Pesquisa por melhorias sucessivas
Também conhecida como pesquisa local.
A partir de uma dada configuração inicial, fazem-se refinamentos sucessivos até obter uma configuração satisfatória.
A solução inicial pode ser aleatória.
Técnicas mais comuns:
Reparação heurística
É a versão mais básica deste tipo de pesquisa: reparações à solução inicial vão sendo aplicadas de acordo com uma heurística local.
No caso de problemas de satisfação de restrições, a heurística pode ser:
Fazer a reparação que, naquele momento, mais contribui para reduzir os conflitos entre variáveis, dadas as restrições.
Montanhismo.
Recozimento simulado.
Algoritmos genéticos.
Montanhismo
A pesquisa é vista como um problema de optimizar uma função.
O espaço de soluções é visto como uma paisagem de vales (zonas de soluções menos satisfatórias) e colinas (zonas de soluções melhores).
Tem semelhanças com a pesquisa em profundidade e com a pesquisa gulosa, diferenciando-se pelo seguinte:
Escolhe-se sempre o sucessor com melhor valor da função de avaliação.
Não há retrocesso (backtracking).
Quando o valor da função no nó actual é superior ao valor da função em qualquer dos seus sucessores, a pesquisa pára. (atingiu-se um máximo local)
Problemas:
Máximos locais, planaltos, ravinas.
Variantes
Montanhismo estocástico
Escolhe aleatoriamente entre os sucessores que melhoram a função de avaliação.
Montanhismo de primeira escolha
Escolhe sucessores aleatoriamente até encontrar um com melhor função de avaliação que o estado actual.
Montanhismo com reinício aleatório
Executar o montanhismo várias vezes, partindo de estados iniciais aleatórios, e escolhe a melhor solução.
Recozimento simulado
Recozimento simulado (Simulated Annealing) é uma variante da pesquisa por montanhismo na qual podem ser aceites refinamentos que, localmente, piorem a solução.
O nome inspira-se no processo industrial chamado recozimento.
Recozer = “deixar esfriar lentamente (um produto de cerâmica ou de vidro) num forno especial, logo após o seu fabrico”.
Começou a ser usado circa 1980 para resolver problemas de configuração de circuitos VLSI.
Particularidades:
O sucessor é seleccionado aleatoriamente.
Quando o valor da função no nó actual é superior ao valor da função no sucessor, o sucessor é aceite com uma probabilidade que diminui exponencialmente em função da perda na função de avaliação.
Pesquisa termina quando um indicador designado “temperatura” chega a zero.
Algoritmo
Regime térmico
Pesquisa local alargada
Pesquisa local alargada
Semelhante ao montanhismo mas, em cada iteração, são mantidos k estados, e os melhores k sucessores são passados para a iteração seguinte.
Pesquisa alargada estocástica
Semelhante à pesquisa local alargada, mas os k sucessores são seleccionados aleatoriamente.
Algoritmos genéticos
Variante da pesquisa alargada estocástica em que os sucessores são gerados por combinação de dois estados, e não apenas por modificação de um único estado.
Algoritmos Genéticos
Last updated