Computação evolutiva fuzzy

Disponível somente no TrabalhosFeitos
  • Páginas : 15 (3603 palavras )
  • Download(s) : 0
  • Publicado : 13 de outubro de 2011
Ler documento completo
Amostra do texto
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL – UFRGS

INSTITUTO DE INFORMÁTICA

PPGC – PROGRAMA DE PÓS GRADUAÇÃO EM COMPUTAÇÃO

COMPUTAÇÃO EVOLUTIVA E LÓGICA FUZZY

CMP 135 – ARQUITETURAS ESPECIAIS DE COMPUTADORES

PROF. DR. PHILIPPE OLIVIER ALEXANDRE NAVAUX

FAUZI DE MORAES SHUBEITA

DEZEMBRO DE 2003

SUMÁRIO

SUMÁRIO 2
1. Introdução 3
2. Computação Evolutiva 3
2.1 AlgoritmosGenéticos 3
Figura 2 - Exemplo de um algoritmo evolutivo 4
2.2 Programação Evolutiva 4
2.3 Estratégias de Evolução 5
2.4 Sistemas Classificadores 6
2.5 Programação Genética 6
3. Lógica Fuzzy 6
3.1 Utilização da Lógica Fuzzy 8
3.1.1 Raciocínio Dedutivo 8
3.1.2 Raciocínio Indutivo 8
3.2 Fuzzy no reconhecimento de padrões 9
3.3 Fuzzy no Controle de ProcessosIndustriais 10
3.4 Fuzzy genético 11
4. Referências 11

1. Introdução

Tanto a Computação Evolutiva quanto a lógica Fuzzy são sub-áreas da Inteligência computacional. A computação evolutiva, por suas características particulares, entre outras possibilidades permite interpretar processos evolutivos como processos de aprendizado, quando aplicada a populações de indivíduos que podem ter o seudesempenho verificado por meio de uma função de avaliação específica.
Esse artigo descreve essas duas sub-áreas de uma forma sucinta, individualmente e também de forma combinada como é demonstrado na utilização da lógica Fuzzy, que pode ser aplicada de forma isolada ou combinada com as sub-áreas da Computação Evolutiva.

2. Computação Evolutiva

Redes Neurais e ComputaçãoEvolutiva definem ferramentas para construir sistemas inteligentes aos moldes do comportamento inteligente com capacidade de criar ferramentas inteligentes com capacidade de criar ferramentas computacionais para resolver problemas práticos [7].

[pic] Figura 1 - Taxonomia da Computação Evolutiva

Computação Evolutiva consiste numa máquina “aprendente” otimizada, baseada nos moldes dos mecanismos deevolução biológica e seleção natural. A computação Evolutiva é um campo que compreende quatro áreas:

- Algoritmos Genéticos

- Programação Evolutiva

- Programação Genética

- Estratégias de Evolução

2.1 Algoritmos Genéticos

São algoritmos que implementam mecanismos de evolução natural incluindo cruzamento, mutação e aptidão para sobrevivência. O paradigma de AlgoritmosGenéticos trabalha com populações de indivíduos, em quantidade suficiente além de simples dados pontuais ou vetores.

Um Algoritmo Genético (AG) é um modelo de aprendizado de máquina que deriva o seu comportamento de uma metáfora do processo evolutivo natural. Isto é obtido pela criação em um computador de uma população de indivíduos representados por cromossomas, em essência um conjunto destrings de caracteres análogos aos cromossomas de quatro bases (timina, guanina, adenosina e citosina) existentes no DNA natural. Os indivíduos na população são então submetidos a um processo de evolução.

begin

// começar em um tempo inicial
t := 0;

// inicializar uma população (usualmente aleatória) de indivíduos
initPopulation P(t);

// avaliar a adequação de todos osindivíduos na população inicial
evaluate P(t);

// testar o critério de término (tempo, adequação, etc.)
while not done do

// incrementar o contador de tempo
t := t + 1;

// selecionar sub-população para a produção de descendência
P' := selectParents P(t);

// recombinar os genes da sub-população selecionada
recombine P'(t);

// perturbar a populaçãoestocasticamente
mutate P'(t);

// avaliar a nova adequação
evaluate P'(t);

// selecionar os sobreviventes da geração corrente
P = survive P,P'(t);

od

end AE

Figura 2 - Exemplo de um algoritmo evolutivo

Um importante papel no processo evolutivo é desempenhado pela mutação, embora ainda haja controvérsia quanto se esta deva ocupar um plano secundário ou de maior...
tracking img