Algoritmos genéticos: resolvendo a equação quadrática

O artigo apresenta uma implementação simples de algoritmo genético aplicada à equação quadrática y = 13x^2 - 5x - 12. Em vez de cadeias de bits, usa números reais, calcula o fitness pela proximidade das soluções e diz que a aproximação das raízes ocorre em pouco menos de 23 segundos.

Fichamento

#

• O autor diz que encontrou muita explicação teórica sobre algoritmos genéticos, mas poucos exemplos reais, e por isso resolveu implementar um caso vivo.
• O exemplo escolhido foi a solução de uma equação quadrática, por ser simples de implementar, embora sem aplicação prática neste caso.
• O cromossomo guarda dois genes e um valor de aptidão.
• A população inicial é criada com valores aleatórios para os genes.
• O fitness soma os valores absolutos gerados pela equação para os valores do cromossomo; quanto menor o resultado, mais perto da solução.
• Durante as iterações, o algoritmo guarda os índices das melhores soluções para produzir a próxima geração.
• O crossover combina os melhores fenótipos para gerar descendentes e pode substituir a geração antiga pela nova.
• O código apresentado junta crossover e mutação na mesma função, embora o autor diga que normalmente eles podem ser separados.
• A taxa de mutação define a velocidade de evolução das soluções, com troca entre rapidez e exatidão.
• A execução deve parar quando a precisão desejada for alcançada ou quando ficar claro que a equação não tem raízes.
• O texto diz que precisão e velocidade dependem da taxa de mutação e do tamanho da população.
• A implementação aproxima as raízes em pouco menos de 23 segundos e gera soluções precisas para a maioria das necessidades.
• O autor conclui que algoritmos genéticos podem ser usados em seleção de topologia de rede neural e em outras otimizações.