M.Sc. thesis - Fei

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