A perda e o baixo aproveitamento da informa¸c˜ ao

O processo evolutivo dos AGs ´e composto de um fluxo c´ıclico, em que a cada itera¸c˜ao uma nova gera¸c˜ao ´e criada. A cada nova gera¸c˜ao, indiv´ıduos s˜ao gerados e introduzidos na popula¸c˜ao em substitui¸c˜ao a outros existentes, que s˜ao descartados. No entanto, muitos desses indiv´ıduos eliminados contˆem informa¸c˜oes nos seus genes importantes para a busca; apesar disso s˜ao descartados sem passar pelo cruzamento. Ou seja, foram gerados e eliminados e n˜ao contribu´ıram para a evolu¸c˜ao. Por isso, pode-se dizer que a cada itera¸c˜ao v´arias informa¸c˜oes relevantes s˜ao perdidas.

Apesar deste processo imitar a evolu¸c˜ao das esp´ecies, onde um indiv´ıduo pode nascer e morrer sem gerar descendentes, ´e not´oria a perda de informa¸c˜ao. A informa¸c˜ao perdida pode n˜ao voltar para a popula¸c˜ao, causando, em alguns casos, uma redu¸c˜ao da efic´acia e caracterizando a perda de oportunidade; ou voltar pelo processo da muta¸c˜ao, que normal- mente tem baixa probabilidade e, por isso, pouca eficiˆencia, pois ´e necess´ario um tempo at´e que a informa¸c˜ao retorne e seja aproveitada.

´

E necess´ario diferenciar a perda de informa¸c˜ao (PI) do baixo aproveitamento da in- forma¸c˜ao (BAI). No primeiro, a informa¸c˜ao ´e eliminada da popula¸c˜ao e depende de algum mecanismo de reinje¸c˜ao para voltar. J´a no BAI, a informa¸c˜ao est´a na popula¸c˜ao mas n˜ao ´e manipulada e nem analisada pelos operadores. Nesse ´ultimo caso, h´a um desperd´ıcio de esfor¸co, pois quanto mais r´apido e melhor os AGs utilizarem de suas bases de conhecimento dispon´ıveis (popula¸c˜ao), mais ´agil ser˜ao as evolu¸c˜oes.

e BAI). Trˆes s˜ao os operadores identificados que podem provocar o baixo aproveitamento da informa¸c˜ao:

Sele¸c˜ao Durante a sele¸c˜ao alguma estrat´egia, por exemplo a “Press˜ao da Sele¸c˜ao”, de- fine os pais que ir˜ao transmitir seus genes. Neste momento muitos indiv´ıduos com informa¸c˜oes relevantes e de baixa aptid˜ao, ou outro crit´erio definido pelo operador, podem n˜ao ser selecionados e, assim, n˜ao serem aproveitados.

Cruzamento O operador de cruzamento utilizado na combina¸c˜ao entre os cromossomos pode n˜ao ser eficaz e, assim, produzir material de baixa qualidade. Uma baixa taxa de cruzamento tamb´em causa pouca combina¸c˜ao e aproveitamento.

Substitui¸c˜ao Considerando que este operador define quantos novos indiv´ıduos gerados far˜ao parte da gera¸c˜ao seguinte, o aproveitamento das informa¸c˜oes e dos indiv´ıduos criados pelo cruzamento depende da taxa de substitui¸c˜ao. Quanto maior o n´umero de indiv´ıduos introduzidos na popula¸c˜ao mais relevante ser´a o trabalho de aprovei- tamento de informa¸c˜oes feito pelo cruzamento e pela sele¸c˜ao. Uma baixa taxa de substitui¸c˜ao pode prejudicar o aproveitamento das informa¸c˜oes.

J´a para a perda de informa¸c˜ao, identifica-se trˆes operadores capazes de interferir:

Cruzamento A cada nova estrutura criada pelo cruzamento pode-se estar eliminando outras presentes nos pais. Considerando a codifica¸c˜ao bin´aria e a informa¸c˜ao como sendo os alelos e/ou a ordem destes no cromossomo (schemata), a cada cruzamento um schemata1 _{pode estar sendo destru´ıdo.}

Muta¸c˜ao A muta¸c˜ao ´e o operador respons´avel por inserir informa¸c˜ao (diversidade) gen´etica na popula¸c˜ao, no entanto, a inser¸c˜ao elimina outra informa¸c˜ao. Por isso, uma alta taxa de muta¸c˜ao pode provocar perda de informa¸c˜ao, apesar de que aumenta a chance da reintrodu¸c˜ao das informa¸c˜oes perdidas.

Substitui¸c˜ao Caso a taxa de substitui¸c˜ao seja alta h´a um alto rod´ızio dos indiv´ıduos na popula¸c˜ao, o que provoca uma alta taxa de perda de informa¸c˜oes.

1_{Plural de schema, que ´e um padr˜ao de similaridades que descreve um subconjunto do espa¸co de}

solu¸c˜oes de um AG (GOLDBERG, 1989). Assim, em um AG bin´ario com l posi¸c˜oes o schema ´e representado

como um elemento do conjunto {0, 1, ∗}l

. Por exemplo, considere os cromossomos “010” e “011”, ambos s˜ao considerados instˆancias do schema “01*”.

Analisando as caracter´ısticas anteriores, percebe-se um dilema entre os agravantes da PI e do BAI. Enquanto uma baixa taxa de cruzamento pode ser prejudicial, considerando o BAI, pode ser eficaz para evitar a PI, pois evita a quebra dos schemata. Na substitui¸c˜ao, uma alta taxa de novos indiv´ıduos agrava a PI, no entanto, minimiza o BAI, pois faz com que as informa¸c˜oes descobertas e aproveitadas pelos operadores anteriores sejam consideradas.

Al´em do cruzamento e da substitui¸c˜ao, a muta¸c˜ao e a sele¸c˜ao exercem, respectiva- mente, influˆencia na PI e no BAI. A sele¸c˜ao, como j´a explicado, ´e fundamental no processo de aproveitamento das informa¸c˜oes. Sem um m´etodo que consiga diversificar os seleciona- dos, os AGs sofrem de convergˆencia prematura, mesmo tendo na sua base de conhecimento (popula¸c˜ao) material gen´etico capaz de evitar o m´ınimo local.

J´a a muta¸c˜ao, tem a fun¸c˜ao de aumentar a diversidade gen´etica da popula¸c˜ao, fator este, al´em da PI e o BAI, que interfere no desempenho dos AGs. Quanto maior a di- versidade, maior a capacidade de an´alise do espa¸co de busca e menor ´e o desperd´ıcio de processamento, j´a que minerar uma popula¸c˜ao com informa¸c˜oes muito similares prejudica a efic´acia do algoritmo. Apesar disso, a taxa de muta¸c˜ao n˜ao deve ser muito alta, evitando assim o excesso de PI, causada pela substitui¸c˜ao da informa¸c˜ao existente por uma nova.

Assim, pode-se concluir que o ideal ´e um algoritmo que tenha pouca PI, que gere informa¸c˜oes diversificadas e que tenha um bom aproveitamento destas. Com o intuito de auxiliar os AGs a equilibrarem estes fatores, este trabalho prop˜oe, e define na se¸c˜ao 4.4, o Algoritmo Auxiliar Paralelo (AAP). O uso do m´odulo de aux´ılio em uma estrutura paralela facilita a dissocia¸c˜ao dos fatores que, como visto anteriormente, est˜ao interligados. Desta forma, ´e poss´ıvel intensificar, por exemplo, a recombina¸c˜ao em uma popula¸c˜ao paralela e n˜ao interferir na PI da popula¸c˜ao original.