Bazele teoretice ale calculului

evolutiv. Schema unui algoritm

evoluionist (EA)

I. INTRODUCERE
Calculul evolutiv (EC) - domeniu al informaticii inspirat din procesul evoluiei
naturale: conexiunea evoluie natural tehnica de rezolvare a problemelor
de tip experiment-eroare (sau generare-testare).
ntr-un mediu dat, indivizii constituii ntr-o populaie intr n competiie
pentru a supravieui i a se reproduce. Abilitatea indivizilor de a-i atinge
aceste scopuri n mediul n care triesc este strict corelat cu ansele lor de
supravieuire i multiplicare i determin evoluia n timp a populaiei.
Pentru problemele de tip generare-testare stochastice, populaia este
modelat ca o colecie de elemente candidat la soluie.
Calitatea candidailor la soluie - definit n termenii gradului n care fiecare
element rezolv problema.
ansa unui candidat de a fi meninut i utilizat pentru construirea unor noi
candidai depinde de calitatea acestuia.

II. SUPORTUL DE NATUR BIOLOGIC AL EC

Considernd un mediu care poate susine un numr limitat de indivizi i

instinctul primar al fiecrui individ de a se reproduce, procesul de selecie
natural favorizeaz indivizii cei mai competitivi n nsuirea resurselor supravieuirea celor mai bine adaptai (survival of the fittest).

Pe parcursul reproducerii celor mai buni indivizi apar mutaii ocazionale,

care genereaz noi indivizi, ce vor fi ulterior evaluai.

ntregul proces poate fi asimilat din punct de vedere intuitiv cu modelul unui
peisaj adaptiv (dinamic) n spaiul 3D (0-x-y-z):

p(x,y,z) - un individ
planul x-y este figurat combinaia de caracteristici ale fenotipului
individului
altitudinea lui p (valoarea lui pe axa 0z) corespunde nivelului de
adaptabilitate (fitness). a individului reprezentat de p.

Evoluia - procesul de avans al populaiei spre zone aflate la o altitudine

mai mare, acest avans fiind realizat pe baza mutaiilor i seleciei naturale
legtura problemele multimodale (puncte de optim local).

III. TIPURI DE PROBLEME REZOLVATE DE EC

Probleme de optimizare: sunt cunoscute modelul i datele de ieire dorite,

iar problema este de a determina datele de intrare care corespund
rezultatelor dorite. Exemple:
problema comis voiajorului;
problema planificrii activitilor;
probleme care pot fi formulate n termeni specifici claselor de probleme
de optimizare: problema celor N regine

Probleme de modelare sau de identificare a sistemului: sunt cunoscute

datele de intrare i rezultatele corespunztoare lor, iar modelul este
necunoscut. Modelul trebuie determinat astfel nct, pentru fiecare intrare
dat, s calculeze rezultatul corect. Exemplu :

clasificarea supervizat n cazul modelului cu dou clase. Date fiind dou seturi
de obiecte, fiecare obiect avnd asociat eticheta clasei de provenien, problema
este de a determina un clasificator (de exemplu o funcie de decizie) care s
separe corect elementele celor dou clase.

III. TIPURI DE PROBLEME REZOLVATE DE EC

1, 1
h = 1, 2
0,
""

Probleme de simulare: sunt cunoscui modelul i o serie de date de intrare

i cerina este de a determina datele de ieire corecte, corespunztoare
intrrilor date. Exemplu: rspunsul la ntrebri de tipul ce se ntmpl dac
(what-if questions), n condiiile n care problema subiectului investigat
evolueaz (n termenii operaiilor de variaie i selecie).

IV. SCHEMA GENERAL A UNUI EA

IV. SCHEMA GENERAL A UNUI EA

Baza sistemelor evoluioniste:

operatorii de variaie (recombinare i mutaie), care asigur diversitatea
necesar crerii de indivizi cu caracteristici noi i
selecia, care foreaz creterea calitii indivizilor unei populaii.

Observaii

Schema corespunde familiei metodelor PS de tip generare-testare:n cadrul

algoritmilor evolutivi sunt procesai simultan membrii unei ntregi populaii,
combinarea informaiilor oferite de doi sau mai muli candidai fiind realizat
n principal prin operaia de recombinare. EA sunt de tip stochastic.

Funcia de evaluare este o estimare de tip euristic a calitii fiecrui membru

al populaiei curente, iar procesul de cutare este dirijat de operatorii de
variaie i selecie.

IV. SCHEMA GENERAL A UNUI EA

V. EXEMPLU: Rezolvarea unei probleme de

optimizare a unei funcii de o variabil

V. EXEMPLU: Rezolvarea unei probleme de

optimizare a unei funcii de o variabil

V. EXEMPLU: Rezolvarea unei probleme de

optimizare a unei funcii de o variabil

Operaia de ncruciare este aplicat pentru o mperechere aleatoare a cte

2 indivizi prini, cu probabilitatea pc. Progeniturile sunt supuse mutaiei cu o
probabilitate pm.

Mecanismul de selectare a noii generaii presupune ordonarea

descresctoare a multisetului format din indivizii populaiei curente i
progeniturile obinute prin operatorii de variaie i selecie a prinilor i
alegerea primilor dim indivizi pentru a forma populaia urmtoare.

Condiia terminal este formulat astfel: a fost depit un prag al numrului

de generaii sau calitatea populaiei, msurat ca medie a funciei de
evaluare n membrii populaiei nu mai poate fi mbuntit semnificativ.

V. EXEMPLU: Rezolvarea unei probleme de

optimizare a unei funcii de o variabil