A Cadeia de Markov na Análise de Convergência do Algoritmo Genético quando Ajustado por um Controlador Nebuloso
Cadeia de Markov, Algoritmo Genético, Lógica Nebulosa
A cadeia de Markov será a ferramenta, neste trabalho, usada tanto na modelagem quanto na análise de convergência do algoritmo em estudo. Por outro lado, a escolha do algoritmo genético, para os fins desejados, deve-se ao fato do mesmo ter se tornado uma ferramenta bastante usada pela sua comprovada eficácia na busca de uma solução de boa qualidade para o problema de otimização, problema este bastante frequente em engenharia elétrica, de automação, de computação, dentre tantas outras. Entretanto, para se alcançar um bom desempenho com o aludido algoritmo é necessário que o mesmo tenha um adequado critério na escolha de seus parâmetros, principalmente a probabilidade de mutação e a probabilidade de cruzamento. Em algumas implementações do algoritmo, esses parâmetros são mantidos fixos, durante toda a execução, e neste caso a modelagem do algoritmo por cadeia de Markov resulta em uma cadeia homogênea. Quando a escolha permite a variação dos parâmetros, ao longo da execução, a cadeia de Markov que modela o algoritmo passa a ser do tipo não-homogênea. Portanto, na tentativa de melhorar o desempenho do algoritmo, alguns trabalhos têm ajustado os parâmetros através de um controlador nebuloso, levando em conta o estado presente do algoritmo. Para não comprometer a convergência conseguida para o caso homogêneo, o caso não-homogêneo, pelo ajuste nebuloso, pede que condições adequadas na definição do controlador sejam respeitadas.