Projeto de Algoritmo Genético em Python

Este é um projeto em Python que implementa um algoritmo genético para otimização de funções. O algoritmo inclui uma estrutura de seleção por torneio, reprodução por cruzamento, mutação, elitismo e operações genéticas para evoluir uma população em direção a valores ótimos de uma função de maximização ou minimização.

Funcionalidades Implementadas

1. Representação de Indivíduos

• Os indivíduos são representados como listas de bits, onde cada bit codifica um número em ponto flutuante dentro de um intervalo especificado.
• Funções auxiliares permitem codificar e decodificar números em ponto flutuante para sua representação binária.

2. Funções de Fitness Implementadas

• Quartic Function (objective_Q1): Uma função de múltiplas dimensões que visa minimizar o valor de acordo com a fórmula de quartic.
• Ackley Function (objective_Q2): Uma função de múltiplas dimensões que visa minimizar o valor de acordo com a fórmula de Ackley.

3. Algoritmo Genético

• Inicialização da População: Gera uma população inicial de indivíduos com valores aleatórios dentro de um intervalo especificado.
• Seleção por Torneio: Implementa a seleção por torneio para manter a diversidade na população.
• Cruzamento (Crossover): Realiza o cruzamento entre indivíduos para gerar novos descendentes.
• Mutação: Introduz mutações nos indivíduos para explorar novas regiões do espaço de busca.
• Elitismo: Mantém o melhor indivíduo da geração anterior na próxima geração para garantir convergência.

4. Execução do Algoritmo

• O algoritmo evolui a população por um número máximo de gerações ou até atingir um critério de convergência.
• Durante a evolução, são exibidos dados estatísticos sobre a população, como melhor indivíduo, pior indivíduo, média e desvio padrão.

Como Executar

1. Requisitos

   • Python 3.x
   • Bibliotecas: numpy, matplotlib, pandas, IPython

2. Instruções

   • Clone este repositório para sua máquina local.
   • Certifique-se de ter os requisitos instalados.
   • Execute os scripts Python genetic_algorithm.py para executar o algoritmo genético para ambas as funções (objective_Q1 ou objective_Q2), conforme necessário.

Parâmetros de Configuração

• Os parâmetros do algoritmo genético, como tamanho da população, número máximo de gerações, probabilidade de mutação, intervalos de valores para os cromossomos, etc., podem ser configurados no início do script Python.

Observações

• Os resultados e estatísticas da execução do algoritmo genético são exibidos no console.
• Você pode modificar as funções objetivo ou adicionar novas funções implementando-as e substituindo nas chamadas do algoritmo.