nicolasmatos / caixeiroviajanteag

Trabalho da disciplina de Inteligência Artificial, implementação do algorítimo "Caixeiro Viajante" utilizando Algoritmo Genético.

Definição do Trabalho

Algoritmo Genético: Problema do Caixeiro Viajante

• Descrição do Problema: O problema do caixeiro viajante (Travelling Salesman Problem – TSP) é de natureza combinatória e é uma referência para diversas aplicações, e.g., projeto de circuitos integrados, roteamento de veículos, programação de produção, robótica, etc. Em sua forma mais simples, no TSP o caixeiro deve visitar cada cidade somente uma vez e depois retornar a cidade de origem. Dado o custo da viagem (ou distância) entre cada uma das cidades, o problema do caixeiro é determinar qual o itinerário que possui o menor custo? Neste projeto, considere que o grafo (mapa) que representa as ligações entre as cidades é completo, ou seja, uma cidade se liga a todas as outras. Objetivo da Atividade.Esta atividade consiste em implementar um algoritmo genético para resolver o problema do caixeiro. As coordenadas das cidades serão passadas em separado pelo professor.

• Considerações Deve-se calcular a distância Euclidiana entre uma cidade e todas as demais.

As três representações mais utilizadas para o Problema do Caixeiro Viajante são: adjacency, ordinal e path.

Order Operator (OX)

Proposto por Davis. Constrói um descendente escolhendo uma subsequência de um tour de um pai e preservando a ordem relativa das cidades do outro pai. Exemplo:

p1 = (1 2 3 | 4 5 6 7 | 8 9) p2 = (4 5 2 | 1 8 7 6 | 9 3)

• mantém os segmentos selecionados

o1 = (x x x | 4 5 6 7 | x x) o2 = (x x x | 1 8 7 6 | x x)

A seguir, partindo do ponto do segundo corte de um dos pais, as cidades do outro pai são copiadas na mesma ordem, omitindo-se as cidades que estão entre os pontos de corte. Ao se atingir o final do vetor continua-se no início do mesmo.

o1 = (2 1 8 | 4 5 6 7 | 9 3) o2 = (3 4 5 | 18 7 6 | 9 2)

Instruções

                                    Disciplina: Inteligência Artificial
                                    Professor: Aragão Junior
                                    Equipe: 
                                    Reginaldo Maranhão
                                    Ruan Nícolas

Trabalho Algoritmo Genético – Caixeiro Viajante

1. Requisitos:

• Instalar o R-Studio
• Instalar o pacote: combinat

2. Pseudo-Algoritmo:

• Calcula a distância euclidiana
• Seleciona a população inicial
• 3 Roda a função objetiva (Calculo de aptidão)
• Monta a roleta
• Seleciona os 50 novos elementos da população com base na roleta
• Seleciona os pares
• Faz o crossover
• Verifica se existe mutação
• Altera a população e volta para o 3

3. O código é composto por 5 funções:

• Caixeiro: Função principal que chama as demais e onde foi implementada a rotina de cruzamento e mutação. Retorna uma lista com os seguintes resultados:

  • menoresCaminhos = Lista com os 1000 melhores caminhos gerados

  • pesosMenoresCaminhos = Lista com os pesos correspondentes a cada menor caminho

  • menorCaminhoGeral = Array com a sequência das cidades do menor caminho geral, dentre os 1000

  • pesoMenorCaminhoGeral = Peso do menor caminho geral

  • primeiroCaminho = Array com a sequência das cidades do primeiro menor caminho.

  • pesoPrimeiroCaminho = Peso do primeiro menor caminho

  • ultimoCaminho = Array com a sequência das cidades do último menor caminho.

  • pesoUltimoCaminho = Peso do primeiro menor caminho

• CalcularPesos: Função que recebe os dois datasets e calcula os pesos de cada cidade para todas as outras e retorna uma lista

• CalcularPesosCaminho : Calcula o peso de uma caminho(Array com uma sequencia de cidades)

• CalcularAptidao: Recebe os pesos dos caminhos de uma população e retorna um array com as aptidões de cada caminho.

• CalcularRoleta: Recebe as aptidões e retorna um array com a aptidão acumulada.

• OBS:

  • As cidades foram representadas de 1 a 100 na ordem que foi sendo lido os arquivos com as coordenadas
  • Foi utilizado o algoritmo Order Operator para cruzamento
  • Taxa de 0.05 para mutação.

4. Passo a passo:

• Carrega o arquivo com as funções:

  • source("C:\Caminho até o arquivo\caixeiroViajanteAG.r")

• Carrega os arquivo de dados:

  • datasetX = read.table("C:\Caminho até o arquivo\ coordenadasx.dat")

  • datasetY = read.table("C:\Caminho até o arquivo\ coordenadasy.dat")

• Chama a função caixeiro e passa as variáveis onde carregou os dados por parâmetro:

  resultado = caixeiro(datasetX, datasetY)

  Um gráfico com o histórico dos pesos dos melhores caminhos pode ser plotado com o comando: plot(resultado$pesosMenoresCaminhos)

Para saber o caminho da rodada 1000: resultado$ultimoCaminho

Para saber o peso da rodada 1000: resultado$pesoUltimoCaminho

Para saber o menor caminho geral: resultado$menorCaminhoGeral

Para saber o peso do menor caminho geral: resultado$pesoMenorCaminhoGeral


                                    #algoritmoGenetico #caixeiroViajante #algoritmos #ia