Otimização

Definir o algoritmo genético

Ao discutir como os cBots podem ser otimizados, mencionámos que os cBots podem ser refinados usando o método de algoritmo genético. Neste guia, explicamos exatamente o que é e como funciona.

O método de algoritmo genético é baseado na teoria da seleção natural. Esta teoria afirma que apenas os indivíduos mais aptos sobrevivem para reprodução subsequente.

Na otimização de cBot, cada passagem de otimização é considerada um indivíduo. Para avaliar passagens individuais, o algoritmo genético calcula uma certa pontuação de aptidão para cada passagem e compara esta pontuação com todas as outras passagens.

Para funcionar, o algoritmo genético precisa de uma população inicial. Para gerá-la, o otimizador executará várias passagens diferentes com parâmetros aleatórios. Após criar a sua população inicial, o algoritmo iniciará o processo de encontrar a passagem de otimização mais apta. Este processo continua até que as pontuações de aptidão das passagens filhas comecem a estagnar e convergir. Neste ponto, o algoritmo é interrompido.

Etapas do algoritmo genético

Qualquer algoritmo genético tem as seguintes etapas.

graph TB
  B([Seleção]) ==> C([Cruzamento]);
  C ==> D([Mutação]);
  D ==> B;

As etapas são explicadas da seguinte forma.

Seleção

Durante esta etapa, o algoritmo encontra as duas passagens de otimização mais aptas usando as suas respetivas pontuações de aptidão.

Cruzamento

Após encontrar as duas passagens de otimização mais aptas, o algoritmo usa-as para criar novas passagens filhas (ou descendentes) usando combinações dos valores dos parâmetros de ambas as passagens parentais.

Mutação

Nesta etapa, o algoritmo muta as passagens descendentes modificando aleatoriamente um ou mais valores de parâmetros.

Após a etapa de mutação, o otimizador executará uma nova passagem de otimização descendente. Subsequentemente, repetirá todas as etapas, mas apenas se a pontuação de aptidão de uma passagem descendente for maior do que a última passagem de otimização mais apta. Tal resultado significaria que há espaço para melhoria, indicando que a otimização deve continuar.

Caso contrário, o algoritmo aumentará o seu contador de estagnação. Se o contador de estagnação atingir o valor do parâmetro de período de estagnação do algoritmo, o processo de otimização será automaticamente interrompido.

Parâmetros do algoritmo genético

O algoritmo genético tem vários parâmetros que usa durante a sua vida útil. Estes parâmetros não podem ser alterados.