1 algoritmos culturais. 2 sumário introdução objetivo níveis do algoritmo cultural (ac)...
TRANSCRIPT
1
Algoritmos Culturais
2
Sumário
• Introdução
• Objetivo
• Níveis do Algoritmo Cultural (AC)
• Componentes
• Pseudo Código AG X AC
• Modelagem do AC
• Exemplo
• Referências
3
Introdução
“A evolução cultural habilita as sociedades a evoluir ou a se adaptar ao seu ambiente em taxas que excedem as da evolução biológica
baseada somente na herança genética”. (Reynolds, 1998, p: 1).
4
Introdução
Modelos e conceitos da Biologia inspiraram a resolução de problemas computacionais
(Algoritmos Genéticos ).
Novas metáforas interligam outras áreas do conhecimento à Ciência da Computação.
5
Introdução
Algoritmos Culturais (AC):
• Melhora a taxa de aprendizado de um Algoritmo Evolutivo, adicionando mecanismo de pressão cultural para pressão evolutiva –BELIEFSPACE
6
Introdução
• Sistema de dupla herança:
– genética e
– cultural
• pode adaptar-se melhor e responder com mais eficiência em problemas.
7
•Filosofia de Algoritmos Culturais: aquisição de conhecimento pela evolução da população euso do conhecimento para guiar a busca.
• Empregados em problemas numéricos para aumentar a eficiência da busca.
Objetivo
8
Processo de evolução cultural baseado em uma perspectiva micro e macro evolucionária.
Nível micro evolucionário: população de indivíduos:
características comportamentais modificadas e trocadas entre indivíduos.
Nível macro evolucionário: experiências individuais:
colecionadas no espaço de crença.
Níveis do AC
9
Componentes do AC
Herança
População
Votação: Função de Aceitação
Espaço de Crença
Herança
Promoção: Função de Influência
Protocolo de Comunicação
Reprodução, Evolução
Função de Avaliação
• população, • espaço de crença e• protocolo de comunicação
10
Componente população é modelado por Algoritmo Genético, Programação Genética ou sistemas de Multi-Agentes entre outros.
Herança
População
Votação: Função de Aceitação
Espaço de Crença
Herança
Promoção: Função de Influência
Protocolo de Comunicação
Reprodução, Evolução
Função de Avaliação
Componentes do AC
11
Herança
População
Votação: Função de Aceitação
Espaço de Crença
Herança
Promoção: Função de Influência
Protocolo de Comunicação
Reprodução, Evolução
Função de Avaliação
O Espaço de Crença representa a influência que está sendo adquirida pela população durante o processo de evolução.
Componentes do AC
12
Herança
População
Votação: Função de Aceitação
Espaço de Crença
Herança
Promoção: Função de Influência
Protocolo de Comunicação
Reprodução, Evolução
Função de Avaliação
O protocolo de comunicação é usado para determinar a interação entre a população e o espaço de crença.
Componentes do AC
13
Procedimento básico do Algoritmos Genéticos:
Iníciot=0 ;primeira geraçãoinicializar população P(t) ;população inicial aleatóriaavaliar população P(t) ;calcula f(i) para cada
indivíduoenquanto (não condição_fim) faça
tt+1 ;próxima geraçãoselecionar P(t) de P(t-1)altera P(t) ;crossover e mutaçãoavaliar população P(t) ;calcula f(i) para cada
indivíduofim enquantofim
Algoritmo Genético
14
Procedimento básico do Algoritmos Culturais:
Iníciot=0 ;primeira geraçãoinicializar população P(t) ;população inicial aleatóriaInicializar Espaço de Crença EP(t)avaliar população P(t) ;calcula f(i) para cada indivíduoenquanto (não condição_fim) faça
Comunicação (P(t), EP(t)); ;votaçãoAtualização EP(t); ;uso de operadores
culturaisComunicação (EP(t), P(t)); ;promoçãott+1 ;próxima geraçãoselecionar P(t) de P(t-1)altera P(t) ;crossover e mutaçãoavaliar P(t) ;calcula f(i) para cada indivíduo
fim enquantofim
Algoritmo Cultural
15
Componentes do Algoritmo Cultural
Representação da População
Representação do Espaço de Crença
Operadores Culturais
Protocolo de Comunicação
16
População
População do Algoritmo Cultural é modelada por Algoritmo Genético, Programação Genética, etc.
17
Espaço de Crença
Espaço de Crença é composto por padrões que representam as características dos melhores indivíduos da população.
Espaço de Crença é representado por intervalos de números inteiros: (lim_inf, lim_sup)
18
• GeneralizaçãoCaso existam genes na vizinhança de algum intervalo que compõe o Espaço de Crença, expande-se este intervalo de modo que passe a acomodar estes genes.
• EspecializaçãoCaso os genes pertencentes a algum intervalo que compõe o Espaço de Crença estejam concentrados em algum ponto deste intervalo, contrai-se este intervalo.
Operadores Culturais
19
• FusãoEste é um caso particular de generalização onde existem genes na vizinhança de dois intervalos bastante próximos e por isso ambos os intervalos acabam se fundindo.
• FissãoEste é um caso particular de especialização na qual os genes pertencentes a determinado intervalo estão concentrados em mais de um ponto no interior deste intervalo.
Operadores Culturais
20
Ajuste do Espeço de Crença com Operadores
Todo espaço de
busca
Espaço de Crença
21
Ajuste do Espaço de Crença com Operadores
Especialização
Espaço de Crença
22
Ajuste do Espaço de Crença com Operadores
Espaço de crença
23
Ajuste do Espaço de Crença com Operadores
Generalização
Espaço de Crença
24
Ajuste do Espaço de Crença com Operadores
Espaço de Crença
25
Ajuste do Espaço de Crença com Operadores
Espaço de Crença
Fissão
Espaço de Crença
26
Ajuste do Espaço de Crença com Operadores
Espaço de Crença
Espaço de Crença
27
Ajuste do Espaço de Crença com Operadores
Fusão
Espaço de Crença
28
Protocolo de Comunicação
Processo de Votação e Promoção
Herança
População
Votação
Espaço de Crença
Herança
Promoção
Reprodução, Evolução
Função de Avaliação
29
Protocolo de Comunicação
Processo de Votação e Promoção
Herança
População
Votação
Espaço de Crença
Herança
Promoção
Reprodução, Evolução
Função de Avaliação
melhores indivíduos de uma geração do AG influenciam o espaço de crença
30
Protocolo de Comunicação
Processo de Votação e Promoção
Herança
População
Votação
Espaço de Crença
Herança
Promoção
Reprodução, Evolução
Função de Avaliação
melhores indivíduos de uma geração do AG influenciam o espaço de crença
15 2
X YCromossomo
(8 15) ( 2 10)
Espaço de Crença
31
Protocolo de Comunicação
Processo de Votação e Promoção
Herança
População
Votação
Espaço de Crença
Herança
Promoção
Reprodução, Evolução
Função de Avaliação
crenças atualizadas influenciam um componente da
população
15 2
X YCromossomo
(8 15) ( 2 10)
Espaço de Crença
32
Protocolo de Comunicação
Processo de Votação e Promoção
Herança
População
Votação
Espaço de Crença
Herança
Promoção
Reprodução, Evolução
Função de Avaliação
crenças atualizadas influenciam um componente da
população
15 2
X YCromossomo
(8 15) ( 2 10)
Espaço de Crença
10 7
X YAv = Av + Bonus
33
Exemplo
• Sistema de Otimização de Alternativas para Desenvolvimento de Campos de Petróleo
Dimensão do Grid de Reservatório
Curva de produção
Algoritmo de Otimização
AG ou AG / AC Operadores
Simulador de Reservatórios
(IMEX)
Cálculo do
VPL
Alternativa
DVVPL
bbs/t
)(tQ
t
ABT
Poços produtores
Poços injetores
Plataforma
Preço do Petróleo
Avaliação
Dimensão das Células do Grid
34
Exemplo
• Modelagem do Cromossomo
X Y Z
Dir Dist X Y Z
Dir Dist X Y
Máscara de Ativação
Cromossomo
Verticais Horizontais
Injetores Produtores
X Y Z
Dir Dist
Injetores Produtores
0 0 1 1 0 0 1 1
X Y Z
Dir Dist X Y X Y X Y
35
Exemplo
• Modelagem do Espaço de Crença
[3 12] [15 29] [1 29] [1 1] [0 1] [-27 23] [24 24] [23 24]
G(0) G(1) G(2) ................................................................... G(n)
Espaço de Crença
Crença do Gene (2)
x y z direção distância
36
• Gráfico De desempenho do Algoritmo Otimizador
Exemplo
AG
15000 Avaliações
AG/AC
15000 Avaliações
Score
8.00E+089.00E+081.00E+091.10E+091.20E+091.30E+091.40E+091.50E+091.60E+091.70E+09
1 10 19 28 37 46 55 64 73 82 91 100 109 118 127 136 145 154
Gerações
Av
alia
çõ
es
Score
5.0000E+08
7.0000E+08
9.0000E+08
1.1000E+09
1.3000E+09
1.5000E+09
1.7000E+09
1.9000E+09
1 10 19 28 37 46 55 64 73 82 91 100 109 118 127 136 145
Gerações
Av
alia
çõ
es
8.2*108
15*108
18*108
5.1*108
37
Exemplo
• Gráfico de desempenho do AG x AG/AC
Score
4,00E+08
6,00E+08
8,00E+08
1,00E+09
1,20E+09
1,40E+09
1,60E+09
1,80E+09
2,00E+09
1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 127 134 141 148 155
Gerações
Ava
liaçõ
es
Teste 3 Teste 7
38
AG – 15000 Avaliações AG/AC - 15000 Avaliações
20 Injetores / 20 produtoresVPL = 1.57*109
15 Injetores / 16 produtoresVPL = 1.77*109
Exemplo
39
Referências
• Robert G. Reynolds: An Introduction to Cultural Algorithms.
• Robert G. Reynolds, and ChanJin Chung: A Testbed for Solving Optimization Problems Using Cultural Algorithms.
• Robert G. Reynolds, and ChanJin Chung: A Self-adaptive Approach to Representation Shifts in Cultural Algorithms.
40
Fim