Differences
This shows you the differences between the selected revision and the current version of the page.
| ipar:app_4 2007/12/04 19:53 | ipar:app_4 2008/03/08 16:57 current | ||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | [[ipar:app_3 | Histórico ]] | [[ipar:app_4 | Conceito ]] | [[ipar:app_5 | Operadores Genéticos ]] | [[ipar:app_6 | Imagens Digitais ]] | ||
| - | |||
| - | ====== Algoritmos Genéticos ====== | ||
| - | |||
| - | |||
| - | **Conceito:** | ||
| - | |||
| - | Os algoritmos genéticos (AG’s), são técnicas baseadas na teoria da evolução, nos quais as variáveis são representadas como genes de um cromossomo. Juntamente com estratégias evolucionais e programação evolutiva formam uma classe de pesquisa baseado em evolução natural (CONCILIO, 2000). | ||
| - | |||
| - | AG’s são métodos que simulam, através de algoritmos, os processos de evolução natural e genética buscando resolver problemas de otimização onde o espaço de busca é muito grande e os métodos convencionais não se demonstram eficientes. | ||
| - | |||
| - | O algoritmo básico foi estruturado de forma que as informações referentes a um determinado sistema pudessem ser codificadas de maneira análoga aos cromossomos biológicos. | ||
| - | |||
| - | Eles ocupam lugar de destaque entre os paradigmas da computação evolutiva, por conter de forma simples e natural os conceitos necessários da computação evolutiva. | ||
| - | |||
| - | Além disso, têm resultados bastante aceitáveis com relação aos recursos empregados e pela ampla gama de problemas aplicáveis. | ||
| - | |||
| - | O AG para um determinado problema deve ter os seguintes componentes e etapas: | ||
| - | • uma representação genética para a solução que se deseja alcançar; | ||
| - | |||
| - | • uma maneira de gerar um populaçãao inicial; | ||
| - | |||
| - | • a função de avaliação que vai classificando as soluções geradas; | ||
| - | |||
| - | • operadores genéticos para a geraçãao de novas populações; | ||
| - | |||
| - | • valores para os diversos parâmetros testados. | ||
| - | |||
| - | |||
| - | Essas etapas estão representadas graficamente na figura abaixo | ||
| - | |||
| - | {{ipar:imagemag.jpg|}} | ||
| - | |||
| - | Também são vistos como otimizadores de funções, embora a quantidade de problemas para qual são aplicados seja bastante abrangente. A principal vantagem deles é de trabalhar com o conceito de população, ao contrário de outros métodos que trabalham com um só ponto, avaliando apenas um candidato à solução por vez. | ||
| - | |||
| - | Esses algoritmos modelam uma solução para um problema específico em uma | ||
| - | estrutura de dados como a de um cromossomo e aplicam operadores que recombinam essas estruturas preservando informações críticas, explorando a idéia de sobrevivência nos indivíduos mais adaptados e no cruzamento de população para criar novas e inovadoras estratégias de pesquisa. | ||
| - | |||
| - | **Referências:** | ||
| - | |||
| - | **CONCILIO**, R. Contribuições à Solução de Problemas de Escalonamento pela Aplicação Conjunta de Computação Evolutiva e Otimização com Restrições. In: DISSERTAÇÃO DE MESTRADO APRESENTADO A FACULDADE DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO, DEPARTAMENTO DE ENGENHARIA DE COMPUTAÇÃO E AUTOMAÇÃO INDUSTRIAL, 2000, Unicamp, São Paulo/SP. Anais. . . [S.l.: s.n.], 2000. p.121. | ||
