Algoritmo evolutivo centrado nos genes

• Autor(a) principal: Fernandes, António André de Castro
• Data de Publicação: 2017
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10348/8053
• topic: Algoritmos genéticos; Indivíduo; Evolução; Gene; Paralelismo; Multipopulação

Todas as espécies biológicas, nas suas diferentes formas microbianas, animal ou vegetal, estão sujeitas a processos de evolução que resulta da luta continuada pela sobrevivência, na melhoria das suas capacidades de integração no seu ecossistema, no aperfeiçoamento das suas capacidades em se adaptar ao meio ambiente e às suas perturbações, por vezes na forma de cataclismos, mas também de assegurar a transmissão dos seus genes às gerações seguintes. O seu estado presente como espécie é fruto da evolução que nunca parou de acontecer desde que o elemento primário da vida se despoletou na Terra, aproximadamente entre 3,5 a 3,8 mil milhões de anos atrás. A evolução é a mudança nas características hereditárias das populações biológicas ao longo das gerações sucessivas. Os processos evolutivos dão origem à biodiversidade em todos os níveis da organização biológica, incluindo os níveis de espécies, organismos individuais e moléculas. A transposição deste mecanismo para o mundo dos computadores levou ao desenvolvimento do designado algoritmo genético (AG). Este algoritmo é do tipo meta-heurístico de inspiração no processo de seleção natural, fazendo parte de uma classe maior designada de algoritmos evolutivos (AE). Algoritmos genéticos são tipicamente usados para gerar soluções de alta qualidade para otimização e problemas de pesquisa, confiando em operadores de inspiração biológicos ligados à seleção e reprodução, como sejam a mutação, cruzamento e seleção. Este trabalho tem como objetivo principal contribuir na linha dos algoritmos genéticos com o desenvolvimento de uma abordagem paralela em duas frentes: a evolução geracional dos indivíduos em multipopulações com a existência de processos migratórios e a evolução de genes, tomando-os como entidades passíveis de se envolverem num processo evolutivo. O paradigma norteador deste trabalho visa explorar a simultaneidade de um processo evolutivo focalizado em duas entidades no indivíduo e nos genes. O foco secundário e complementar, por poder-se revelar computacionalmente eficiente, está na estrutura de paralelização, ou seja, o modelo de algoritmo genético paralelo. A arquitetura modelada é baseada nos conceitos de programação orientada a objetos e explora o paralelismo de sistemas de multiprocessadores ao mesmo tempo que permite a distribuição através de uma rede de workstations. O algoritmo genético paralelo está modelado segundo o conceito de populações cooperantes, coordenadas por um nó central. Nesse modelo, cada máquina é responsável por processar uma população com N indivíduos. A troca de informação genética entre populações é realizada através da migração de indivíduos, alocados fisicamente a cada máquina. Os indivíduos foram modelados como unidades autónomas com a responsabilidade da aplicação dos operadores de crossover e mutação. Cada indivíduo é também responsável pela determinação da sua aptidão. Esta perspetiva torna simples a exploração do paralelismo encontrado nos sistemas multiprocessados. A hipótese defendida indica que um conjunto de populações cooperantes, executando em paralelo, equivale a uma grande população. Para avaliar o desempenho desta nova abordagem, foram realizados testes utilizando um algoritmo para simular o ambiente distribuído e o paralelismo dos sistemas multiprocessados, através de programação concorrente. Foram usados dois exemplos de teste e validação do algoritmo. Os resultados obtidos evidenciam a virtude do paralelismo do algoritmo genético multipopulacional, na perspetiva da evolução conjunta e concorrente dos indivíduos e dos seus genes.