Otimização Estocástica.

---

Entendendo o problema

exemplo teórico 3dm

exemplo teórico gh

---

Método HILL CLIMBING

Funcionamento do método

Objetivo almejado

Limitações do método

---

Mínimos e máximos locais e Globais

fonte: https://upload.wikimedia.org/wikipedia/commons/6/68/Extrema_example_original.svg

Problemas multivariáveis

fonte

---

Algoritmos Evolucionários

Algoritmos Genéticos

1. Função de aptidão (Fitness function)

2. Genes

3. População (population)

4. Geração (generation)

5. Reprodução (inbreading)

6. Mutação (mutation)

Galapagos Solver

arquivo 3dm

arquivo gh

O componente Galapagos fica na aba Params, seção uitl.

A maneira mais prática de indicar os parâmetros de otimização para o algoritmo é: primeiro selecione todos os sliders que pretende otimizar.

Em seguida, clique com o botão direito na entrada genome do componente Galapagos e escolha a opção Selected Sliders

Para indicar o valor a ser usado como função de aptidão, é preciso arrastar a conexão da entrada do componente Galápagos para a saída que apresenta o valor a ser otimizado.

Clique duas vezes no ícone do componente Galapagos para abrir o editor do solver.

Rodando a simulação.

O Galapagos Editor possui 3 abas: Options (para configurar a análise), Solver (para rodar a simulação) e Record (onde é gravado um registro do passo a passo de uma simulação).

Em options podemos configurar:

1. se o algoritmo vai procurar por um máximo ou mínimo local.
2. quantas gerações podem ser geradas sem evolução na função de aptidão.
3. O tamanho da população
4. quantas vezes a população inicial será aumentada na primeira geração
5. O percentual de indivíduos a serem mantidos conforme critério da função de aptidão.
6. Percentual de indivíduos a serem gerados a partir da combinação dos genes de indivíduos mantidos na geração anterior.

1. Utilizar o solver genético
2. iniciar a otimização
3. diagrama das gerações
4. representação da população
5. representação do genoma
6. representação dos indivíduos de uma geração

É possível selecionar uma gerção (1) e um indivíduo (2) de uma geração e ajustar os slidres para a posiçãod este individuo (3).

O pequeno sinal de + no diagrama das gerações indica que um novo valor para máximo global foi encontrado.

Podemos ver o valor de máximo encontrado na geração 8 na imágem abaixo

Na geração 10, outro valor de máximo foi encontrado.

Na geração 22 um novo candidato a máximo global foi encontrado.

na geração 23 um novo valor é encontrado.

Após 40 gerações sem alternar o valor maior que o encontrado na geração 23, o solver atinge sua condição de parada.

Abaixo temos um arquivo com a cópia dos valores gravados durante a otimização.

registro da otimização