algoritmos genéticos taís sineiro herig laboratório de genômica e expressão / unicamp
TRANSCRIPT
Algoritmos GenéticosAlgoritmos Genéticos
Taís Sineiro HerigLaboratório de Genômica e Expressão / UNICAMP
IntroduçãoIntrodução
• Métodos computacionais inspirados na biologia evolutiva
• Encontrar solução ótima
• São uma classe dos Algoritmos Evolutivos
HistóricoHistórico
• Década de 60
• John Holland, Universidade de
Michigan
• Otimização em sistemas complexos
• Simular matematicamente o
mecanismo da evolução biológica
ÓtimosÓtimos
• Métodos matemáticos• Métodos probabilísticos
Ótimo local
Ótimo global
Algoritmos GenéticosAlgoritmos Genéticos
• Codificação
• Função objetivo
• Espaço de soluções
EstruturaEstrutura
Cromossomo SoluçãoGene ParâmetroLocus Posição dos bitsGenótipo Configuração dos bitsGeração Ciclo (cada iteração)
Representação do Representação do CromossomoCromossomo
Binária
Real
Símbolos
Binária
Fluxograma do AlgoritmoFluxograma do Algoritmo
População InicialPopulação Inicial
• Inicialização– Aleatória– Determinística
• Espaço de Busca
• Número de Elementos
• Valor de aptidão (fitness)
SeleçãoSeleção
• Roleta
• Torneio
• Seleção proporcional
• Ranking
CruzamentoCruzamento
• Escolha das soluções
• Escolha da posição
• Novo indivíduo
MutaçãoMutação
• Baixa X Alta Taxa de Mutação
• Pmut
Condição de ParadaCondição de Parada
• Número máximo de gerações
• Tempo limite
• Estagnação
• Resposta máxima da função objetivo
VantagensVantagens
• Não requer informação auxiliar
• Ótimos locais não reduzem a eficiência
• Excelentes resultados para a otimização em grande escala
Exemplos de AplicaçãoExemplos de AplicaçãoCavalo do
Xadrez• Objetivo
Cavalo do XadrezCavalo do Xadrez
• Analogias• Fitness (0,1) posições• Gene ordem do passo• Cromossomo solução possível
• Processo• Definir parâmetros
Cavalo do XadrezCavalo do Xadrez
Cavalo do XadrezCavalo do Xadrez
• Seleção (Roleta)
• Cruzamento
• Mutação
• Solução de Parada
Cavalo do XadrezCavalo do Xadrez
Tabela de Resultados
Cavalo do XadrezCavalo do Xadrez
Exemplos de AplicaçãoExemplos de Aplicação
Aplicação à Bioinformática
• Objetivo• Separar seqüências pertencentes a um
organismo A de um organismo B
• Como fazer• Usar características relevantes de uma
seqüênciaSeqüência
% GC (a)Entropia
(b)
Aplicação à BioinformáticaAplicação à Bioinformática
a(1) + b(2) + c(3) + ..... = Taxa
Teste com seqüências conhecidas:Taxa 1 Taxa 2 Taxa 3
Taxa 4
CÁLCULOS
Valor de Aptidão da Solução
a b c1 2 3 ...
... cromossomo
Aplicação à BioinformáticaAplicação à Bioinformática
• Usar a solução que apresenta melhor valor de aptidão
• Calcular o percentual de acertos
• Aplicar a solução para resolver problemas com seqüências desconhecidas
ConclusãoConclusão
• Algoritmo genético
– Modelo matemático que aproveita a Biologia Evolutiva
– Pode ser usado para resolver qualquer problema
– Tem se mostrado eficaz na otimização de problemas
FIM