INSTITUTO DE TECNOLOGIA

FACULDADE DE ENGENHARIA ELTRICA

Computao Evolucionria

Belm-PA
05 de Maio de 2014

Introduo
Algoritmos genticos (AG) podem ser definidos como uma tcnica de busca
baseada numa metfora do processo biolgico da evoluo natural, sendo estes por sua
vez tcnicas heursticas de otimizao global, ou seja, no tem nenhuma garantia sobre
a qualidade da soluo encontrada, mas usualmente tendem a encontrar a soluo tima
ou ficar bem prximos dela. Tais algoritmos funcionam mantendo uma populao de
estruturas, denominadas de indivduos ou cromossomos, que se comportam de forma
semelhante evoluo das espcies. A essas estruturas so aplicados os chamados
operadores genticos, como recombinao (crossover) e mutao, entre outros. Cada
indivduo recebe uma avaliao que uma quantificao da sua qualidade como soluo
do problema em questo. Com base nesta avaliao sero aplicados os operadores
genticos de forma a simular a sobrevivncia do mais apto. Dessa forma, o presente
trabalho prope a aplicao de Algoritmos Genticos para maximizao de uma funo
multimodal usando reproduo elitista na reproduo da populao em dois casos:
primeiramente usando valores constantes para taxa de mutao e cruzamento e
posteriormente variando tais taxas de acordo certas caractersticas da populao
corrente. O trabalho tem como objetivo avaliar o desempenho de cada caso e verificar
qual deles possui o melhor desempenho na busca pela soluo para a maximizao da
funo.

Mtodos
O algoritmo gentico implementado, foi constitudo por uma representao
cromossomial binria, a qual comumente utilizada, devido sua simplicidade e
facilidade para aplicao dos operadores genticos. Para a converso do nmero binrio
dentro do cromossomo corrente para o nmero real correspondente dentro da faixa de
busca considerada, foi utilizada a relao presente na equao 1.
= +

( )

2 1

(1)

Sendo a faixa de busca definida pelo intervalo [inf ,sup], k o nmero de bits
considerados para cada varivel e r o valor decimal do numero binrio. O parmetro k
esta relacionado preciso das solues obtidas, para obteno de seu valor foi utilizada
a equao 2. Considerando-se uma preciso de 5 casas decimais, foi obtido um total de
24 bits para cada varivel para um espao de busca [-100,100].
2 = ( ()) 105

(2)

Posteriormente, foi estabelecida a funo de avaliao, que uma forma de

quantificar a qualidade de um indivduo como soluo do problema em questo. A
funo que esta sendo usada como objeto de estudo, apresenta apenas valores positivos,
dessa forma pode ser utilizada para qualificar as solues.
Estabelecida as avaliaes dos indivduos presentes na populao, partiu-se para o
estabelecimento da forma de seleo, a qual consistiu no mtodo da roleta viciada, onde
cada indivduo ocupa um espao na roleta de acordo com sua avaliao e a partir disso
sero selecionados indivduos que suscitaro a gerao posterior. Nesse ponto, tal
seleo influenciada pela taxa de cruzamento (Tc) que apresenta o seguinte
funcionamento: Gera-se um nmero aleatrio e se este for menor que Tc os pais
selecionados geraro filhos, caso contrrio novos pais so selecionados.
Com posse dos pais selecionados, inicia-se a reproduo propriamente dita, tendo
esta dois estgios: corssover e mutao. No crossover, os genes dos pais so mesclados
de forma que os filhos sero uma combinao dos pais. Por fins de simplicidade aqui foi
considerado o operador de crossover de um ponto. Seu funcionamento consiste na
seleo de um ponto de corte, no qual o indivduo dividido e parte de um pai se unir
a parte complementar do segundo pai gerando assim, filhos. Logo aps a obteno dos
descendentes, foi aplicado o operado de mutao que decide se um gene ser alterado
com base na taxa de mutao (Tm). Caso o nmero aleatrio gerado for menor que Tm
o gene ser mudado. Geralmente esse valor bem pequeno, pois caso contrrio o
algoritmo gentico de tornar muito aleatrio.
Para este trabalho foram utilizadas 5 (numeradas de 1 a 5) populaes distintas,
contendo 50 indivduos cada, sendo que para cada uma foram realizados 10 ensaios.

Alm disso, foram consideradas 200 geraes, um espao de busca [-100, 100] e taxas
de mutao e cruzamento iniciais iguais a 0.001 e 0.85, respectivamente. Para efeito de
anlise de desempenho do algoritmo, em cada ensaio foram registradas medidas como:
Melhor e pior indivduo, mdia e desvio da populao, Medida da Diversidade Gentica
e a distncia de Hamming. Os cdigos implementados assim como a anlise dos
resultados foram feitas no software MATLAB.
Definidos os parmetros de configurao do AG, alm das medidas para anlise,
criou-se dois cdigo abordando dois casos. No primeiro foram considerados valores
constantes para as taxas de mutao e cruzamento. No segundo, os valores para as taxas
de mutao e cruzamento foram alterados de acordo com o nmero de distncias de
Hamming iguais a 0 e a 1, pois considerou-se que tais distncias representam
diversidade muito pequena. Por experincia prtica, foi estabelecido que as taxas sero
alteradas cada vez que o total de distncias superarem 150 e ocorre um incremento de
0.0005 na taxa de mutao, caso contrrio a taxa retorna para 0.001.
O passo seguinte, ocorreu com a implementao da reproduo usando elitismo.
Nesse tipo de reproduo, o melhor indivduo de uma gerao mantido na prxima,
dessa forma so mantidos os esquemas responsveis pelas boas avaliaes das melhores
solues.

Resultados e Discusses
Os resultados obtidos foram organizados de acordo com as populaes e seus
respectivos ensaios. Com isso, foram verificados os melhores resultados, considerando
os dois casos mencionados anteriormente com e sem a presena de elitismo. Os
melhores resultados obtidos nos 10 ensaios realizados para cada populao so
apresentados nas Tabelas de 1 a 5. Alm disso, as curvas de cada melhor so
apresentadas nas figuras 1 a 20.
AG
Bsico(1)
AG Com
controle de
Tm e Tc(2)
1 com
Elitismo
2 com
Elitismo

Melhor

Pior

Mdia

Desvio

MDG

0.98658

0.8112

0.929

0.04093

0.9435

0.99026

0.101

0.947

0.1565

0.9563

0.99424

0.612

0.9563

0.05816

0.9618

0.99028

0.4735

0.9416

0.1193

0.9508

Tabela 1: Melhor resultado obtidos para a populao 1

Figura 1: AG sem controle de Tm e Tc para a populao 1.

Figura 2: AG com controle de Tm e Tc para a populao 1.

Figura 3: AG bsico com elitismo para a populao 1.

Figura 4: AG com controle de Tc e Tm e elitismo para a populao 1.

AG
Bsico(1)
AG Com
controle de
Tm e Tc(2)
1 com
Elitismo
2 com
Elitismo

Melhor

Pior

Mdia

Desvio

MDG

0.96277

0.5279

0.9344

0.05997

0.9706

0.98948

0.7403

0.964

0.05717

0.9742

0.99028

0.5067

0.9747

0.06775

0.9843

0.99028

0.9571

0.9759

0.01213

0.9855

Tabela 2: Melhor resultado obtidos para a populao 2

Figura 5: AG sem controle de Tm e Tc para a populao 2.

Figura 6: AG com controle de Tm e Tc para a populao 2.

Figura 7: AG sem controle de Tm e Tc com elitismo para a populao 2.

Figura 8: AG com controle de Tm e Tc e elitismo para a populao 2.

AG
Bsico(1)
AG Com
controle de
Tm e Tc(2)
1 com
Elitismo
2 com
Elitismo

Melhor

Pior

Mdia

Desvio

MDG

0.96278

0.7396

0.9463

0.03302

0.9829

0.98993

0.9286

0.9687

0.02011

0.9785

0.97039

0.7273

0.9503

0.03366

0.9871

0.99798

0.7621

0.8585

0.03558

0.8597

Tabela 1: Melhor resultado obtidos para a populao 3

Figura 9: AG sem controle de Tm e Tc para a populao 3.

Figura 10: AG com controle de Tm e Tc para a populao 3.

Figura 11: AG sem controle de Tm e Tce com elitismo para a populao 3.

Figura 12: AG com controle de Tm e Tce com elitismo para a populao 3.

AG
Bsico(1)
AG Com
controle de
Tm e Tc(2)
1 com
Elitismo
2 com
Elitismo

Melhor

Pior

Mdia

Desvio

MDG

0.96358

0.5013

0.9422

0.06605

0.9778

0.99019

0.3457

0.9453

0.1174

0.9547

0.98988

0.5026

0.8566

0.0366

0.9771

0.97524

0.6327

0.812

0.0721

0.8327

Tabela 1: Melhor resultado obtidos para a populao 4

Figura 13: AG sem controle de Tm e Tc e para a populao 4.

Figura 14: AG com controle de Tm e Tce para a populao 4.

Figura 15: AG sem controle de Tm e Tc e com elitismo para a populao 4.

Figura 16: AG com controle de Tm e Tc e com elitismo para a populao 4.

AG
Bsico(1)
AG Com
controle de
Tm e Tc(2)
1 com
Elitismo
2 com
Elitismo

Melhor

Pior

Mdia

Desvio

MDG

0.98966

0.9371

0.9778

0.009321

0.988

0.99018

0.8175

0.9621

0.03108

0.9716

0.99021

0.7794

0.93

0.03281

0.9392

0.99018

0.6357

0.9478

0.08312

0.9571

Tabela 1: Melhor resultado obtidos para a populao 5

Figura 17: AG sem controle de Tm e Tc para a populao 5.

Figura 18: AG com controle de Tm e Tc para a populao 5.

Figura 19: AG sem controle de Tm e Tc e com elitismo para a populao 5.

Figura 20: AG com controle de Tm e Tc e com elitismo para a populao 5.

Concluso
Com base nos resultados obtidos podemos avaliar que os AGs tiveram um bom
desempenho para a localizao do mximo. Os valores obtidos no so exatos devido o
AG ser um mtodo heurstico de busca, o que no lhe confere preciso, mas tem a
garantia de buscar a melhor soluo para o problema proposto. Pode-se observar
tambm a melhora de desempenho quando se realizou o controle dos parmetros Tm e
Tc, os quais ajudam a manter a diversidade da populao e uma presso seletiva melhor
ajustada. Alm disso, a aplicao da reproduo elitista confere ao algoritmo a garantia
que o desempenho do AG sempre cresa com o decorrer das geraes. Diante dos
resultados obtidos, verificou-se tambm que a juno do elitismo e do ajuste de Tm e
Tc, de acordo com as caractersticas da populao corrente, acarretaram em uma
soluo mais prxima da esperada.