Computação Evolucionária

Universidade Federal de Goiás
Escola de Engenharia Elétrica, Civil e
Computação

Computação Evolucionária

Alunos: Allan Neves, Igor Muniz, Luan Mota

Sumário:
1. Introdução
2. Algoritmo Evolucionário
3. Algoritmo Genético
4. Estratégia Evolutiva
5. Programação Evolutiva
6. Programação genética
7. Diferença entre AG, EE e PE
8. Frameworks
9. Conclusão

1. Introdução:
A Computação Evolucionária (CE) é um ramo de pesquisa que utiliza da Teoria da Seleção Natural (Darwin, 1859) para propor soluções de problemas dentro do contexto de Inteligência Computacional (IC).
Este ramo de pesquisa consiste na otimização e busca inspirada na evolução das espécies, ou seja, baseia-se na competição entre indivíduos de uma população para garantir a sobrevivência, de modo que os mais capazes transferem suas características às gerações futuras.
O paradigma proposto pela Computação Evolutiva é implementado por meio de um conjunto de técnicas: Programação Evolucionária (PE), Estratégias Evolucionárias
(EE), Algoritmos Genéticos (AG) e Programação Genética (PG) (BANZHAF, 1998).
Essas técnicas são utilizadas para obter modelos otimizados dentro da Inteligência
Computacional.
A Programação Evolucionária (L. FOGEL, 1966) é um método que se baseia na predição de um ambiente para obter respostas adequadas de acordo com o que foi previsto. Enquanto que as Estratégias Evolutivas são uma classe de algoritmos utilizadas para resolver problemas relacionados à otimização de parâmetros
(SCHWEFEL, H.P.& RUDOLPH, G., “Contemporary Evolution Strategies”, 1995).
Os algoritmos genéticos são responsáveis por estudar fenômenos relacionados à adaptação e a seleção natural (HOLLAND, J.H. “Adaptation in Natural and Artificial
Systems”) e, assim, incorporar esses conceitos à Computação Evolutiva para a solução de problemas específicos. A partir desses algoritmos, surge o conceito de
Programação Genética, uma generalização dos AG’s (SPECTOR, L., LANGDON,
W.B,