carlos henrique gomes correia suzi lara werner. introdu§£o otimiza§£o...

Download Carlos Henrique Gomes Correia Suzi Lara Werner. Introdu§£o Otimiza§£o Algoritmo Gen©tico Algoritmo Gen©tico Bsico Operadores Gen©ticos Par¢metros Gen©ticos

Post on 17-Apr-2015

105 views

Category:

Documents

2 download

Embed Size (px)

TRANSCRIPT

  • Slide 1
  • Carlos Henrique Gomes Correia Suzi Lara Werner
  • Slide 2
  • Introduo Otimizao Algoritmo Gentico Algoritmo Gentico Bsico Operadores Genticos Parmetros Genticos Estudo de Caso: AMALTHAEA A implementao bsica do AMALTHAEA Arquitetura do AMALTHAEA Representao interna Codificao e operadores do AMALTHAEA Concluso
  • Slide 3
  • Baseadas no princpio da teoria da Seleo Natural de Darwin [Darwin, 1859], que defendia a idia de que, na natureza, os seres vivos com melhores caractersticas, ou seja, os mais adaptados, tendem a sobreviver frente aos demais, foram formuladas tcnicas de busca, chamadas de Algoritmos Genticos (AG), para utilizao em processos de otimizao e resoluo de problemas. Estas novas tcnicas tm uma vasta aplicabilidade em problemas de Inteligncia Artificial, como aprendizagem de mquina, modelagem de usurios e acesso informao. O artigo estudado analisa a utilizao de tcnicas baseadas em Algoritmos Genticos em sistemas de acesso a fontes de informao dinmicas e que necessitem se adaptar aos seus usurios.
  • Slide 4
  • a busca da melhor soluo para um dado problema. Consiste em tentar vrias solues e usar a informao obtida para conseguir solues cada vez melhores. Exemplo de Otimizao: Telespectador atravs de ajuste na antena da televiso otimiza a imagem buscando vrias solues at alcanar uma boa imagem. As tcnicas de otimizao, geralmente, apresentam: Espao de busca: onde esto todas as possveis solues do problema; Funo objetivo: utilizada para avaliar as solues produzidas, associando a cada uma delas uma nota.
  • Slide 5
  • Algoritmos genticos (AGs) so mtodos computacionais de busca baseados nos mecanismos de evoluo natural e na gentica. Em AGs, uma populao de possveis solues (indivduos) para o problema considerado evolui de acordo com operadores probabilsticos concebidos a partir de metforas aos processos biolgicos (cruzamento gentico, mutaes, sobrevivncia dos mais aptos), de modo que h uma tendncia de que os indivduos mais aptos representem solues cada vez melhores medida que o processo evolutivo continua.
  • Slide 6
  • So algoritmos estocsticos (no so determinsticos). operam numa populao (conjunto) de pontos, e no a partir de um ponto isolado; operam num espao de solues codificadas e no no espao de busca diretamente; necessitam somente de informaes sobre o valor de uma funo objetivo para cada membro da populao e no requerem derivadas ou qualquer outro tipo de conhecimento.
  • Slide 7
  • Nos AGs, as variveis de uma funo a ser otimizada so codificadas em um vetor chamado cromossomo. Um cromossomo composto por finitos genes que podem ser representados por um alfabeto binrio ou por um alfabeto de maior cardinalidade. Operadores de reproduo, cruzamento e mutao so aplicadas aos cromossomos de uma populao, garantindo a sobrevivncia dos cromossomos mais aptos, elevando a uma melhoria da qualidade dos indivduos (solues) em geraes sucessivas.
  • Slide 8
  • O algoritmo gentico bsico envolve seis passos: codificao das variveis, criao da populao inicial, avaliao da resposta, cruzamento, mutao e seleo dos mais aptos. O pseudocdigo de um algoritmo gentico bsico mostrado na figura 1. Nele podemos ver que os algoritmos genticos comeam com uma populao P de n estruturas aleatrias (indivduos), onde cada estrutura codifica uma soluo do problema. O desempenho de cada indivduo avaliado com base em uma funo de avaliao de aptido. Os melhores tendero a ser os progenitores da gerao seguinte, possibilitando que as suas caractersticas sejam transmitidas para as prximas geraes.
  • Slide 9
  • Slide 10
  • Na prtica, podemos implementar facilmente um algoritmo gentico com o simples uso de strings de bits ou caracteres para representar os cromossomos e, com simples operaes de manipulao de bits podemos implementar cruzamento, mutao e outros operadores genticos. Na figura 2, podemos ver a representao de um cromossomo composto por seis genes atravs de uma string de valores binrios.
  • Slide 11
  • So os operadores genticos que transformam a populao atravs de sucessivas geraes, estendendo a busca at chegar a um resultado satisfatrio. Um algoritmo gentico padro evolui, em suas sucessivas geraes, mediante o uso de trs operadores bsicos: Seleo Cruzamento Mutao
  • Slide 12
  • A idia principal do operador de seleo em um algoritmo gentico oferecer aos melhores indivduos da populao corrente, preferncia para o processo de reproduo, permitindo que estes indivduos passem as suas caractersticas s prximas geraes. Isto funciona como na natureza, onde os indivduos altamente adaptados ao seu ambiente possuem naturalmente mais oportunidades para reproduzir do que aqueles indivduos considerados mais fracos.
  • Slide 13
  • Cruzamento a troca de segmentos entre "casais" de cromossomos selecionados, com a finalidade de originar novos indivduos que podero ser includos na prxima gerao. A idia central do cruzamento a propagao das caractersticas dos indivduos mais aptos da populao. O operador cruzamento utilizado aps o de seleo. As formas mais comuns de reproduo em algoritmos genticos so de um ponto de cruzamento, de dois pontos de cruzamento e cruzamento uniforme.
  • Slide 14
  • Slide 15
  • Slide 16
  • A mutao vista como o operador responsvel pela introduo e manuteno da diversidade gentica na populao. Ela trabalha alterando arbitrariamente, logo aps o cruzamento, um ou mais componentes de uma estrutura escolhida entre a descendncia, fornecendo dessa forma meios para a introduo de novos elementos na populao.
  • Slide 17
  • Tamanho da Populao: O tamanho da populao determina o nmero de cromossomos na populao, afetando diretamente o desempenho global e a eficincia dos AGs. Taxa de Cruzamento: Quanto maior for esta taxa, mais rapidamente novas estruturas sero introduzidas na populao. Mas se esta for muito alta, a maior parte da populao ser substituda, e pode ocorrer perda de estruturas de alta aptido. Tipo de Cruzamento: O tipo de cruzamento a ser utilizado determina a forma como se proceder a troca de segmentos de informao entre os "casais" de cromossomos selecionados para cruzamento. Taxa de Mutao: A taxa de mutao determina a probabilidade em que uma mutao ocorrer.
  • Slide 18
  • O AMALTHAEA um ambiente multiagente para filtragem personalizada, recuperao e monitoramento de fontes de informao, voltado para a rede mundial de computadores, a Internet. Sua principal finalidade ajudar os usurios a encontrar informaes relevantes dentre a diversidade de informaes disponveis na grande rede. O AMALTHAEA considera trs domnios em paralelo: World Wide Web (WWW) e descoberta de dados. Fluxo contnuo de informao e filtragem de informao. Monitoramento de mudanas freqentes em fontes de informaes.
  • Slide 19
  • A implementao do AMALTHAEA foi baseada na criao de um ecossistema artificial de agentes evolutivos que cooperam e competem em um ambiente de recursos limitados. Existem duas espcies gerais de agentes: os que fazem filtragem de informao, chamados agentes IF e os que buscam informao, chamados agentes ID. A evoluo feita atravs da busca constante pela melhor soluo possvel existente para o problema (em nosso caso, a melhor informao possvel para os interesses do usurio). As solues devem se adaptar a novas situaes rapidamente (por exemplo, seguindo um novo interesse de usurio). Ao mesmo tempo, o sistema continua explorando o espao de busca para encontrar novas solues, usando operadores genticos como mutao e cruzamento para atualizar e especializar a populao de agentes.
  • Slide 20
  • Para entender o comportamento global do sistema durante a filtragem da informao, podemos considerar cada agente IF como um filtro muito especializado que s aplicado em um setor estreito do domnio. Quando um usurio muda seus interesses, os filtros associados aos antigos interesses so destrudos e outros novos so criados, apontando para os novos interesses atravs de evoluo e seleo natural. Para avaliar o desempenho de cada agente, estabeleceu-se a noo de um ecossistema que opera na base de um simples modelo econmico: os agentes que so teis ao usurio adquirem crditos positivos, enquanto os agentes de baixa performance adquirem crditos negativos. Os agentes com melhores avaliaes tendem ficar no sistema enquanto os piores sero destrudos
  • Slide 21
  • Uma das grandes funcionalidades a capacidade de indicao de sites que sejam de interesse do usurio. O AMALTHAEA capta os interesses do usurio de quatro modos diferentes: Atravs do prprio usurio, que submete o bookmark contendo seus sites favoritos. O AMALTHAEA checa o histrico de pginas visitadas do usurio, arquivadas pelo browser. Selecionando-se pacotes de agentes pr-treinados para acelerar a aprendizagem do AMALTHAEA; Atravs de interesses especficos para treino do sistema baseado em alguns documentos importantes.
  • Slide 22
  • Slide 23
  • O mecanismo inicial para recuperao de documentos foi baseado na biblioteca libwww da WWW. No topo deste mecanismo construda uma biblioteca para normalizar URLs antes de serem armazenadas em banco de dados de URLs j recuperadas. A representao interna dos documentos baseada em uma tcnica de recuperao de informao padronizada chamada representao de vetor ponderado. Quando os arquivos HTML so processados, uma verso limpa do texto gerada. O texto decomposto em palavras-chaves, que so ponderadas e utilizadas para compor o vetor de palavras-chaves.
  • Slide 24

Recommended

View more >