Previous crops

Para melhor entender a relação dos conceitos dos algoritmos genéticos com a pressão seletiva, procurou-se distinguir ao máximo as características pertinentes a cada um dos conceitos, apesar da forte ligação entre eles. Entre os conceitos estudados, destacam-se a velocidade de convergência, a direção da evolução e a diversidade populacional.

3.2.1 Velocidade de Convergência

A velocidade de convergência é o termo designado ao tempo que o algoritmo genético utiliza para tender a um máximo da função que está sendo otimizada. A velocidade e o máximo alcançado são fatores fortemente ligados. No caso onde o algoritmo genético realiza uma convergência muito rápida para um ponto de máximo, ou seja, em poucas dezenas de gerações, ele estabiliza em uma determinada aérea do espaço de busca. Essa região pode não corresponder a um máximo global dentro da função, mas sim apenas a um ponto de máximo local (TANOMARU, 1995).

A pressão seletiva e a diversidade populacional são fatores de influência direta na velocidade de convergência. As conseqüências variam de acordo com o tipo da pressão seletiva impostas pelo meio ambiente sobre a população. Quando o meio impõe uma pressão seletiva baixa, devido à proximidade dos valores de adequação, o algoritmo genético leva muito tempo para convergir para a região do máximo global. O motivo, para o elevado tempo de convergência, é não haver indivíduos que se destaquem e que sejam capazes de guiar a evolução no sentido do máximo global.

Quando o meio impõe uma pressão seletiva alta, os indivíduos mais aptos dominam as probabilidades de seleção e predominantemente suas características genéticas são passadas

adiante, se espalhando rapidamente e contaminando toda a população. A conseqüência é uma queda na diversidade populacional e um aumento da velocidade de convergência para um máximo, local ou global (BARCELLOS, 2000).

Estabelecer o controle da pressão seletiva, agindo como se fosse o meio ambiente, pode contribuir para diminuir ou aumentar a velocidade de convergência, conforme se deseja vasculhar melhor o espaço de soluções para encontrar os melhores genes ou ressaltar as características dos melhores indivíduos. Com a correta utilização das influências da pressão seletiva na velocidade de convergência, pode-se otimizar o tempo de simulação, evitando que o algoritmo genético convirja para os máximos locais, mas sim encontrando o máximo global no menor tempo.

3.2.2 Direção da Evolução

A direção da evolução é o caminho que o algoritmo genético irá tomar dentro do espaço de soluções em busca do máximo global. O ideal é que o algoritmo genético inicie o processo de busca através de diversos pontos dentro do universo de soluções e siga através do processo evolutivo, de geração a geração, em direção à região do máximo global. No caso da direção adotada pelo algoritmo genético ser a do máximo global, os resultados finais, se não forem a solução do problema, estarão muito próximos dela. Por outro lado, caso a direção adotada pelo algoritmo genético, no decorrer da busca, não seja no sentido da região do máximo global, os resultados finais não irão solucionar da melhor forma o problema em questão.

A pressão seletiva exerce também nesse conceito do algoritmo genético a sua influência. Desse modo, se a pressão seletiva imposta pelo meio ambiente sobre a população for nula, tornará o processo evolutivo totalmente aleatório, ou seja, se todos os indivíduos da população têm probabilidades iguais de sobreviverem, nenhum deles irá impor vantagem sobre o restante

da população para que possa guiar o processo evolutivo. Por outro lado, se a pressão seletiva for muito alta, uma pequena parcela da população terá o domínio sobre praticamente toda a probabilidade de sobrevivência, acabando por restringir demais a direção da evolução, podendo levar o algoritmo a um máximo que não seja o global (BARCELLOS, 2000).

3.2.3 Diversidade populacional

A diversidade populacional, também denominada de diversidade genética, é o quão distintas são as características dos indivíduos dentro da população. Dentro do universo de soluções é importante que se tenha o maior número de informações sobre o espaço. Quanto maiores forem as diferenças entre os indivíduos, ou seja, maior diversidade populacional, maior será a área explorada. A concentração de indivíduos em uma determinada região do espaço caracteriza uma população com baixa diversidade populacional.

De acordo com Fregni (1997), pode-se definir uma métrica referente à diversidade populacional calculada a partir do número de alelos existentes na população dividida pelo número de alelos possíveis no espaço de soluções. Portanto, a diversidade genética pode ser definida como a variação desses alelos dentro da população.

A influência da pressão seletiva dentro da diversidade populacional, bem como nos outros conceitos, gera conseqüências distintas conforme o tipo de pressão aplicada à população. No caso de uma baixa pressão seletiva, o meio ambiente permite que toda a população tenha uma boa probabilidade de sobreviver. Isso facilita, com ajuda do operador de mutação, o aumento da diversidade populacional gerada devido à troca de genes entre toda a população. Com o aumento da diversidade e baixa da pressão seletiva, a velocidade de convergência irá se reduzir (FÁVARO, 1999; FREGNI, 1997).

Quando a pressão exercida pelo meio ambiente for alta, beneficiando os mais aptos e aumentando a velocidade de convergência, haverá uma queda na diversidade populacional. Nesse caso, somente os mais aptos farão proliferar seu material genético. Dessa forma, quando a população se encontrar na região de um máximo local, a queda da diversidade populacional irá dificultar muito o algoritmo genético a sair desse ponto em busca do máximo global da função (FÁVARO, 1999; TANOMARU, 1995).

Observando a ligação entre a pressão seletiva e a diversidade populacional, pode-se dizer que se tratam de duas forças opostas dentro do algoritmo genético. Portanto, o balanceamento adequado entre elas é benéfico para a obtenção de resultados satisfatórios na busca de soluções em problemas complexos (BARCELLOS, 2000; FÁVARO, 1999).

Após investigar a ligação da pressão seletiva e suas influências com alguns dos principais conceitos dentro do processo evolutivo, entende-se como relevante o controle adequado da pressão seletiva na geração de benefícios, aumentando, por exemplo, o desempenho do algoritmo genético na busca por soluções de problemas complexos.