Este documento discute a aplicação de algoritmos genéticos em busca heurística de caminho para otimização de espaço. Descreve algoritmos como A* e BFS para busca de caminho e como algoritmos genéticos podem ser usados em uma abordagem metaheurística chamada PPGA para melhorar a eficiência espacial destes algoritmos em diferentes tipos de mapas.

1. Algoritmos genéticos aplicados
em busca heuristica de caminho
para otimização de espaço
Lucas Teles Agostinho
Rodrigo Mendonça da Paixão
Orientador:
Professor Dr. Eduardo Heredia
Centro Universitario Senac

2. Indice
2
1. Busca de caminho
2. Algoritmos A* e BFS
3. Metaheuristica
4. Algoritmos Genéticos
5. Algoritmo PPGA
6. Modelo GA do PPGA
7. PPGA vs A*
8. Tipos de mapas
9. Desempenho do PPGA
10.Objetivos
11.Referências

3. Busca de caminho
O que é busca de caminho?
2

4. Algoritmos A* e BFS
4

5. Algoritmos A* e BFS
5
Função de custo:
G(n) =

6. Algoritmos A* e BFS
6
Heurística:
H(n)=

7. Algoritmo A* e BFS
7

8. Algoritmo A* e BFS
8

9. Algoritmo A* e BFS
9

10. Algoritmo A* e BFS
10

11. Algoritmo A* e BFS
11

12. Algoritmo A* e BFS
12

13. Algoritmo A* e BFS
13

14. Algoritmo A* e BFS
14

15. Algoritmo A* e BFS
15

16. Algoritmo A* e BFS
16

17. Algoritmo A* e BFS
17

18. O problema A* e BFS
18
Complexidade espacial (consumo de memória)
O(V^2)
Pior caso:
V: É o número de vértices no gráfico

19. Metaheuristica

20. Algoritmo Genético
20
• O que é?
• Como ele funciona?
[2]

21. Algoritimo PPGA
21
O que é?
Como ele funciona?

22. PPGA –Modulo do AG
22
- Identificar quando deve ativar o modulo de AG
- Gerar caminho parcial
- Validar o caminho parcial
- Adaptar caminho parcial
Valido Adaptar Invalido

23. PPGA vs A*
23
A* PPGA
[4]

24. Tipos de Mapas
24
Com padrão Sem padrãoMisto
[4]
- Identificação de Ambientes sem Padrão
- Desabilitar o modulo quando não estiver sendo eficiente

25. Desempenho do PPGA
25
-8%
+16%
-1%
[4]

26. Objetivos
26
• Criar uma base de testes com mapas em tamanhos padrões
diferentes.
• Implementar o Algoritmo A* e BFS
• Implementar o PPGA
• Testar alterações no modulo de AG com finalidade de
otimizar o consumo de memoria do algoritimo.
• Otimizar o consumo de memória exigido pela busca de
caminhos combinando a metaheuristica AG com algoritimo de
busca de caminhos.

27. Referencias
27
• [1] ALAOUI, O. F. S. M.; EL-GHAZAWI, T. A parallel
genetic algorithm for task mapping on parallel machines.
2000.
• [2] LUCAS, D. C. Algoritmos genéticos: uma introdução.
Universidade Federal do Rio Grande do Sul, 2002.
• [3] HART, N. J. N. P. E.; RAPHAEL, B. A formal basis for
the heuristic determination of minimum cost paths. IEEE
Transactions on Systems, Science, and Cybernetics
• [4] SANTOS, A. F. V. M. e. E. W. G. C. U. O. Pathfinding
based on pattern detection using genetic algorithms. SBC -
Proceedings of SBGames, 2012

28. Obrigado.
28