Trabalho de Conclusão de Curso de Graduação

1. Universidade Estadual do Piaui UESPI
Utilização de Heurísticas Bioinspiradas em Sistemas de Inteligência
Coletiva para Otimização do Roteamento de Redes Mesh
Leinylson Fontinele Pereira
Orientador: Prof. Esp. Jacks Renan Neves Fernandes

2.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
2Universidade Estadual do Piaui - UESPI
Introdução
O que vem por aí?
 Obtenção das possíveis melhores rotas
 Algoritmo S-ACO (simples)
 Heurísticas bioinspiradas
 Tomada de decisão
 Qualidade das soluções
 Comportamento global
 Dorigo (1992; 1996), Gambardella (1999), Campello (2012).
 Alguns conceitos – Trabalhos e aplicações - Resultados - Considerações
 INTRODUÇÃO

3.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
3Universidade Estadual do Piaui - UESPI
Referencial Teórico
Redes Mesh - Wireless Mesh Networks (WMN’s)
 Auto-organizadas e autoconfiguradas.
fonte da imagem: Disponível em: http://www.computerhope.com. Acesso em 30/01/2013.
 Redes Mesh
 REFERENCIAL TEÓRICO

4.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
4Universidade Estadual do Piaui - UESPI
Referencial Teórico
Redes Mesh - Wireless Mesh Networks (WMN’s)
 Fornecem vantagens para a comunicação de dados em relação a
outros tipos de redes sem fio.
fonte da imagem: http://www.radioenge.com.br/redemesh.html
 Redes Mesh
 REFERENCIAL TEÓRICO

5.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
5Universidade Estadual do Piaui - UESPI
Referencial Teórico
Representação por Grafos
 Vértices (nós)
Conexo
Direcionado
Ponderado
fonte das imagens: http://pt.wikipedia.org/wiki/Grafos
 Conexões (arestas)
 Matriz de valores
 Representação por Grafos
 REFERENCIAL TEÓRICO

6.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
6Universidade Estadual do Piaui - UESPI
Referencial Teórico
Otimização
 REFERENCIAL TEÓRICO
 Otimização
 Otimização Combinatória.
 Existe uma grande quantidade discreta de possíveis soluções.
fonte das imagens: GESTÃO – Revista de Administração e Sistemas de Informação, n. 10, 2008 (grifo nosso).

7.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
7Universidade Estadual do Piaui - UESPI
Referencial Teórico
Sistemas Inteligentes
“A propriedade de um sistema onde o comportamento de vários agentes
simples interagindo direta ou indiretamente ao agir em seu ambiente local
acarreta na emergência de um comportamento global “inteligente”...
(Engelbrecht, 2005)
 REFERENCIAL TEÓRICO
 Sistemas Inteligentes
fonte das imagens: Disponível em: <depositphotos.com>. Acesso em: 30 jan. 2013.

8.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
8Universidade Estadual do Piaui - UESPI
Referencial Teórico
Inteligência Coletiva (Swarm Intelligence)
Inteligência
Coletiva
Proximidade
Estabilidade
AdaptabilidadeDiversidade
Qualidade
 REFERENCIAL TEÓRICO
 Inteligência Coletiva

9.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
9Universidade Estadual do Piaui - UESPI
Referencial Teórico
Comportamento Social
fonte das imagens: Disponível em: <http://www.infopedia.pt>. Acesso em: 13 jan. 2013
 REFERENCIAL TEÓRICO
 Comportamento Social

10.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
10Universidade Estadual do Piaui - UESPI
Referencial Teórico
Formigas Artificiais
 Trilha de feromônio artificial.
 Histórico da colônia
 Evaporação permite que a colônia
de formigas lentamente esqueça seu
histórico. fonte da imagem: Hölldobler e Wilson (1990)
 Evaporação dos feromônios
 REFERENCIAL TEÓRICO
 Formigas Artificias

11.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
11Universidade Estadual do Piaui - UESPI
Sistemas de Formigas e Suas Aplicações
(Trabalhos Relacionados)
Colônia de Formigas
 Auto-organização
 Habilidade restringida
 Política de decisão local estocástica
 Constroem novas soluções
 Avalia a solução
 Deposita uma trilha de feromônio
 Com o passar do tempo, o feromônio irá evaporar...
 TRABALHOS RELACIONADOS
 Colônia de Formigas

12.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
12Universidade Estadual do Piaui - UESPI
Como acontece?
Sistemas de Formigas e Suas Aplicações
(Trabalhos Relacionados)
 TRABALHOS RELACIONADOS
 Colônia de Formigas

13.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
13Universidade Estadual do Piaui - UESPI
Sistemas de Formigas e Suas Aplicações
(Trabalhos Relacionados)
Configuração de Redes de Distribuição Via Algoritmo de Formigas
A configuração de redes de distribuição é formulada como um problema
de otimização para ser resolvido mediante aplicação de um método
alternativo: o Ant Colony Optimization (ACO).
fonte: Dorigo, 1992.
 TRABALHOS RELACIONADOS
 Config. Redes de Distribuição

14.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
14Universidade Estadual do Piaui - UESPI
Sistemas de Formigas e Suas Aplicações
(Trabalhos Relacionados)
Algoritmo Simples de Otimização por Colônias de Formigas (S-ACO)
O ACO simples (S-ACO) pode ser utilizado para determinar uma solução
para o problema do caminho mais curto definido no grafo
 TRABALHOS RELACIONADOS
 Algoritmo S-ACO (simples)
fonte: Dorigo, 1992.

15.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
15Universidade Estadual do Piaui - UESPI
Sistemas de Formigas e Suas Aplicações
(Trabalhos Relacionados)
Algoritmo Genérico de Otimização por Colônias de Formigas (ACO)
Biologia Algoritmo ACO
Formiga Agente usado para construir soluções para o problema
Colônia de formigas Grupo de agentes que cooperam entre si (formigas artificiais)
Trilha de feromônio
Alteração do ambiente causada pelas formigas artificiais com o
intuito de estabelecer uma comunicação indireta com as outras
formigas da colônia
Evaporação do feromônio
Diminuição do coeficiente de feromônio de um determinado
ramo em função do tempo decorrido
fonte: (Leandro N. de C. & Fernando J. V. Z. - DCA/FEEC/Unicamp). Disponível em: <ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/ia006_03/topico4_03.pdf>. Acesso em: 26 set. 2012.
 TRABALHOS RELACIONADOS
 Algoritmo ACO (genérico)

16.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
16Universidade Estadual do Piaui - UESPI
Sistemas de Formigas e Suas Aplicações
(Trabalhos Relacionados)
Agrupamento por Colônias de Formigas (ACA)
Biologia (Ant Clustering) Algoritmo ACA
Ambiente (Arena)
Grade (Grid) bidimensional onde os itens são posicionados e
as formigas se movem
Formiga Agente apto a mover-se, coletar e largar itens no ambiente
Colônia de Formigas Grupo de agentes que cooperam entre si (formigas artificiais)
Corpos e larvas de formigas Itens (dados de entrada, etc)
Pilha (grupos) de corpos Clusters de itens
Visibilidade de uma formiga Fração de itens percebidos
 TRABALHOS RELACIONADOS
 Algoritmo ACA (clustering)
fonte: (Leandro N. de C. & Fernando J. V. Z. - DCA/FEEC/Unicamp). Disponível em: <ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/ia006_03/topico4_03.pdf>. Acesso em: 26 set. 2012.

17.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
17Universidade Estadual do Piaui - UESPI
Sistemas de Formigas e Suas Aplicações
(Trabalhos Relacionados)
Adaptação Social do Conhecimento
 Utilizada inicialmente para determinar pesos e definir a arquitetura de
Redes Neurais Artificiais (RNA),
 Particle Swarm Optimization (PSO)
 TRABALHOS RELACIONADOS
 Algoritmo PSO (partículas)
fonte das imagens: Disponível em: <depositphotos.com>. Acesso em: 30 jan. 2013.

18.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
18Universidade Estadual do Piaui - UESPI
Sistemas de Formigas e Suas Aplicações
(Trabalhos Relacionados)
De Sistemas Sociais para Enxames de Partículas
Sociocognição Algoritmo PSO
Indivíduo Partícula
População de indivíduos Enxame de Partículas
Esquecimento e aprendizagem
Incremento ou decremento nos valores de algumas
propriedades dos indivíduos (partículas)
Experiência própria de um
indivíduo
Cada partícula possui algum conhecimento de sua história
(desempenho) e emprega este conhecimento para direcionar
seus próximos movimentos
Interações sociais
Cada partícula também possui informações sobre a vida
(desempenho) de outras partículas e aplica tal conhecimento
para orientar seus próximos movimentos
 TRABALHOS RELACIONADOS
 Algoritmo PSO (partículas)
fonte: (Leandro N. de C. & Fernando J. V. Z. - DCA/FEEC/Unicamp). Disponível em: <ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/ia006_03/topico4_03.pdf>. Acesso em: 26 set. 2012.

19.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
19Universidade Estadual do Piaui - UESPI
Simulador RotÓtima
Modelagem do Ambiente
 SIMULADOR ROTÓTIMA
 Ambiente de Simulação

20.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
20Universidade Estadual do Piaui - UESPI
Modelagem do Ambiente
Simulador RotÓtima
 SIMULADOR ROTÓTIMA
 Ambiente de Simulação

21.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
21Universidade Estadual do Piaui - UESPI
Topologias Utilizadas
Simulador RotÓtima
 SIMULADOR ROTÓTIMA
 Topologias Utilizadas

22.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
22Universidade Estadual do Piaui - UESPI
Probabilidade de Transição
fonte da imagem: Disponível em: <http://liderar.webnode.com/products/lideranca>. Acesso em: 28 jan. 2013
Simulador RotÓtima
 SIMULADOR ROTÓTIMA
 Probabilidade de Transição
fonte: Dorigo, 1992.

23.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
23Universidade Estadual do Piaui - UESPI
Qualidade da Solução
Simulador RotÓtima
 Inverso do comprimento em termos da distância física entre o nó
origem e o nó destino.
 SIMULADOR ROTÓTIMA
 Qualidade da Solução
fonte: Dorigo, 1992.

24.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
24Universidade Estadual do Piaui - UESPI
Atualização da Trilha de Feromônio
Simulador RotÓtima
“Quando uma formiga deposita feromônio numa determinada conexão,
ela está aumentando a probabilidade de que esta conexão seja
selecionada por outra formiga, reforçando uma determinada trilha”
(DORIGO, 1992).
 SIMULADOR ROTÓTIMA
 Update da Trilha de Feromônio
fonte: Dorigo, 1992.

25.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
25Universidade Estadual do Piaui - UESPI
Evaporação da Trilha de Feromônio
Simulador RotÓtima
 Para evitar uma convergência prematura em uma região subótima
 SIMULADOR ROTÓTIMA
 Evaporação do Feromônio
fonte: Dorigo, 1992.

26.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
26Universidade Estadual do Piaui - UESPI
Critérios de Parada
 O número máximo de iterações excedido.
 Solução aceitável encontrada.
 Estagnação.
Simulador RotÓtima
 SIMULADOR ROTÓTIMA
 Critérios de Parada
fonte: Dorigo, 1992.

27.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
27Universidade Estadual do Piaui - UESPI
Descrição do Pseudocódico
Simulador RotÓtima
 SIMULADOR ROTÓTIMA
 Descrição do Pseudocódigo

28.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
28Universidade Estadual do Piaui - UESPI
Análises e Resultados
Variação das Taxas de Feromônio
 Experimento da Ponte Binária
 ANÁLISE E RESULTADOS
fonte: Denenbourg et al., 1990

29.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
29Universidade Estadual do Piaui - UESPI
Análises e Resultados
Variação das Taxas de Feromônio - Topologia
 Depositado pelas formigas, o feromônio varia em virtude dos
movimentos de exploração e explotação para a construção da solução
ótima do grafo
 Eficácia do algoritmo quanto à obtenção da possível melhor rota
 ANÁLISE E RESULTADOS

30.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
30Universidade Estadual do Piaui - UESPI
Análises e Resultados
Variação das Taxas de Feromônio - Soluções Encontradas
 ANÁLISE E RESULTADOS

31.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
31Universidade Estadual do Piaui - UESPI
Análises e Resultados
Variação das Taxas de Feromônio – Incremeto de Feromônio
 ANÁLISE E RESULTADOS

32.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
32Universidade Estadual do Piaui - UESPI
Análises e Resultados
Pré-forrageamento
 ANÁLISE E RESULTADOS
fonte:Denenbourgetal.,1990
fonte:Denenbourgetal.,1990
Pós-forrageamento

33.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
33Universidade Estadual do Piaui - UESPI
Considerações Finais
 Demonstração da forma de atuação de agentes inteligentes baseada na
inteligência de enxames.
 Aplicações que podem ser desenvolvidas
 A solução heurística confirma a possibilidade da utilização de um
conhecimento simples para solucionar problemas complexos
 S-ACO
 CONCIDERAÇÕES FINAIS

34.  REFERENCIAL TEÓRICO
 TRABALHOS RELACIONADOS
 SIMULADOR ROTÓTIMA
 ANÁLISE E RESULTADOS
 CONCIDERAÇÕES FINAIS
 Redes Mesh
 Representação por Grafos
 Otimização
 Sistemas Inteligentes
 Inteligência Coletiva
 Comportamento Social
 Formigas Artificias
 Colônia de Formigas
 Config. Redes de Distribuição
 Algoritmo S-ACO (simples)
 Algoritmo ACO (genérico)
 Algoritmo ACA (clustering)
 Algoritmo PSO (partículas)
 Topologias Utilizadas
 Descrição do Pseudocódigo
 Evaporação do Feromônio
 Qualidade da Solução
 Probabilidade de Transição
 Update da Trilha de Feromônio
 Critérios de Parada
 Ambiente de Simulação
 INTRODUÇÃO
34Universidade Estadual do Piaui - UESPI
 Não apenas simular, mas também implementar em robôs reais.
 Utilização do algoritmo base, para criação de frameworks.
 A utilização conjunta de mais de um tipo de feromônio.
fonte das imagens: Disponível em: <http://www.arduinoos.com/2010>. Acesso em: 20 jan. 2013
Considerações Finais
 CONCIDERAÇÕES FINAIS

35. Simulação
35Universidade Estadual do Piaui UESPI

36. 36Universidade Estadual do Piaui - UESPI
“Talvez não tenha conseguido fazer o melhor, mas lutei para que o melhor fosse feito.
Não sou o que deveria ser, mas Graças a Deus, não sou o que era antes”. (Martin Luther King)
fonte das imagens: Disponível em: <www.aescoladavida.com>. Acesso em: 26 jan. 2013.

37. Bibliografia
37Universidade Estadual do Piaui - UESPI
ANJOS, Pablo L. dos. Introdução ao Estudo da Teoria dos Grafos. Disponível em:
http://descartes.ucpel.tche.br/WFC/2002/apa_grupo4-TeoriaDosGrafos.pdf . Acesso: em 26 ago. 2012.
Annual Report Cisco, 2006. Disponível em: <http://www.cisco.com/web/about/ac49/ac20/ac19/ar2006/index.html> Acesso em: 30
jan. 2013.
ANTONIOLI, Leonardo. Estatísticas, Dados e Projeções Atuais Sobre a Internet no Brasil. 14 de dez. de 2012. Disponível em: <
http://tobeguarany.com/internet_no_brasil.php> . Acesso em: 30 jan. 2013.
ANTES 2012. Eighth International Conference on Swarm Intelligence, Université Libre de Bruxelles, Brussels, Belgium (Sep 12-
14, 2012). Disponível em: < http://iridia.ulb.ac.be/dorigo/ACO/ACO.html>. Acesso em: 12 jan. 2013.
Associação Brasileira de Normas e Técnicas (ABNT). NBR 14724: Informação e Documentação: Trabalhos Acadêmicos. Rio de
Janeiro, 2011.
AZEVEDO, Nuno. Guia de Estudo: Redes e Internet, Escola Básica Integrada de Angra do Heroísmo - Tecnologias da Informação
e Comunicação, 2005. Disponível em: <http://www.ebiah.edu.pt/eb23ah.edu.pt/Sala%20de%20Estudo/centrorecursostic/Redes%20
e%20Internet/Guia%20de%20Estudo%20-%20Redes%20e%20Internet.pdf>. Acesso em: 04 jan. 2012.
BONABEAU, DORIGO e THERAULAZ. Swarm Intelligence: From Natural to Artificial Systems. Oxford Press, 1999.
CAMPELLO, R. J. G. B. et al. Computação Natural: Uma Breve Visão Geral. Disponível em <http://www.ica.ele.puc-
rio.br/nanobio2004>. Acesso em: 07 jul. 2012.
CASTRO, Leandro N. de, ZUBEN, Fernando J. Von, Introdução à Computação Natural, IA006 – DCA/FEEC/Unicamp, 2005.
Disponível em: <ftp://ftp.dca.fee.unicamp.br/pub/
docs/vonzuben/ia006_03/topico4_03.pdf>. Acesso em: 26 set. 2012.

38. Bibliografia
38Universidade Estadual do Piaui - UESPI
CHAN, Felix T. S., TIWARI, Manoj K. Swarm Intelligence: Focus on Ant and Particle Swarm Optimization. Disponível em: <
http://www.intechopen.com/books/swarm_intelli
gence_focus_on_ant_and_particle_swarm_optimization>. Acesso em 21 dez. 2012.
CHAPMAN & HALL, Fundamentals of Natural Computing: Basic Concepts, Algorithms, and Applications. CRC Computer &
Information Science Series.
DORIGO, m., Di caro, g., GAMBARDELLA, M. Ant Algorithms For Discrete Optimization. Artificial Life, vol. 5, pp. 97-116,
1999.
COSTA, Danilo. Simulador Extensível para Navegação de Agentes Baseado em Inteligência de Enxames. Instituto de Ciências
Matemáticas e de Computação, São Carlos, 2007.
DORES, Abner das. et. al. AntColonySwarm: Simulação do Comportamento de uma Colônia de Formigas, Vida Artificial na
Computação.
DORIGO, M., MANIEZZO, V., COLORNI, A. (1996), "The Ant System: Optimization by a Colony of Cooperating Agents",
IEEE Trans. on Systems, Man, and Cybernetics – Part B, 26 (1), pp. 29-41.
DORIGO, Marco. Ant Colony Optimization, 1992. Disponível em: <http://www.
scholarpedia.org/article/Ant_colony_optimization>. Acesso em: 28 nov. 2012.
ENGELBRECHT, A. P. Fundamentals of Computational Swarm Intelligence, John Willey & Sons Ltda, 2005.
GLOVER . F. Future Paths for Integer Programming and Links to Artificial Intelligence. Computers and Operations Research,
5:553–549, 1986.
HANSEN P. The steepest ascent mildest descent heuristic for combinatorial programming. In Congress on Numerical Methods in
Combinatorial Optimization, Capri, Italy, 1986.

39. Bibliografia
39Universidade Estadual do Piaui - UESPI
KENNEDY, J. EBERHART, R. & SHI. Y. Swarm Intelligence, Morgan Kaufmann Publishers, 2001.
Laboratório Virtual em Computação Natural (LVCoN), Disponível em: <http://lvcon.tuilux
.com.br/lvcon>. Acesso em: 28 dez. 2012.
LUCAS, Diogo C. Algoritmos Genéticos: Uma Introdução. UFRGS, 2002. Disponível em:<
http://www.inf.ufrgs.br/~alvares/INF01048IA/ApostilaAlgoritmos Geneticos.pdf >. Acesso em: 09 nov. 2012.
NETO, João P. C. Configuração de Redes de Distribuição via Algoritmo de Formigas. 2000. Disponível em:
<http://www.dee.ufcg.edu.br/~pet/jornal/projs/proj6.html>. Acesso em: 23 nov. 2012.
SCHILDT Herbert. As Origens do C/C++, C Completo e Total 3ª Ed. Pág.: 3-8.
SILVA, Helber W. da. Um Esquema de Seleção de Rotas para o Balanceamento de Segurança e Desempenho em Redes em
Malha Sem Fio, Cap. 2, Pág. 6, 2011.
SOUZA, Marcone J. F. Inteligência Computacional para Otimização, Departamento de Computação, Instituto de Ciências Exatas e
Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, MG.
SOUZA, Rodrigo C. T. de, Heurísticas Bioinspiradas de Otimização Combinatória. GESTÃO – Revista de Administração e
Sistemas de Informação, v. 10, n. 10, jan./jun. 2008.
Teleco – Inteligência em Telecomunicações. Qualidade de Serviços (QoS): Conceitos de Rede. Disponível em:
<http://www.teleco.com.br/tutoriais/tutorialqosotm/pagina_2.asp>. Acesso em: 04 jan. 2012.
XuTi Game Development. Allegro, 2002.
WAZLAWICK, Raul S. Metodologia de Pesquisa para Ciência da Computação, Rio de Janeiro: Elsevier, 6ª reimpressão, 2009.

40. Universidade Estadual do Piaui - UESPI 40
“Sistema é um conjunto de partes interagentes e interdependentes que, consequentemente, formam
um todo unitário com determinado objetivo e efetuam determinada função”
Djalma de Pinho Rebouças de Oliveira
fonte das imagens: Disponível em: <depositphotos.com>. Acesso em: 30 jan. 2013.