1. 1 /Algoritmos Genéticos 38
Algoritmos GenéticosAlgoritmos Genéticos
Conceitos, Aplicações e FerramentaConceitos, Aplicações e Ferramentas
Daniel Seabra
Norton Guimarães
Rodrigo Francisco

2. 2 /Algoritmos Genéticos 38
Agenda
• A teoria da
Evolução
• Introdução
• Aplicações de AG
• Ferramentas

3. 3 /Algoritmos Genéticos 38
A teoria da Evolução Natural

4. 4 /Algoritmos Genéticos 38
A teoria
●
Em 1885, Charles Darwin escreveu o livro “A
Origem das Espécies”;

População de indivíduos com diferentes propriedades e
habilidades;

Limite do número de indivíduos numa população;

A natureza cria novos indivíduos com propriedades
similares;

Os mais hábeis são selecionados para reprodução;

5. 5 /Algoritmos Genéticos 38
Paródia
Filme: Idiocracia

6. 6 /Algoritmos Genéticos 38
O que sãoO que são
Algoritmos Genéticos?Algoritmos Genéticos?
“Uma técnica de busca baseada numa metáfora do
processo biológico de evolução natural” (Linder, 2008).

7. 7 /Algoritmos Genéticos 38
História

8. 8 /Algoritmos Genéticos 38
História

9. 9 /Algoritmos Genéticos 38
Analogia das Terminologias
Linguagem Natural Algoritmos Genéticos
Cromossomo Indivíduo, string,
cromossomo, árvore
Gene Característica
Alelo Valor
Locus Posição
Genótipo Estrutura
Fenótipo Conjunto de parâmetros
Tabela 1: Analogia do Algoritmo Genético com a Linguagem Natural (Linder, 2008)

10. 10 /Algoritmos Genéticos 38
Características

11. 11 /Algoritmos Genéticos 38
Esquema dos AGsEsquema dos AGs

12. 12 /Algoritmos Genéticos 38
Representação do Problema

13. 13 /Algoritmos Genéticos 38
Overview do Processo

14. 14 /Algoritmos Genéticos 38
Geração da População Inicial
 Cada indivíduo deverá apresentar um
conjunto de genes e um conjunto de
características observáveis;
 A geração é de forma aleatória;

15. 15 /Algoritmos Genéticos 38
Função de Avaliação
 Conhecida como função fitness;
 Projetada para cada problema;
 Uma função matemática modelada para
o problema;
 Entra indivíduo e sai resultado.

16. 16 /Algoritmos Genéticos 38
Operadores GenéticosOperadores Genéticos

17. 17 /Algoritmos Genéticos 38
Seleção da População

18. 18 /Algoritmos Genéticos 38
Seleção
Proporcional/Truncamento
 Baseados no
valor relativo da
sua aptidão.

19. 19 /Algoritmos Genéticos 38
Seleção Baseado em Ordem
 Uso do rank do
indivíduo baseado
sua aptidão.

20. 20 /Algoritmos Genéticos 38
Método da Roleta Viciada
 Busca linear
através de uma
roleta virtual.

21. 21 /Algoritmos Genéticos 38
Seleção por Torneio
 04 indivíduos são
aleatoriamente
selecionados.
 02 são eliminados e,
 02 são ganhadores
para gerar a próxima
geração..
A
B
C
A
D
D

22. 22 /Algoritmos Genéticos 38
Operação de
Crossover

23. 23 /Algoritmos Genéticos 38
Um ponto de corte
 Cortar pais em
uma posição
aleatória e
recombinar as
partes geradas

24. 24 /Algoritmos Genéticos 38
Dois pontos de corte
 Cortar pais em
duas posições
aleatórias e
recombinar as
partes geradas.

25. 25 /Algoritmos Genéticos 38
Uniforme
 Gerar uma
máscara de bits
aleatórios e
combinar os bits
dos pais de
acordo com a
máscara gerada.

26. 26 /Algoritmos Genéticos 38
Operação de Mutação

27. 27 /Algoritmos Genéticos 38
Radom Resetting
 Consiste de troca
dos valores de um
gene dada uma
pequena
probabilidade.

28. 28 /Algoritmos Genéticos 38
Creep Mutation
 Esta forma
acrescenta ou
subtrai ao valor do
gene um pequeno
número aleatório
(Eiben, 2008)

29. 29 /Algoritmos Genéticos 38
Aplicações em AG

30. 30 /Algoritmos Genéticos 38
Aplicações em AG

31. 31 /Algoritmos Genéticos 38
Algumas Ferramentas

32. 32 /Algoritmos Genéticos 38
Conclusão

33. 34 /Algoritmos Genéticos 38
Referências
Deepa, S. N. S. S. N. (2008). Introduction to Genetic Algorithms. New
York: Springer.
Eiben, A., & Smith, J. E. (2008). Introduction to Evolutionary
Computing. New York: Springer.
Ellingsen, K.-E., & Penaloza, M. (2003). A genetic algorithm approach
for finding a good course schedule. In Proceedings of the Midwest
instruction and Computing Symposium. Duluth, USA.
Filitto, D. (2008). Algoritmos genéticos: Uma visão explanatória. Saber
Acadêmico, São Paulo, Brazil.

34. 35 /Algoritmos Genéticos 38
Referências
Linder, R. (2008). Algoritmos Genéticos (3nd ed). Rio de Janeiro:
Ciência Moderna.
Melanie, M. (1996). An Introduction to genetic algorithms. London: MIT
Press.
Raghavjee, R., & Pillay, N. (2010). An informed genetic algorithm for
the high school timetabling problem. In Proceedings of the 2010
Annual Research Conference of the South African Institute of
Computer Scientists and Information Technologists (SAICSIT '10).
New York, USA, 408-412. doi: 10.1145/1899503.1899555.

35. 36 /Algoritmos Genéticos 38
Referências
Teles, R. M. (2011). Um estudo de técnicas da inteligência artificial
aplicadas na distribuição de recursos em áreas geográficas.
Unpublished master’s thesis, Universidade Federal de Goiás,
Goiás, Brazil.
Turabieh, S. A. H. (2008). Generating university course timetable using
genetic algorithms and local search. In Proceeding of the
International Conference on Convergence and Hybrid Information
Technology. Busan, South Korea (pp. 254 – 260)
Wang, Z., Liu, J.-l., & Yu, X. (2009). Self-fertilization based genetic
algorithm for university timetabling problem. In Proceedings of the
first ACM/SIGEVO Summit on Genetic and Evolutionary
Computation (GEC ’09), New York, USA (pp. 1001–1004).

36. 37 /Algoritmos Genéticos 38