Tpicos em Inteligncia Artificial opt. CI309A

Tpicos em Inteligncia Artificial opt. CI309Ahttp://www.inf.ufpr.br/aurora/disciplinas/topicosia2/topicosia2.htmProf. Aurora T. R. PozoDepartamento de InformticaUniversidade Federal do Paranwww.inf.ufpr.br/auroraaurora@inf.ufpr.brMetaheursticasOtimizao Estocstica uma classe de algoritmos e tcnicas que utilizam algum grau de aleatoriedade para encontrar um timo (o mais perto do timo) para problemas difceis.

Essentials of Metaheuristics (Sean Luke)

MetaheursticasIterativamente melhorar um conjunto de solues Pouco conhecimento do problema Precisa poder distinguir boas soluesGeralmente encontra boas solues possivelmente no o timo Adaptveis : parmetros ajustveis

Quando aplicarAlgoritmos usados em problemas nos quais existe pouca informao : no se conhece a forma de uma soluo tima , No se sabe como encontrar elaUma explorao completa e impossvel devido ao tamanho do espao Porem se voc tem uma soluo candidata , ela pode ser avaliada Otimizao Baseada em GradienteMtodo matemtico clssico

Problema de Santa FeInformaesQualidade de uma SoluoPorem no se conhece a superfcie da funoQualquer tipo de representao da soluoEspao real, inteiro, um grafo2 espaos soluo e funo.

Como EnfrentarTer uma ou mais solues candidatas iniciais. Procedimento de Inicializao Avaliao de uma soluo candidataProcedimento de AvaliaoRealizar uma copia da soluo candidataConstruir uma soluo candidata levemente diferente da soluo original (aleatoriamente)Procedimento de modificao Procedimento de seleo : que soluo continuaHill-Climbing

Hill-ClimbingSimilar a gradiente descendente sem derivadasAlgoritmo Hill-Climbing1: S Soluo Inicial; Procedimento de Inicializao2: Repita3: R Tweak(Copy(S)) ; Procedimento de Modificao4: Se Qualidade(R) > Qualidade(S) Ento 5: S R6: Ate S seja a soluo ideal ou limite de tempo 7: retorne SSteepest Ascent Hill-ClimbingAmostrar a vizinhana e ficar com o melhor

Problema da MochilaSeja uma mochila de capacidade b = 23

Representao de uma soluo:MovimentoFuno de avaliao:

MetaheursticasInteligncia e Resoluo de ProblemasMtodos de BUSCAEnxergam o problema a ser resolvido como um conjunto de informaes a partir das quais algo dever ser extrado ou inferido;O processo de soluo corresponde a uma seqncia de aes que levam a um desempenho desejado ou melhoram o desempenho relativo de solues candidatas;Este processo de procura por um desempenho desejado denominado busca.

Quando Utilizar estas tcnicasQuase que invariavelmente, as tcnicas de inteligncia computacional (IC) so tcnicas alternativas;Isso indica que existem outras maneiras para se resolver um mesmo problema ou sintetizar um dado fenmeno; preciso avaliar com cuidado se h ou no a necessidade de aplicao de tcnicas de IC a um dado problema.

A IC pode ser usada quando:O problema a ser resolvido complexo (grande nmero de variveis, grande quantidade de possveis solues, etc.);No possvel garantir que uma soluo encontrada tima, mas possvel criar mtricas de comparao entre solues candidatas;O problema a ser resolvido no pode ser (apropriadamente) modelado. Em alguns casos, pode-se empregar exemplos para ensinar o sistema a resolver o problema;

Dificuldade de ResoluoPara mostrar a dificuldade de soluo do PCV, assuma que a distncia de uma cidade i outra j seja simtrica, isto , que dij = dji. Assim, o nmero total de rotas possveis (n - 1)!/2. Para se ter uma idia da magnitude dos tempos envolvidos na resoluo do PCV por enumerao completa de todas as possveis solues, para n = 20, tem-se 6 x 1016 rotas possveis. Assim, um computador que avalia uma rota em cerca de 10-8 segundos, gastaria cerca de 19 anos para encontrar a melhor rota! Mesmo considerando os rpidos avanos tecnolgicos dos computadores, uma enumerao completa de todas essas rotas inconcebvel para valores elevados de n. Nos problemas da classe NP-difcil, no possvel garantir que a rota de custo mnimo seja encontrada em tempo polinomial.Assim, no pior caso, todas as possveis solues devem ser analisadas. possvel dar uma certa inteligncia a um mtodo de enumeraoTpicos Mtodos de Busca LocalMtodos ConstrutivosMtodos de refinamento:Representao e avaliao de uma soluoNoo de vizinhanaMtodo da DescidaMtodo Randmico de DescidaPrimeiro de Melhora

TpicosSimulated Annealing Busca Tabu: Greedy Randomized Adaptive Search Procedures (GRASP) Iterated Local Search Mtodo de Pesquisa em Vizinhana Varivel (VNS)Guided Local Search (GLS)Path RelinkingAlgoritmos GenticosAlgoritmos Memticos Colnia de FormigasEnxame de PartculasAlgoritmos Imunolgicos

Avaliao da disciplinaProva Escrita (40%)TRABALHO (70%):Escolha de um problema e uma tcnica metaheurstica para resolv-loImplementao computacional, preferencialmente na linguagem C, da tcnica aplicada ao problemaApresentao de um artigo relatando os resultados obtidos Apresentao oral do trabalhoBibliografiahttp://www.inf.ufpr.br/aurora/disciplinas/topicosia2/livros/http://www.inf.ufpr.br/aurora/disciplinas/topicosia2/aulas/http://www.decom.ufop.br/prof/marconeArtificial Intelligence: A Modern Approach Stuart. Russell and Peter Norvig, Prentice Hall, 1995.Inteligncia Artificial. Elaine Rich e Kevin Knight, Makron Books, 1993.GOLDBERG, D. E. Genetic algorithms in search, optimization and machine learning. Alabama: Addison Wesley, 1989. 413p.Aarts, E. H. L. e J. K. Lenstra, (1996), Local Search in Combinatorial Optimization, John Wiley, Chichester.Chatterjee, S., Carrera, C., e L. A. Lynch, (1996), Genetic Algorithm and Traveling Salesman Problem, EJOR 93, 490-510.Colorni, A., Dorigo, M., Maniezzo, V., e M. Trubian, (1994), Ant System for Job Shop Scheduling, Belgian Journal of Operations Research, Estatistic, and Computer Science 34, 39-53Costa, A., e A. Hertz, (1997), Ants Can Colour Graphs, Opns. Res. Soc. 48, 295-305.Davis L. (1987), Genetic Algorithms and Simulated Annealing, Pitman, London.Glover, F., (1990), Tabu Search: A Tuturial, Center of Applied Artificial Intelligence, University of Colorado, USA.Hansen, P., e N. Mladenovic, (1997a), An Introduction to Variable Neighborhood Search, Les Cahiers du Gerad, G-97-51.Osman, I. H., e J. P. Kelly (1996), Meta-Heuristics: Theory and Applications, Kluwer, Boston, 571-587.Reeves, C. R., (1993), Modern Heuristic Techniques for Combinatorial Problems, Blackwell Scientific Publication.Taillard, E. D., (1999), Ant Systems, Techinical Report IDSIA-05-99, Instituto Dalle Molle di Studi sullIntelligenza Artificiale (IDSIA), Lugano, Switzerland.

HeursticasPara solucionar problemas desse nvel de complexidade. Definimos heurstica como sendo uma tcnica inspirada em processos intuitivos que procura uma boa soluoa um custo computacional aceitvel, sem garantir sua otimalidade, bem como garantir quo prximo est da soluo tima.HeursticasEntretanto, a maioria das heursticas desenvolvidas muito especfica para um problema particular, no sendo eficientes (ou mesmo aplicveis) na resoluo de uma classe mais ampla de problemas.Somente a partir da dcada de 1980 intensificaram-se os estudos no sentido de se desenvolver procedimentos heursticos com uma certa estrutura terica e com carter mais geral, sem prejudicar a principal caracterstica destes, que a flexibilidade.MetaheursticasAlgoritmos Genticos (AGs), Redes Neurais, Simulated Annealing (SA), Busca Tabu (BT), GRASP, VNS, Colnia de Formigas, etc.