Skip to content

edson-nascimento/Introducao-a-algoritmos-geneticos-na-pratica

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

8 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Introdução a Algoritmos Genéticos na pratica

Aqui você vai encontrar uma introdução de como começar a trabalhar com algoritmos genéticos com um exemplo prático e funcional.

Introdução

Algoritmos Genéticos, AGs, são métodos de busca inspirados na evolução dos seres vivos, introduzidos por John Holland (1975) e popularizados por um de seus alunos, David Goldberg (1989), seguem o princípio da seleção natural e sobrevivência dos mais aptos, segundo Charles Darwin (1859). Ele propôs que quanto mais apto um indivíduo for de sobreviver em um meio ambiente, mais chances ele terá de se reproduzir e passar sua carga genética para seus descendentes.

É nisto que se baseiam os Algoritmos Genéticos, buscar boas soluções em um espaço de busca grande, em que uma busca pontual seria muito cara.

Detalhes da Aplicação

Neste exemplo uso como função objetivo, encontrar um gene pré-definido por uma frase em uma string, por exemplo: hello algoritmo genético

A população inicial será criada com 50 indivíduos aleatórios, com genes de mesmo comprimento que a solução, a aptidão será calculada pelo número de letras iguais a solução, por exemplo, se a solução fosse ‘ola’, o gene ‘olq’ teria aptidão 2 e o gene ‘qlw’ teria aptidão 1.

O critério de parada será a solução encontrada, ou até chegar um número máximo de gerações definida na aplicação.

Programei a seleção por torneio, onde são sorteados 3 indivíduos, destes os 2 com maior aptidão são selecionados para o crossover. A taxa de crossover é de 60%, que pode ser alterada, e um crossover de 1 ponto, exemplo: Defini uma taxa de mutação de 3%, também podendo ser alterada, que substitui um gene por outro aleatório, por exemplo:

Código

Há cinco classes neste exemplo:

  • Execute.java (Classe que recebe os parâmetros e chama execução do algorítimo);
  • Algoritimo.java (Métodos e variáveis estáticas para controle do AG, crossover, seleção…);
  • Populacao.java (Classe de domínio que define uma população, contém uma lista de indivíduos);
  • Individuo.java (Classe de domínio que representa um indivíduo, contém seus genes e valor de aptidão).
  • Tela.java (Classe responsável pela interface do programa).

About

Aqui você vai encontrar uma introdução de como começar a trabalhar com algoritmos genéticos com um exemplo prático e funcional

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages