior o valor e f,
melhor o membro da população
e3 – Somatório de erro Erro entre a saída desejada
para o processo e a saída obtida
O erro acumulado e3 indica o somatório do erro de todas amostras em relação ao valor desejado
Fitness
J o a b B o m fi m d e O l i v e i r a
Ponto de mutação
1 0 1 0 0 1 0 0
1 0 1 0 1 0 01
Descendente
Descendente com mutação
Troca aleatória dos genes do cromosso
Operadores Genéticos
Mutação
J o a b B o m fi m d e O l i v e i r a
1
Descendente
Troca de genes entre cromossos
Pais 0 1 1 0 1 1 0 0 1 0 0 1 0 0 1
1 0 1 1 1 0 0 1 0 1 0 0 0 1 1 0
Operadores Genéticos
Cruzamento
J o a b B o m fi m d e O l i v e i r a
Reprodução dos indivíduos mais aptos obtidos pelas operações de mutação e cruzamento
Operadores Genéticos
Acasalamento
1Pais 0 1 1 0 1 1 0 0 1 0 0 1 0 0 1
D i o g o H e n r i q u e d e C a r v a l h o
Funcionamento do Algoritmo Genético
Inicializado com N indivíduos
Informação da função objetivo (função de fitness)
Seleção Natural
Mutação
Objetivo – Diminuição da Função Objetivo
Se a busca resulta em uma melhor da solução a solução é aceita.
Caso contrário, essa solução é aceita com probabilidade 1
R o n a l d R o c h a L i m a J r
Simulated Annealing
R o n a l d R o c h a L i m a J r
Algoritmo Memético
Utiliza o negativo do gradiente da função objetivo
Localiza Mínimo Local
Menor número de avaliações da função objetivo
Não necessita do cálculo do gradiente
Localiza Mínimo Global
Maior número de avaliações da função objetivo
Métodos Determinísticos Métodos Estocásticos
X
Métodos Determinísticos Híbridos
Melhoria da velocidade
Localiza Ótimo Global
Melhoria da Precisão
Resultados
J o a b B o m fi m d e O l i v e i r a
J o a b B o m fi m d e O l i v e i r a
Resultados
J o a b B o m fi m d e O l i v e i r a
Resultados
Dúvidas