capa

Algoritmos Genéticos

São métodos de otimização e busca inspirados nos mecanismos evolutivos de populações de seres vivos. Estes métodos foram porpostos por Holland em 1975, porém, sua popularização e aprioramento ocorrem por meio das pesquisas apresentadas por Goldberg em 1989. Cabe comentar que algoritmos genéticos foram propostos com base no princípio de seleção natural e sobrevivência dos indivíduos mais aptos definido por Charles Darwin em 1859 (Ref .: A Origem das espécies). Essa definição diz que: “Quanto melhor um indivíduo se adapta ao seu meio ambiente, maior será sua chance de sobreviver e gerar descendentes”. QUAL A RELAÇÃO DO PRINCÍPIO PROPOSTO POR DARWIN COM O PROBLEMA DE OTIMIZAÇÃO ? Para compreender tal relação, há a necessidade de entender o significado de otimização perante a matemática. De acordo com a matemática, temos soluções aceitáveis(ótimos locais) e soluções ótimas(ótimo global). No entanto, há N formas de se resolver problemas de otimização, as quais são normalmente divididas em:

 Modelagem matamática + programação matemática (ex.: programação não linear, otimização linear, etc).
 Modelagem simplista + heuristicas / meta-heuristicas.
Neste caso, iremos utilizar uma ferramenta meta-heuristica da classe de algoritmos evolutivos. Dentre os algoritmos evolutivos, pode-se destacar.

 Algoritmos genéticos;
 Enxames de partículas (PSO);
 Colônias de formigas;
 Colônia de abelhas;
 Firefly; etc.

É importante comentar que TODAS as técnicas baseadas em meta-heuristica necessitam de:

 Espaço de busca;
 Restrições;
 Funções objetivas (fitness).

Neste senido, a otimização consiste em encontrar o ponto de máximo ou mínimo da função objetiva. Ex.: f(x) = x*sin*(10*pi*x)+1 Máximo global: f(x) = 2.85027; x = 1.85055; -1