Inteligência Artificial: Algoritmos Genéticos na Prática

Você encontrará uma visão geral sobre as diversas técnicas de Inteligência Artificial: Fractais; Recozimento Simulado; Lógica Nebulosa (fuzzy); Redes Neurais e Computação Evolucionária.

Dentro da Computação Evolucionária será dado um destaque maior para a técnica dos algoritmos genéticos – fundamentos, operadores, parâmetros de configuração, vantagens e desvantagens – e de sua aplicação aos problemas de otimização multi-objetivos.

Desenvolve-se um modelo de algoritmo genético para otimização de problemas multi-objetivos cuja finalidade é evoluir um conjunto uniformemente distribuído de soluções para determinar o conjunto ótimo de Pareto do problema tratado.

As principais características do algoritmo proposto são: (i) ordenamento da população de acordo com propriedades de dominância, (ii) utilização de operadores multi-objetivos adequadamente desenvolvidos: exclusão, adição e operador de otimização individual, (iii) definição de um filtro para reter as soluções de Pareto, (iv) elitismo deste filtro dentro das populações e (v) método de penalização por camadas.

Para ilustrar o desempenho do algoritmo desenvolvido são apresentados exemplos numéricos de problemas testes e reais (estruturais) multi-objetivos: viga soldada, treliça tri-objetiva, ponte treliçada, torre de 47 barras, dentre outros.