Lab de Algoritmos Genéticos docx

Prévia do material em texto

Algoritmos
Genéticos
Alunos: Alan Ferreira L / Bruno Rocha Ribeiro
1. Implemente um algoritmo genético para resolver um problema de maximização de função
Alpine 2:
Nesta equação, representa o número de dimensões da função e
para . Utilizar, neste trabalho, =2.
Máximo Global da função é igual a f(x*)=2.808n, em x*=(7.917,…,7.917).
Para n=2, o máximo é de 7.88.
Genético
Tamanho da população 100
Forma de seleção Roleta
Tipo de crossover Crossover Aritmético
Função objetivo Alpine2
Função de Fitness Alpine2 + 10
Número de Gerações 500
Taxa de Crossover 75%
Taxa de Mutação 10%
Gráficos:
Geração atual: 10
Melhor: (7.93089132239632, 7.914148247174277)
Pior: (4.841021866114269, 7.882456426377366)
Geração atual: 20
Melhor: (7.925603323954924, 7.9232671982801595)
Pior: (4.793201471089922, 7.93383469380138)
Geração atual: 120
Melhor: (7.916677297365737, 7.918570266309183)
Pior: (4.808060654732513, 7.932994298448651)
Geração atual: 130
Melhor: (7.916677297365737, 7.918570266309183)
Pior: (7.917602968465598, 4.825740902101857)
Geração atual: 500
Melhor: (7.917250603658884, 7.916909770776123)
Pior: (7.91517207721978, 4.814564511274426)
Observe que na geração 120 para 130 o pior valor
mudou bruscamente de posição (pontinho branco).
Enquanto que o melhor valor sempre manteve posição
aproximada (sinal + amarelo). Ao final da geração 500
podemos observar que os valores de mudança com
relação a geração do 130 foram muito sutis.