Computação Evolucionária

 Algoritmo evolucionário  

São simples porém resolvem problemas de alta complexidade, possuindo sucesso na otimização em combinatorial e funcional, apresentando problemas com o tempo de convergência , e carecem de mecanismos para o  cálculo de sua complexidade. 

 

 Oque a programação genética, algoritmo genético , estratégia evolucionaria têm em comum? 

  • Representação de população (pode variar de algoritmo para algoritmo)  

  • Probabilidade de cruzamento  

  • Probabilidade de mutação 

  • Critério de Parada 

  • Geração de população inicial 

  • Função de adaptação 

  • Seleção 

  • Substituição 

 

Função de adaptação 

Função objetivo  - intenção de maximização ou minimização 

Função de adaptação " se intenção é maximizar ou caso contrário(utiliza o – na frente) " 


Seleção 

Responsável por identificar os cromossomos mais adaptados  

  • Elitista(ordena os indivíduos do mais adaptado para o menos adaptado, podendo assim perder características importantes presentes em indivíduos menos adaptados.) 

  • Torneio( Seleciona aleatoriamente na população atual alguns indivíduos gerando um subconjunto da população e escolhe o mais adaptado dentro deste conjunto(mesmo assim os indivíduos menos adaptados nunca geravam descentes. ) 

  • Roleta : 





  • Estocástico método de roleta com mais de um ponteiro diminuindo assim o trabalho de seleção 

 

Substituição 

Responsável por construir a nova população de algoritmo evolucionário com elementos da população atual e/ou cromossomos da população de cromossomos descendentes(formados por cruzamento e mutação) 

  • Elitista   

  • Determinística 

Comentários

Postagens mais visitadas deste blog

Exercício - Lógica de Programação I

Noções de Funções

Lógica - Tabela Verdade