Trabalho

ALGORITMO GENÉTICO E APLICAÇÕES EM
QUÍMICA
Marcos Alexandre Bezerra de Melo1 e Benjamim Henrique de Lima e Silva2

Introdução
É comum, muitas vezes, não só em química, mas em
diversas ciências, surgirem situações onde se deve levar
em conta uma série de fatores que influenciam um
determinado processo. Devemos decidir, portanto, qual
desses fatores irá produzir a melhor resposta baseada
em algum parâmetro pré-estabelecido. Neste caso, é
interessante realizar uma otimização numérica do
sistema, isto é, deve-se encontrar as condições que irão
fornecer a melhor resposta dos parâmetros.
Há diversos algoritmos para resolver problemas de
otimização, porém algoritmos baseados em gradientes
ou hipóteses de diferenciabilidade muitas vezes se
mostram inadequados para resolver problemas
altamente não-lineares. Para esses tipos de problemas o
Algoritmo Genético (AG) tem se mostrado uma
alternativa bastante robusta. O AG, Holland [1], foi
desenvolvido por Holland na década de 70 inspirado
pela teoria Dawiniana da evolução das espécies e é
freqüentemente descrito como um método de busca que
não utiliza informaçõs sobre gradiente e pode ser
combinado com outros métodos para refinamento das
buscas quando há aproximação de um ponto de
máximo ou de mínimo local.
possam ser codificadas de maneira análoga aos
cromossomos biológicos. Sendo assim o algoritmo genético
se assemelha muito ao processo evolutivo natural. O
algoritmo genético básico envolve cinco passos:
codificação das variáveis, criação da população inicial,
avaliação da resposta, cruzamento e mutação, Haupt &
Haupt [2], Sivanandam & Deepa [3] e Gopi [4].
B. Funções de Teste
Foram utilizadas várias funções de teste, dentre elas: y =
x+10*sin(5*x)+7*cos(4*x)+sin(x) e verificamos que nem
sempre o algoritmo básico converge para o ótimo,
mostrando-se bastante dependente dos parâmetros de
inicialização.
Resultados e Discussão
Foram feitas várias simulações com diversas funções de
teste com pontos críticos conhecidos para avaliar a robustez
do método básico do algoritmo genético. Os resultados nem
sempre foram satisfatórios, mas indicam que versões mais
completas do método podem fornecer bons resultados.
Referências
[1]
Material e métodos
[2]
A. Metodologia
O AG é montado de maneira que as informações
referentes a um determinado processo ou problema
[3]
[4]
HOLLAND, J. 1975. Adaptation in Natural and Artificial Systems,
University of Michigan Press, Ann Arbor.
HAUPT, R. L.; HAUPT, S. E. 2004. Practical genetic algorithms,
2ed. John Wiley & Sons, Inc.
SIVANANDAM, S.N.; DEEPA, S. N. 2008. Introduction to genetic
algorithms. Springer.
GOPI, E.S. 2007. Algorithms collections for digital signal
processing applications using Matlab©. Springer.
________________
1. Primeiro Autor é Professor Assistente da Universidade Federal Rural de Pernambuco, Unidade Acadêmica de Serra Talhada – UAST. Estrada da
Fazenda Saco, S/N, Serra Talhada, PE, CEP 56900-000. E-mail: [email protected]
2. Segundo Autor é aluno do curso de Licenciatura em Química da Universidade Federal Rural de Pernambuco, Unidade Acadêmica de Serra
Talhada – UAST. E-mail: [email protected]
Figura 1. Função de teste y = x+10*sin(5*x)+7*cos(4*x)+sin(x) e convergência do método de Algoritmo Genético (pontos em
vermelho).