Evolver 4.

0
Introduo ao Uso da Ferramenta

Evolver 4.0 - Palisade Corp.

Corp.

Otimizador Gentico Add-in para o Excel

Emprega modelo tradicional de GA
Permite especificar:

Operadores Genticos
Mtodo de Soluo (representao, manipulao)
Parmetros (populao, taxas, condio parada, etc
etc))
Visualizao de resultados (Evolver
(Evolver Watcher
Watcher))

Inclui Examples de aplicaes e Tutorial

Possui Evolver Developers Kit (EDK) biblioteca de funes (C++ e VB)

Caractersticas do Modelo de
Gentico

Inspirado no Handbook of GA (L. Davis)

Reproduo Steady State
Uniform Crossover
Rank Based Selection (Normalizao Linear)
Outros Operadores Genticos e Heursticos
Retries: Range, Soft
Soft,, Hard
Problemas: Minimum
Minimum,, Maximum
Maximum,, Closest
Closest_
_Value To
6 Solving Methods

Interface com Excel

Clulas Excel podem ser:

Ajustveis :
conjunto de variveis (genes), representando uma
soluo do problem a (cromossom a), cujos contedos
sero m anipulados e alterados.

Funo de Avaliao:
funo (Excel) que calcula a avaliao numrica dos
crom ossom as.

Diretrios: Dtools
Evolve32
Examples

System

Visualizao de Resultados

Evolver Watcher
ferramenta stand
stand--alone com vrias funes

Evolver Log
arquivo com resultados para relatrio, comparao
e dados para a re
re--execuo do GA

Status Bar
best,
best, valores originais, recalcs (total de clculos do
modelo) e trials (solues vlidas) e tempo

Clulas Ajustveis
valor das variveis e avaliaes (todos ou best
best))

Evolver Watcher

Progress Graph
best e mdia da populao corrente
Population Settings
aj uste de taxas de crossover e mutao

Population Bar Graph

distribuio dos organismos da populao

Population Report
resumo da ev oluo

Color Table
div ersidade da populao

Population Chart
valores dos cromossomas e aptides

Solving Methods

Define modelo do GA: representao e

operadores tratam variveis de modo diferente
Mtodos principais:
Recipe Solving Method
Order Solving Method
Grouping Solving Method

Mtodos originados a partir dos principais:

Budget Solving Method
Project Solving Method
Schedule Solving Method

Recipe Solving method

Mtodo Receita de Bolo onde as variveis

podem ser ajustadas independentemente
umas das outras.
Restrio apenas do domnio: (mn, mx)
Valores
Originais
23.472
145
9
65,664

Outros Possveis
Valores
15.344
37.452
101
190
32.44
7.073
14,021
93,572

Order Solving Method

Busca a melhor maneira de ordenar os itens

de uma lista.
Valores dos itens devem ser definidos nas
clulas Excel ajustveis, antes da execuo.
Valores
Originais
23.472
145
9
65,664

Outros Possveis
Valores
145
65,664
23.472
9
65,664
145
9
23.472

Grouping Solving Method

Usado em problemas que envolvem mltiplas

variveis para serem arranjadas em grupos.
grupos
# grupos = # valores diferentes nas clulas
Agrupar 80 investimentos em 5 carteiras de modo que
o valor das carteiras seja o mais prximo possvel.

Investimentos

value

group

$10.992
$11.259
$18.993
$13.270

2
1
3
4
5
4
5

$19.159
$27.999
$4.901
$14.771

Group 1 total= $618.934

Group 2 total= $376.397
Group 3 total= $353.789
Group 4 total= $708.995
Group 5 total= $761.152
deviation

$168.697,15

Budget Solving Method

Similar ao Recipe com a restrio de que a

soma das variveis deve se manter constante.
constante
Encontrar a melhor maneira de distribuir o oramento
anual entre departamentos:
Valores
Outros Possveis
Originais
Valores
200
93.1 223.5
3.5
30
0
10
100 -67
10
0.4
67
A soma permanece constante e igual a 223.5.

Project Solving Method

Similar ao Order , exceto que certos itens

(tarefas) devem atender a restries de
precedncia.
Encontrar a menor rota entre cidades, garantindo que
certas cidades so visitadas antes de outras.

Tow n & Tow n ID

1 A lex ander
2 A mbrose
3 A shley
4 Beach
5 Belden
6 Bismarck
7 Bott ineau
8 Bow man

x
10
12
50
6
22

y
42
58
17
30
46

37
40
11

28
55
19

Order to V
1
23
2
34
3
40
4
29
5
10
6
7
8

25
24
17

T his C o mes a ft er
t o wn t hes e t own s

1
2
3
4

3
4
23
14

7
16

5
6
7
8

32

12

13

total:

52365,00

North Dakota Tow n Lo cations

Schedule Solving Method

Mtodo similar a Grouping, onde tarefas com a

mesma durao so escalonadas em n time
blocks (unidades tempo)
Restries: 1(with), 2(not with), 3(before), 4(at),
5(not after), 6(not before), 7(not at), 8(after).
Tarefa
5
12
2
7
6
9

Restrio
4
2
3
1
2
3

Tarefa/Time Block
2 5 deve ocorrer no time block 2
8
1
5 7,5 devem ocorre no mesmo block
4 6 no deve ocorrer com 4
1

Restries

Problemas podem envolver restries nos

valores das variveis ou no resultado para se
encontrar uma soluo vivel.
Solues viveis podem ser difceis de se
encontrar: problemas complexos ou sobreespecificados (restries conflitantes).
3 tipos de restries nos valores das clulas:
Range : domnio (mn
(mn,,mx
mx)) dos valores das variveis.
Hard
Hard:: devem sempre ser satisfeitas (recalc
(recalc x trial
trial).
).
Soft
Soft:: desejveis, mas podem ser relaxadas num
compromisso por maior aptido.

Funes Penalty

Restries Soft podem ser criadas atravs de

funes que penalizam solues invlidas.
Funo Penalty: Penalty = f (desvio_do_objetivo)
Se restrio Soft no foi atendida:
Avaliao (cromossoma)= Avaliao - Penalty (se mx
mx))
Avaliao (cromossoma)= Avaliao + Penalty (se mn)
mn)

Mtodo Budget contm funo penalty intrnseca

para manter a soma das variveis constante.

Exemplo

Investidores desejam minimizar o risco e

maximizar o retorno de investimentos.
Suponha as seguintes escalas:
Risco entre [0, 1]
Retorno entre [0,5]

Se ambos igualmente importantes:

target cell=
cell= return - (risk * 5)

Se buscamos investimentos com risco < 0,3:

If
If((risk
risk>.3,
>.3,--1,0) ; */ IF(condition
IF(condition,, thenTrue
thenTrue,, elseFalse
elseFalse))
target cell=
cell= return - (risk * 5) - 1, se risk > 0,3
target cell=
cell= return - (risk * 5)

, se risk < 0,3

Operadores

Crossover Uniforme
Mutao
Linear Operators
Boundary Mutation
Cauchy Mutation
Non-uniform Mutation
Arithmetic Crossover
Heuristic Crossover
Para o conjunto de operadores selecionado, Evolver
apresenta o desempenho de cada um no log file.

Operadores

Linear Operators - Designed to solve problems where the optimal

solution lies on the boundary of the search space defined by the
constraints. This mutation and crossover operator pair is well suited for
solving linear optimization problems.

Boundary Mutation - Designed to quickly optimize variables that

affect the result in a monotonic fashion and can be set to the extremes of
their range without violating constraints.

Cauchy Mutation - Designed to produce small changes in variables

most of the time, but can occasionally generate large changes.

Non--uniform Mutation - Produces smaller and smaller mutations as

Non
more trials are calculated. This allows Evolver to "fine tune" answers.

Arithmetic Crossover - Creates new offspring by arithmetically

combining the two parents (as opposed to swapping genes).

Heuristic Crossover - Uses values produced by the parents to

determine how the offspring is produced. Searches in the most
promising direction and provides fine local tuning.

Exemplos do Evolver

Adv ertising Selection

Alphabetize
Assignment of Tasks
Bakery
Budget Allocation
Chemical Equilibrium
Class Scheduler
Code Segmenter
Dakota: Routing With
Constraints
Job Shop Scheduling

B
R
O
R
B
R
S
G
P

Radio Tow er Location

Portfolio Balancing
Portfolio Mix
Power Stations
Purchasing
Salesman Problem
Space Navigator
Trader
Transformer
Transportation

Recipe, Budget, Order, Grouping, Project, Schedule

R
G
B
R
R
O
R
R
R
R