AG - História e

Conceitos Básicos
Profa. Leticia T. M. Zoby
(letmaia@gmail.com)

1
Algoritmos Genéticos

 Existem problemas para os quais algoritmos rápidos de

solução não são conhecidos;
 Encontrar a solução é buscar em um espaço onde vivem
potenciais soluções a que melhor resolve o nosso
problema;
 Quando este espaço é muito grande encontrar a melhor
solução pode levar tempo demais;
 É possível obter soluções aproximadamente ótimas usando
algoritmos probabilísticos.

2
Algoritmos Genéticos

 Técnica prática e robusta de busca e otimização;

 Baseados nos conceitos da seleção natural;

 É um método estocástico de busca.

3
AG- Exemplos

 Encontrar o máximo (mínimo) de uma função;

 Encontrar um bom conjunto de regras para um sistema

nebuloso;

 Encontrar o melhor agente para atuar como jogador digital.

4
AG- História

 Algoritmos genéticos são parte da computação

evolucionária, que é uma área em crescimento da
inteligência artificial;

 São inspirados na teoria da evolução de Darwin (1859).

 Gregor Mendel (1865) apresenta experimentos do
cruzamento genético de ervilhas.

5
Teoria da Evolução
 A teoria da evolução diz que na natureza todos os
indivíduos dentro de um ecossistema competem entre si
por recursos limitados, como comida e água.
 Os indivíduos mais fracos de uma mesma espécie tendem
a não se proliferarem.
 A descendência reduzida faz com que a probabilidade de
ter seus genes propagados ao longo de sucessivas
gerações seja menor.
 A combinação entre os genes dos indivíduos que
sobrevivem pode produzir um novo indivíduo muito
melhor adaptado às características de seu meio ambiente
ao combinar características possivelmente positivas de
cada um dos seus pais.

6
Relembrando as Aulas de Biologia
 Todo indivíduo biológico é formado por uma ou mais
células.

 Dentro de cada célula existe um conjunto de

cromossomos.

 Os seres humanos têm 23 pares de cromossomos por

célula.
 O número de pares varia de espécie para espécie.

7
Relembrando as Aulas de Biologia
 Um cromossomo consiste em sequências de DNA.
 DNA = molécula que codifica toda a informação necessária
para o desenvolvimento e funcionamento de organismos
vivos.
 Um cromossomo possui vários genes (blocos de
sequências de DNA).
 Cada gene tem uma posição própria no cromossomo.
 O conjunto completo de material genético (todos os
cromossomos) é chamado de genoma.
 A qualidade de um indivíduo (fitness) é medida pelo seu
sucesso (sobrevivência)

8
Relembrando as Aulas de Biologia
 Na natureza existem dois tipos de reprodução:

 Assexuada: típica de organismos inferiores, como

bactérias.

 Sexuada: exige a presença de dois organismos, na

maioria das vezes de sexos opostos, que trocam
material genético.

 Reprodução assexuada é base para o algoritmo de

busca local Beam Search.

 Reprodução sexuada é a base dos algoritmos

genéticos.
9
Relembrando as Aulas de Biologia
 Na reprodução sexuada ocorre a formação de um novo
indivíduo através da combinação de duas células gametas.

 Na formação destas gametas, ocorre o processo de

recombinação genética (crossing-over).

10
Relembrando as Aulas de Biologia

 O processo de replicação do DNA é extremamente

complexo.
 Pequenos erros podem ocorrer ao longo do tempo, gerando
mutações dentro do código genético.
 Estas mutações podem ser boas, ruins ou neutras.

11
Relembrando as Aulas de Biologia

 Alguns fatores externos, como a radiação

ultravioleta, também podem causar pequenas
disrupções no código genético.

12
Relembrando as Aulas de Biologia

 Indivíduos com uma melhor adequação do seu fenótipo

ao meio ambiente (melhor fitness) se reproduzem mais.

 Dessa forma têm mais chances de passar seus genes para

a próxima geração.

 Entretanto, graças aos operadores genéticos

(recombinação e mutação) os cromossomos dos filhos
não são exatamente iguais aos dos pais.

 Assim, eles podem evoluir e se adaptar cada vez mais

aos meio ambiente que os cerca.

13
AG- História

 Algoritmos genéticos (AG) foram inventados por

John Holland e desenvolvidos por ele, seus alunos e
colegas;

 Resultando no livro de Holland "Adaption in Natural

and Artificial Systems" publicado em 1975.

14
AG- Conceitos Básicos

 Entre variados domínios de aplicação (ciências da

computação, bioinformática, nas diversas áreas da
engenharia, ...), é de salientar a sua utilização na
resolução de problemas de análise combinatória -
enquadrado nos métodos de procura global.
 Na procura da solução ótima de um problema, os AG
partem de populações de soluções, normalmente
escolhidas aleatoriamente;
 A cada iteração é analisada a vizinhança de uma
população - diversificação da procura no espaço das
soluções.

15
AG- Conceitos Básicos

 Cada solução individual de uma população (cromossoma)

é submetida a uma avaliação do seu potencial, em
termos de “boa solução” ou condução a boas soluções –
processo de seleção.
 As soluções selecionadas são combinadas entre si, isto é,
reproduzem-se com um certo grau de aleatoriedade,
dando origem a uma nova geração de soluções;
 Este degrau evolutivo conduzirá a soluções melhores do
que as suas progenitoras (pelo menos algumas)

16
AG- Conceitos Básicos

 Otimização
 Buscar a melhor solução para um determinado
problema
 As técnicas de otimização apresentam:
 Espaço de busca – onde estão as possíveis soluções de
um problema
 Função objetivo (fitness) – avaliar a solução encontrada
 Em termos matemáticos
 Achar uma solução que corresponda ao ponto máximo ou
mínimo de uma função

17
AG- Conceitos Básicos
 Terminologia
 cromossomo (genótipo) - cadeia de bits que representa uma
solução possível para o problema.
 gene - representação de cada parâmetro de acordo com o
alfabeto utilizado (binário, inteiro ou real).
 fenótipo - cromossomo codificado
 população - conjunto de pontos (indivíduos) no Espaço de
Busca
 geração - iteração completa do AG que gera uma nova
população
 aptidão bruta - saída gerada pela função objetivo para um
indivíduo da população
 aptidão normalizada - aptidão bruta normalizada, entrada para
o algoritmo de seleção.
 aptidão máxima - melhor indivíduo da população corrente
 aptidão média - aptidão média da população corrente

18