RESOLUÇÃO DE PROBLEMAS E PROCURA
-
Upload
quamar-barker -
Category
Documents
-
view
41 -
download
0
description
Transcript of RESOLUÇÃO DE PROBLEMAS E PROCURA
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURARESOLUÇÃO DE PROBLEMAS E PROCURA
Agente Problema
Ambiente
Resolução de Problemas
Solução
Problema --> Modelo --> Solução
Problema --> Modeloap --> Soluçãoex(Modeloap)
Problema --> Modeloex --> Soluçãoap(Modeloex)
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
N - Rainhas
Procura num Espaço de Soluções Candidatas
Estados S- soluções candidatas- completas ou não
Função de Avaliação F: S -> R
- número de ataques
Operadores O: S -> S
- move_rainha- coloca_rainha
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
Problemas Complexos
Espaço de Estados- conjunto de soluções candidatas- viáveis, não viáveis
move_rainha
Procurar uma solução navegando no espaçodas soluões candidatas.
- partindo de uma solução- partindo de várias
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
SAT (Boolean SATisfiability Problem)
Tarefa: em que condições uma expressãobooleana contendo variáveis tem o valorde verdade TRUE.
€
F (x) =(x17∨x37∨x73)∧...∧(x2∨x97)
€
Φ(xi ) → TRUE,FALSE{ }:F (x) =TRUE
entrada:
saida:
Dimensão do Espaço de Procura
Função de Avaliação
€
S =2n=2100≈1030
complicado quando a maior parte das vezesuma solução candidata dá o valor False
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
TSP (Traveling Salesman Problem)
Tarefa: um vendedor tem quer percorrer umconjunto de cidades, uma e uma vez só, regressandoà cidade de partida, minimizando a distância percorrida
entrada: ci - cidades, dist(ci,cj) distância entre cidades
saida: uma sequência de cidades, que responda ao objectivo de minimização (uma permutação)Dimensão do Espaço de Procura
Função de Avaliação
€
S =n!
2* n=
(n−1)!2
€
f (s) = dist(ci ,c j )∑
Restrições: visitar uma só vez as cidades- soluções inviáveis --> operadores especiais
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
NLP (Non Linear Programming)
Tarefa: Dada uma função encontrar o seu mínimo (global).
€
G2(x) =cos4(xi )−2 cos2(xi )i=1
n∏i=1n∑
i * xi2
i=1n∑
€
xi ≥0.75i=1n∏
xi ≤7.5* n,0≤xi ≤10i=1
n∑ ,1≤i ≤n
entrada:
restrições:
saida:
€
x :∀y,y≠x→ G2(x) ≥G2(y)
Dimensão do Espaço de Procura
Função de Avaliação
€
S =107nn dimensões, precisão com 6 casas decimais
€
G2(x)
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
O que torna um problema complexo?
tarefa- dimensão do espaço de procrura- função de avaliação- restrições
ambiente- ruido- dinâmico
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
Métodos Globais vs. Locais (exploration vs. exploitation)
Procura na vizinhança (local)
x S
N
Definição da vizinhança N (métricas)
euclidiana
hamming
€
dist(x,y) = (xi −yi )2∑
€
dist(x,y) = xi ≠yi∑
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
Trepa Colinas (Hill Climbing)
uma solução, heurístico, melhoria progressiva, local
programa trepa_colinas; t <-- 0; inicializa o melhor (best) repete local <-- FALSE seleciona aleatóriamente um estado vc
avalia vc
repete seleciona todos os (novos) estados na vizinhança de vc
seleciona o melhor de entre os vizinhos, vn
se vn é melhor do que vc
então vc <-- vn senão local <-- TRUE fim se até local ser TRUE t <-- t+1 se vc é melhor do que best então best <-- vc fim se até t ser igual a MAXfim programa
o problema dos máximos locais!
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
A*
uma solução, heurístico, o melhor primeiro, Global
programa A* (v) visitar v para cada w disponível fazer avaliar wfim fazerq <-- o melhor estado disponívelA*(q)fim programa
Estados disponíveis: cuja existência é conhecidamas ainda não testados
Avaliar
f(w)=g(w)+h(w)w
Ei
Ef
g(w)= custo até w
h(w)= custo estimadoaté Ef
h - heurísticaadmissível
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
Recristalização Simulada (Simulated Annealing)
uma solução, heurístico, melhoria progressiva, local
programa recristalização_simulada t <-- 0 inicializa T seleciona aleatóriamente um estado vc
avalia vc
repete repete seleciona um novo estado vn , na vizinhança de vc
se vn é melhor do que vc
então vc <-- vn senão se random[0,1) < e eval(vn)- eval(vc)/T
então vc <-- vn fim se fim se até condição de fim T <-- g(T,t) t <-- t+1até critério de paragemfim programa
Pode, probabilisticamente, ser escolhido um vizinhode valor inferior. A probabilidade é controlada porum parâmetro T (temperatura)
fuga aos máximoslocais
combina exploration(no início), comexploitation (no fim)
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
Procura Tabu (Tabu Search)
uma solução, heurístico, melhoria progressiva, local
usa uma memória (de curto termo) para forçar oalgoritmo a explorar novas áreas. Pode selecionarum estado de valor inferior ao corrente!
programa procura_tabu; tentativas <-- 0;repete gera um estado vc
contador <-- 0 repete seleciona todos os (novos) estados na vizinhança de vc
seleciona o melhor admissível de entre os vizinhos, vn
actualiza a memória tabu se vn é o melhor nesta tentativa
então actualiza vc fim se contador <-- contador +1 até contador igual a número de OPERAÇÕES tentativas <-- tentativas+1 se vc é o melhor de todas as tentativas então actualiza o melhor global fim se até tentativas ser igual a um valor MÁXIMOfim programa
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
• Evolução via Selecção Natural (Darwin)- sobrevivem os mais aptos (fittest )
• Operadores Genéticos (Mendel)- recombinação (crossover )- mutação (mutation )
A metáfora Biológica
Algoritmos Genéticosprocura adaptativa global relativamente a uma função objectivo, de inspiração biológica
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
Conceitos
• população
• indivíduo
• cromossoma
• gene
• alelo
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
Funcionamento
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
programa GA(fa,pr,pm,cp)
% fa, função de adaptabilidade% pr, probabilidade de recombinação% pm, probabilidade de mutação, pm% cp, critério de paragem
1. Definir aleatoriamente e avaliar a população inicial, p0
2. Enquanto não existir um indivíduo em pi que satisfaz cp
• Selecciona indivíduos de pi de acordo com fa • Recombina os indivíduos de acordo com pr • Muta os indivíduos de acordo com pm • Define e avalia nova população p i+1
3. Devolve o melhor individuo da população final
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
• um ponto
11101001000
00001010101
11101010101
00001001000
11101001000
00001010101
11101001000
00001010101
• dois pontos
• uniforme
11001011000
00101000101
10001000100
01101011001
Recombinação (crossingover)
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
• mutação aleatória
- mudança de um gene num cromossoma
• mutação por troca
- dois genes do mesmo cromossoma trocam osrespectivos valores
Mutação
Elementos de Inteligência Artificial
©2001, Ernesto Costa
RESOLUÇÃO DE PROBLEMAS E PROCURA
• proporcional à adaptabilidade (roleta)
prob(hi) =fa(hi)
fa( j)j=1
p∑
- problema da convergência prematura
• por número de ordem (rank)
- reduz a convergência prematura- importância dos menos aptos
• elistista
- um número fixo dos melhores passa sempre- limita o “poder destruidor” dos ops. genéticos
Selecção