Computação Evolutiva: Algoritmos Genéticos

Computação Evolutiva:
Algoritmos Genéticos
José dos Reis Mota
Outubro/2014

Abordagens de IA
Abordagem
Conexionista

Subárea
Redes Neurais

Simbolista

Sistemas especialistas Algoritmos
Genéticos

Evolutiva

Inspiração
Funcionamento do cérebro: neurônios Inferência humana
Evolução das espécies

Computação Evolutiva: motivos de estudos • Característica
– algoritmos de busca e otimização inspirados na teoria da evolução das espécies (Charles Robert Darwin e Alfred Russel Wallace)
– Computação Bioinspirada / Computação Natural /Evolucionária
(Biologia/Genética)
• Motivos de estudo
– desenvolvimento de algoritmos capazes de encontrar soluções adequadas para problemas complexos (classe NP);
– simplicidade dos métodos, chamados de algoritmos evolutivos (AEs), utilizando princípios básicos de Teoria da Evolução e Genética;
– adaptação para problemas das mais diversas áreas.
– objetivo mercadológico: auxiliar desenvolvedores na criação de produtos com diferenciais competitivos.

Teoria da Evolução das Espécies
Em uma comunidade biológica qualquer, a limitação na disponibilidade de recursos necessários à sobrevivência - como alimento e abrigo - faz com que haja uma competição, direta ou indireta, entre os indivíduos da comunidade.
Os indivíduos que possuem diferenciais competitivos - que são mais fortes, rápidos, com maior tolerância ao frio ou ao calor, entre outros - têm maior chance de acesso a esses recursos - ou fazem melhor uso deles - e maior tolerância às agressões impostas pelo ambiente, o que, consequentemente, aumenta suas chances de sobrevivência. Estes diferenciais competitivos, bem como outras características desejáveis e indesejáveis, surgem da combinação genética decorrente do processo de reprodução e de mutação. A informação genética envolvida nesse processo de combinação é representada nos indivíduos através de uma sequência de genes, conhecida como cromossomo.
Aqueles indivíduos que sobrevivem