Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Os operadores de reprodução, cruzamento e mutação, correspondem respectivamente às habili-<br />
dades de aproveitamento (exploit) e exploração (explore) dos EAs. Ainda, segundo De Jong (2002),<br />
o operador de cruzamento deve ser pensado como um meio de aproveitamento de características<br />
interessantes de duas ou mais soluções da população para uma nova solução 1 . O operador de<br />
mutação, por sua vez, deve ser pensado como um operador de perturbação, permitindo a busca nas<br />
vizinhanças da solução.<br />
As representações comuns de EAs são:<br />
a) Sequência Binária;<br />
b) Vetores de Números Reais;<br />
c) Sequências de Números Inteiros;<br />
d) Estruturas de Grafos e Árvores;<br />
e) Representações Híbridas.<br />
Para o problema de otimização apresentado neste trabalho as representações adequadas são<br />
Sequência Binária e Vetores de Números Reais. Os demais tipos de representação encontram<br />
aplicação em problemas combinatoriais (Sequências de Números Inteiros) e topológicos (Grafos e<br />
Árvores), como no caso específico de Programação Genética (Genetic Programming - GP) aplicado<br />
à evolução de topologias de circuitos eletrônicos.<br />
3.1.2 O Algoritmo Genético Canônico<br />
Os GAs, conforme Goldberg (1989, p. 7), possuem as seguintes características:<br />
a) GAs trabalham com codificações de parâmetros, não com os parâmetros diretamente;<br />
b) GAs trabalham com populações de pontos (soluções codificadas), não com um único ponto;<br />
c) GAs utilizam informação da função de aptidão, não derivadas ou outro conhecimento auxiliar;<br />
d) GAs utilizam regras de transição probabilísticas, não regras determinísticas.<br />
1 Esta troca de segmentos de informação é particularmente difícil em estruturas complexas como grafos (EP<br />
desenvolvida sobre Máquinas de Estado Finito é um bom exemplo: utiliza apenas mutação)<br />
21