GRUPO: 
Tópicos Avançados

Carga horária: 90 horas

Créditos: 5

OBJETIVOS GERAIS DA  DISCIPLINA : 

Introduzir os conceitos básicos dos paradigmas mais relevantes da Computação Evolutiva, além de apresentar  aplicações de técnicas evolutivas a problemas de Engenharia e Computação. 

EMENTA 

Base biológica. Computação Evolutiva. Algoritmos genéticos. Métodos e Operadores. Teoria dos esquemas. Algoritmos evolutivos coevolutivos. Algoritmos evolutivos multi-objetivos. Programação Genética. Sistemas Classificadores. Outros paradigmas evolutivos. 

Outros métodos de computação bio-inspirada. 

PROGRAMA 

1. Base biológica: Teoria da Evolução; Biologia Evolutiva; Cromossomos, genes e alelos; Metáfora biológica versus representação computacional 

2. Computação Evolutiva: Metáfora biológica; Histórico; Principais paradigmas: algoritmos genéticos, programação genética, estratégias evolutivas, programação evolutiva; Vantagens e aplicabilidade; Caracterização dos paradigmas: fluxo geral, indivíduos e operadores; Fontes de referência: principais eventos e revistas 

3. Algoritmos genéticos: visão geral. Metáfora biológica; Histórico; Definição; Conceitos: indivíduos, população, aptidão e gerações; Fluxo geral; Operadores: seleção, crossover e mutação; AGs e outros métodos de otimização; 
4. Métodos e Operadores 

           a) Indivíduo/cromossomo: representações mais usuais 

           b) Geração da população inicial 

          c) Métodos de seleção dos pais: roleta, torneio simples, torneio estocástico, amostragem estocástica universal, ranking linear e não-linear, etc. 

          d) Métodos de crossover: vetor binário (ponto simples, ponto duplo, uniforme), vetor real (recombinação discreta, recombinação linear), permutação (PMX, cíclico), árvores (fómulas, rotas), etc. 

          e) Métodos de murtação: vetor binário, vetor real, permutação, árvores, etc.

           f) Métodos de reinserção da população

          g) Pressão seletiva e convergência prematura

     5.Teoria dos esquemas

           a) Blocos de contrução e esquemas

           b) Ordem e comprimento de um esquema

           c) Aptidão média

           d) Avaliação implícita de esquema e estimativa de aptidão

           e) Teoria dos esquemas ignorando os efeitos destrutivos dos operadores

           f) Teoria dos esquemas incluindo os efeitos destrutivos do crossover

           g) Teoria dos esquemas (geral): incluindo os efeitos destrutivos da mutação

   6. Algoritmos evolutivos coevolutivos:
        a)Metáforas biológicas: modelos competitivos e colaborativos

        b) Múltiplas populações

       c) Avaliação cruzada

7.Algoritmos evolutivos multi-objetivos
      a) Problemas multi-objetivos

      b) Dominância de pareto e Conjunto Ótimo de Pareto

      c)Métodos Evolutivos Multi-objetivos:

          i.Não elististas (VEGA, NSGA, etc)

          ii.Elitistas (NSGAII, SPEA e SPEA2)

8. Programação Genética.

      a) Fluxo Geral

      b) Representação baseada em árvore

      c) Alfabeto (funções e terminais)

      d) Principais operadores: Cruzamento e Mutação

9.Sistemas Classificadores.

      a) Descrição geral

      b) Conceitos e funcionamento dos principais módulos

10.Outros paradigmas evolutivos (evolução diferencial, algoritmos culturais, algoritmos meméticos, etc)

11. Outros métodos de computação bio-inspirada (autômatos celulares, colônia de formigas, swarm intelligence, etc.)

BIBLIOGRAFIA

BÄCK, T., FOGEL, D.B. & MICHALEWICZ, Z. (eds.) Handbook of Evolutionary Computation. 1997
EIBEN, A. E.; SMITH, J. E. Introduction to Evolutionary Computing. Springer, 2003
ENGELBRECHT, A. P. Computational Intelligence: An Introduction, Wiley, 2nd ed, 2007.
FOGEL, D.B. Evolutionary Computation: Toward a New Philosophy of Machine Intelligence, IEEE Press, 1995.
GOLDBERG, D. E. Genetic algorithms in search, optimization and machine learning. Alabama: Addison Wesley, 1989. 413p.
HOLLAND, J.H. Adaptation in Natural and Artificial Systems. MIT Press, 1992.
KOZA, J.R. Genetic Programming: On the Programming of Computers by means of Natural Selection, MIT Press, 1992.
MICHALEWICZ, Z. Genetic algorithms + Data Structures = Evolution Programs. Springer-Verlag, 1994.
MITCHELL, M. An Introduction to Genetic Algorithms. MIT Press. Massachusetts, 1997.
REZENDE, S. O. Sistemas inteligentes: fundamentos e aplicações. Editora Manole, 2003.
Artigos selecionados na literatura.