This is an old revision of the document!
Conceito:
Os algoritmos gen´eticos (AG’s), s˜ao t´ecnicas baseadas na teoria da evoluc¸ ˜ao, no quais as vari´aveis s˜ao representadas como genes de um cromossomo. Juntamente com estrat´egias evolucionais e programac¸ ˜ao evolutiva formam uma classe de pesquisa baseado em evoluc¸ ˜ao natural (CONCILIO, 2000). AG’s s˜ao m´etodos que simulam, atrav´es de algoritmos, os processos de evoluc¸ ˜ao natural e gen´etica buscando resolver problemas de otimizac¸ ˜ao onde o espac¸o de busca ´e muito grande e os m´etodos convencionais n˜ao se demonstram eficientes. O algoritmo b´asico foi estruturado de forma que as informac¸ ˜oes referentes a um determinado sistema pudessem ser codificadas de maneira an´aloga aos cromossomos biol´ogicos. Eles ocupam lugar de destaque entre os paradigmas da computac¸ ˜ao evolutiva, por conter de forma simples e natural os conceitos necess´arios da computac¸ ˜ao evolutiva. Al´em disso, tˆem resultados bastante aceit´aveis com relac¸ ˜ao aos recursos empregados e pela ampla gama de problemas aplic´aveis. O AG para um determinado problema deve ter os seguintes componentes e etapas: • uma representac¸ ˜ao gen´etica para a soluc¸ ˜ao que se deseja alcanc¸ar; • uma maneira de gerar um populac¸ ˜ao inicial; • a func¸ ˜ao de avaliac¸ ˜ao que vai classificando as soluc¸ ˜oes geradas; • operadores gen´eticos para a gerac¸ ˜ao de novas populac¸ ˜oes; • valores para os diversos parˆametros testados. Essas etapas est˜ao representadas graficamente na figura 3.1. Tamb´em s˜ao vistos como otimizadores de func¸ ˜oes, embora a quantidade de problemas para qual s˜ao aplicados seja bastante abrangente. A principal vantagem deles ´e
