Fundamentals of natural computing: Basic Concepts and Algorithms

Rurik da Silva Pinheiro

Transcript

1. Fundamentals of natural computing Basic Concepts and Genetic Algorithm.
2. Natural Computing
3. Natural computing is the computational version of this process of extracting ideas from nature to develop ‘artificial’ systems, or using natural media to perform computation. (CASTRO, 2006) Concept
4. Computação Natural Experimental studies Natural Materiais Empirical observations Theorical studies New forms of synthesizing nature New problem solving techniques New computing paradigms
5. Natural Computing Computing Inspired by Nature Simulation and Emulation of Nature Computing with Natural Materials
6. Natural Computing Inspired by Nature Evolutionary Computing Genetic Algorithm Genetic Programing Swarm Intelligence Neural Networks Artificial Intelligence Simulation & Emulation Natural Materials
7. Evolutionary Computing
8. • teoria da evolução de Darwin; • Apresentação de algoritmos inspirados na teoria da evolução em meados da década de 60; • Na década de 90 definiu-se o termo computação evolucionária. Darwin
9. Fitness Crossover e Mutação Seleção População Inicial População Solução Cada novo ciclo corresponde a uma nova geração. satisfeito ?
10. “Uma lei geral, resultando na melhoria de todos os seres orgânicos: multiplique, varie, deixe os mais fortes sobreviverem e os mais fracos morrerem” (C. Darwin, 1859).
11. População Inicial 0 1 1 0 0 1 1 1 0 1 0 0 1 0 1 0 1 0 0 0 1 1 0 0 1 População (string binária) Indivíduo 1 Indivíduo 2 Indivíduo 3 Indivíduo 4 Indivíduo 5 F C/M S PI PS
12. Indivíduo F C/M S PI PS 0 1 1 0 0 Indivíduo Lócus Gene 0 1 1 0 0 possui revestimento superior vestimenta inferior longa vestimenta superior longa idade elevada QI elevado Fenótipo Genótipo Alelos {0,1}
13. Fitness F C/M S PI PS 7,0 6,3 8,2 7,2 9,6 6,0 5,0 8,5
14. Selection F C/M S PS PI
15. Selection F C/M S PS PI 0 1 1 1 0 0 1 0 0 0 0 1 1 0 Um ponto Multipontos Uniforme 0 1 1 0 0 1 0 1 1 0 0 1 1 0 0 1
16. Parâmetros que influenciam no comportamento do GA: • Tamanho da População; • Taxa de Cruzamento; • Taxa de Mutação; Configs
17. Example
18. • Função de duas variáveis obtida na tradução e dimensionamento de Distribuições Gaussianas. • Problema mono-objetivo com muitos mínimos. ! ", $ = 3 1 − " )*+,-+(/01)² − 10 " 5 − "6 − $ *+,-+/- − 1 3 *+ ,01 -+/² My application
19. min(f(x,y)) = -6.5511 My application
20. 35=C3 8 1 0 8 8= 0 - 1 8 % % % % . =1 5 = 5 28 5 8