Home

Evolver - Palisade Corporation

1. e Evolver Modelo ba a a Objetivo da Otimiza o M ximo C lula 111 Eis Intervalos de C lulas Ajust veis M nimo Intervalo M ximo Valores Adicionar Receita Caixas produzidas Excluir 100000 Restri es Descri o F rmula Tipo Adicionar Editar Deletar O Evolver experimentar apenas valores entre 0 e 50 000 para as c lulas especificadas Um segundo tipo de restri o inserida nas vari veis inerente a cada um dos m todos de solu o do Evolver receita ordem agrupamento etc Por exemplo quando ajustamos vari veis usando o m todo de or amento significa que o Evolver est restrito de forma r gida a testar apenas conjuntos de valores com o total da mesma quantia O m todo de solu o por agrupamento restringe o Evolver a usar somente os valores contidos na lista especificada de IDs de grupos Da mesma forma que nas restri es de intervalos esta restri o r gida tamb m reduz o n mero de cen rios poss veis que devem ser procurados As op es Inteiro e Discreto na caixa de di logo Modelo tamb m s o restri es r gidas por exemplo podemos instruir o Evolver a testar apenas valores inteiros 1 2 3 etc em vez de n meros reais 1 34 2 034 etc ao ajustar os valores das vari veis 126 Como inserir restri es Restri es r gidas hard personalizadas Qualquer restri o que esteja fora das restri es de vari veis do
2. Autom tico Soft Desfavorece Solu es que n o Atendem a Restri o Fun o de Penalidade ie EI Defini o Estilo de Entrada simples M nimo Intervalo a Restringir M ximo SESE SeA E Le Cancelar O Evolver tem uma fun o penalidade padr o que exibida quando voc insere inicialmente uma restri o flex vel Mas qualquer f rmula v lida do Excel pode ser inserida para calcular a quantidade de penalidade a ser aplicada quando a restri o flex vel ou soft n o atendida Uma fun o de penalidade inserida deve incluir a palavra chave desvio que representa a quantidade absoluta pela qual a restri o ultrapassou o limite No final de cada simula o de uma solu o teste o Evolver verifica se a restri o flex vel foi atendida se n o foi ele insere a quantidade de desvio na f rmula da fun o de penalidade e em seguida calcula o valor da penalidade a ser aplicada na estat stica de simula o da c lula alvo que est sendo minimizada ou maximizada O valor da penalidade pode ser tanto subtra do quanto somado estat stica calculada para a c lula alvo de forma a torn la menos tima Por exemplo se no campo Encontrar o da caixa de di logo Modelo do Evolver foi escolhido M ximo a penalidade ser subtra da da estat stica calculada para a c lula alvo Recursos Adicionais do Evolver 129 Como visualizar os efeitos de uma fun o de penalidade inserid
3. e Qualquer significa que todos os n meros reais de 1 a 4 ser o inclu dos e Inteiros significa que os valores 1 2 3 e 4 ser o inclu dos e Discreto com tamanho da etapa de 0 5 significa que 1 1 5 2 2 5 3 3 5 e 4 ser o inclu dos A defini o padr o incluir todos os n meros reais do intervalo especificado A op o Valor s pode ser usada com os m todos de solu o receita e or amento O uso de c lulas ajust veis discretas reduz substancialmente o n mero de solu es poss veis em compara o s c lulas ajust veis para as quais permitido qualquer valor isso geralmente produz otimiza es mais r pidas Guia de Refer ncia do Evolver 51 Grupos de c lulas ajust veis Cada grupo de c lulas ajust veis pode conter v rios intervalos de c lulas ajust veis Isso permite criar uma hierarquia de grupos de c lulas ajust veis relacionadas Dentro de cada grupo cada intervalo de c lula pode ter sua pr pria restri o de m nimo e m ximo Todos os intervalos de c lulas de um grupo de c lulas ajust veis utilizam o mesmo m todo de solu o Isso definido na caixa de di logo Configura es de grupos de c lulas ajust veis Essa caixa de di logo acessada por meio do bot o Grupo ao lado da tabela Intervalos de c lulas ajust veis Voc pode criar um novo Grupo ao qual pode adicionar intervalos de c lulas ajust veis ou
4. Tipo de restri o Podem ser definidos dois tipos de restri es no Evolver e Hard r gidas s o condi es que precisam obrigatoriamente ser atendidas para que a solu o seja v lida ex uma restri o r gida de itera o poderia ser C10 lt A4 nesse caso se a solu o gerar um valor maior que o da c lula A4 para a c lula C10 a solu o ser descartada e Soft flex veis s o condi es que devem ser atendidas tanto quanto poss vel mas que aceitamos trocar por uma grande melhoria no resultado da c lula alvo ex uma restri o flex vel poderia ser C10 lt 100 mas C10 poderia ser maior que 100 se quando isso ocorresse o valor calculado da c lula alvo fosse reduzido de acordo com a fun o de penalidade que voc inseriu Guia de Refer ncia do Evolver 63 Precis o da restri o Estilo de entrada Restri es flex veis A Precis o da restri o se refere s infra es de restri es que s o t o pequenas que o Evolver poder ignor las e considera a solu o como v lida apesar dessas pequenas infra es Essa pequena imprecis o no processamento das restri es decorre do fato de que os computadores somente podem processar opera es matem ticas com precis o finita Recomendamos deixar o campo Precis o como Autom tica nesse caso o Resumo de otimiza o informar o n mero da precis o efetiva essa a infra o m xima da restri o que ser desconsiderada Ou
5. Andamento todas as tentativas 5 0 45 4 0 3 0 500 4 1 000 7 1 500 7 2 000 4 2 500 7 Modelo 11 M ximo penalidades de restri es flex veis resultado Melhor Valor Encontrado Mab bt Resumo de Otimiza o lt J 2 453 425 0 00 2 453 425 4 546 365 BKI m Pronto Sm 100 3 000 o Este relat rio til para comparar os resultados de otimiza es sucessivas Evolver Passo a Passo 41 Coloca o dos Para colocar na planilha a nova combina o otimizada dos n veis de resultados no produ o de cada um dos seis tipos de p es da padaria modelo 1 Assegure se de que a op o Restabelecer valores originais das c lulas ajust veis n o esteja selecionada quando as Op es de parada estiverem sido exibidas 2 Clique no bot o OK Ser apresentada a planilha Padaria Tutorial passo a passo xlsx com todos os novos valores de vari veis que produzem a melhor solu o Ea E Padaria Tutorial passo a passo xlsx Microsoft Excel os ag Base Inserir Esquema de P gina F rmulas Dados Rever Ver Evolver aBDco8 H du FE Utilidades E cf Ajuda Dei Configura es Iniciar Relat rios Ajuda f v c D E F G H I J a 2 3 Baixo valor cal rico Alto conte do de fibra 5gr os P o tipo italiano Muffins Croissants Totais 4 Caix
6. Selecionar o comando Defini o do modelo do Evolver ou clicar no cone Modelo na barra de ferramentas do Evolver faz com que seja exibida a caixa de di logo Modelo Caixa de di logo Modelo do Evolver A caixa de di logo Modelo do Evolver usada para especificar ou descrever um problema de otimiza o para o Evolver Essa caixa de di logo come a vazia em cada nova pasta de trabalho do Excel mas salva as informa es nela contidas junto com cada pasta de trabalho Isso significa que quando a planilha aberta novamente ela estar preenchida da mesma forma que antes Cada componente da caixa de di logo descrito nesta se o Guia de Refer ncia do Evolver 47 As op es da caixa de di logo Modelo s o Objetivo da otimiza o A op o Objetivo da otimiza o define o tipo de resposta que o Evolver deve procurar Se for selecionado M nimo o Evolver procurar valores de vari veis que produzem o menor valor poss vel na c lula alvo at 1e300 Se for selecionado M ximo o Evolver procurar valores de vari veis que produzem o maior valor poss vel na c lula alvo at 1e300 Se for selecionado Valor alvo o Evolver procurar valores de vari veis que produzem o valor mais pr ximo poss vel do valor especificado pelo usu rio Quando o Evolver encontra uma solu o que produz esse resultado ele p ra automaticamente Por exemplo se voc especificar que o Evolver deve encontrar o
7. es O RISKOptimizer e os algoritmos do Evolver o Algoritmo Gen tico e o OptQuest podem executar buscas inteligentes por meio de permuta es poss veis Isso muito mais pr tico do que buscar todas as possibilidades e muito mais eficiente do que examinar permuta es puramente aleat rias as subordens de cen rios adequados podem ser retidas e usadas para criar cen rios ainda melhores 108 M todos de otimiza o Algoritmos Gen ticos e OptQuest Introdu o sa A dad Hist rias ss aacia a soa ade na eins Exemplo na biologia cccccseecccsseeeeeesseeeeeenseeeeeenseeneeenseeneeenseeeenens Exemplo digital sos eesssseeeeasasenneaaa Algoritmos Gen ticos e OptQuest 109 110 Introdu o Hist ria Teoria da Evolu o Desde seu lan amento inicial o Evolver oferece algoritmos gen ticos para a busca de respostas timas para modelos Na vers o 6 do Evolver foi adicionado o mecanismo de otimiza o OptQuest Este cap tulo fornece informa es adicionais sobre algoritmos gen ticos e OptQuest Os primeiros algoritmos gen ticos foram desenvolvidos no in cio dos anos 1970 por John Holland da Universidade de Michigan Holland estava impressionado com a facilidade que os sistemas biol gicos tinham para executar tarefas que enganavam at os mais poderosos supercomputadores animais podem reconhecer objetos sem falha entender e traduzir sons e navegar por um a
8. es a n o ser que voc use uma semente fixa de gera o de n meros aleat rios Ironicamente esta imprevisibilidade que possibilita que o Evolver solucione mais tipos de problemas e em geral encontre solu es melhores do que as t cnicas tradicionais O mecanismo do algoritmo gen tico do Evolver faz mais do que apenas executar uma s rie de comandos pr programados ou obter valores de uma f rmula matem tica ele experimenta eficientemente muitos cen rios hipot ticos simultaneamente e em seguida refina a busca usando muitos operadores de sobreviv ncia do mais apto que tamb m cont m elementos aleat rios Um motivo semelhante pode ser dado no caso do OptQuest o outro algoritmo de otimiza o do Evolver O OptQuest experimenta diferentes solu es poss veis sempre mantendo controle dos resultados dos experimentos realizados at o momento O fator aleat rio do processo impede que ele volte solu o tima local se houver uma solu o tima global melhor poss vel especificar as configura es que far o com que duas otimiza es do Evolver produzam resultados id nticos Para fazer isso digite qualquer n mero inteiro no campo Semente inicial na guia Exibir da caixa de di logo Configura es de otimiza o Al m disso as condi es de parada Tentativas ou Progresso precisam ser selecionadas na guia Tempo de Execu o dessa caixa de di logo Por que a melhor solu o encontrada n o
9. resultado 144 500 40 N mero da melhor tentativa 7161 41 Tempo para Encontrar Melhor Valor 0 00 17 42 Raz o para Interrup o da Simula o Bot o de Interromper Pressionado 43 Tempo em que a Otimiza o come ou 14 01 2013 14 12 a M 4 gt Resumo de Otimiza o lt Registro de Otimiza o Redi 4 m rf Pronto 24 B 100 gt y Este relat rio til para comparar os resultados de otimiza es sucessivas Guia de Refer ncia do Evolver 93 e Registro de todas as tentativas Este relat rio registra os resultados de todas as tentativas realizadas Os valores em magenta indicam que uma restri o n o foi atendida mo El Ficheiro Inserir Esquema de Pagina F rmulas Dados FE 4 Utilidades dy gt ES Ajuda Defini o Configura es Iniciar Relat rios do Modelo z Modelo Otimiza o Ajuda Livro6 Microsoft Excel o E gZ Rever Ver Evolver e6Q cof 8 Al M f C D B ee Registro de Todas as Tentativas 2 Executado por Palisade 3 Data segunda feira 14 de janeiro de 2013 14 13 14 4 Modelo de dsx Tempo Decorrido Resultado E F G H 1 J K m pipe C lulas Ajust veis Restri es Hard C13 D13 E13 F13 G13 Custosder dio TV Or amento 00 00 02 112 000 00 00 02 N D 00 00 02 128 000 00 00 02 N D 00 00 02 128 000 00 00 02 N D 00 00 02 N D 00 00 02 128 000 00 00 02 N D 00 00 02 N D 00 00 02
10. Manual do Usu rio Evolver Solver de Algoritmo Gen tico para o Microsoft Excel Vers o 7 junho 2015 Palisade Corporation 798 Cascadilla St Ithaca NY 14850 EUA 1 607 277 8000 1 607 277 8001 fax http www palisade com website sales palisade com e mail FEET Direitos Autorais Copyright O 2015 Palisade Corporation Reconhecimento de marcas comerciais Microsoft Excel e Windows s o marcas registradas da Microsoft Corporation IBM marca registrada da International Business Machines Inc Palisade Evolver TopRank BestFit e RISKview s o marcas registradas da Palisade Corporation RISK marca comercial da Parker Brothers divis o da Tonka Corporation e usada sob licen a Indice ndice i Introdu o 1 Introdu o a ad AO 3 Instru es de instala o ss isssrsasereecennaaes 7 No es Gerais 11 O que 0 EvolVer ssni iisa neaateseisczesseceueteqiadiiesestaniczes 13 Evolver Passo a Passo 21 Introdu o 2 2 22 22 aaaea aaa iaire naaa asana anes abaan aas 23 Tour do EVOIVEL c2s eeeeceeeeneeeeeeeeeeeeenneneaeeeceseeeenseneaeeeeeseeneeseneenenees 25 Guia de Refer ncia do Evolver 45 Comando Defini o do MOCEIO cccsccsseceseeeeeseeeeeeeseeeeeseeeensees 47 Comando Configura es de otimiza o ennnen 67 Comando Iniciar otimiza o sssssseenneennennnnennnnnnnennnnnnnnnnn ennenen 79 Comandos
11. o Mostrar rec lculos do Excel ou defina a como A cada nova melhor tentativa na guia Exibir da caixa de di logo Configura es de otimiza o Anexo B Perguntas e Respostas 143 144 Anexo C Recursos Adicionais Recursos adicionais de aprendizagem A lista a seguir representa uma amostra seleta de materiais sobre algoritmos gen ticos e intelig ncia artificial O asterisco indica materiais recomendados para leitura pela Palisade Livros Bolles R C amp Beecher M D Eds 1988 Evolution and Learning Lawrence Erlbaum Beer R D 1990 Intelligence as Adaptive Behavior An Experiment in Computational Neuroethology Academic Press e Davis Lawrence 1987 Genetic Algorithms and Simulated Annealing Palo Alto CA Morgan Kaufman Davis Lawrence 1991 Handbook of Genetic Algorithms New York Van Nostrand Reinhold e Darwin Charles 1985 On The Origin of Species London Penguin Classics originally 1859 Dawkins Richard 1976 The Selfish Gene Oxford University Press Eldredge N 1989 Macroevolutionary Dynamics Species Niches and Adaptive Peaks McGraw Hill Fogel L Owens J and Walsh J 1966 Artificial Intelligence through Simulated Evolution New York John Wiley and Sons e Goldberg David 1989 Genetic Algorithms in Search Optimization and Machine Learning Reading MA Addison Wesley Publishing e Holland J H 1975 Adaptation in Natura
12. o de Otimiza o Tentativas 1000 J Tempo ia Minutos iv Progresso M xima Mudan a 0 01 N mero de Tentativas 20000 F rmula Verdadeira E Parar nos Erros OK Cancelar Na caixa de di logo Configura es de otimiza o voc pode selecionar qualquer combina o das condi es de parada ou nenhuma Se voc selecionar mais de uma condi o de parada o Evolver ir parar quando uma delas ocorrer Se voc n o selecionar nenhuma condi o de parada o Evolver rodar at ser interrompido manualmente por um clique no bot o parar da barra de ferramentas ele tamb m parar ap s ter experimentado todas as solu es poss veis Evolver Passo a Passo 35 Tentativas Dura o Progresso F rmula verdadeira Esta op o define o n mero de tentativas que o Evolver deve fazer Em cada tentativa o Evolver avalia um conjunto completo de vari veis ou uma nica solu o poss vel para o problema O Evolver p ra ap s o intervalo de tempo especificado ter se esgotado Esse n mero pode ser uma fra o 4 25 Esta condi o de parada a mais usada porque acompanha o grau de melhoria e deixa o Evolver rodar at ele come ar a diminuir Por exemplo o Evolver poder parar se tiverem sido feitas 20 000 tentativas e o valor da c lula alvo n o tiver melhorado mais de 0 01 O Evolver p ra s
13. pode inserir apenas o valor M n apenas o M x ou ambos Uma restri o de f rmula por outro lado permite inserir qualquer f rmula v lida do Excel como restri o Por exemplo poss vel inserir a seguinte f rmula SE A1 gt 100 B1 gt 0 B1 lt 0 Nessa restri o a exig ncia de B1 ser positivo ou negativo depender do valor da c lula Al Como alternativa a f rmula pode ser digitada em uma c lula se a c lula for C1 pode se digitar C1 no campo F rmula da caixa Configura es de restri es Em geral digitar restri es no formato simples ajuda o RISKOptimizer a encontrar mais rapidamente a melhor solu o A f rmula mencionada acima poderia ser digitada na c lula D1 como SE A1 gt 100 B1 B1 Em seguida pode se digitar uma restri o de formato simples que exija que D1 gt 0 32 Tour do Evolver Para inserir as restri es no modelo Padaria seria necess rio especificar tr s novas restri es r gidas Essas restri es s o r gidas porque as condi es definidas precisam ser atendidas caso contr rio a solu o ser descartada pelo Evolver Primeiro insira as restri es r gidas em formato simples 1 2 3 4 5 Evolver Passo a Passo Insira o Total aceit vel de horas de trabalho na caixa da descri o Na caixa Intervalo a Restringir digite I8 Selecione o operador lt direita do Intervalo a Restringir Na caixa M ximo insira 50 000 Clique
14. 1 o Evolver geralmente pode resolver problemas com restri es flex veis de forma mais r pida 2 um modelo com restri es flex veis poder encontrar uma solu o tima que quase atende as restri es flex veis que muitas vezes pode ser mais valiosa do que uma solu o n o t o boa mas que atende as restri es r gidas hard 153 Restri es r gidas ou hard Sobreviv ncia do mais apto Solu o Tentativas Uma restri o que obrigatoriamente precisa ser atendida Por exemplo os intervalos de vari veis em um problema tipo receita podem ser restri es r gidas hard como no caso de uma vari vel definida entre 10 e 20 que nunca pode assumir um valor menor que 10 ou maior que 20 Consulte Restri es flex veis ou soft O conceito de que organismos melhor adaptados a um ambiente t m maior probabilidade de sobreviver o tempo suficiente para se reproduzir e passar seus genes para a pr xima gera o da popula o Todo sistema cont m muitas vari veis de entrada que produzem um output No Evolver uma solu o em geral se refere a uma das poss veis combina es de vari veis e n o s melhor combina o O processo pelo qual o Evolver gera um valor para cada vari vel do problema e recalcula o cen rio para avalia o 154 ndice remissivo ndice remissivo A Adicionar como inserir restri es algoritmo defini o algoritmos gen ticos por que us
15. 140 500 142 000 143 000 143 500 144 000 144 500 4 4 4 4 4 20 20 20 20 20 20 19 20 20 4 4 000 4 000 3 700 3 400 4 600 4 300 1 900 1 300 6 600 58 000 11 450 10 300 10 000 43 200 49 200 49 500 549 800 46 600 46 900 49 300 49 900 49 800 49 900 49 850 49 700 50 000 v EENIA Registro de Otimiza o Registro de Otimiza o 2 f2 0K m ri Pronto E IE 100 Q Guia de Refer ncia do Evolver 95 96 Otimiza o M todos de otimiza o a 99 Sobre algoritmos Hill Climbing gradiente ascendente 101 Otimiza o local com o Solver do Excel s esses 103 Otimiza o Global Solver comparado aos add ins da Palisade104 Tipos de problemas crererererererererererasasasasnsasassesesesesesesasnsnena 105 Problemas lineares ises niesi oii a 105 Problemas n o lineares scsscscsssssesssssscessssssssesesseseseseees 106 Problemas combinat rios sesesesseseesesesessereseesesesssseserceseseseesese 108 Otimiza o 97 98 M todos de otimiza o Otimiza o J apresentamos alguns exemplos de problemas de otimiza o nos tutoriais Alguns problemas de otimiza o s o muito mais dif ceis de resolver que outros Para problemas dif ceis como encontrar a rota mais curta entre 1000 cidades n o vi vel exam
16. Evolver pode ser inserida usando a caixa de di logo Configura es de restri es amp Evolver Configura es de Restri es al Descri o Tipo de Restri o Hard Descarta Solu es que n o Atendem a Restri o Precis o Autom tico Eq C Soft Desfavorece Solu es que n o Atendem a Restri o Fun o de Penalidade 100 EXP DESVIO 100 1 E Defini o Estilo de Entrada Simples Minimo Intervalo a Restringir M ximo l z El lt O Evolver n o gera solu es que n o atendem s restri es de intervalo e de outras vari veis Por outro lado o Evolver pode gerar solu es que n o atendem a restri es personalizadas Nesse caso a solu o precisa ser avaliada antes de ser descartada como inv lida Contudo com o mecanismo OptQuest todas as restri es lineares s o processadas como restri es de intervalos de vari veis N o s o geradas solu es que n o atendem determinada restri o Uma restri o que especifica uma soma fixa de um grupo de c lulas ajust veis um exemplo de restri o linear Ela corresponde restri o integrada no m todo de solu o Or amento Isso significa que em vez de usar o m todo Or amento o usu rio pode escolher o m todo Receita e especificar uma restri o linear adequada Recursos Adicionais do Evolver 127 Fun es de penalidade Restri es flex veis soft For ar um programa a en
17. SE A1 gt B1 A1 B1 2 0 Esse tipo de fun o de penalidade mede qu o pr xima a restri o est de ser atendida e exagera essa diferen a atrav s de seu quadrado Agora nossa penalidade se altera com base na medida em que a solu o viola a restri o Por exemplo suponha que voc criou um modelo de uma f brica em que uma das restri es que a quantidade de madeira usada deve ser igual quantidade de pl stico usada Esta restri o atendida quando QtdMad QtdPlast Desejamos encontrar solu es que incluam a mesma quantidade de ambos os materiais ent o criamos uma fun o de penalidade para desencorajar solu es que se desviem de nossa meta A formula ABS QtdMad QtdPlast computa a diferen a absoluta n o negativa entre a quantidade de madeira e de pl stico sendo usada Empregando a fun o aBS chegamos mesma penalidade se QtdMad for 20 unidades maior que QtdPlast ou se OtdPlast for 20 unidades maior que OtdMad Quando otimizamos o modelo nossa meta minimizar a m dia dos resultados da simula o para esta diferen a absoluta Recursos Adicionais do Evolver 131 Suponha que impusemos a seguinte restri o a quantidade de madeira deve ser o dobro da quantidade de pl stico A fun o de penalidade seria ent o ABS QtdMad QtdPlast 2 Uma outra restri o poss vel que a quantidade de madeira deve ser n o mais do que duas vezes a quantidade de pl stico Enquanto o exe
18. ordem em que se encontram no genitor original Isto preserva algumas das sub ordens dos genitores originais e cria algumas novas subordina es Davis Lawrence 1991 Handbook of Genetic Algorithms New York Van Nostrand Reinhold 136 Como o Evolver efetua a otimiza o com o algoritmo gen tico Muta o Substitui o Restri es De forma semelhante ao crossover os m todos de muta o s o customizados para cada m todo de solu o O m todo b sico de solu o receita faz a muta o examinando cada vari vel individualmente Um n mero aleat rio entre O e 1 gerado para cada vari vel do organismo e se a vari vel obt m um n mero que menor ou igual taxa de muta o ex 0 06 ent o ocorre muta o nessa vari vel A magnitude e tipo da muta o s o automaticamente determinados por um algoritmo propriet rio Fazer muta o em uma vari vel envolve substitu la por um valor gerado aleatoriamente dentro do intervalo min max v lido Para preservar os valores originais o m todo de solu o ordem executa a muta o pela altern ncia de posi es de algumas vari veis no organismo O n mero de trocas executadas aumentado ou reduzido proporcionalmente ao aumento e diminui o da configura o da taxa de muta o entre 0 e 1 Como o Evolver utiliza um m todo de substitui o baseado em ordem e n o um m todo geracional os organismos com pior performance s o sem
19. os camundongos pequenos e escuros s o mais dif ceis para os gatos encontrarem Assim os camundongos diferentes possuem diferentes chances de evitar os gatos at terem tempo suficiente de se reproduzir Isto afeta a natureza da pr xima gera o de camundongos Pressupondo que os camundongos mais velhos morrem logo ap s reproduzirem a pr xima gera o de camundongos ser aproximadamente assim 000000 Note que os camundongos grandes e os camundongos claros e especialmente os grandes e claros t m dificuldade para sobreviver o tempo suficiente a ponto de se reproduzirem Isto continua para a pr xima gera o 29900089 9 Algoritmos Gen ticos e OptQuest 115 Agora a popula o consiste principalmente de camundongos pequenos e escuros porque estes camundongos s o mais ajustados para sobreviver neste ambiente do que os outros tipos de camundongos De forma similar os gatos come am a ficar mais famintos porque h menos camundongos para comer e talvez os gatos que prefiram comer grama sejam melhor adaptados e passem seu gene de amor pela grama para uma nova gera o de gatos Este o conceito central da sobreviv ncia do mais apto Mais precisamente poderia ser melhor colocado como sobreviv ncia at a reprodu o Em termos de evolu o ser o solteiro mais saud vel na popula o in til uma vez que voc precisa se reproduzir para os seus genes influenciarem futuras gera es 116 Exemplo n
20. ou seja restri es que exigem a execu o de certas tarefas antes de outras Problemas mais complexos de agendamento ou cronogramas tamb m s o problemas combinat rios O mesmo software Evolver pode solucionar todos esses tipos de problemas e muitos outros que outras ferramentas tipo solver n o conseguem solucionar O Evolver encontra melhores solu es A maioria dos softwares emprega uma deriva o matem tica e sistem tica para chegar a solu es otimizadas Frequentemente esses m todos se limitam a pegar uma solu o existente e procurar a resposta mais pr xima que seja melhor Essa solu o local obtida pode estar muito longe de ser a melhor solu o O Evolver por outro lado coleta amostras de modo inteligente de todo o universo de possibilidades produzindo uma solu o global muito melhor 18 O que o Evolver Mais f cil de usar Custo beneficio No es Gerais Apesar de todas as vantagens de capacidade e flexibilidade que o Evolver oferece ele um programa f cil de usar porque absolutamente desnecess rio entender suas t cnicas complexas de otimiza o Para o Evolver os elementos b sicos do problema n o s o importantes ele s precisa de um modelo em planilha eletr nica para poder avaliar os diversos cen rios Voc s precisa selecionar as c lulas da planilha que cont m as vari veis e informar ao Evolver o que est procurando O Evolver inteligentemente oculta
21. s posi o comprar vender reter Da mesma forma que com o m todo de solu o ordem neste caso tamb m o Evolver organiza os valores j existentes portanto n o h necessidade de definir o intervalo m n m x nem a op o de n meros inteiros b Do ay Por exemplo vamos supor que estamos usando um intervalo de 50 NOTA Ao usar o m todo de solu o agrupamento n o deixe nenhuma c lula em branco a menos que queira que 0 0 seja considerado um dos grupos Talvez voc note que poderia ser feita uma aproxima o do m todo de solu o agrupamento usando se o m todo receita com a op o de n meros inteiros selecionada e os intervalos definidos como de 1 a 3 ou da forma correspondente ao n mero de grupos existentes A diferen a a forma como a pesquisa feita no m todo de receita e no agrupamento de c lulas ajust veis Ao tentar solucionar um problema de agrupamento o algoritmo se concentra muito mais nos valores de todas as vari veis porque ele pode trocar um conjunto de vari veis de um grupo por um conjunto de vari veis de outro grupo 56 Comando Defini o do modelo A seguir apresentamos exemplos de um conjunto de valores de vari veis da forma como poderiam aparecer em uma planilha antes do processamento pelo Evolver e dois novos cen rios que poderiam ser apresentados depois de usar o m todo de solu o agrupamento Conjunto original de Conjunto de p
22. Evolver e fornece informa es atualizadas sobre quest es usuais problemas e sugest es Ap s ler esta se o voc pode contatar o suporte da Palisade nos n meros indicados no cap tulo inicial deste manual P Por que estou tendo problemas na obten o de uma resposta v lida do Evolver R Verifique se a caixa de di logo do Evolver est configurada corretamente A maioria dos problemas relaciona se configura o das vari veis Cada grupo de c lulas ajust veis deve ser nico ou seja nenhuma c lula ou intervalo de c lulas deve ser processado por mais de um m todo de solu o P O Evolver pode lidar com conceitos ou categorias em vez de apenas n meros R O Evolver pode lidar indiretamente com qualquer tipo de dado pois n meros s o simplesmente s mbolos Use uma tabela de refer ncia do Excel para converter n meros inteiros em sequ ncias de texto O Evolver como todos os programas de computador em ltima inst ncia lida apenas com n meros mas a sua interface pode usar esses n meros para representar e exibir qualquer sequ ncia de dados Anexo B Perguntas e Respostas 141 P Embora eu preencha as caixas de di logo da mesma forma e deixe o Evolver rodar durante o mesmo intervalo de tempo por que o Evolver s vezes encontra solu es diferentes Assim como no caso da sele o natural no mundo biol gico o algoritmo gen tico do Evolver nem sempre segue o mesmo caminho na busca de solu
23. Gen tico for usado tamb m ser o exibidas ferramentas para ajustar a taxa de crossover e muta o Observador do Evolver Progresso Registro Popula o Diversidade Condi es de Parada Valores de C lulas Ajust veis Tentativa Resultado E4 E5 E6 E7 E8 Melhor 4812 12254 0213 1152 3157 899 9875 1782 6760 418 4284 746 59 Original 1 2030 600 200 1000 2000 1200 ltimo 7180 6183 8314 1165 4342 1027 7374 2000 477 6556 329 17 Par metros do algoritmo gen tico Taxa de Crossover af Bi Taxa de Muta o af El 0 5000 Ale 0 1000 ojaa ma Os Par metros do algoritmo gen tico permitem que voc altere as taxas de Crossover e Muta o do algoritmo gen tico quando o problema estiver em progresso Todas as mudan as feitas nesta etapa cancelam a configura o original desses par metros e s o efetivadas imediatamente Quase sempre recomendamos o uso do valor padr o de crossover de 0 5 Para muta o em muitos modelos voc pode aument la at 0 4 se desejar encontrar a melhor solu o e estiver disposto a aguardar mais tempo Definir o valor da muta o como 1 o m ximo resultar em uma adivinha o completamente aleat ria porque o Evolver faz a muta o depois do crossover Isto significa que ap s os dois genitores selecionados serem cruzados para criar um indiv duo neste caso uma solu o 100 dos genes da solu o sofrer o muta o com n mer
24. a tecnologia dif cil subjacente e automatiza o processo de varia es hipot ticas what if na an lise do problema Embora muitos programas comerciais tenham sido desenvolvidos para programa o matem tica e constru o de modelos os programas de planilhas eletr nicas ainda s o sem d vida os preferidos dos usu rios e milh es desses programas s o vendidos todos os meses Com um formato intuitivo de linhas e colunas as planilhas eletr nicas s o mais f ceis de configurar e manter do que outros pacotes especializados Elas tamb m s o mais compat veis com outros programas como processadores de texto e bancos de dados e oferecem um maior n mero de f rmulas predefinidas op es de formata o recursos para elabora o de gr ficos e macros do que qualquer outro pacote aut nomo Como o Evolver um suplemento ou add in para o Microsoft Excel o usu rio tem acesso gama completa de fun es e ferramentas de desenvolvimento deste o que lhe permite construir facilmente modelos mais real sticos do seu sistema Muitas empresas contratam consultores treinados para criar sistemas de otimiza o personalizados Esses sistemas geralmente funcionam bem mas requerem muitos meses de trabalho e investimento para serem desenvolvidos e implantados Esses sistemas tamb m s o dif ceis de aprender e portanto incorrem custos de treinamento e manuten o constantes Se o sistema precisar ser alterado poder ser necess rio d
25. de produ o perfeitamente balanceado requerer um processo de otimiza o que leve um dia inteiro Nesse caso uma boa solu o para o problema que quase atende restri o produ o de 40 garfos 23 facas 37 colheres geralmente melhor do que esperar o dia inteiro para saber que talvez n o haja nenhuma solu o porque n o h possibilidade de atender a todas as restri es Restri es flex veis podem ser facilmente inseridas no Excel com o uso de fun es de penalidade Em vez de instruir o Evolver a que absolutamente n o use certos valores quando estiver buscando solu es voc pode permitir que esses valores inv lidos sejam explorados mas penalizando estas solu es Por exemplo suponhamos que o problema seja encontrar a forma mais eficiente de distribuir mercadorias com a restri o de que s podem ser usados tr s caminh es Um modelo mais exato incluiria uma fun o de penalidade que permitira usar mais caminh es mas adicionaria um custo significativo ao resultado As fun es de penalidade podem ser especificadas na caixa de di logo Configura es de restri es ou inseridas diretamente no modelo por meio de f rmulas que representem as fun es de penalidade 128 Como inserir restri es Como inserir uma e Evolver Configura es de Restri es fun o de penalidade Descri o Tipo de Restri o Hard Descarta Solu es que n o Atendem a Restri o
26. de valores X Y e Z Se colocarmos o ponto em um local aleat rio esperamos que o m todo de hill climbing leve o ponto at o local mais alto do gr fico No diagrama acima podemos ver claramente que queremos que o ponto suba a colina direita Entretanto s sabemos disso porque vimos a paisagem como um todo medida que o algoritmo u An executado ele v a paisagem imediatamente pr xima mas n o a paisagem como um todo ele v as rvores mas n o a floresta Otimiza o 101 Na maior parte dos problemas reais a paisagem n o t o suave e precisaria de anos para ser calculada ent o calculamos apenas o cen rio atual e os imediatamente adjacentes Imagine que o ponto uma pessoa vendada em p entre colinas suaves e onduladas Se a pessoa usasse o algoritmo hill climbing ela colocaria um p em cada dire o e apenas se moveria se sentisse uma eleva o Essa pessoa caminharia em dire o ao topo e eventualmente poderia chegar l Parece bastante simples Entretanto teremos um problema bastante s rio se a pessoa come ar em outro lugar Ela pode subir a colina errada Veja o diagrama abaixo TA IK Ss SSS ease gt SS lt P CIA Y SILT 5 EPE A Mesmo com uma fun o suave o hill climbing pode fracassar se voc come ar em um ponto ligeiramente diferente direita O m todo hill climbing subida de encosta ou gradiente ascendente encontra apenas o topo
27. descri o por extenso ap s n o em etc Nota No que se refere inser o de restri es as vers es do RiskOptimizer em todos os idiomas reconhecem a descri o em ingl s e na forma traduzida Todas as restri es especificadas no problema ser o atendidas Para criar restri es procure um espa o em branco na planilha e crie uma tabela nessa tabela as colunas da esquerda e da direita representam tarefas e a coluna do meio representa os tipos de restri es Um n mero entre 1 e 8 representa o tipo de restri o mencionada acima Antes de come ar a otimiza o necess rio que as c lulas do intervalo de restri o contenham os dados da restri o Esta tarefa Esta tarefa Guia de Refer ncia do Evolver N mero de blocos de tempo e c lulas com restri es A seguir apresentamos exemplos de um conjunto de valores de vari veis da forma como poderiam aparecer em uma planilha antes do processamento pelo Evolver e dois novos cen rios que poderiam ser apresentados depois de usar o m todo de solu o agendamento Conjunto original de Conjunto de poss veis Outro conjunto de valores das vari veis valores de poss veis valores de agendamento agendamento NOTA Ao selecionar o m todo de solu o agendamento sempre s o usados n meros inteiros a partir de 1 1 2 3 independentemente dos valores originais contidos nas c lulas ajust veis Esses valores representam os hor rios e
28. do Evolver em problemas complexos O usu rio talvez queira aumentar a taxa de muta o caso a popula o usada pelo Evolver seja razoavelmente homog nea e nenhuma solu o tenha sido encontrada nas ltimas centenas de tentativas As mudan as t picas desta defini o variam de 0 06 a 0 2 Se o Evolver j tiver come ado a resolver o problema voc pode mudar a taxa de muta o usando o Observador do Evolver consulte a se o Observador do Evolver neste cap tulo Selecione Auto na lista suspensa do campo da taxa de muta o para que ela seja ajustada automaticamente O ajuste autom tico da taxa de muta o permite que o Evolver aumente a taxa automaticamente quando um organismo envelhece significativamente isto permanece no mesmo lugar no decorrer de um grande n mero de tentativas Em muitos modelos especialmente em casos em que n o se sabe qual a taxa de muta o selecionar Auto pode produzir melhores resultados com mais rapidez O Evolver cont m operadores gen ticos selecion veis que podem ser usados com o m todo de solu o receita Clique no bot o Operadores na caixa de di logo Configura es de otimiza o da guia Mecanismo para selecionar um operador gen tico espec fico ex crossover heur stico ou muta o boundary a ser usado para gerar os valores poss veis para um conjunto de c lulas ajust veis Al m disso o Evolver pode testar automaticamente todos os operadores dispon veis e iden
29. e pesquisa com rela o ao tamanho timo de popula o a ser utilizado em diferentes problemas de modo geral recomendamos usar de 30 a 100 organismos na popula o dependendo do porte do problema maiores popula es para maiores problemas A no o comum que uma popula o maior prolonga a busca da solu o mas fornece maior probabilidade de encontrar uma resposta global devido maior diversidade de genes presentes Crossover e Muta o Um dos problemas mais dif ceis ao procurar a melhor solu o para problemas que aparentemente t m infinitas possibilidades saber no que se concentrar Em outras palavras quanto tempo computacional deve ser dedicado a buscas em novas reas do espa o de solu o e quanto tempo deve ser dedicado a refinar as solu es j encontradas que foram comprovadas como adequadas Grande parte do xito do algoritmo gen tico atribu da sua capacidade inerente de manter esse equil brio A estrutura do algoritmo gen tico permite que as boas solu es se reproduzam mas ao mesmo tempo ela mant m organismos menos aptos por perto para preservar a diversidade na esperan a de que possa haver um gene mais relevante para a solu o final Guia de Refer ncia do Evolver 71 Crossover e Muta o s o dois par metros que afetam o escopo da busca no Evolver o usu rio pode mudar esses par metros antes de e durante o processo evolutivo Assim um usu rio com mais conhecimento p
30. est se alterando Talvez voc tenha especificado a c lula alvo errada na caixa de di logo Modelo do Evolver O Evolver est vendo esta c lula em branco e o valor n o se altera porque n o h f rmula Para corrigir isto abra a caixa de di logo Modelo do Evolver e selecione uma c lula alvo adequada isto que indique com exatid o em que medida a solu o adequada ou inadequada Uma c lula alvo adequada tem uma f rmula que depende direta ou indiretamente das vari veis que o Evolver est ajustando c lulas ajust veis 142 Perguntas e Respostas P Algumas c lulas na minha planilha cont m s mbolos R Se a c lula for muito pequena para exibir todo o conte do ela exibir v rios s mbolos Aumente o tamanho da c lula P O Evolver est funcionando bem mas h alguma forma simples de obter melhores resultados R Experimente os dois algoritmos de otimiza o dispon veis no Evolver algoritmo gen tico e OptQuest Tente executar otimiza es com os dois usando a op o Manual da guia Mecanismo na caixa de di logo Configura es de otimiza o observe que o relat rio de resumo da otimiza o indica qual algoritmo foi usado No caso do algoritmo gen tico pode se experimentar diversos valores para a taxa de muta o e diversas sele es de operadores gen ticos Quanto mais cen rios o Evolver puder rodar melhor Acelere o processo do Evolver desmarcando a op
31. ex A5 C9 descreve um intervalo de 15 c lulas O maior valor poss vel para uma dada fun o Fun es ou modelos complexos podem ter muitos m ximos locais mas s um m ximo global O maior valor poss vel para uma dada fun o dentro de um intervalo especificado de valores Um m ximo local existe em um conjunto de valores para vari veis de uma fun o se uma ligeira mudan a em um ou em todos os valores das vari veis produzir um resultado menor a partir da fun o Comparar com m ximo global 152 M todo de solu o Modelo Muta o OptQuest Otimiza o Popula o Restri es Restri es flex veis ou soft Gloss rio O Evolver apresenta seis m todos de solu o cada qual usando um algoritmo customizado para resolver um tipo espec fico de problema Para cada conjunto de vari veis selecionado em um problema o usu rio deve designar o m todo de solu o associado a essas vari veis Os seis m todos de solu o s o agrupamento ordem receita or amento projeto e agendamento Para fins deste manual um modelo uma representa o num rica de uma situa o real no Excel Em biologia muta o gen tica a fonte de varia o necess ria para a sele o natural eficaz De forma semelhante um algoritmo gen tico usa t cnicas de muta o para manter a diversidade em uma popula o de poss veis cen rios Mecanismo de otimiza o algoritmo que direciona
32. geral resultam em uma capacidade til e vital para a sobreviv ncia de uma esp cie Com um maior intervalo de combina es poss veis uma popula o tamb m menos suscet vel a fraquezas comuns que Algoritmos Gen ticos e OptQuest 111 poderiam destruir a todos v rus etc ou outros problemas associados reprodu o na aus ncia de diversidade Uma vez que a evolu o foi dividida nestes elementos fundamentais fica mais f cil aplicar estas t cnicas no mundo computacional e efetivamente come ar a mover na dire o de m quinas mais fluidas e comportamentos mais naturais Holland come ou a aplicar estas propriedades de evolu o a sequ ncias de n meros simples que representavam cromossomos Primeiro ele codificou os problemas em sequ ncias bin rias linhas de Os e 1s para representar os cromossomos e fez com que o computador gerasse muitas destas sequ ncias de bits para formar uma popula o completa das mesmas Uma fun o objetivo foi programada para avaliar e ordenar cada sequ ncia e as sequ ncias que foram consideradas mais adaptadas ou aptas come aram a trocar dados com outras atrav s de uma rotina de crossover para gerar filhos Holland at submeteu seus cromossomos digitais a um operador de muta o para manter a diversidade na popula o Esta fun o objetivo substituiu o papel da morte no mundo biol gico determinando que sequ ncias eram boas o suficiente para continuar ger
33. lineares especificadas e economizam tempo por desconsiderarem solu es inv lidas Ocasionalmente o OptQuest pode gerar uma solu o que n o atende a uma restri o linear visto que os computadores n o processam c lculos com precis o infinita Nesses casos a solu o exibida como inv lida nos registros do Evolver O exemplo Padaria demonstra o processamento de restri es lineares pelo OptQuest Duas das tr s restri es s o lineares e todas as solu es geradas pelo OptQuest atendem a essas duas restri es Por outro lado a restri o Total aceit vel de horas de trabalho n o linear e n o atendida por algumas das solu es geradas Restri es n o lineares As restri es n o lineares s o processadas com efici ncia pelo OptQuest inclusive as situa es nas quais os valores originais das c lulas ajust veis s o inv lidos n o atendem s restri es especificadas O Algoritmo Gen tico geralmente requer que os valores originais das c lulas ajust veis atendam s restri es Se a solu o original for inv lida a ferramenta Solver de restri es encontra uma solu o v lida fornecendo um ponto de partida para a otimiza o que usa o algoritmo gen tico O OptQuest n o requer o uso do Solver de restri es Se a solu o original for inv lida o OptQuest poder iniciar a otimiza o gerando uma sequ ncia de solu es inv lidas Entretanto durante este est gio ele co
34. nico pode ser definida nos extremos do intervalo sem infringir restri es Muta o Cauchy muta o elaborada para produzir pequenas mudan as nas vari veis na maioria das vezes mas ocasionalmente pode produzir grandes mudan as Muta o n o uniforme produz muta es cada vez menores medida que s o calculadas mais tentativas Isso permite que o Evolver fa a um ajuste fino das respostas Crossover aritm tico cria um novo indiv duo por meio da combina o aritm tica de dois genitores em vez de pela troca de genes Crossover heur stico usa valores produzidos pelos genitores para determinar como ser produzido o novo indiv duo Ele efetua a busca no sentido mais promissor e faz o ajuste fino local Dependendo do tipo de problema de otimiza o certas combina es de operadores de muta o e crossover podem fornecer melhores resultados que outras Na guia Operadores da caixa de di logo Configura es do grupo de c lulas ajust veis ao usar o m todo de solu o Receita qualquer n mero de operadores pode ser selecionado Quando forem feitas v rias sele es o Evolver testar as combina es v lidas dos operadores selecionados para identificar quais apresentar o o melhor desempenho para o seu modelo Ap s executar a otimiza o a planilha Sum rio de otimiza o classifica cada um dos operadores selecionados segundo o desempenho durante a 74 Comando Configura es de otimiz
35. no Excel os recursos de macros e a interface intuitiva e agilizada permitem que at mesmo usu rios principiantes modelem e analisem problemas sofisticados Para saber mais sobre como construir um modelo veja Recursos Adicionais do Evolver 16 O que o Evolver N o mais necess rio adivinhar Maior exatid o maior signific ncia No es Gerais Por que usar o Evolver Com a tecnologia exclusiva do Evolver qualquer pessoa que tenha um computador e o Excel para Windows pode aproveitar os benef cios da otimiza o Antes do Evolver existiam tr s alternativas para quem quisesse aumentar a efici ncia ou encontrar solu es otimizadas adivinhar usar um software de baixa capacidade para solucionar os problemas ou contratar consultores especializados em otimiza o para criar e programar um software personalizado A seguir apresentamos algumas das principais vantagens de se usar o Evolver Ao se lidar com um grande n mero de vari veis que interagem entre si na tentativa de encontrar a melhor combina o ordem e grupo dessas vari veis pode ser tentador simplesmente dar um bom chute Um n mero surpreendente de pessoas pressup es que qualquer tipo de modelagem e an lise que v al m do chute ou adivinha o requer programa o complicada estat sticas ou algoritmos matem ticos complexos Uma boa solu o otimizada pode economizar milh es de reais milhares de litros de combust vel meses d
36. o Otimizar usando Configura es de algoritmo gen tico H dois mecanismos de otimiza o dispon veis Algoritmo Gen tico e OptQuest para procurar solu es otimizadas para um problema O mecanismo de algoritmo gen tico originou se no Evolver o solver da Palisade e foi usado em vers es anteriores vers o 6 0 do Evolver O mecanismo de Algoritmo Gen tico funciona como os princ pios darwinianos de sele o natural criando um ambiente em que centenas de solu es poss veis para um problema competem entre sim e apenas a mais apta sobrevive Da mesma forma que na evolu o biol gica cada solu o pode transmitir seus bons genes a solu es descendentes a fim de que toda a popula o de solu es continue a evoluir no sentido de criar melhores solu es O OptQuest Engine usa otimiza o matem tica meta heur stica e componentes de rede neural para guiar a busca de melhores solu es para todos os tipos de problemas de planejamento e decis o Os m todos do OptQuest incorporam procedimentos meta heur sticos dos mais avan ados incluindo busca Tabu redes neurais e pesquisa de dispers o em um nico m todo composto As Configura es de algoritmo gen tico na guia Mecanismo incluem Tamanho da popula o O tamanho da popula o informa ao Evolver quantos organismos ou conjuntos completos de vari veis devem ser armazenados na mem ria a um dado momento Embora ainda haja muito debate
37. o Taxa de Muta o A taxa de muta o pode ser definida entre 0 0 e 1 0 ela representa a probabilidade de futuros cen rios conterem alguns valores aleat rios Uma taxa de muta o mais alta simplesmente significa que mais muta es ou valores aleat rios de genes s o introduzidos na popula o Como a muta o ocorre depois do crossover a defini o da taxa de muta o como 1 100 de valores aleat rios efetivamente impede o efeito de crossover e o Evolver nesse caso gera cen rios totalmente aleat rios Se todos os dados da solu o tima a melhor solu o poss vel se encontrarem na popula o o operador de crossover por si s n o ser suficiente para chegar a uma solu o No mundo biol gico a muta o demonstrou ser uma for a poderosa devido a v rios fatores e esses mesmos fatores a tornam necess ria nos algoritmos gen ticos vital manter a diversidade da popula o 72 Comando Configura es de otimiza o Operadores de organismos individuais e assim evitar que a popula o se torne r gida e incapaz de se adaptar a um ambiente din mico Da mesma forma que no algoritmo gen tico geralmente as muta es gen ticas que ocorrem em animais eventualmente levam ao desenvolvimento de novas fun es cruciais Para a maioria das finalidades a defini o padr o de muta o n o precisa ser ajustada contudo usu rios experientes podem fazer um ajuste fino para otimizar o desempenho
38. o global veja a figura abaixo Otimiza o 103 0 perceived E actual Lo local global E solution solution Paisagem de solu es poss veis Al m disso o GRC requer que a fun o representada pelo modelo seja cont nua Isso significa que o output deve se alterar suavemente medida que os inputs s o ajustados Se o seu modelo utiliza tabelas de refer ncia recebe dados com ru do em tempo real de outro programa cont m elementos aleat rios ou envolve regras de situa es condicionais if then ele ser descont nuo e err tico O GRC n o consegue resolver esse tipo de problema O GRC era o nico Solver de algoritmo de otimiza o n o linear oferecido antes do lan amento do Excel 2010 o Solver tamb m inclui um algoritmo de programa o linear para solucionar problemas lineares Com o Solver da vers o do Excel 2010 algumas ferramentas de otimiza o global foram inclu das conforme apresentamos na pr xima se o Otimiza o Global Solver comparado aos add ins da Palisade Os add ins do Evolver e do RISKOptimizer para o Excel incluem m todos de otimiza o global desde as suas primeiras vers es Por outro lado antes do lan amento do Excel 2010 o Solver oferecia somente um m todo de otimiza o local para problemas n o lineares o algoritmo GRC A Microsoft reconheceu a necessidade de ferramentas de otimiza o global e as incluiu na vers o do Solver no Excel 2010 O Solver do Ex
39. o receita e ordem s o baseados em trabalhos acad micos no campo de algoritmos gen ticos nos ltimos dez anos Entretanto a maior parte dos m todos de solu o descendentes inclu dos no Evolver e as funcionalidades de m ltiplos grupos de c lulas ajust veis backtrack estrat gia e probabilidade s existem no Evolver O Evolver emprega uma abordagem de estado constante Isso significa que somente um organismo substitu do de cada vez em vez de uma gera o ser substitu da Foi demonstrado que esta t cnica de estado de equil brio funciona t o bem ou melhor que os m todos de substitui o de gera es Para encontrar o n mero equivalente de gera es que o Evolver rodou divida o n mero de tentativas individuais exploradas pelo tamanho da popula o Quando um novo organismo est prestes a ser criado s o escolhidos dois genitores na popula o atual Organismos com a fun o objetivo mais alta t m maior probabilidade de serem escolhidos como genitores No Evolver os genitores s o escolhidos por meio de um mecanismo baseado na classifica o de postos Ao contr rio de outros sistemas de algoritmos gen ticos em que a escolha da chance de um pai ser escolhido para reprodu o diretamente ao valor da sua fun o objetivo uma abordagem de ranking ordem de postos produz uma curva de probabilidade de sele o mais suave Isso impede que os bons organismos dominem totalmente a evolu o desd
40. pela qual a restri o ultrapassou o limite estabelecido No final de cada simula o de uma solu o teste o Evolver verifica se a restri o flex vel foi atendida se n o foi ele insere a quantidade de desvio na f rmula da fun o de penalidade e calcula o valor da penalidade a ser aplicada na estat stica da c lula alvo O valor da penalidade pode ser subtra do ou somado estat stica calculada da c lula alvo de forma a torn la menos tima Por exemplo se no campo Objetivo da otimiza o da caixa de di logo Modelo do Evolver tiver sido escolhido M ximo a penalidade ser subtra da da estat stica calculada para a c lula alvo e Como visualizar os efeitos de uma fun o de penalidade inserida O Evolver inclui uma planilha Excel chamada Evolver Fun es de penalidade e restri es flexiveis xlsx ou xls que pode ser usada para avaliar os efeitos de diferentes fun es de penalidade em restri es flex veis espec ficas e em resultados de c lulas alvo Guia de Refer ncia do Evolver 65 A planilha Evolver Fun es de penalidade e restri es flex veis permite que voc selecione uma restri o flex vel no modelo cujo efeito voc deseja analisar Voc pode ent o alterar a fun o de penalidade e verificar como a fun o mapeia um valor espec fico da restri o flex vel n o atendida em rela o a um valor alvo espec fico penalizado Por exemplo se a restri o flex vel
41. reactant level taxa de rea o n vel de reagente Se precisarmos simplesmente encontrar o n vel m nimo de reagentes que nos fornecer a maior taxa de rea o poderemos come ar em qualquer ponto do gr fico e subir pela curva at alcan ar o topo Este m todo de encontrar uma resposta chamado de gradientes ascendente escalada ou subida de encosta ou hill climbing Hill climbing sempre encontra a melhor resposta se a a fun o sendo explorada suave b os valores iniciais das vari veis colocam voc na encosta da montanha mais alta Se uma dessas condi es n o for atendida a escalada levar a uma solu o local em vez de global 106 M todos de otimiza o Os problemas altamente n o lineares que ocorrem muito na pr tica apresentam muitas solu es ao longo de uma paisagem complicada Se um problema tem muitas vari veis ou as f rmulas envolvidas t m muitas distor es ou saltos a melhor resposta provavelmente n o ser encontrada com hill climbing mesmo tentando centenas de vezes com valores diferentes de posi o inicial bem prov vel que ser encontrada uma solu o sub tima e local veja figura abaixo Hill climbing encontra o local timo Dados com distor es o m todo hill mas n o o global climbing n o eficaz mesmo com m ltiplas tentativas O RISKOptimizer e o Evolver n o usam o m todo Hill Climbing Em vez disso eles usam m todos de otimiza o global esto
42. ser um pouco diferentes das aqui apresentadas O processo de solu o de problemas come a com um modelo que representa com exatid o o problema que voc quer resolver O modelo precisa ter condi es de avaliar uma s rie espec fica de valores de input c lulas ajust veis e produzir uma classifica o num rica de como esse inputs solucionam o problema a avalia o da fun o objetivo medida que o Evolver procura solu es esta fun o objetivo fornece feedback sobre as adivinha es boas ou ruins possibilitando a reprodu o de melhores adivinha es Ao criar um modelo do seu problema necess rio prestar muita aten o fun o objetivo porque o Evolver far o poss vel para maximizar ou minimizar essa c lula Evolver Passo a Passo 23 24 Tour do Evolver Barra de ferramentas do Evolver Como abrir um exemplo de modelo Como iniciar o Evolver Para iniciar o Evolver fa a o seguinte 1 clique no cone do Evolver na rea de trabalho do Windows ou 2 selecione Palisade DecisionTools e em seguida Evolver 6 na lista de programas do menu Iniciar do Windows Esses dois m todos iniciam o Microsoft Excel e o Evolver Quando o Evolver carregado uma nova barra de ferramentas aparece no Excel Essa barra de ferramentas cont m bot es que podem ser usados para definir configura es do Evolver e iniciar pausar e parar otimiza es Utilidades 7 amp a DE A
43. t cnicas de programa o linear ou algoritmos b sicos do tipo hill climbing Geralmente os baby solvers simplesmente iniciam seu processo com um chute que em seguida refinado at chegar a uma solu o local em vez de uma solu o elobal A barra de status aparece na parte inferior da janela do Excel e mostra a atividade atual do Evolver A janela na tela do computador que requer que o usu rio forne a informa es Tamb m chamada de caixa de di logo O Evolver cont m duas caixas de di logo principais Modelo do Evolver e Configura es de otimiza o Unidade b sica para entrada de dados Dependendo do tipo de campo ele pode conter texto figuras ou n meros A maior parte dos campos nas caixas de di logo do Evolver solicita ao usu rio que insira a localiza o de c lulas da planilha ou op es relacionadas a como o Evolver deve funcionar C lula a unidade b sica de uma planilha na qual os dados s o armazenados Uma c lula de planilha cujo valor pode ser ajustado pelo Evolver para tentar otimizar o valor da c lula alvo Uma c lula ajust vel um valor vari vel e sempre deve conter um n mero simples e n o uma equa o A c lula da planilha cujos valores desejamos minimizar ou maximizar Esta c lula definida na caixa de di logo Modelo do Evolver selecione o comando Defini o do modelo ou o cone Modelo Um conjunto de valores para as vari veis em um modelo pl
44. tulo Algoritmo M todo matem tico passo a passo para a solu o de certos tipos de problemas Todos os programas de computadores s o constru dos com base na combina o de muitos algoritmos Algoritmo Um procedimento para melhorar os resultados de uma opera o por gen tico meio de repetidas tentativas de v rias solu es poss veis e da reprodu o e combina o dos componentes das melhores solu es O processo muito semelhante e inspirado no processo de evolu o biol gica em que os organismos mais aptos sobrevivem e se reproduzem Algoritmo Hill Um procedimento de otimiza o que come a com um dado cen rio e Climbing repetitivamente altera o cen rio em pequenos passos na dire o que mais ir melhor lo Algoritmos Hill Climbing ou tamb m referidos como subida de encosta ou gradientes ascendente s o r pidos e simples mas apresentam duas desvantagens Primeiro podem exigir muito trabalho para encontrar a dire o de maior melhoria Segundo os algoritmos em geral escalam o morro mais pr ximo ou o m ximo local Isto impede o algoritmo de encontrar o m ximo global em um problema dif cil Gloss rio 149 Baby Solver Barra de status Caixa de di logo Campo C lula C lula ajust vel C lula alvo Cen rio Crossover Termo de g ria de inform tica que se refere a programas de software que encontram inputs que produzem um output desejado usando uma combina o de
45. 0 EUA Se quiser contatar a Palisade Europe E mail support palisade europe com Telefone 44 1895 425050 RU Fax 44 1895 425051 RU Correspond ncia Palisade Europe 31 The Green West Drayton Middlesex UB7 7PN Reino UnidoPara contatar a Palisade Asia Pacific E mail support palisade europe com Telefone 61 2 9252 5922 Austr lia Fax 61 2 9252 2820 Austr lia Correspond ncia Palisade Asia Pacific Pty Limited Suite 404 Level 4 20 Loftus Street Sydney NSW 2000 Austr lia Ao nos contatar pedimos que sempre inclua o nome do produto a vers o e o n mero de s rie O n mero exato da vers o pode ser encontrado no comando Sobre da Ajuda no menu do Evolver no Excel Introdu o Vers o Student N o oferecemos suporte t cnico para a vers o de estudante do Evolver Se necessitar de ajuda recomendamos as seguintes alternativas Consulte o um professor ou colega Acesse http www palisade com e veja as respostas s perguntas mais comuns Contate nosso departamento de suporte t cnico por e mail ou fax Requisitos de sistema do Evolver Os requisitos de sistema do Evolver incluem e Microsoft Windows XP ou vers o superior e Microsoft Excel 2007 ou vers o superior 6 Introdu o Instru es de instala o Remo o do Evolver do computador Introdu o O Evolver um suplemento add in para o Microsoft Excel O Evolver acrescenta comandos adicionais s barr
46. 128 000 00 00 02 103 500 00 00 02 N D 00 00 02 128 000 00 00 02 107 000 00 00 02 112 500 00 00 02 N D 00 00 02 128 000 00 00 02 118 000 27 20 00 00 02 117 500 M 4 M Resumo de Otimiza o Registro de Otimiza o Registro de 4 m 4 4 54 000 543 200 54 000 109 200 se 000 49 200 54 000 61 200 54 000 49 200 54 000 62 400 54 000 51 400 54 000 49 200 54 000 139 200 4 000 55 200 54 000 49 200 3 100 40 300 13 100 52 300 54 000 49 200 54 000 41 900 3 700 43 500 12 000 111 200 4 000 49 200 56 600 545 800 15 4 700 46 500 OOE ee ee eS Pronto a 94 Observador do Evolver e Registro de passos de progresso Este relat rio registra os resultados de todas as tentativas que melhoraram o resultado da c lula alvo d9 e Livro6 Microsoft Excel o Ds ZA Inserir Esquema de P gina F rmulas Dados Rever Ver Evolver a Qo Pz Fi gt Bg Utilidades ER Ajuda Defini o Configura es Iniciar Relat rios do Modelo z Modelo Otimiza o Ajuda Al af fe v B c D E F IG H 1 J K E C lulas Ajust veis Restri es Hard Tempo Decorrido Resultado C13 D13 13 F13 G13 Custosder dio TV Or amento 00 00 02 00 00 02 00 00 02 00 00 02 00 00 02 00 00 02 00 00 02 00 00 03 00 00 06 00 00 10 00 00 17 00 00 17 00 00 17 27 112 000 128 000 128 500 129 000 135 000 135 500 139 500
47. 1500 465 15 00 44 67 15 00 40 08 15 15 49 227 14 45 43 97 Se tiv ssemos tr s c lulas ajust veis intervalos em vez de duas precisar amos procurar em oito dire es De fato se tiv ssemos cinquenta vari veis bastante real para um problema de porte m dio ter amos de calcular a produtividade de 2 ou seja mais de um quadrilh o de cen rios e isto apenas para um guarda H modifica es que podem ser feitas ao m todo hill climbing para melhorar a capacidade de encontrar timos globais os picos mais altos na paisagem O gradiente ascendente ou hill climbing um m todo muito til para lidar com problemas unimodais um nico pico e por isso que alguns programas de an lise o usam No entanto um m todo muito limitado para resolver problemas complexos ou de grande porte Otimiza o local com o Solver do Excel O Excel inclui uma ferramenta de otimiza o chamada Solver Seu algoritmo GRG um exemplo de um algoritmo Hill Climbing que encontra uma solu o local mas n o foi projetado para encontrar a solu o global Uma rotina de Hill Climbing come a com o valor atual da vari vel e vagarosamente ajusta o at o output do modelo n o apresentar mais nenhuma melhoria Isso significa que problemas com mais de uma solu o poss vel podem ser imposs veis para o GRC resolver adequadamente porque o Solver para em uma solu o tima local e sem capacidade para passar a uma solu
48. 4 a 1 00 00 02 2453425 50145 36970 1980 2495 2 00 00 03 N D 50001 50001 50000 50000 3 00 00 03 1610000 30000 30000 0 0 4 00 00 03 N D 100000 100000 100000 100000 5 00 00 03 3135000 30000 30000 25000 25000 6 00 00 03 N D 30000 30000 37500 37500 7 00 00 03 N D 75000 75000 75000 75000 8 00 00 03 N D 97193 89792 55383 5553 9 00 00 03 N D 96459 86523 3297 23352 10 00 00 03 N D 48420 96705 1875 13171 11 00 00 03 N D 91290 98862 2637 86194 12 00 00 03 N D 99813 50103 94937 20850 13 00 00 03 N D 84798 92795 95934 15333 14 00 00 03 N D 45342 45342 36 97689 h lt jajal anja Neste relat rio s o apresentados os resultados da simula o de cada solu o tentada A coluna Resultado cont m o valor da c lula alvo que voc est tentando maximizar ou minimizar por tentativa neste caso o Lucro Total em 1 11 As colunas de C4 a G4 cont m os valores usados nas c lulas ajust veis Evolver Passo a Passo 39 Como parar a otimiza o Como a otimiza o est rodando sem ter sido feita nenhuma sele o na guia Tempo de Execu o ou na caixa de di logo Configura es de otimiza o precisamos interromper a otimiza o o que pode ser feito da seguinte forma 1 Clicando no cone Parar do Observador do Evolver ou nas janelas de progresso Quando o processo do Evolver p ra exibida a guia Condi es de parada onde podem ser feitas as seguintes escolhas fa Observador do Evolver Progresso Sum
49. 6 Comando Defini o do modelo Comando Configura es de otimiza o Comando Configura es de otimiza o Guia Tempo de Execu o Define as configura es de tempo de execu o de uma otimiza o A guia Tempo de Execu o da caixa de di logo Configura es de otimiza o exibe configura es do Evolver que determinam o tempo de execu o da otimiza o Estas condi es de parada especificam como e quando o Evolver dever parar a otimiza o Ap s selecionar o comando Iniciar otimiza o o Evolver rodar continuamente buscando melhores solu es e rodando simula es at que o crit rio de parada selecionado seja atendido Voc pode acionar qualquer n mero de condi es ou nenhuma se desejar que o Evolver fa a a busca indefinidamente at voc par la manualmente Quando m ltiplas condi es s o selecionadas o Evolver p ra assim que uma das condi es atendida Voc tamb m pode ignorar essas restri es e parar o Evolver manualmente a qualquer momento por meio do bot o Parar na janela do Observador do Evolver ou na janela Progresso e Evolver Configura es de Otimiza o x Mecanismo Vizualizar Macros Tempo de Execu o de Otimiza o M Tentativas Tempo iv Progresso Maxima Mudan a 0 01 N mero de Tentativas 20000 7 Formula Verdadeira ea Parar nos Erros OK Cancelar Guia de Refer ncia
50. 65 12 gt E Ores gt in a As op es em Exibir podem ser selecionadas para a exibi o de um registro de Todas as tentativas ou apenas das simula es em que houve um Passo de progresso isto onde o resultado da otimiza o melhorou O registro inclui 1 Tempo decorrido ou o tempo de in cio da simula o 2 Resultado ou o valor da estat stica da c lula alvo que voc est tentando maximizar ou minimizar incluindo penalidades para as restri es flex veis soft 3 Colunas de inputs ou os valores usados para as c lulas ajust veis 4 Colunas de restri es indica se as restri es foram atendidas ou n o Guia de Refer ncia do Evolver 89 Observador do Evolver Guia Popula o Apresenta uma lista de todas as vari veis de cada organismo cada solu o poss vel da popula o atual Se for usado o mecanismo do algoritmo gen tico ser exibida a guia Popula o Ela exibe uma grade com todas as vari veis de cada organismo cada poss vel solu o da popula o atual Esses organismos Org n s o elencados na ordem do pior para o melhor Como essa tabela lista todos os organismos da popula o a configura o tamanho da popula o no di logo de Configura es do Evolver determina quantos organismos ser o listados aqui a defini o padr o 50 Al m disso a coluna Resultado mostra o valor resultante da c lula alvo para cada organismo G Obse
51. 993 Genetic Algorithms and Database Indexing In Dr Dobb s Journal p g 30 Ditlea Steve November 1994 Imitation of Life In Upside Magazine p g 48 Gordon Michael June 1991 User based Document Clustering by Redescribing Subject Descriptions with a Genetic Algorithm In Journal of the American Society for Information Science v42 pag 311 Hedberg Sara September 1994 Emerging Genetic Algorithms In Al Expert pags 25 29 e Hinton G E amp Nowlan S J 1987 How Learning Can Guide Evolution In Complex Systems 1 pags 495 502 Kennedy Scott June 1995 Genetic Algorithms Digital Darwinism In Hitchhicker s Guide to Artificial Intelligence Miller Freeman Publishers Kennedy Scott December 1993 Five Ways to a Better GA In AI Expert pags 35 38 Lane A June 1995 The GA Edge in Analyzing Data In AI Expert p g 11 Lee Y C Ed 1988 Evolution learning and cognition In World Scientific e Levitin G and Rubinovitz J August 1993 Genetic Algorithm for Linear and Cyclic Assignment Problem In Computers amp Operations Research v20 pag 575 146 Recursos adicionais de aprendizagem e Marler P amp H S Terrace Eds 1984 The Biology of Learning Springer Verlag e Mendelsohn L December 1994 Evolver Review In Technical Analysis of Stocks and Commodities pag 33 e Maynard Smith J 1987 When Learning Guides Evolution In Nature 329
52. A10 lt 100 voc pode usar a planilha Evolver Fun es de penalidade e restri es flex veis flexiveis xls para verificar qual seria o valor do alvo se um valor de 105 fosse calculado para a c lula A10 e Como visualizar as penalidades aplicadas Quando uma penalidade aplicada em uma c lula alvo devido a uma restri o flex vel n o atendida a quantidade da penalidade aplicada pode ser visualizada no Observador do Evolver Al m disso os valores de penalidade s o exibidos nas planilhas de Registro de otimiza o criadas opcionalmente ap s a otimiza o NOTA Se voc inserir uma solu o na planilha no final de uma otimiza o o resultado calculado da c lula exibido na planilha n o incluir nenhuma penalidade aplicada devido a restri es flex veis n o atendidas Verifique na planilha de registro da otimiza o qual foi o resultado de c lula alvo penalizado e a quantidade de penalidade imposta por cada restri o flex vel n o atendida e Implementa o de restri es flex veis em f rmulas da planilha As fun es de penalidade podem ser implementadas diretamente nas f rmulas de sua planilha Ao inserir restri es flex veis diretamente na planilha elas n o devem ser inseridas na caixa de di logo principal do Evolver Para obter mais informa es sobre como inserir fun es de penalidade em uma planilha consulte a se o Restri es flex veis soft em Recursos adicionais do Evolver 6
53. Tr s desses m todos receita ordem e agrupamento usam algoritmos totalmente distintos Os outros tr s m todos s o descendentes dos primeiros tr s mas usam restri es adicionais A pr xima se o descreve a fun o de cada m todo de solu o Para entender melhor como cada m todo de solu o usado sugerimos examinar os arquivos de exemplo fornecidos com o software Guia de Refer ncia do Evolver 53 M todo de O m todo de solu o receita o m todo de solu o mais simples e solu o receita mais usado Use esse m todo sempre que o conjunto de vari veis a serem ajustadas possam ser variadas independentemente umas das LP outras Pense em cada vari vel como a quantidade de determinado ingrediente de um bolo ao usar o m todo receita voc est t LO instruindo o Evolver a gerar n meros para essas vari veis a fim de 2 encontrar a melhor combina o de ingredientes A nica restri o imposta nas vari veis da receita definir o intervalo o valor mais alto e o mais baixo dentro do qual os valores devem se enquadrar Defina esses valores nos campos M n e M x da caixa de di logo C lulas a ajust veis ex 1 a 100 e indique se o Evolver deve procurar apenas e Eco 3 n meros inteiros 1 2 7 valores discretos em todo o intervalo com ds tamanho de passo especificado 1 1 5 2 2 5 3 ou n meros reais 1 4230024 63 72442 A seguir apresentamos exemplos de u
54. Utilidades ccccseeceeeseeeeeeeseeeeeeeseeneeenseeeeeensneneeeenaes 81 Observador do Evolver ccccceecceceseeeeeesseneeeeseeeeeeeeseaneeenseseenenaes 85 Otimiza o 97 M todos de otimiza o e nann nnnnnnnnnnnnn nannan nnn annaa 99 Algoritmos Gen ticos e OptQuest 109 INtrodU O iniaa iiiaae raaa naaanod NE DERA RENDA IRS RA da 111 Hist ria PAR AR nee tae eee 111 Exemplo na DiOlOGia cceecccceeneeceeeeeeeeeeeneeseeesneeseeeseeeseeesneseesnees 115 Exemplo digital c scccceeeeececeeeeeeeeeeeeseeeeneeseeesneeseeesneeseeesnnseeesnees 117 OptQUESU siiin aaae anoden anaa a daaa Daa so dadinaassa sessao Eaa 121 ndice Recursos Adicionais do Evolver 123 Como inserir restri es iss reaseenesennaaas 125 Como aumentar a velocidade eee 134 Como o Evolver efetua a otimiza o com o algoritmo gen tico ERES RCE RARO SEDE RANGE RR E DEN REDE ALR ETERNA DE Dc RE RARE 135 Anexo A Automatiza o do Evolver 139 Anexo B Perguntas e Respostas 141 Perguntas e Respostas ss ss esssseeeesseseenaseacans 141 Anexo C Recursos Adicionais 145 Recursos adicionais de aprendizagem s sso 145 Gloss rio 149 ndice remissivo 155 Introdu o Introdu o s sis ss rtesseseseearasesaeneaataas ee sand 3 Antes de comecatu iseenesesse esas ros 3 O que est inclu do no pacote
55. a Como visualizar O Evolver inclui uma planilha Excel chamada Evolver Fun es de penalidade e restri es flexiveis xlsx ou xls que pode ser usada para avaliar os efeitos de diferentes fun es de penalidade em restri es flex veis espec ficas e em resultados de c lulas alvo PEER ES e tnquems de b gro Fired e err o A planilha Evolver Fun es de penalidade e restri es flexiveis xlsx permite que voc selecione uma restri o flex vel do modelo cujos efeitos deseja analisar Voc pode ent o alterar a fun o de penalidade para ver como a fun o ir mapear um valor espec fico de uma restri o flex vel n o atendida em um valor para a c lula alvo Por exemplo se a restri o flex vel A10 lt 100 voc pode usar a planilha Evolver Fun es de penalidade e restri es flexiveis xlsx para verificar qual seria o valor do alvo se um valor de 105 fosse calculado para a c lula A10 Quando uma penalidade aplicada para uma c lula alvo devido a as id uma restri o flex vel n o atendida a quantidade de penalidade cached aplicada pode ser visualizada no Observador do Evolver Al m disso os valores de penalidade sao exibidos nas planilhas de Registro de otimiza o criadas opcionalmente ap s a otimiza o 130 Como inserir restri es Como inserir restri es flex veis em uma planilha Mais exemplos de fun es de penalidade As fun es de penalidade tamb m pode
56. a o execu o essa classifica o s exibida se houver tentativas suficientes na otimiza o Em execu es subsequentes do mesmo modelo selecionar apenas os melhores operadores poder produzir otimiza es mais r pidas e melhores Guia de Refer ncia do Evolver 75 Comando Configura es de otimiza o Guia Visualizar Define as configura es de visualiza o de uma otimiza o A guia Visualizar na caixa de di logo Configura es de otimiza o permite definir o que ser exibido durante uma otimiza o eo Evolver Configura es de Otimiza o ES Tempo de Execu o Mecanismo Durante a Otimiza o Minimizar o Excel no Inicio ly Exibir Rec lculos do Excel A Cada Nova Melhor Tentativa Eq As op es da guia Visualizar s o e Minimizar o Excel no in cio Esta op o minimiza o Excel quando uma otimiza o iniciada e Exibir rec lculos do Excel Esta op o especifica que o Excel deve fazer uma atualiza o A cada nova melhor simula o ou no final das simula es A cada simula o 76 Comando Configura es de otimiza o Comando Configura es de otimiza o Guia Macros Define macros a serem rodadas durante a otimiza o Macros VBA podem ser rodadas em v rios pontos durante a otimiza o e durante a execu o da simula o de cada solu o teste Isto permite desenvolver c lculos customizados que podem ser chamad
57. a o da inerente for a da evolu o no mundo biol gico aumentar o n mero de organismos em uma popula o e permitir muta es ocasionais e aleat rias Al m disso podemos escolher cen rios que viver o e se reproduzir o de uma forma natural com um elemento aleat rio que possui um leve vi s na dire o de uma melhor performance em vez de escolher apenas os melhores elementos para procriar at o maior e mais forte le o pode ser atingido por um raio Todas estas t cnicas estimulam o refinamento gen tico e ajudam a manter a diversidade na coletividade de genes mantendo todos os tipos de genes dispon veis para o caso em que se tornem teis em diferentes combina es O Evolver implementa automaticamente todas estas t cnicas 119 120 Exemplo digital OptQuest Introdu o O mecanismo OptQuest inclui meta heur stica para guiar sua busca de melhores solu es Este m todo lembra quais solu es funcionam bem e as reutiliza para encontrar novas e melhores solu es Essa t cnica tamb m n o se limita a solu es locais nem se deixa confundir por ru dos nos dados de modelo incerto O mecanismo OptQuest re ne busca Tabu pesquisa de dispers o programa o de inteiros e redes neurais em um nico algoritmo de otimiza o oferecendo m xima efici ncia na identifica o de novos cen rios Restri es lineares O OptQuest gera solu es que na maioria das vezes atendem todas as restri es
58. a biologia Exemplo digital Imagine um problema com duas vari veis X e Y que resultam em uma vari vel Z Se calcularmos e plotarmos o Z resultante para cada poss vel valor de X e Y ver amos a paisagem de solu o aparecer como discutido tamb m no cap tulo Otimiza o Como estamos buscando o m ximo Z os picos da fun o s o boas solu es e os vales s o m s solu es Quando usamos um algoritmo gen tico para maximizar a fun o come amos criando aleatoriamente v rias poss veis solu es ou cen rios pontos pretos n o apenas um ponto inicial Ent o calculamos o output da fun o e plotamos cada cen rio como um ponto Em seguida ordenamos os cen rios por altitude do melhor para o pior mantendo os da parte superior e descartando os demais gt a Primeiro criamos uma popula o inteira de solu es poss veis Algumas ser o solu es que geram melhores resultados melhores mais altas que outras Cada um dos tr s cen rios remanescentes se duplica aumentando o n mero de cen rios para seis Agora vem a parte interessante Cada um dos seis cen rios feito de dois valores ajust veis plotados como uma coordenada X e Y Os cen rios s o reunidos em pares aleatoriamente Agora cada cen rio troca o primeiro valor ajust vel com o correspondente de seu parceiro Por exemplo 34 5 0 26 50 26 32 34 32 Algoritmos Gen ticos e OptQuest 117 E
59. a busca da melhor solu o Os m todos do OptQuest incorporam procedimentos meta heur sticos dos mais avan ados incluindo busca Tabu redes neurais e pesquisa de dispers o em um nico m todo composto Processo de encontrar valores para vari veis de forma que o output de uma fun o possa ser maximizado tornado o maior poss vel ou minimizado tornado o menor poss vel A otimiza o por meio da solu o de equa es f cil para fun es de mudan a suave com poucas vari veis mas extremamente dif cil para problemas reais Problemas dif ceis geralmente necessitam de um mecanismo de busca O Evolver efetua a otimiza o usando um algoritmo gen tico e o mecanismo de otimiza o OptQuest Conjunto completo de cen rios que o algoritmo gen tico do Evolver mant m na mem ria a partir do qual novos cen rios s o gerados Restri es s o condi es que devem no caso de restri es flex veis ou soft ou precisam no caso de restri es r gidas ou hard ser obedecidas para que determinado cen rio seja considerado v lido Quando as restri es n o precisam necessariamente ser atendidas elas podem ser definidas como restri es flex veis ou soft em vez de r gidas ou hard Isso pode ser feito pela especifica o de uma fun o de penalidade no Evolver ou pela soma de uma fun o de penalidade fun o objetivo da c lula alvo Geralmente melhor usar restri es flex veis se poss vel Isto porque
60. a maneira poss vel mas que podem ser ajustadas em troca de uma melhoria substancial no resultado da c lula alvo valor da fun o objetivo Quando uma restri o flex vel n o atendida ela produz uma mudan a no resultado da c lula alvo no sentido oposto ao valor timo A quantidade de mudan a produzida por uma restri o flex vel n o atendida calculada por meio de uma fun o de penalidade que inserida ao se especificar a restri o flex vel 64 Comando Defini o do modelo e Evolver Configura es de Restri es ES Descri o Tipo de Restri o Hard Descarta Solu es que n o Atendem a Restri o Precis o Autom tico Soft Desfavorece Solu es que n o Atendem a Restri o Fun o de Penalidade i 100 EXP DESVIO 100 1 EI Defini o Estilo de Entrada simples M nimo Intervalo a Restringir M ximo Elf Ies Elf Mais informa es sobre as fun es de penalidade s o apresentadas a seguir e Como inserir uma fun o de penalidade O Evolver tem uma fun o penalidade padr o que exibida quando voc insere inicialmente uma restri o flex vel No entanto qualquer f rmula v lida do Excel pode ser inserida para calcular a quantidade de penalidade a ser aplicada quando a restri o flex vel soft n o atendida Uma fun o de penalidade inserida deve incluir a palavra chave desvio que representa a quantidade absoluta
61. alhar Antes de contatar o suporte t cnico confira o seguinte e Voc consultou a Ajuda online e Voc consultou este Manual do Usu rio e assistiu ao tutorial multim dia online e Voc leuo arquivo LEIAME RTF Ele cont m informa es atualizadas sobre o Evolver que podem n o estar inclu das no manual e O problema que est ocorrendo pode ser reproduzido sempre da mesma forma E poss vel reproduzir o problema em outro computador ou outro modelo de computador e Voc consultou nosso site na internet O endere o http www palisade com O site tamb m cont m respostas a perguntas frequentes recentes FAQ na forma de um banco de dados pesquis vel de perguntas com as respostas do suporte t cnico assim como patches para o Evolver na se o Suporte T cnico Recomendamos acessar nosso site regularmente para ver as ltimas informa es sobre o Evolver e outros programas da Palisade Introdu o Como contatar a Palisade A Palisade Corporation recebe com satisfa o perguntas coment rios e sugest es relacionadas ao Evolver Entre em contato com a nossa equipe de suporte t cnico pelos seguintes meios E mail support palisade com Telefone 1 607 277 8000 dias teis das 9h s 17h hor rio de Nova York Siga as instru es telef nicas para ser conectado ao suporte t cnico Fax 1 607 277 8001 Correspond ncia Technical Support Palisade Corporation 798 Cascadilla St Ithaca NY 1485
62. alisade RISK5 Examples Por tuguese RiskMacro xis Assinatura Assinado por Palisade Corporation Expira o do certificado 2 17 2010 Certificado emitido por VeriSign Class 3 Code Signing 2004 CA Mostrar Detalhes da Assinatura ajudar a proteger contra conte do desconhecido recomendado O Habilitar este conte do Confiar em todos os documentos deste editor Ce Mais informa es sobre o Evolver Mais informa es sobre o Evolver podem ser encontradas nas seguintes fontes Arquivo LeiaMe Este arquivo cont m um resumo do Evolver bem como not cias do Evolver recentes ou informa es sobre novas vers es do software Para ver o arquivo LeiaMe selecione o comando Ajuda do Evolver em seguida selecione Documenta o e LeiaMe Tutorial do O tutorial online do Evolver apresenta uma introdu o r pida do Evolver Evolver e dos algoritmos gen ticos a usu rios principiantes O tutorial leva apenas alguns minutos para ser assistido Para saber como acessar o tutorial consulte a se o Como aprender a usar o Evolver a seguir Como aprender a usar o Evolver A maneira mais r pida de aprender a usar o Evolver com o tutorial online em formato de filme no qual especialistas apresentam modelos e exemplos passo a passo explicando como usar o programa O tutorial uma apresenta o multim dia sobre os principais recursos do Evolver Para acessar o tutorial selecione o comando V deos na faixa ou barra d
63. ando indiv duos filhos e quais n o valia mais a pena manter na mem ria 1010011010 EMMERSON Offspring Chromosome TOKO 0 Of 1 fore O programa manteve um determinado n mero destes cromossomos na mem ria e esta popula o inteira de sequ ncias continuou a evoluir at maximizar a fun o objetivo O resultado foi ent o decodificado em seus valores originais para revelar a solu o John Holland continua a ser um pioneiro ativo nesse campo atraindo o que hoje s o centenas de cientistas e acad micos que devotaram a maior parte do seu tempo a esta promissora alternativa a t cnicas matem ticas e estat sticas de programa o linear tradicional O algoritmo gen tico original de Holland era bem simples mas notadamente robusto encontrando solu es timas para uma grande variedade de problemas Muitos programas customizados hoje em dia resolvem problemas complexos e reais de grande escala usando vers es ligeiramente modificadas desse algoritmo gen tico original 112 Hist ria Adapta es modernas de algoritmos gen ticos Algoritmos Gen ticos e OptQuest medida que o interesse aumentou nos c rculos acad micos o poder computacional come ou a aumentar nos computadores desktop e padr es como o Microsoft Windows e o Excel tornaram o design e manuten o de modelos complexos mais f cil O uso de n meros reais em vez de representa es de sequ ncias bin rias eliminou a tarefa dif cil
64. anilha Geralmente cada cen rio representa uma solu o poss vel Em um contexto gen tico crossing over uma troca de material gen tico entre crom tides hom logos durante a meiose No Evolver o termo crossover usado para expressar o equivalente computacional ao crossing over em que uma troca entre as vari veis gera novas combina es de cen rios 150 Estoc stico Fen tipos Fun o de Penalidade Fun o objetivo Fun es Gen tipo Gloss rio Sin nimo de incerto arriscado Consulte Risco Determin stico Em biologia fen tipo uma caracter stica observ vel de um indiv duo produzida pela intera o entre genes e entre os genes e o meio ambiente No estudo de algoritmos gen ticos o fen tipo usado para descrever vari veis individuais ou genes que comp em uma solu o completa ou cromossomo Consulte Gen tipo Uma equa o em planilha que o Evolver pode usar para penalizar cen rios que n o atendem determinados crit rios Fun es de penalidade s o usadas para ajudar a minimizar efeitos colaterais ou para alcan ar m ltiplas metas Diferentemente de uma restri o r gida uma fun o de penalidade permite que solu es inv lidas sejam exploradas mas faz com que estas solu es pare am piores para que a popula o as evite se poss vel As penalidades booleanas s o ativadas ou desativadas penalizando todas as solu es inv lidas na mesma medida Pe
65. ar Andamento do gr fico figura Arquivo LeiaMe B backtracking bancos de dados barra de status barra de status C caixa de di logo Modelo c lula alvo c lulas ajust veis Comando Configura es da aplica o Comando Solver de restri es Como aprender a usar o Evolver condi es de parada E especifica es t cnicas Evolver o que Tutorial Evolver por que usar 63 99 17 37 10 137 108 150 26 47 27 48 150 28 49 135 13 10 17 155 F fun o objetivo fun es de penalidade como usar exemplos explica o G gera es por que n o s o usadas Gloss rio gr ficos H hill climbing descri o exemplo uso do Solver J Janela Progresso M m todo de solu o agendamento descri o m todo de solu o agrupamento descri o m todo de solu o or amento descri o m todo de solu o ordem descri o m todo de solu o projeto descri o m todo de solu o receita descri o m todo de substitui o M todo simplex m todos de solu o como restri es minutos 23 48 132 131 128 135 149 39 86 107 106 104 79 59 54 137 105 126 68 156 ndice remissivo O Objetivo da otimiza o Observador Observador do Evolver op es de tempo de execu o operador gen tico Operadores otimiza o m todos o que P paisagem de solu es Palisade Corporation pool g
66. ar planilhas de resumo da otimiza o que podem ser usadas para informar sobre os resultados e comparar os resultados das execu es As op es de Relat rios s o e Resumo de otimiza o Este relat rio resumido da otimiza o cont m informa es como data e hora da execu o configura es usadas valor calculado da c lula alvo e valor de cada c lula ajust vel Xia 9 O Livro6 Microsoft Excel o f ss Base Inserir Esquema de P gina F rmulas Dados Rever Ver Evolver a o P E Fp HE Utilidades amp di Ba d L2 Ajuda Defini o Configura es Iniciar Relat rios do Modelo X Modelo Otimiza o Ajuda Al X fe Tef B c D pno Resumo de Otimiza o 2 Executado por Palisade Data segunda feira 14 de janeiro de 2013 14 13 14 Modelo Sele o de publicidade xisx Andamento todas as tentativas 144 500 war nun pw 144 000 143 500 12 143 000 142 500 15 142 000 141 500 18 141 000 140 500 21 140 000 139 500 E 2 000 4 4 000 4 Do 8 000 10 000 7 Do 14 000 4 16 000 18 000 20 000 28 C lula a Otimizar Modelo C28 29 Tipo de Objetivo M ximo 31 Resultados 32 Tentativas V lidas 8796 33 Tentativas Totais 16145 34 Valor Original 112 000 35 penalidades de restri es flex veis 0 00 36 resultado 112 000 37 Melhor Valor Encontrado 144 500 3 penalidades de restri es flex veis 0 00 39
67. ara o Evolver e um sistema de ajuda eletr nica totalmente indexado As vers es Professional e Industrial do DecisionTools Suite cont m todos os componentes mencionados acima al m de outros aplicativos Sobre esta vers o Esta vers o do Evolver pode ser instalada como um programa de 32 bits para o Microsoft Excel 2007 ou mais recente ou como um programa de 64 bits para o Excel 2010 Antes de nos contatar Funcionamento com o seu ambiente operacional Este Manual do Usu rio pressup e que o usu rio saiba de modo geral usar o sistema operacional Windows e o Excel Especificamente O usu rio sabe usar o computador e o mouse O usu rio conhece termos como cones clique duplo clique ou clicar duas vezes menu janela comando objeto O usu rio tem uma compreens o de conceitos b sicos como estrutura de diret rios atribui o de nomes a arquivos Se necessitar de ajuda Fornecemos suporte t cnico gratuito a todos os usu rios registrados do Evolver com plano de manuten o vigente tamb m oferecemos suporte t cnico mediante pagamento por incidente individual Para ter certeza de estar registrado como usu rio do Evolver fa a seu registro online no site http www palisade com support register asp Ao nos contatar por telefone tenha m o o n mero de s rie do seu produto e o Manual do Usu rio Podemos prestar melhor suporte t cnico se voc estiver em frente ao seu computador pronto para trab
68. as de menu do Excel otimizando a funcionalidade desse programa de planilha eletr nica Instru es gerais de instala o O programa de instala o copia os arquivos de sistema do Evolver no diret rio que voc especificar em seu disco r gido Para executar o programa de instala o no Windows XP ou vers o superior 1 D um clique duplo no Evolver Setup exe no diret rio onde ele foi baixado ou no CD de instala o e siga as instru es apresentadas na tela Se tiver algum problema durante a instala o do Evolver verifique se a unidade de disco na qual a instala o est sendo feita tem espa o suficiente Ap s liberar espa o suficiente tente executar a instala o novamente Se quiser remover o Evolver e as vers es do Evolver ou do DecisionTools Suite Profissional ou Industrial do seu computador use o utilit rio Adicionar Remover Programas no Painel de Controle e selecione o item correspondente ao RISK ou ao DecisionTools Suite DecisionTools Suite O Evolver pode ser usado com o DecisionTools Suite um conjunto de produtos para an lise de risco e decis es que pode ser adquirido da Palisade Corporation O procedimento padr o de instala o do Evolver coloca o programa em um subdiret rio do diret rio principal Arquivos de Programas Palisade Isso semelhante ao que ocorre com o Excel que geralmente instalado em um subdiret rio do diret rio principal do Microsoft Office Um dos subd
69. as produzidas 28204 42467 42423 48373 86473 881 218821 5 Horas por caixa 0 23 0 30 0 33 0 28 0 13 0 43 6 Pre o por caixa 42 40 45 43 31 51 Custo por caixa nonni de A OREN A NE A See s2 812 8300 8 Total de horas 6487 12740 14000 5144 11241 379 49991 9 Receita total 1 184 568 1 698 680 51 909 035 790 039 2 680 663 44 931 8 307 916 10 Custo total 423 060 891 807 975 729 404 206 1 037 676 529 073 3 761 551 11 Lucro total 761 508 806 873 933 306 385 833 51 642 987 515 858 4 546 365 12 13 14 15 16 17 18 19 20 X H 4 Explica o Modelo 2 al al Pronto 2 190 g NOTA IMPORTANTE Embora neste exemplo o Evolver tenha encontrado uma solu o que produziu um lucro total de 4 686 420 o resultado que voc obter poder ser mais alto ou mais baixo do que esse Essas diferen as se devem a uma distin o importante entre o Evolver e os demais algoritmos de solu o de problemas a saber o algoritmo gen tico e os mecanismos do OptQuest do Evolver possibilitam que ele solucione uma maior variedade de problemas e encontre melhores solu es 42 Tour do Evolver Ao salvar uma planilha ap s ela ser executada pelo Evolver mesmo se voc restabelecer os valores originais da planilha ap s a execu o do Evolver todas as configura es das caixas de di logo do Evolver s o salvas com a planilha espec fica Na pr xima vez em que a planilha for aberta t
70. bre a velocidade do seu processador e o Evolver ter condi es de avaliar o dobro de tentativas no mesmo intervalo de tempo Tente evitar redesenhar na sua tela Desenhar gr ficos e n meros na tela leva tempo algumas vezes mais de metade do tempo de otimiza o Se a planilha tiver gr ficos ou tabelas a velocidade de rec lculo ser substancialmente reduzida Voc pode instruir o Excel a n o perder tempo desenhando enquanto o Evolver est solucionando um problema Para fazer isso desative a op es Mostrar rec lculos do Excel na guia Exibir da caixa de di logo Configura es de otimiza o ou selecione Minimizar Excel no In cio na mesma guia Observe na barra de progresso o ganho na velocidade de processamento do problema Defina de forma mais restrita os intervalos em que as c lulas ajust veis dever o cair isso criar uma rea menor na qual o Evolver dever procurar solu es e assim acelerar o processo Assegure se de que os intervalos d em liberdade suficiente para o Evolver explorar todas as solu es realistas 134 Como aumentar a velocidade Como o Evolver efetua a otimiza o com o algoritmo gen tico Sele o Esta se o descreve mais especificamente como efetuada a otimiza o com o algoritmo gen tico do Evolver NOTA Voc n o precisa saber este material para usar o Evolver A maior parte da tecnologia de algoritmos gen ticos do Evolver como os m todos de solu
71. c sticos o mecanismo OptQuest e Algoritmo Gen tico Isso permite que o RISKOptimizer salte pelo espa o de solu es de um problema examinando muitas combina es de valores de inputs sem ficar paralisado em solu es timas locais Esses m todos ret m na mem ria do computador as informa es sobre as solu es tentadas anteriormente que s o usadas depois para melhor prever os cen rios com maior probabilidade de sucesso O Evolver gera muitos cen rios poss veis depois refina a busca baseado nas informa es que recebe Otimiza o 107 Problemas baseados em tabelas Problemas combinat rios Muitos problemas requerem o uso de tabelas e bancos de dados Por exemplo na escolha de quantidades de materiais a comprar voc pode ter que verificar os pre os cobrados por diferentes quantidades Tabelas e bancos de dados tornam os problemas descont nuos n o suaves Isso torna dif cil para as rotinas de Hill Climbing como as do algoritmo GRG do Solver encontrar solu es timas O Excel 2010 tamb m oferece adicionalmente o m todo de solu o Evolutionary para otimiza o n o suave Desde que foram lan ados o Evolver e o RISKOptimizer oferecem o m todo Evolucion rio Gen tico para processar problemas n o suaves Na vers o 6 foi acrescentado o mecanismo de otimiza o OptQuest para oferecer m todos avan ados de otimiza o n o suave Al m disso com os produtos Palisade o usu rio n o pr
72. car a programa o linear desde que o Modo de Otimiza o na guia Mecanismo da caixa de di logo Configura es de otimiza o esteja definido como Autom tico 105 Problemas n o lineares Se o custo de fabrica o e transporte de 5000 pe as 5 000 custaria 1 para fabricar e vender 1 pe a Provavelmente n o A linha de montagem ainda consumiria energia a papelada teria que ser processada pelos v rios departamentos os materiais ainda seriam comprados em lote os caminh es requereriam a mesma quantidade de gasolina para entregar as pe as e o motorista ainda receberia um dia inteiro de sal rio n o importa o tamanho da carga A maior parte dos problemas reais n o envolve vari veis com simples rela es lineares Estes problemas envolvem multiplica o quociente expoentes e fun es constru das do Excel como RAIZ e CRESCIMENTO Sempre que as vari veis tiverem uma rela o desproporcional entre si o problema se torna n o linear Um exemplo perfeito de um problema n o linear o gerenciamento de um processo de fabrica o em uma planta qu mica Imagine que desejamos misturar alguns reagentes qu micos e obter um produto qu mico como resultado A taxa dessa rea o pode variar n o linearmente com a quantidade de reagente dispon vel em algum ponto o catalisador fica saturado e o excesso de reagentes apenas atrapalha a rea o O diagrama a seguir ilustra esta rela o reaction rate
73. cel 2010 oferece m todos de otimiza o global separados para problemas cont nuos e n o cont nuos Para procurar um m ximo global com fun es cont nuas o usu rio pode executar o m todo GRC com a op o Usar in cio m ltiplo selecionada Para otimiza o global com fun es n o cont nuas fornecido o m todo de solu o Evolutionary Isso diferente dos add ins da Palisade nos quais o usu rio n o precisa identificar o tipo de problema de otimiza o nem fazer a correspond ncia com o algoritmo Os dois 104 M todos de otimiza o Problemas lineares Otimiza o algoritmos dispon veis no Evolver e no RISKOptimizer Algoritmo Gen tico e OptQuest podem solucionar tanto problemas globais cont nuos como n o cont nuos geralmente o usu rio dos produtos Palisade pode escolher que o software fa a a sele o do algoritmo Al m do mais o Solver do Excel limitado em termos do tamanho dos problemas que consegue processar Ele aceita no m ximo 200 vari veis c lulas ajust veis e 100 restri es o limite de restri es n o inclui restri es simples que definem limites e c lulas ajust veis Vale notar que o Evolver oferece a op o de definir os valores das c lulas ajust veis como discretas com um tamanho de etapa definido por exemplo se o tamanho for 0 5 os valores permitidos de uma c lula ajust vel podem ser 1 1 5 2 2 5 e 3 O Solver do Excel n o oferece esse recu
74. cificar os intervalos de c lulas ajust veis 00000 28 Restri es OE E A E E E E E E A E E A E E E 31 Restri es simples e de f rmula ssssesessessesssreesesecoressoseosessesee 32 Outras op es do Evolver ssesesseseseseseeseeeeseseseoreseeresesessesescesesesesseseseese 35 Condi es de parada essessesssseeseseesresroscoseseeseesroncosesseseesrsseoress 35 Op es de exibi o esner eseisto es eesriie i 37 Execu o da otimiza o seseseeseseereseseseeseeresesesrosereeresesesseseeeesesesesseseseese 38 Evolver Passo a Passo 21 22 Introdu o Neste cap tulo vamos gui lo passo a passo por todo o processo de otimiza o do Evolver Se o Evolver ainda n o estiver instalado no disco r gido consulte a se o de instala o em Introdu o para instalar o programa antes de iniciar este tutorial Vamos come ar abrindo um modelo de planilha eletr nica predefinido em seguida definir o problema usando distribui es de probabilidade e as caixas de di logo do Evolver Finalmente vamos ver todo o processo de busca de solu es do Evolver e explorar algumas das v rias op es fornecidas pelo Observador do Evolver Para obter mais informa es sobre um t pico espec fico veja o ndice remissivo no final deste manual ou consulte a se o Refer ncias do Evolver NOTA As telas a seguir s o baseadas no Excel 2010 Se for usada outra vers o do Excel as janelas poder o
75. cont m c lulas ou valores que o Evolver pode ajustar assim como a descri o de cada c lula da forma que voc forneceu Cada conjunto de c lulas ajust veis apresentado em uma linha horizontal Um ou mais intervalos de c lulas ajust veis podem ser inclu dos em um Grupo de c lulas ajust veis Todos os intervalos de c lulas de um grupo de c lulas ajust veis empregam o mesmo m todo de solu o se for usado o algoritmo gen tico eles tamb m ter o a mesma taxa de crossover a mesma taxa de muta o e os mesmo operadores e Evolver Modelo o JS Objetivo da Otimiza o M ximo Zi C lula 111 ES Intervalos de C lulas Ajust veis Minimo Intervalo M ximo Valores Adicionar Receita Caixas produzidas Eii ee 20000 lt B4 lt 100000 Etapa 2 Grupo Como as c lulas ajust veis cont m as vari veis do problema voc precisa definir pelo menos um grupo de c lulas ajust veis para poder usar o Evolver A maioria dos problemas descrita com apenas um grupo de c lulas ajust veis mas problemas mais complexos podem exigir a solu o de diversos blocos de vari veis por diferentes m todos de solu o simultaneamente Essa arquitetura exclusiva permite construir com facilidade a estrutura de problemas extremamente complexos a partir de v rios grupos de c lulas ajust veis As seguintes op es est o dispon veis para a entrada de intervalos de c lulas ajust veis e Adicio
76. contrar apenas solu es que atendem a todas as restri es pode resultar em n o encontrar nenhuma solu o vi vel Em geral mais til obter solu es aproximadamente vi veis entre as quais talvez algumas solu es n o atendam s restri es Uma alternativa ao uso de restri es r gidas que devem ser necessariamente atendidas reconfigurar o problema com restri es flex veis isto restri es que o Evolver tender a atender Essas restri es flex veis geralmente s o mais realistas e permitem que o Evolver experimente um n mero muito maior de alternativas No caso de um problema altamente restrito em que n o h muitas solu es que atendam todas as restri es o algoritmo gen tico do Evolver ter maior probabilidade de encontrar a melhor solu o se puder obter informa es sobre algumas solu es que est o pr ximas de satisfazer as restri es Essas considera es geralmente n o se aplicam se o mecanismo de otimiza o OptQuest for usado A diferen a consiste em como os dois algoritmos tratam solu es inv lidas isto solu es que n o atendem s restri es r gidas Geralmente o OptQuest explora e utiliza essas solu es eficazmente sem necessidade de usar restri es flex veis Quando as restri es representam metas como produzir duas vezes mais garfos do que facas em geral n o t o importante atend las exatamente especialmente se a obten o de um cronograma
77. de codificar e decodificar cromossomos A popularidade do algoritmo gen tico est aumentando de forma exponencial atualmente com semin rios livros artigos em revistas e consultores reconhecidos surgindo em todo o mundo A Confer ncia Internacional de Algoritmos Gen ticos j est se concentrando em aplica es pr ticas um sinal de maturidade que n o ocorre em outras tecnologias de intelig ncia artificial Muitas empresas Fortune 500 empregam algoritmos gen ticos regularmente para resolver problemas reais desde seguradoras at usinas geradoras de energia empresas de telecomunica o redes de restaurantes fabricantes de autom vel e redes de televis o De fato h uma boa chance de que voc j tenha indiretamente usado um algoritmo gen tico 113 114 Exemplo na biologia Vamos examinar um exemplo simples de evolu o no mundo biol gico em uma escala pequena Por evolu o aqui entendemos a mudan a na distribui o ou frequ ncia dos genes em uma popula o Evidentemente o interessante sobre a evolu o que tende a levar a popula es que constantemente se adaptam aos seus ambientes Vamos supor que estejamos estudando uma popula o de camundongos Estes camundongos s o de dois tamanhos pequeno e grande e duas cores claro e escuro Nossa popula o composta dos oito camundongos abaixo Um certo dia aparecem gatos na vizinhan a e come am a comer os camundongos No entanto
78. de colina mais pr ximo ou o m ximo local Assim se o problema tiver uma paisagem de solu o irregular e cheia de colinas como um modelo mais realista com certeza ter o m todo hill climbing provavelmente n o encontrar a colina mais alta ou mesmo uma das mais altas O m todo Hill Climbing apresenta outro problema como encontramos o terreno ao redor da localiza o atual Se a paisagem for descrita por uma fun o suave pode ser poss vel o uso de deriva o uma t cnica de c lculo para encontrar o sentido em que h maior eleva o Se a paisagem descont nua ou n o diferen vel como mais prov vel de ocorrer em problemas reais precisamos calcular uma pontua o dos cen rios circundantes 102 M todos de otimiza o Por exemplo digamos que um banco contrate um seguran a das 9 00 horas s 17 00 horas para guardar o banco mas o banco deve dar ao seguran a dois intervalos de meia hora Precisamos encontrar os melhores hor rios para os intervalos dadas as regras gerais relacionadas a taxas de performance e fadiga e considerar os diferentes n veis de atividades dos clientes no decorrer do dia Podemos come ar experimentando v rias combina o de intervalos de servi o e avaliando as Se usarmos uma agenda na qual os intervalos come am s 11 00 horas e s 15 00 horas podemos calcular a produtividade dos cen rios adjacentes Dire o Intervalo 1 x Intervalo 2 y Pontua o z
79. de configurar o Solver de restri es antes de execut lo Ele usa as configura es especificadas no modelo mudando apenas o objetivo da otimiza o o novo objetivo encontrar uma solu o que atenda a todas as restri es r gidas Guia de Refer ncia do Evolver 83 84 Observador do Evolver O cone de lente de aumento na barra de ferramentas de janela Progresso exibe o Observador do Evolver O Observador do Evolver respons vel por regular e relatar toda a atividade do Evolver A partir do Observador do Evolver voc pode alterar par metros e analisar o andamento da otimiza o Voc tamb m pode visualizar em tempo real informa es sobre o problema e o progresso do Evolver na barra de status ao longo da parte inferior do Observador do Evolver Guia de Refer ncia do Evolver 85 Observador do Evolver Guia Progresso Exibe gr ficos de progresso do valor da c lula alvo A guia Progresso do Observador do Evolver exibe graficamente como os resultados na c lula alvo selecionada est o se alterando com cada simula o um rio Registro Popula o Diversidade Condi es de Parada ltimas 1000 Tentativas Todas as Tentativas 13 12 300 12 200 13 000 12 100 12 500 12 000 Di 11 900 11 800 11 500 11 700 11 000 11 600 8 8 8 g 8 cg 8 E 8 a N T D o Melhor 12254 0213 Tentativa 4812 Original 2030 Tentativas 6419 Tempo 00 00 14 EM QR gt E Os gr ficos de progr
80. do Evolver 67 Op es de tempo As op es de Tempo de Execu o de otimiza o da guia Tempo de de execu o da Execu o s o otimiza o e Tentativas Esta op o quando definida p ra o Evolver ap s ser gerado o n mero de tentativas especificado A defini o Tentativas especialmente til para comparar a efici ncia do Evolver ao experimentar diferentes m todos de modelagem Ao mudar a forma de modelar um problema ou ao escolher um m todo de solu o diferente voc pode aumentar a efici ncia do Evolver Ao especificar que um modelo rode durante determinado n mero de simula es poss vel saber com que grau de efici ncia o Evolver converge em uma solu o independentemente das diferen as no n mero de vari veis escolhidas velocidade do hardware utilizado ou taxa de atualiza o da tela A planilha de resumo de otimiza o do Evolver tamb m til para comparar os resultados de diversas execu es Para obter mais informa o sobre as planilhas de resumo de otimiza o consulte a se o Observador do Evolver Condi es de parada neste cap tulo e Tempo Esta op o quando definida faz com que o Evolver pare de simular cen rios depois de decorrido dado n mero de horas minutos ou segundos Esta op o pode ser definida com qualquer n mero real positivo 600 5 2 etc e Progresso Esta op o quando definida faz com que o Evolver pare de simular cen rios quando a melhoria na c
81. du o Para fazer isso 1 Clique em OK para sair da caixa de di logo Configura es de otimiza o 2 Clique no cone Iniciar otimiza o Progresso do Evolver Tentativa 854 224 V lido s Tempo de Execu o 00 00 17 Original 2453425 Melhor Bee eja nai Durante a execu o a janela Progresso indica o seguinte 1 a melhor solu o encontrada at o momento 2 o valor original da c lula alvo no in cio da otimiza o 3 o n mero de tentativas executadas no modelo e o n mero de tentativas v lidas entre as que foram executadas isto que atenderam todas as restri es 4 o tempo decorrido da otimiza o A qualquer momento durante a execu o voc pode clicar no cone Op es de atualiza es do Excel para atualizar instantaneamente a tela a cada tentativa 38 Tour do Evolver Observador do Evolver O Evolver tamb m pode exibir um registro cont nuo das simula es executadas de cada solu o tentada Esse registro exibido no Observador do Evolver enquanto o Evolver est sendo executado Para ver o registro cont nuo das simula es executadas 1 Clique no cone do Observador lente de aumento na janela Progresso para exibir o Observador do Evolver 2 Selecione a guia Registro P Observador do Evolver Progresso Sum rio Condi es de Parada Exibir Todas as Tentativas gt Tenta Tempo Decorrido Resultado C4 D4 E4 F
82. e a receita mas nele o valor solu o total das vari veis precisa ser um n mero espec fico Esse n mero or amento Ea corresponde ao valor total das vari veis no momento em que a otimiza o foi iniciada Suponhamos por exemplo que voc queria saber qual a melhor maneira de distribuir um or amento anual entre v rios departamentos O m todo de solu o or amento pega o total dos valores atuais dos departamentos e usa a soma desses valores como or amento total a ser distribu do da melhor forma poss vel A seguir apresentamos exemplos de dois poss veis cen rios ap s usar o m todo de solu o or amento Conjunto original de Conjunto de poss veis Outro conjunto de valores de or amento valores de or amento poss veis valores de or amento Muitos valores s o experimentados mas a soma de todos eles sempre 223 5 Em vez de usar o m todo de solu o or amento poderia ser usado o m todo de solu o receita com uma restri o especificando um valor total fixo das c lulas ajust veis Este m todo funciona bem quando usado o mecanismo de otimiza o OptQuest Entretanto com o algoritmo gen tico o m todo or amento mais eficiente 58 Comando Defini o do modelo M todo de solu o projeto 2 O m todo de solu o projeto semelhante ao m todo ordem exceto pelo fato de que certos itens tarefas precisam preceder outros
83. e a f rmula de Excel fornecida retornar VERDADEIRO no rec lculo de um modelo e Se quiser deixar o Evolver rodar indefinidamente desative todas as condi es de parada 36 Tour do Evolver Enquanto o Evolver roda uma s rie de op es est dispon vel na guia Op es de j f is fis exibi o Visualizar para que voc possa especificar o que deve ser exibido na tela e Evolver Configura es de Otimiza o Tempo de Execu o Mecanismo Macros Durante a Otimiza o Minimizar o Excel no Inicio ly Exibir Rec lculos do Excel A Cada Nova Melhor Tentativa iy OK Cancelar As op es de Mostrar rec lculos do Excel s o A cada tentativa A cada nova melhor tentativa Esta op o refaz a tela ap s cada Esta op o refaz a tela cada vez que o c lculo possibilitando ver como o Evolver gera uma nova resposta Evolver ajusta as vari veis e calcula o melhor o que permite que voc veja a output Sugerimos usar esta op o melhor solu o atual a qualquer enquanto voc ainda estiver momento durante a otimiza o aprendendo a usar o Evolver e tamb m cada vez que usar o Evolver em um novo modelo para verificar se o modelo est sendo calculado corretamente Selecione A cada tentativa Evolver Passo a Passo Execu o da otimiza o Agora s falta otimizar o modelo para maximizar o lucro total e obedecer as diretrizes de limite de pro
84. e ferramentas do Evolver 10 Instru es de instala o No es Gerais O que o Evolver ue cescseeseeceeeeeeeseeseneeaeseseeseeseeeseeeseeneeseeeaeesenseeenntes 13 Como o Evolver fUnci0ma cscsesssesecsssesecsessesecssssesecsessesecsessesecees 13 Algoritmos gen ticos cssscssssesesssssssessssessessssesessssasesseseseses 14 O que o otimiza o senaia a a 14 Por que criar modelos no Excel cererererereresesasasasasnsnsasmeseneso 16 Por que usar o Evolver esesesesesesecncnenenenenenenesesesasasasasasasasasaeseso 17 N o mais necess rio adivinhar c css rsessrsersesas 17 Mais flexibilidade cscsssssssscssssssesessessescsessesecsessesecsesseseeees 17 Maior capacidade cesssscsssssscsssssssescsessesecssssesecsessesecsessesecees 18 CUSEO DeNELICIOs sssscsssscsisessccssesnsessnssssesenseassestenacsesesassesnesacssensyasies 19 No es Gerais 11 12 O que o Evolver O pacote de software Evolver fornece ao usu rio uma maneira f cil de encontrar a melhor solu o para praticamente qualquer tipo de problema Em poucas palavras o Evolver encontra os melhores inputs entradas de dados para produzir o output resultado desejado Pode se usar o Evolver para encontrar a combina o a ordem ou o agrupamento correto de vari veis que produzem o maior lucro o menor risco ou o maior n mero de mercadorias com a menor quantidade de materiais Ge
85. e o come o Recursos Adicionais do Evolver 135 Crossover Como cada m todo de solu o ajusta as vari veis de formas diferentes o Evolver emprega uma rotina otimizada de crossover distinta para cada tipo de problema O m todo de solu o b sico da receita executa crossover por meio de uma rotina uniforme de crossover Isso significa que em vez de cortar a lista de vari veis de um dado cen rio em determinado ponto e lidar com cada ponto chamado crossover de ponto nico ou de ponto duplo s o formados dois grupos por sele o aleat ria de itens para um grupo ou o outro Crossovers tradicionais de ponto x podem produzir vi s na busca devido posi o irrelevante das vari veis enquanto o m todo de crossover uniforme considerado melhor por preservar o esquema e poder gerar qualquer esquema a partir dos dois genitores En E EEn Popula o original Prossover de ponto nico Se ocorrer crossover um ponto selecionado aleatoriamente e o organismo dividido em dois E Crossover uniforme Uma dada porcentagem do organismo selecionada aleatoriamente O m todo de solu o ordem efetua o crossover atrav s de um algoritmo semelhante ao operador de crossover de ordem descrito no livro Handbook of Genetic Algorithms de L Davies Ele seleciona itens aleatoriamente de um dos genitores encontra o seu lugar no outro genitor e copia os itens restantes no segundo genitor na mesma
86. e substitui um organismo de cada vez ordenado por posto e desta forma n o usa o termo gera o na sua documenta o Esta t cnica de estado de equil brio constante tamb m funciona t o bem como com a reposi o de gera es Um gerador de n meros aleat rios um algoritmo para a escolha de n meros aleat rios tipicamente no intervalo de 0 a 1 Esses n meros aleat rios s o equivalentes a amostras retiradas de uma distribui o uniforme com o m nimo de 0 e o m ximo de 1 Esses n meros aleat rios servem como base para outras rotinas que os convertem em amostras retiradas de tipos espec ficos de distribui o Consulte Amostra aleat rio Semente Cada conjunto de vari veis assim como a forma pela qual ser o tratados um grupo de c lulas ajust veis O Evolver lista todos os grupos de c lulas ajust veis na se o de vari veis da caixa de di logo Modelo do Evolver Esta arquitetura permite que problemas complexos sejam constru dos e descritos como v rios grupos de c lulas ajust veis No Evolver O usu rio define o intervalo ou o valor mais alto e mais baixo que permitido ao Evolver experimentar ao ajustar uma certa vari vel Embora n o seja necess rio para resolver um problema definir os intervalos limita as possibilidades e restringe a busca do Evolver No Excel Um bloco de c lulas cont guas dentro de uma planilha que definido pela c lula superior esquerda e pela inferior direita
87. e trabalho perdido etc Agora que computadores de alta capacidade est o dispon veis a pre os cada vez mais acess veis e que existem softwares como o Excel e o Evolver facilmente disposi o n o h motivo para adivinhar as solu es ou perder tempo precioso experimentando manualmente in meros cen rios O Evolver possibilita usar toda a gama de f rmulas do Excel para construir modelos mais real sticos de qualquer sistema Com o Evolver n o necess rio comprometer a exatid o do modelo devido capacidade insuficiente do algoritmo de lidar com as complexidades do mundo real Os solvers b sicos convencionais ferramentas de programa o lineares e estat sticas for am o usu rio a fazer pressuposi es sobre como as vari veis do problema interagem obrigando o a construir modelos super simplificados e irreal sticos dos problemas O usu rio for ado a pressupor valores para as vari veis incertas devido capacidade insuficiente do otimizador de lidar com valores poss veis para componentes incertos do modelo Depois de simplificar o sistema o suficiente para poder us lo em um solver desse tipo a solu o resultante em geral abstrata demais para poder ser colocada em pr tica Nenhum problema que envolva um grande n mero de vari veis fun es n o lineares tabelas de refer ncia condi es hipot ticas If Then consultas a bancos de dados ou elementos estoc sticos aleat rios pode ser solucionado po
88. ecisa identificar o problema como n o suave os m todos de otimiza o do software da Palisade funcionam bem tanto para problemas suaves como n o suaves ao contr rio da op o padr o do GRC H uma categoria grande de problemas que s o muito diferentes dos problemas num ricos examinados at agora Chamamos de problemas combinat rios aqueles em que os outputs envolvem altera o na ordem das vari veis de inputs existentes ou agrupamento de subconjuntos dos inputs Esses problemas em geral s o muito dif ceis de resolver porque muitas vezes requerem um tempo exponencial isto ou seja o tempo necess rio para um problema com 4 vari veis pode ser 4 x 3 x 2x 1 e se o n mero de vari veis for dobrado para 8 o tempo de solu o passa a ser 8 x 7 x 6 x5x4x3x2x1 ou um fator de 1 680 O n mero de vari veis dobra mas o n mero de poss veis solu es aumenta 1 860 vezes Por exemplo escolher a escala o de in cio da partida de um time de beisebol um problema combinat rio Para 9 jogadores voc pode escolher um dentre os nove para ser o primeiro rebatedor Voc ent o pode escolher um dos 8 restantes como segundo batedor um dos 7 restantes como terceiro e assim por diante H ent o 9x8x7x6x5x4x3x2x1 9 fatorial formas de escolher uma linha de 9 jogadores S o aproximadamente 362 880 ordens distintas Agora se voc dobrar o n mero de jogadores haver 18 poss veis linhas ou 6 402 373 705 000 000 poss veis op
89. em OK para confirmar a restri o Fi Evolver Configura es de Restri es ES Descri o Total aceit vel de horas de trabalho Tipo de Restri o Hard Descarta Solu es que n o Atendem a Restri o Precis o Autom tico n C Soft Desfavorece Solu es que n o Atendem a Restri o Fun o de Penalidade 100 EXP DESVIO 100 1 Defini o Estilo de Entrada simples Eq Minimo Intervalo a Restringir Maximo gea Sjeo Le Cancelar 33 Agora insira as restri es r gidas em formato de f rmula 1 2 3 4 5 6 7 8 9 Clique em Adicionar para exibir novamente a caixa de di logo Configura es de restri es Na caixa de descri o insira Rela o aceit vel alta fibra baixa caloria Na caixa Estilo de entrada selecione F rmula Na caixa F rmula de restri o digite C4 gt 1 5 B4 Clique em OK Clique em Adicionar para exibir novamente a caixa de di logo Configura es de restri es Na caixa de descri o insira Rela o aceit vel na propor o de p es 5 gr os baixa caloria Na caixa Estilo de entrada selecione F rmula Na caixa F rmula de restri o digite D4 gt 1 5 B4 10 Clique em OK Agora a caixa de di logo Modelo com a se o de restri es preenchida ser semelhante a esta e Evolver Modelo Co E tes Objetivo da Otimiza o M ximo Zi C lu
90. en tico problemas baseados em tabela combinat rios lineares n o lineares problemas baseados em tabela problemas com m ltiplas metas problemas combinat rios problemas lineares problemas n o lineares R redesenhar tela figura Remo o do Evolver do computador restri es como funcionam restri es flex veis restri es r gidas restri es soft flex veis rotina de sele o S solu o global solution comparada solu o local solu o local comparada solu o global 100 119 108 108 105 107 108 133 98 99 105 107 37 133 137 31 63 31 63 64 128 135 104 104 157 T taxa de crossover como funciona taxa de muta o como funciona tutorial V velocidade como aumentar 72 88 118 136 72 88 137 10 134 158
91. ereerereseseeseseese 70 Modo de otimiza o eseseseseseseseseseseseseseseseseseseseseseseseseseseseseses 70 Otimizar usando isseire taer KEEN S sE ro sser 71 Configura es de algoritmo gen tico esesesesseseeresesessesescesesese 71 Operadores rs aeea a Eao ESEESE Ea 73 Comando Configura es de otimiza o Guia Visualizar 76 Comando Configura es de otimiza o Guia Macros 77 Comando Iniciar otimiza o s ss is sssesssersersesseeresesaeras 79 Comandos Utilidades ccs ccc seseeeesesseseeseseseeeseensesenesneneeeeeeaenes 81 Comando Configura es da aplicacao sssssssscssssesesesssssssssseeees 81 Comando Solver de restricGes sssssesssssssssssssssssssssssssssassssesesesseees 82 Observador do Evolver ssessesesssesesesaesaeessersaesascereansaaraa 85 Observador do Evolver Guia Progresso sssssessessssesessssseeseeees 86 Observador do Evolver Guia Sum rio ceresesesreresesness 88 Observador do Evolver Guia Registro sessao 89 Observador do Evolver Guia Popula o esses 90 Observador do Evolver Guia Diversidade ses 91 Observador do Evolver Guia Condi es de parada 92 Guia de Refer ncia do Evolver 45 46 Comando Defini o do modelo Define a meta as c lulas ajust veis e as restri es de um modelo
92. esenvolver um algoritmo totalmente novo para encontrar as solu es timas Com um investimento consideravelmente menor o Evolver fornece os algoritmos de otimiza o mais possantes dispon veis e possibilita obter solu es r pidas e exatas para uma grande variedade de problemas Como ele funciona em um ambiente intuitivo e j conhecido n o h necessidade de treinamento nem manuten o dispendiosa A capacidade de otimiza o do Evolver pode at ser acrescentada aos programas personalizados do pr prio usu rio Em apenas alguns dias voc pode usar o Visual Basic para desenvolver o seu pr prio sistema de agendamento distribui o produ o ou gerenciamento 19 financeiro Veja mais detalhes de como desenvolver aplicativos baseados no Evolver no Kit de Desenvolvedor 20 O que o Evolver Evolver Passo a Passo Introdu o AP P Se Sos castopsaitsca cantado A give sia asa diaa delta tada 23 Tour do Evolver assasetaesasenesenerenerenesensceasamanamaraenacenaaaneaaneaenaas 25 Como iniciar o Evolver ceceseresesesecesnensnenenenenenesesasasasasasasasasasaeaeso 25 Barra de ferramentas do Evolver sssssssssssssessesecscsesseeseees 25 Como abrir um exemplo de modelo ccrererereresesasasas 25 Caixa de di logo Modelo do Evolvet cssssssssssssssssssesecscseseseeeees 26 Sele o da c lula al v0 essssscsssscsecsssseseceessesecsessesecsessesecsessesecesees 27 Como espe
93. eseseseesereeresesessesesceresesesseseseeresesesseseseeee 3 Sobre esta Versionsnr sioen on a N r S 3 Funcionamento com o seu ambiente operacional 4 Se necessitar de ajuda ssescsscscsssssssssesssssssssssssssscssssssssessssssesssseees 4 Antes de nos Contatat sccscscssssesssssssscssssesssssssscsssssassssssesssesess 4 Requisitos de sistema do Evolvet sssssssssssssssecscsessssessssssssssssseeeees 6 Instru es de instala o nnnnnnnnnnnnn0nn onenn nennen nnnenn nn nnnn nennen nnmnnn nenne 7 Instru es gerais de instala o sessesesesesrereereseseseereseesesesesseseseesesesee 7 Remo o do Evolver do computador sseseeses 7 DecisionTools Suite cssesssssrcsessssssssssccssssssensersscessesensosescesesesons 8 Ativa o do software sesesesesesessssosssssosssssosososososososososososososososososososeseses 8 Mensagem de advert ncia sobre seguran a de macros ao iniciar 9 Mais informa es sobre o Evolver c err eeseenesesecrereresness 10 Arquivo LeiaMe do Evolver ererereesesesasasnsnsnsnsasemeseso 10 Tutorial do Evolver osiossa 10 Como aprender a usar 0 EvolVet cscsssscssssssssesssscssscessssasssssseseseees 10 Introdu o Introdu o Introdu o O Evolver o otimizador baseado em algoritmos gen ticos mais avan ado e veloz dispon vel no mercado at hoje Por meio da apl
94. esso mostram a contagem de tentativas no eixo X e o valor da c lula alvo no eixo Y Clicar com o bot o direito no gr fico de progresso abre a caixa de di logo Op es de gr ficos na qual se pode personalizar ainda mais os gr ficos Progresso sum rio Registro Popula o Diversidade Condi es de Parada ltimas 1000 Tentativas Todas as Tentativas 13 500 12 300 12 200 13 000 12 100 nat Gr fico Op es 12 000 v Escala Autom tica Exibir gt 11 500 Copiar gr fico Imprimir gr fico 11 000 Salvar Arquivo de Imagem E E g amp mess 3 5 E N s E e Melhor 12254 0213 Tentativa 4812 Original 2030 Tentativas 7180 Tempo 00 00 15 ORE m 86 Observador do Evolver Caixa de di logo A caixa de di logo Op es de gr ficos permite definir os t tulos legendas escala e fontes usadas no gr fico exibido Op es de gr ficos Guia de Refer ncia do Evolver IV Exibir T tulo T tulo Descri o Formata o Cor Fonte do T tulo Fonte da Descri o Titulo Exo X Exo Y Curvas Legenda Outros Autom tico Autom tico v V Autom tico Tahoma 9 Tahoma 7 87 Observador do Evolver Guia Sumario Exibe detalhes dos valores das c lulas ajust veis A guia Resumo do Observador do Evolver exibe uma tabela resumida dos valores das c lulas ajust veis durante a otimiza o Se o mecanismo Algoritmo
95. ica o de t cnicas avan adas de otimiza o base de algoritmos gen ticos o Evolver fornece as melhores solu es de problemas que s o insol veis para os otimizadores lineares e n o lineares padr o O software Evolver tamb m inclui o mecanismo de otimiza o OptQuest que encontra rapidamente solu es para uma ampla gama de problemas de otimiza o Al m disso s o utilizados m todos de programa o linear para processar problemas lineares O Evolver est dispon vel em duas vers es profissional e industrial para que voc possa escolher o otimizador mais adequado para as suas necessidades Este Manual do Usu rio do Evolver apresenta uma introdu o ao Evolver e aos princ pios nos quais baseado al m de v rios exemplos de como aplicar a tecnologia de algoritmo gen tico exclusiva do Evolver Este manual completo tamb m pode ser usado como guia de refer ncia pois totalmente indexado e cont m descri es e ilustra es de todos os recursos do Evolver Antes de come ar Antes de instalar o Evolver e come ar a us lo confira se a embalagem do produto cont m todos os itens necess rios e se o seu computador atende os requisitos m nimos para usar o software sem problemas O que est inclu do no pacote O Evolver pode ser adquirido individualmente ou com a vers o Professional ou Industrial do DecisionTools Suite O aplicativo Evolver cont m o add in Evolver para Excel v rios exemplos p
96. imiza o OptQuest O gr fico na guia Diversidade associa cores a valores de c lulas ajust veis com base em quanto o valor de uma dada c lula difere da popula o de organismos solu o armazenados na mem ria em um ponto espec fico segundo a terminologia de otimiza o gen tica essa indica o significa que a diversidade j existe no pool gen tico Cada barra vertical do gr fico corresponde a uma c lula ajust vel As listras horizontais dentro de cada barra representam os valores da c lula ajust vel em quest o em diferentes organismos solu es As cores das listras s o atribu das dividindo se o intervalo entre o valor m nimo e m ximo correspondente a uma c lula ajust vel espec fica em 16 intervalos de mesma amplitude cada intervalo representado por uma cor distinta Por exemplo na figura o fato de que a barra vertical que representa a segunda c lula ajust vel de uma cor s significa que a c lula tem o mesmo valor em cada uma das solu es contidas na mem ria Observador do Evolver Progresso Sum rio Registro Popula o C lulas na horizontal e Solu es na vertical Ores go Guia de Refer ncia do Evolver 91 Observador do Evolver Guia Condi es de parada Exibe as op es de parada da otimiza o Ao clicar no bot o Parar a guia Condi es de parada da caixa de di logo Observador do Evolver exibida Ela inclui as op es dispon veis
97. imizar durante a otimiza o 13 Este modelotem diversas restri es que precisam ser atendidas Primeiro necess rio haver uma rela o m nima de 3 2 entre alto 14 conte dodefibrae baixovalorcal rico Segundo necess rio haver uma rela o 3 2 na propor o de p es5 gr os e baixo valor 15 cal rico Por ltimo o total de horas de trabalho precisa ser menos de 50 000 16 NOTA Outra vers o deste modelo pode ser encontrada no arquivo Padaria com todas as configura es do Evolver j definidas Nesta 17 vers o do modelo as configura es do Evolver n o est o predefinidas assim voc pode us lo para acompanhar o cap tulo de tutorial 18 domanualdo Evolver 19 20 21 22 23 24 25 26 27 28 M 4 gt h Explica o Modelo 3 iE i Lal Pronto 22 BD 100 C Esta planilha de exemplo cont m um problema simples de maximiza o de lucros para uma padaria A padaria produz 6 tipos de p es Suponhamos que voc o gerente da padaria encarregado de controlar a renda os custos e os lucros da produ o Voc precisa Evolver Passo a Passo 25 determinar o n mero de caixas de cada tipo de p o que maximizar o lucro total sem deixar de atender as diretrizes de limites de produ o As diretrizes a serem obedecidas s o 1 cumprir a quota de produ o de p es de baixo teor cal rico 2 manter uma rela o aceit vel fibra caloria 3 manter uma rela o aceit vel en
98. imo 1 Na c lula Valores clique na seta para baixo e selecione Inteiro mas z aria o oft E o 8 8 Wien Base Inserir Esquema de P gina F rmulas Dados Rever ver Evolver a0c7 z JA A Unidades S v 7 Ajuda Defini o Configura es Iniciar Relat rios do Modelo E Model E e Evolver Modelo o els f Bai B Objetivo da Otimiza o M ximo ES J K E 2 a C lula 111 E 7 3 Baixo valor cal ri 4 Caixas produzidas 204 5 Horas por caixa 0 3 Intervalos de C lulas Ajusf 5 Valores de c lulas ajust veis 6 Preco por caixa s M nimo res _Adiconar 7 C Qual Excluir Qualquer um clover ERES 8 G intero C Discretas Grupo F OK Cancelar 14 Restri es 15 Descri o F rmula Tipo Adicionar o Editar n Deletar 18 SEA 19 21 22 2 24 25 E M 4 HT Expica o Modelo 3 a Pronto ai EB 190 C 28 Tour do Evolver Agora insira um segundo intervalo de c lulas a ser ajustado 1 Clique em Adicionar para inserir o segundo intervalo de c lulas 2 Selecione a c lula B4 3 Insira 20 000 como M nimo e 100 000 como M ximo 4 Na c lula Valores clique na seta para baixo e selecione Discreta Aceite o valor 2 predefinido em Tamanho da etapa Evolver Modelo tetos Objetivo da Otimiza o M ximo Eq C lula 111 Intervalos de C lulas Ajust veis Minimo Intervalo M
99. inar cada solu o poss vel Isso levaria de anos de c lculos mesmo nos computadores mais r pidos Para resolver esses tipos de problemas necess rio procurar solu es em um subconjunto de todas as solu es poss veis Examinando estas solu es podemos ter uma melhor no o de como encontrar solu es melhores Isto realizado atrav s de um algoritmo Um algoritmo simplesmente uma descri o passo a passo de como abordar um problema Todos os programas de computadores por exemplo s o constru dos pela combina o de um grande n mero de algoritmos Vamos come ar explorando a forma como a maior parte dos algoritmos de solu o de problemas representam um problema A maior parte dos problemas pode ser dividida em tr s componentes b sicos inputs algum tipo fun o e um output resultante Ao procurar Dado o Para obter o seguinte melhor Componentes do Inputs Fun o Output problema No Evolver Excel Vari veis Modelo Meta Vamos pressupor que nosso problema de otimiza o envolva duas vari veis X e Y Quando expressas em forma de equa o essas duas vari veis produzem um resultado Z Nosso problema encontrar valores para X e Y que produzam o maior valor em Z Podemos considerar Z como uma nota ou classifica o que indica a qualidade de um par X Y espec fico Ao procurar Dado o Para obter o seguinte melhor Nesteexemplo xeY A plotagem de cada par de Xs Ys e
100. iret rios de Arquivos de Programas Palisade ser o diret rio do Evolver por padr o denominado Evolver7 Este diret rio cont m o arquivo do suplemento Evolver EVOLVER XLA al m de exemplos de modelos e outros arquivos necess rios para executar o Evolver Um outro subdiret rio de Arquivos de Programas Palisade o diret rio SISTEMA ou SYSTEM que cont m os arquivos necess rios para cada programa do DecisionTools Suite inclusive as bibliotecas dos programas e arquivos de ajuda comuns Ativa o do software A ativa o um processo de verifica o de licen a que efetuado apenas uma vez e necess rio para poder executar o software Palisade como produto plenamente licenciado A fatura impressa do produto ou a fatura enviada por e mail cont m a ID de Ativa o que consiste em uma sequ ncia de letras e n meros separados por h fens por exemplo DNA 6438907 651282 CDM Se voc forneceu a ID de Ativa o durante a instala o o software ser ativado ao final do processo de instala o nenhuma outra a o ser necess ria Se preferir ativar o software ap s a instala o selecione o comando Gerenciador de Licen as no menu Ajuda O Gerenciador de Licen as pode ser usado para ativar desativar e transferir licen as de software de uma m quina para outra Tamb m usado para gerenciar licen as em instala es de rede Siga as instru es e caixas de di logo apresentadas pelo Gerenciador de Lice
101. istro Popula o Diversidade Condi es de Parada Restri es Hard Melhor Original Ultimo Descri o F rmula Atingidas N o Atingidas Atingidas Alma dentro do alcance P21 0 Atingidas N o Atingidas Atingidas Auburn dentro do alcance P22 0 Atingidas N o Atingidas Atingidas Antonito dentro do alcan P23 0 Atingidas N o Atingidas Atingidas Appleton dentro do alca P24 0 Atingidas N o Atingidas Atingidas Barrow dentro do alcance P25 0 Atingidas N o Atingidas Atingidas Byers dentro do alcance P26 0 Atingidas N o Atingidas Atingidas Carthage dentro do alca P27 0 Atingidas Atingidas Atingidas Cedar dentro do alcance P28 0 Atingidas N o Atingidas Atingidas Dobbs dentro do alcance P29 0 Atingidas NaoAtingidas Atingidas Dover dentro do alcance P30 0 N mero de Restri es 10 Melhor 10 Restri es Atendidas Tentativa 6661 Original 1 Restri o Atendida Tentativas 6661 Tempo 00 00 22 9 BI R pesa A otimiza o feita pelo Solver de restri es p ra automaticamente quando encontrada uma solu o que atende a todas as restri es r gidas a otimiza o tamb m pode ser parada clicando se no bot o da janela de progresso ou no Observador do Evolver Ap s o Solver de restri es ser executado voc pode escolher entre as solu es Melhor Original ou ltima como faz nas otimiza es em modo normal na guia Condi es de parada do Observador do Evolver Observe que n o h necessidade
102. iverem sendo exibidos os gr ficos dos melhores resultados na guia Progresso do Observador do Evolver eles se tornar o planos ap s certo tempo antes da condi o ser atendida e o Evolver parar Progresso na verdade simplesmente uma forma autom tica de fazer o que voc poderia fazer manualmente deixar o gr fico rodar at a taxa de melhoria praticamente zerar e F rmula verdadeira Esta condi o de parada faz com que a otimiza o se encerre sempre que a f rmula Excel inserida ou referenciada retorne VERDADEIRO durante a otimiza o e Parar em erro Esta condi o de parada faz com que a otimiza o se encerre sempre que um valor de erro calculado para a c lula alvo NOTA Voc tamb m pode deixar de selecionar condi es de parada e o Evolver rodar at que seja pressionado o bot o Parar na janela Progresso ou no Observador do Evolver Guia de Refer ncia do Evolver 69 Modo de otimiza o Comando Configura es guia Mecanismo Seleciona as configura es e o mecanismo de otimiza o A guia Mecanismo da caixa Configura es de otimiza o seleciona o mecanismo e as configura es de otimiza o que ser o usadas durante a otimiza o O Evolver usa o OptQuest e algoritmos gen ticos para procurar as melhores solu es para determinado problema O Evolver tamb m soluciona problemas lineares usando m todos de programa o linear se o modo Otimiza o estiver em Autom tic
103. juda Defini o Configura es Iniciar Relat rios do Modelo z Modelo Otimiza o Ajuda Para conhecer os recursos do Evolver vamos examinar um exemplo de modelo que foi instalado durante a instala o do Evolver Para fazer isso 1 Abra a planilha Padaria Tutorial passo a passo xlsx ou xls usando o comando Planilhas exemplo no menu Ajuda Ma Padaria Tutorial passo a passo xlsx Microsoft Excel iol ba Base Inserir Esquema de P gina F rmulas Dados Rever Ver Evolver a0c2 A Utilidades a amp DEZ Ajuda Defini o Configura es Iniciar Relat rios do Modelo Modelo Otimiza o Ajuda Al X f B c D E F G H J K L M N o E 2 MPALISADE 5 Padaria vers o de tutorial passo a passo A padaria produz seis tipos de p es Suponhamos que voc seja o gerente da padaria encarregado de controlar a renda os custos eos 8 lucros de produ o Voc precisa saber qual o n mero de caixas de cada tipo de p o que maximizar o lucro total sem deixarde 9 atender as diretrizes de limites de produ o Observe que as fun es IF nas colunas 5 e 7 indicam uma ligeira redu o de horas de 10 trabalhoe de custos por caixa quando s o produzidas mais caixas 11 O Evolver usa o m todo de solu o receita para fazer ajustes no n mero de caixas produzidas de cada variedade de p o Esses s o 12 osvaloresemamarelonalinha4 O lucro total em vermelho o valor que o Evolver max
104. l and Artificial Systems Ann Arbor MI University of Michigan Press Koza John 1992 Genetic Programming Cambridge MA MIT Press Langton C L 1989 Artificial Life MIT Press ALife I Levy Steven 1992 Artificial Life New York Pantheon e Meyer J A amp S W Wilson Eds 1991 Proceedings of the First International Conference on Simulation of Adaptive Behavior From Animals to Animats MIT Press Bradford Books Anexo C Recursos Adicionais 145 Proceedings of the Sixth International Conference ICGA on Genetic Algorithms 1995 San Mateo CA Morgan Kaufman Publishing Also available the first five ICGA proceedings Proceedings of the Workshop on Artificial Life 1990 Christopher G Langton Senior Editor Reading MA Addison Wesley Publishing e Rawlins Gregory 1991 Foundations of Genetic Algorithms San Mateo CA Morgan Kaufman Publishing Richards R J 1987 Darwin and the Emergence of Evolutionary Theories of Mind and Behavior U Chicago Press e Williams G C 1966 Adaptation and Natural Selection Princeton U Press Artigos Antonoff Michael October 1991 Software by Natural Selection Popular Science pags 70 74 e Arifovic Jasmina January 1994 Genetic Algorithm Learning and the Cobweb Model In Journal of Economic Dynamics amp Control v18 pag 3 Begley S May 8 1995 Software au Naturel In Newsweek pag 70 e Celko Joe April 1
105. la 111 Eis Intervalos de C lulas Ajust veis M nimo Intervalo M ximo Valores Adicionar Exduir 0 lt C4 64 lt 100000 Inteiro 20000 lt B4 lt 100000 Etapa 2 Grupo Restri es Descri o F rmula Tipo Total aceit vel de 18 lt 50000 Hard Rigida Rela o aceit vel a C4 gt 1 5 B4 Hard Rigida D4 gt 1 5 B4 OK Cancelar 34 Tour do Evolver Condi es de parada Outras op es do Evolver Op es como Mostrar rec lculos do Excel e Op es de tempo de execu o est o dispon veis para controlar como o Evolver deve funcionar durante uma otimiza o Vamos especificar algumas condi es de tempo de execu o e configura es de atualiza o da exibi o O Evolver roda durante quanto tempo voc quiser As condi es de parada possibilitam especificar que o Evolver pare automaticamente em uma das seguintes situa es a ap s um certo n mero de cen rios ou tentativas terem sido examinadas b ap s decorrido determinado intervalo de tempo c quando n o tiver ocorrido nenhuma melhoria nos ltimos n cen rios d quando a f rmula de Excel fornecida avaliada como VERDADEIRA Para ver e editar as op es de Tempo de Execu o 1 Clique no cone Configura es na faixa de op es ou barra de ferramentas do Evolver 2 Selecione a guia Tempo de Execu o e Evolver Configura es de Otimiza o pes Mecanismo Vizualizar Macros Tempo de Execu
106. leta informa es sobre como cada solu o deixa de atender as restri es visando a encontrar solu es v lidas Algoritmos Gen ticos e OptQuest 121 122 OptQuest Recursos Adicionais do Evolver Como inserir restri es sis srsacereemenereenas 125 Restri es de intervalo esesesesessoeosososososososososososososososososososososososos 126 Restri es r gidas hard personalizadas esses 127 Restri es flex veis soft csssssssecsscesecsessesecsessesecsessesecsessesecees 128 Fun es de penalidade s see ereseenesesecrerereeneseses 128 Como visualizar as penalidades aplicadas 130 Mais exemplos de fun es de penalidade 131 Como usar fun es de penalidade s ses 132 Problemas com m ltiplas metas csseseseereresesneeseseerenes 133 Como aumentar a velocidade ss ss issessessessesesseseeesseraas 134 Como o Evolver efetua a otimiza o com o algoritmo gen tico 135 SOLE CAO EEA PEIE OSA sonia costa nin EE assita clan E colas 135 CrOSSOVEr AEA EE A 136 SUDSEITUI O ssena E 137 RESITI ES E E T 137 Recursos Adicionais do Evolver 123 124 Como inserir restri es No mundo real os problemas geralmente apresentam uma s rie de restri es que precisam ser atendidas ao procura respostas timas No exemplo da Padaria apresentado no tut
107. lula alvo for menor que a quantidade especificada crit rio de mudan a Voc pode definir o n mero de simula es ap s as quais deve ser verificada a ocorr ncia de melhoria esta defini o deve ser um n mero inteiro Um valor percentual ex 1 pode ser inserido como m xima mudan a de valor no campo M xima mudan a Vamos supor que estamos tentando maximizar o valor da c lula alvo e os par metros usados na condi o de parada de andamento s o 20 000 simula es e 0 01 de altera o Tamb m vamos supor que ap s 10 000 tentativas a melhor resposta encontrada seja 2 000 Se a op o Progresso for a nica condi o de parada selecionada quando o Evolver chegar simula o 30 000 ele s continuar se ainda puder encontrar uma resposta de no m nimo 2000 2 durante as ltimas 20 000 simula es Em outras palavras se as respostas do Evolver n o tiverem melhorado pelo menos 0 01 nas ltimas 20 000 simula es ele presumir que h pouca otimiza o a ser feita e parar de procurar resultados Quanto mais complexo for o problema de otimiza o maior ser o 68 Comando Configura es de otimiza o n mero de tentativas que devem ser especificadas nessa condi o de parada Esta a condi o mais usada de parada porque fornece ao usu rio uma forma eficaz de interromper o Evolver ap s a taxa de melhoria ter ca do bastante e o Evolver n o conseguir mais gerar melhores solu es Se est
108. m conjunto de valores de vari veis da forma como podem aparecer em uma planilha antes do processamento pelo Evolver e dois novos cen rios que poderiam ser apresentados depois de usar o m todo de solu o receita Conjunto original de Conjunto de poss veis Outro conjunto de valores das vari veis valores de receita poss veis valores de receita 54 Comando Defini o do modelo M todo de O m todo de solu o ordem o segundo m todo mais usado solu o ordem depois de receita Ordem consiste na permuta o de uma lista de em itens em que voc tenta encontrar a melhor forma de organizar w determinado conjunto de valores Diferentemente dos m todos de B ER NC QD solu o receita e or amento que instruem o Evolver a gerar E valores para as vari veis escolhidas este m todo de solu o instrui o Evolver a usar os valores j existentes no modelo o A N E BB A ordem pode representar a ordem de execu o de um conjunto de Wey tarefas Por exemplo digamos que voc queira saber em que ordem deve realizar cinco tarefas numeradas como 1 2 3 4 e 5 O m todo de solu o ordem embaralha esses valores assim um dos cen rios poderia ser 3 5 2 4 1 Como o Evolver simplesmente experimenta com os valores de vari veis da sua planilha inicial n o necess rio definir o intervalo m nimo m ximo das c lulas ajust veis ao se usar o m todo ordem A seguir apresentamo
109. m ser inseridas diretamente na planilha Uma fun o de penalidade booleana associar uma dada penalidade a qualquer cen rio que n o atenda a restri o especificada Por exemplo se quiser que o valor da c lula B1 oferta seja igual a ou maior que o valor da c lula Al demanda voc pode criar esta fun o penalidade em outra c lula SE A1 gt B1 1000 0 Se o resultado dessa c lula for adicionado estat stica da c lula alvo toda vez que o Evolver experimentar uma solu o que viole esta restri o ou seja a oferta n o atende a demanda a estat stica da c lula alvo que est sendo maximizada indicaria um valor de 1000 abaixo do resultado real Qualquer solu o que viole esta restri o produziria um valor inferior na estat stica da c lula alvo e eventualmente o Evolver eliminaria esses organismos Voc tamb m pode usar uma fun o de penalidade de escala que penaliza de forma mais precisa cada solu o com base em quanto ela viola a restri o Isto muito pr tico em problemas reais porque uma solu o em que a oferta n o atende a demanda por uma diferen a pequena seria melhor que uma solu o na qual a oferta nem chegou perto da demanda Uma fun o de penalidade de escala simples calcula a diferen a absoluta entre o valor da meta da restri o e o seu valor real Por exemplo no mesmo problema em que A1 demanda n o deve exceder B1 oferta poder amos associar a seguinte fun o de penalidade
110. mbiente din mico quase instantaneamente Durante d cadas os cientistas prometeram replicar estas capacidades em m quinas mas come amos a reconhecer qu o dif cil esta tarefa A maior parte dos cientistas concorda que qualquer sistema biol gico que exibe tais qualidades evoluiu at este ponto A Evolu o de acordo com a Teoria de mesmo nome produziu sistemas com capacidades fant sticas atrav s de elementos relativamente simples e que se replicam seguindo algumas simples regras 1 A Evolu o ocorre no n vel do cromossomo O organismo n o evolui mas serve como um corpo de prova em que os genes s o carregados e passados adiante S o os cromossomos que est o em mudan a din mica com o rearranjo dos genes 2 A Natureza tende a fazer mais c pias de cromossomos que produzem um organismo melhor mais adaptado Se um organismo sobrevive durante o tempo suficiente e saud vel seus genes t m maior probabilidade de ser passados a uma nova gera o atrav s da reprodu o Este princ pio em geral referido como a sobreviv ncia do mais apto Lembre se que mais apto um termo relativo um organismo s precisa ser mais apto em compara o com os outros na popula o atual para obter sucesso 3 A Diversidade deve ser mantida na popula o Muta es aparentemente aleat rias ocorrem frequentemente na natureza para assegurar a varia o nos organismos Estas muta es gen ticas em
111. mplo anterior produziu uma penalidade se houvesse muita madeira neste caso apenas h penalidade se n o houver madeira suficiente se OtdMad for dez vezes o valor de QtdtPlast n o queremos que nenhuma penalidade seja aplicada A fun o de penalidade adequada seria SE QtdMad lt QtdPlast 2 ABS QtdPlast 2 QtdMad 0 Se OtdMad for pelo menos duas vezes maior que QtdPlast a fun o de penalidade retorna zero Caso contr rio fornece uma medida de qu o menor que duas vezes OtdPlast o valor de QtdMad Como usar Depois de criar fun es de penalidade para descrever as restri es fun es de flex veis no modelo voc pode combin las com a c lula alvo normal penalidade 2 nae 3 para obter uma formula restringida na c lula alvo No exemplo ilustrado abaixo se a c lula C8 calcula o custo total de um projeto e as c lulas E3 E6 cont m cinco fun es de penalidade ent o voc pode criar uma f rmula na c lula C10 tal como SOMA C8 E3 E6 c10 fe SOMA C8 E3 E6 al e B o E 1 Custos do projeto 2 4 500 Restri es 3 300 25 4 46 500 30 5 1 200 12 6 24 300 80 7 76 800 8 Total 153 600 9 10 153 747 Criar aaa c lula que adiciona as restri es ao total e minimizar a m dia dos resultados da simula o para esta c lula 132 Como inserir restri es Isto adiciona as penalidades na coluna E ao custo em C8 para obter uma fun o penalizada ou restringida em C10 Note que se este fos
112. n as para executar o procedimento desejado relativo s licen as Instru es de instala o Introdu o Mensagem de advert ncia sobre seguran a de macros ao iniciar O Microsoft Office permite definir v rias configura es de seguran a para impedir que macros nocivas ou indesej veis sejam executadas nos aplicativos do Office Uma mensagem de advert ncia aparece sempre que se tentar carregar um arquivo que cont m macros a menos que se tenha definido o n vel de seguran a como m nimo Para que essa mensagem n o apare a toda vez que se executar o add in a Palisade inseriu assinaturas digitais nos arquivos do add in Assim ap s o usu rio especificar Palisade Corporation como fonte confi vel todos os add ins da Palisade poder o ser abertos sem que sejam apresentadas mensagens de advert ncia Para fazer isso Ao iniciar o Evolver se aparecer uma caixa de di logo de Aviso de Seguran a semelhante mostrada abaixo clique em Confiar em todos os documentos deste editor Op es de Seguran a do Microsoft Office Alerta de Seguran a Macro Macro As macros foram desabilitadas As macros podem conter v rus ou outros riscos seguran a N o habilite esse conte do a n o ser que a fonte do arquivo seja confi vel Observa o a assinatura digital v lida mas ela proveniente de um editor no qual voc optou por n o confiar ainda Mais informa es Caminho do Arquivo C gramas P
113. na execu o O m todo de solu o projeto pode ser usado no gerenciamento de projetos para reorganizar a ordem em que as tarefas s o realizadas contudo a ordem sempre precisa obedecer as restri es de preced ncia Um problema modelado com o m todo de solu o projeto muito mais f cil de trabalhar e entender se as c lulas ajust veis contiverem a ordem das tarefas em uma mesma coluna em vez de em uma linha Isso ocorre porque o m todo de solu o prev que as c lulas de tarefas precedentes ser o organizadas na vertical e n o na horizontal por isso mais f cil examinar a planilha se as c lulas ajust veis forem colocadas na vertical Ap s especificar o local das c lulas ajust veis ser necess rio especificar o local das c lulas de tarefas precedentes na se o Tarefas precedentes da caixa de di logo Na tabela abaixo as c lulas descrevem as tarefas que necessitam ser precedidas por outras tarefas espec ficas O m todo de solu o usa esta tabela para reorganizar a ordem das vari veis e criar um cen rio que obede a as restri es de preced ncia O intervalo de tarefas precedentes deve conter uma linha para cada tarefa indicada nas c lulas ajust veis Come ando na primeira coluna do intervalo de tarefas precedentes o n mero identificador de cada tarefa da qual a tarefa da linha depende deve ser colocado em colunas separadas Este elemento deve aparecer ap s estas won nun
114. nadas aparecem na parte inferior da caixa de di logo amp Evolver Configura es de Grupos de C lulas Ajust veis EA Descri o Caixas produzidas M todo de Solu o C lulas de Restri o N mero de blocos de tempo 7 La Cancelar Voc pode especificar um intervalo no qual s o definidas restri es relacionadas ao agendamento Esse intervalo pode ser de qualquer comprimento mas precisa ter exatamente tr s colunas de largura S o aceitos oito tipos de restri es ER le 1 com As tarefas na primeira e na terceira coluna precisam ocorrer no mesmo bloco de tempo 2 n o ao mesmo tempo As tarefas na primeira e na terceira coluna n o podem ocorrer no mesmo bloco de tempo 3 antes A tarefa na primeira coluna precisa ocorrer antes da tarefa na terceira coluna 60 Comando Defini o do modelo 4 em A tarefa na primeira coluna precisa ocorrer antes da tarefa na terceira coluna 5 n o ap s A tarefa na primeira coluna precisa ocorrer ao mesmo tempo ou antes da tarefa na terceira coluna 6 n o antes A tarefa na primeira coluna precisa ocorrer ao mesmo tempo ou depois da tarefa na terceira coluna 7 n o em A tarefa na primeira coluna n o pode ocorrer durante o bloco de tempo da terceira coluna 8 ap s A tarefa na primeira coluna precisa ocorrer depois da tarefa na terceira coluna Voc pode inserir como restri o um c digo num rico de 1a 8 ou a
115. nalidades de escala s o mais fluidas associando uma penalidade proporcional ao grau de infra o da restri o Esta a f rmula que calcula em que medida determinada solu o proposta para um dado problema adequada ou inadequada No campo do algoritmo gen tico ela tamb m referida como fun o objetivo No Excel uma fun o uma f rmula pr definida que assume um valor executa uma opera o e retorna um valor O Excel cont m centenas de f rmulas prontas como SOMA que economizam tempo e espa o e s o mais r pidas Por exemplo em vez de digitar Al A2 A3 A4 A5 A6 voc pode digitar SOMA A1 A6 e obter o mesmo resultado Em biologia este termo se refere constitui o gen tica de um indiv duo O termo geralmente se refere totalidade dos genes do indiv duo No estudo de algoritmos gen ticos gen tipo usado para descrever o cromossomo artificial que avaliado como uma solu o poss vel do problema 151 Gera o Gerador de n meros aleat rios Grupo de c lulas ajust veis Intervalos M ximo global M ximo local No campo de algoritmos gen ticos cada popula o totalmente nova de solu es indiv duos ou filhos uma nova gera o Algumas rotinas de algoritmos gen ticos acasalam todos os membros da popula o de uma vez s criando uma nova gera o de organismos filhos que substitui a popula o antecedente O Evolver avalia
116. nar Voc pode adicionar novas c lulas ajust veis clicando no bot o Adicionar ao lado da caixa de listagem C lulas ajust veis Selecione a c lula ou intervalo de c lulas a ser adicionado aparecer uma nova linha na tabela Intervalos de c lulas ajust veis Na tabela voc pode inserir um valor M nimo e um valor M ximo para as c lulas do intervalo e o tipo dos valores a serem testados valores inteiros em todo o intervalo Guia de Refer ncia do Evolver 49 valores discretos com um tamanho de etapa definido ou qualquer valor M nimo e M ximo Ap s especificar o local das c lulas ajust veis defina as entradas de M nimo e M ximo para especificar o intervalo aceit vel para cada c lula ajust vel Por defini o padr o cada c lula ajust vel assume como valor um n mero real ponto flutuante de precis o dupla entre infinito e infinito As configura es de intervalo s o restri es que s o rigorosamente impostas O Evolver n o permite que nenhuma vari vel assuma um valor fora do intervalo definido Sugerimos que sempre que poss vel voc defina intervalos mais espec ficos para as vari veis a fim de otimizar o desempenho do Evolver Por exemplo fa a isso se voc souber que o n mero n o pode ser negativo ou que o Evolver deve tentar usar apenas valores entre 50 e 70 para determinada vari vel Intervalo A refer ncia da c lula ou c lulas a serem ajustadas especificada no campo Intervalo Es
117. neurais e pesquisa de dispers o em um nico m todo composto Para saber mais sobre o OptQuest veja Algoritmos gen ticos e OptQuest O Evolver usa um conjunto propriet rio de algoritmos gen ticos para procurar solu es timas para determinado problema em conjunto com distribui es de probabilidade e simula es que levam em conta a incerteza presente no modelo Os algoritmos gen ticos do Evolver s o usados para encontrar a melhor solu o poss vel para o modelo espec fico Algoritmos gen ticos funcionam como os princ pios darwinianos de sele o natural criando um ambiente em que centenas de solu es poss veis para um problema competem entre sim e apenas a mais apta sobrevive Da mesma forma que na evolu o biol gica cada solu o pode transmitir seus bons genes a solu es descendentes a fim de que toda a popula o de solu es continue a evoluir no sentido de criar melhores solu es Como voc j deve ter notado a terminologia usada ao se trabalhar com algoritmos gen ticos muito semelhante usada no campo que inspirou essa tecnologia Falamos sobre como fun es de crossover ajudam a concentrar a busca de solu es como as taxas de muta o ajudam a diversificar o pool gen tico e como avaliamos toda a popula o de solu es ou organismos Para saber mais sobre como os algoritmos gen ticos do Evolver funcionam veja Algoritmos gen ticos e OptQue
118. nor custo salvar o maior n mero de vidas produzir a menor quantidade de ru do em um circuito encontrar a rota mais curta entre v rias cidades ou a mescla mais eficaz de ve culos publicit rios Outro tipo importante de problema de otimiza o diz respeito programa o de hor rios ou agendamento de pessoal com o objetivo de maximizar a efici ncia durante cada turno ou minimizar conflitos de agendamento entre reuni es de grupos em diferentes hor rios Para saber mais sobre otimiza o veja Otimiza o 15 Por que criar modelos no Excel Para aumentar a efici ncia de qualquer sistema necess rio primeiro entender como ele funciona para isso que constru mos um modelo funcional do sistema Modelos s o abstra es necess rias para estudar sistemas complexos contudo para que os resultados sejam aplic veis ao mundo real n o podemos simplificar excessivamente as rela es de causa e efeito entre as vari veis do modelo Softwares e computadores cada vez mais avan ados possibilitam que economistas construam modelos mais real sticos da economia que cientistas melhorem as previs es de rea es qu micas e que executivos aumentem a sensibilidade de seus modelos empresariais Nos ltimos anos equipamentos de inform tica e programas como o Microsoft Excel avan aram tanto que hoje praticamente qualquer pessoa com um computador pode criar modelos real sticos de sistemas complexos As fun es integradas
119. o e Evolver Configura es de Otimiza o x Tempo de Execu o Mecanismo Vizualizar Macros N meros Aleat rios Semente inicial Autom tico Ei Modo de otimiza o C Autom tico Otimizar usando Algoritmo gen tico OptQuest Configura es de algoritmo gen tico Tamanho da Popula o 50 Taxa de Crossover 0 5 Taxa de Muta o 0 1 ld Operadores OK Cancelar O campo Semente inicial refere se ao gerador de n meros aleat rios do algoritmo de otimiza o algoritmo gen tico ou OptQuest Ao definir este campo como um valor inteiro fixo garantimos que a mesma sequ ncia de solu es ser gerada em duas otimiza es dados os mesmos valores iniciais das c lulas ajust veis Deixar este campo definido como Autom tico far com que o Evolver selecione aleatoriamente o conjunto inicial Em muitos casos o Evolver pode detectar automaticamente qual mecanismo resultar nas solu es mais r pidas e melhores para o seu modelo A defini o Autom tico define isso e permite ao Evolver usar m todos de programa o linear para problemas lineares Entretanto em certas situa es talvez voc queira especificar que seja usado um mecanismo espec fico Por exemplo talvez voc tenha um modelo que necessite o uso dos m todos de solu o de Projeto ou Agendamento que s est o dispon veis com o mecanismo de algoritmo gen tico 70 Comando Configura es de otimiza
120. o valor m ximo poss vel igual ao valor especificado no campo N mero de blocos de tempo Para obter mais informa es sobre estas op es consulte o m todo Agendamento na se o M todos de solu o deste cap tulo 62 Comando Defini o do modelo Restri es O Evolver permite definir restri es ou condi es que precisam ser satisfeitas para que a solu o seja v lida As restri es inseridas s o exibidas na tabela Restri es na caixa de di logo Defini o do modelo Restri es Descri o F rmula Tipo Adicionar Total aceit vel de Editar Rela o aceit vel a C4 gt 1 5 B4 Hard Rigida Rela o aceit vel n D4 gt 1 5 B4 Hard Rigida Deletar Adicionar Como Clicar no bot o Adicionar ao lado da tabela Restri es abre a caixa de inserir restri es di logo Configura es de restri es na qual as restri es s o inseridas Nesta caixa de di logo voc pode inserir o tipo de restri o desejada a descri o correspondente o tipo e a defini o Evolver Configura es de Restri es Descri o Tipo de Restri o Hard Descarta Solu es que n o Atendem a Restri o Precis o Autom tico E C Soft Desfavorece Solu es que n o Atendem a Restri o Fun o de Penalidade 100 EXP DESVIO 100 1 E Defini o Estilo de Entrada Simples ix M nimo Intervalo a Restringir M ximo E z lt
121. odas as configura es mais recentes do Evolver ser o automaticamente carregadas As configura es do Evolver s o preenchidas automaticamente em todas as demais planilhas de exemplo deixando as prontas para as execu es do Evolver NOTA Se quiser dar uma olhada no modelo Padaria com todas as configura es preenchidas automaticamente abra o arquivo de exemplo do modelo Padaria xIsx ou xls 43 Evolver Passo a Passo 44 Guia de Refer ncia do Evolver Comando Defini o do modelo s s sis ssserseseeseseesesesa 47 Intervalos de c lulas ajust veis s rsss eeeseenesesecrereresneso 49 Grupos de c lulas ajust veis c ss eresreseseseeresesneseseseenenesness 52 M todo de solu o agendamento seres 60 N mero de blocos de tempo e c lulas com restri es 62 ReStricgGe Saune RR OR 63 Adicionar Como inserir restri es essseseseseseesssossesssseseseses 63 Tipo de restri o nessies iseseisana ia 63 Precis o da restri o cccesesseseesermeseesesmeseesesceseesesseseesesaeses 64 Estilo de centradas osonro ereer aoo o pE E esa 64 Restri es flexiveis eunan a centeio Tinha ds 64 Comando Configura es de otimiza o ssssssssstsessa 67 Comando Configura es de otimiza o Guia Tempo de Execu o sororia en EE N E 67 Comando Configura es guia Mecanismo s ssesesesess
122. ode ajudar o algoritmo gen tico a decidir onde concentrar a sua energia Para a maioria das finalidades as configura es padr o de crossover e muta o respectivamente 5 e 1 n o precisam ser ajustadas Se voc quiser fazer um ajuste fino do algoritmo em fun o do seu problema espec fico fa a estudos comparativos ou simplesmente experimente A seguir apresentamos uma breve introdu o a esses dois par metros Crossover A taxa de crossover pode ser definida entre 0 01 e 1 0 ela representa a probabilidade de que futuros cen rios ou organismos conter o uma mescla de informa es da gera o anterior de organismos pais ou genitores Essa taxa pode ser modificada por usu rios experientes para otimizar o desempenho do Evolver ao resolver problemas complexos Em outras palavras uma taxa de 0 5 significa que um indiv duo ou organismo filho conter cerca de 50 dos valores vari veis de um dos genitores e o restante dos valores do outro Uma taxa de 0 9 significa que cerca de 90 dos valores de um indiv duo ou organismo filho ser proveniente do primeiro genitor e 10 do segundo Uma taxa de 1 significa que n o ir ocorrer crossover portanto s ser o avaliados os clones dos genitores A taxa padr o usada pelo Evolver 0 5 Se o Evolver j tiver come ado a resolver o problema voc pode mudar a taxa de crossover usando o Observador do Evolver consulte a se o Observador do Evolver neste cap tulo
123. odelo do Evolver contiver v rias restri es r gidas hard e a otimiza o fracassar isto todas as solu es forem inv lidas aparecer uma notifica o nesse caso pode se executar o Solver de restri es O Solver de restri es executa a otimiza o de um modo especial com o objetivo de encontrar uma solu o que atenda a todas as restri es r gidas hard O andamento da otimiza o mostrado ao usu rio da mesma forma que nas otimiza es normais A janela Progresso mostra o n mero de restri es que foram atendidas pela solu o original e pela melhor solu o Andamento do Solver de restri es Tentativa 3676 Tempo de Execu o o0 00 14 Original 1 Restri o Atendida Melhor E Restri es Atendidas ajaj ju Um bot o na janela Progresso permite que o usu rio passe para o Observador do Evolver No modo Solver de restri es os detalhes do andamento da otimiza o podem ser vistos da mesma forma que nas otimiza es efetuadas no modo normal nas guia Progresso Sum rio Registro Popula o e Diversidade No modo Solver de restri es o Observador cont m uma guia adicional denominada Solver de 82 Comandos Utilidades restri es Essa guia apresenta o status de cada restri o r gida Atingidas ou N o atingidas nas solu es Melhor Original e Ultima i Observador do Evolver Progresso Sum rio Reg
124. orial h uma restri o que especifica o n mero m ximo de horas de trabalho dispon veis Um cen rio que atende a todas as restri es de um modelo referido como uma solu o vi vel ou v lida s vezes dif cil encontrar solu es vi veis para um modelo quanto mais encontrar uma solu o vi vel tima Isso pode acontecer porque o problema muito complexo e tem apenas algumas restri es vi veis ou porque o problema foi demasiadamente especificado h muitas restri es ou h conflitos entre as mesmas e n o h solu es vi veis H tr s tipos b sicos de restri es restri es de intervalo ou intervalos m n m x inseridos nas c lulas ajust veis restri es r gidas hard que sempre precisam ser atendidas e restri es flex veis soft que devem ser atendidas na medida do poss vel mas que estamos dispostos a trocar por uma melhoria substancial no grau de adequa o da solu o Recursos Adicionais do Evolver 125 Restri es de intervalo As restri es r gidas mais simples s o aquelas que s o inseridas nas pr prias vari veis Ao configurar um certo intervalo para cada vari vel podemos limitar o n mero total de solu es poss veis que o Evolver ir buscar resultando numa busca mais eficiente Insira valores M n e M x na se o Intervalos de c lulas ajust veis da janela Modelo para informar ao Evolver que intervalos de valores s o aceit veis para cada vari vel
125. os aleat rios tornando o crossover totalmente in til para obter mais informa es veja taxa de crossover fun o e taxa de muta o fun o no ndice remissivo 88 Observador do Evolver Observador do Evolver Guia Registro Exibe um registro de cada simula o rodada durante a otimiza o A guia Registro do Observador do Evolver exibe uma tabela resumida durante a otimiza o O registro inclui os resultados para a c lula alvo cada c lula ajust vel e as restri es inseridas S Observador do Evolver Progresso Sum rio Popula o Diversidade Condi es de Parada Exibir Todas as Tentativas gt Tenta Tempo Decorrido Resultado E4 E5 E6 E7 E8 a 1 00 00 02 2030 600 200 1000 2000 12 2 00 00 02 565 5753 600 702 3235 1000 2000 69 3 00 00 02 10629 5250 1143 2246 738 4947 1000 1461 5053 65 4 00 00 02 1365 7208 799 2924 200 1000 1800 7076 12 5 00 00 02 2165 6787 541 1812 200 1058 8188 2000 12 6 00 00 02 146 2359 600 600 4771 1000 1599 5229 12 7 00 00 02 1238 4448 340 3611 459 6389 1000 2000 12 8 00 00 02 58 3131 993 1513 200 1334 9371 2000 47 9 00 00 02 1975 1546 621 5607 200 994 3052 2000 11 10 00 00 02 1124 2366 847 6700 200 752 3300 2000 12 11 00 00 02 1825 3351 553 9460 246 0540 1000 2000 12 12 00 00 02 2030 600 200 1213 7614 2000 98 13 00 00 02 2030 600 200 1899 2601 1100 7399 12 14 00 00 02 3133 6800 1222 9635 200 1000 1377 03
126. os Zs resultantes produziria um gr fico de superf cie tridimensional como o exibido abaixo 99 ERR As Latis Ed na eee ta a ani ga SSS CLA SSS sas e Uma paisagem de poss veis cen rios ou solu es Cada intersec o de valores X e Y produz uma altura Z Os picos e vales desta paisagem representam boas e m s solu es respectivamente A busca do ponto m ximo ou mais alto desta fun o atrav s do exame de cada solu o levaria muito tempo at mesmo com um computador potente e o programa mais r pido Lembre se de que estamos fornecendo ao Excel apenas a fun o n o um gr fico da fun o e que seria igualmente f cil lidar com um problema de 200 dimens es ou de duas dimens es Portanto precisamos de um m todo que nos possibilite efetuar menos c lculos e ainda assim encontre a produtividade m xima 100 M todos de otimiza o Sobre algoritmos Hill Climbing gradiente ascendente Vamos examinar um algoritmo simples chamado Hill Climbing 1 Comece em um ponto aleat rio da paisagem uma escolha aleat ria 2 Caminhe uma dist ncia pequena em uma dire o arbitr ria 3 Se tiver at um ponto mais alto fique nele e repita a etapa 2 Se o ponto for inferior retorne ao ponto original e tente novamente O algoritmo Hill Climbing experimenta apenas uma solu o ou cen rio por vez Utilizaremos um ponto preto para representar uma solu o poss vel um conjunto
127. os durante a otimiza o Evolver Configura es de Otimiza o es Tempo de Execucao Mecanismo Vizualizar Rodar uma Macro do Excel Nome da Macro No In cio da Otimiza o Antes do Rec lculo de Cada Tentativa Ap s o Rec lculo de Cada Tentativa Ap s Armazenar o Output No final da Otimiza o OK Cancelar As macros podem ser executadas nos seguintes pontos de uma otimiza o e No in cio da otimiza o a macro roda ap s o cone Iniciar ser clicado antes da primeira solu o teste ser gerada e Antes do rec lculo de cada tentativa a macro roda antes de cada rec lculo executado e Ap s o rec lculo de cada tentativa a macro roda ap s o rec lculo de cada tentativa e Ap s armazenar o output a macro roda ap s cada tentativa executada e ap s o valor da c lula alvo ser armazenado no mecanismo de otimiza o Consequentemente quaisquer mudan as feitas nos valores das c lulas n o ter efeito na informa o transmitida ao mecanismo de otimiza o naquela tentativa Essa macro pode ser usada para atualizar o usu rio quanto ao progresso da otimiza o ou para registrar o progresso Guia de Refer ncia do Evolver 77 e No final da otimiza o a macro roda quando a otimiza o finalizada Esta funcionalidade permite que c lculos que s podem ser efetuados usando uma macro sejam efetuados durante a otimiza o Exemplos de c lculos reali
128. oss veis Outro conjunto de valores das vari veis valores de poss veis valores de agrupamento agrupamento Ao usar o m todo de solu o Agrupamento h duas defini es adicionais na caixa de di logo Configura es de grupos de c lulas ajust veis e IDs de grupo opcional Esta defini o permite ao usu rio especificar um intervalo que contenha IDs de grupo num ricas Normalmente o Evolver l as IDs de grupos do intervalo ajust vel Por exemplo se o intervalo ajust vel for A1 D1 e ele contiver n meros 1 1 3 2 o Evolver usar 1 2 e 3 como IDs de grupo Entretanto pode haver mais grupos do que c lulas ajust veis por exemplo voc pode querer atribuir itens representados pelas c lulas A1 D1 aos grupos numerados de 1 a 5 Nesse caso a defini o das IDs de grupo permitir que voc especifique um intervalo que contenha cinco c lulas com n meros de 1 a 5 para ser usado como IDs de grupos durante a otimiza o e Todos os grupos devem ser usados Se esta op o estiver assinalada cada solu o ter membros de todos os grupos Por exemplo se as c lulas ajust veis forem Al D1 e as IDs de grupo forem 1 2 e 3 0 Evolver n o experimentar uma solu o em que apenas 1 esteja designado s quatro c lulas sem 2 e 3 Por outro lado se a caixa de sele o n o estiver marcada essa solu o poder ser experimentada Guia de Refer ncia do Evolver 57 M todo de O m todo or amento semelhant
129. pags 761 762 Murray Dan June 1994 Tuning Neural Networks with Genetic Algorithms In AI Expert pag 27 e Wayner Peter January 1991 Genetic Algorithms Programming Takes a Valuable Tip from Nature Byte Magazine v16 pag 361 Revistas e newsletters e Advanced Technology for Developers newsletter mensal Jane Klimasauskas Ed High Tech Communications 103 Buckskin Court Sewickley PA 15143 412 741 7699 AI Expert monthly magazine Larry O Brien Ed 600 Harrison St San Francisco CA 94107 415 905 2234 Embora AI Expert n o seja mais publicada desde o primeiro semestre de 1995 os n meros antigos cont m muitos artigos teis Miller Freeman San Francisco e Applied Intelligent Systems newsletter bi mensal New Science Associates Inc 167 Old Post Rd Southport CT 06490 203 259 1661 e Intelligence monthly newsletter Edward Rosenfeld Ed PO Box 20008 New York NY 10025 1510 212 222 1123 e PC AI Magazine revista mensal Joseph Schmuller Ed 3310 West Bell Rd Suite 119 Phoenix AZ 85023 602 971 1869 Release 1 0 newsletter mensal Esther Dyson Ed 375 Park Avenue New York NY 10152 212 758 3434 e Sixth Generation Systems newsletter mensal Derek Stubbs Ed PO Box 155 Vicksburg MI 49097 616 649 3592 Anexo C Recursos Adicionais 147 148 Gloss rio Para obter mais informa es sobre um termo espec fico consulte o ndice remissivo no pr ximo cap
130. para atualizar a planilha com os melhores valores calculados para as c lulas ajust veis restaurar valores originais e gerar um relat rio resumido da otimiza o Observador do Evolver Progresso Sum rio Registro Popula o Diversidade Condi es de Parada Otimiza o conclu da A melhor solu o foi colocada na pasta de trabalho Restabelecer valores originais das c lulas ajust veis eles tamb m podem ser restabelecidos mais tarde selecionando se Redefinir no menu Utilidades Relat rios a Gerar Registro de Todas as Tentativas 7 Registro de Passos de Progresso 9 BI a ER Esta caixa de di logo tamb m aparece se uma das condi es de parada especificadas pelo usu rio tiver sido encontrada n mero de tentativas solicitadas foi avaliado minutos requisitados j se encerraram etc Na guia Op es de parada voc pode restabelecer os valores originais das c lulas ajust veis como estavam antes da execu o do Evolver Todas as a es dispon veis na guia Op es de parada tamb m podem ser executadas por meio dos comandos nos menus barra de ferramentas do Evolver Se o Observador for fechado ao clicar em OK sem que seja selecionada nenhuma a o o usu rio ainda poder definir as c lulas ajust veis nos valores originais e gerar relat rios usando os comandos dos menus barra de ferramentas Observador do Evolver As op es de Relat rios a gerar permitem ger
131. pode editar as configura es de um grupo existente Evolver Configura es de Grupos de C lulas Ajust veis Em Descri o Caixas produzidas M todo de Solu o Receita Cancelar As op es da caixa de di logo Configura es de grupo de c lulas ajust veis s o e Descri o Descreve o grupo de intervalos de c lulas ajust veis para uso em caixas de di logos e relat rios e M todo de solu o Seleciona o m todo de solu o a ser usado para cada intervalo de c lulas ajust veis do grupo e Evolver Configura es de Grupos de C lulas Ajust veis e Descri o Caixas produzidas M todo de Solu o Receita Ed Or amento Agrupamento Ordem re 7 Agendamento Ao selecionar um intervalo de c lulas a serem ajustadas pelo Evolver voc tamb m pode especificar o m todo de solu o que deseja aplicar ao ajustar as c lulas Cada m todo de solu o manipula os valores das vari veis de uma forma diferente O m todo de solu o receita por exemplo trata cada vari vel selecionada como um ingrediente de uma receita o valor de cada vari vel pode ser alterado independentemente dos valores das outras O m todo de solu o ordem por sua vez troca os valores das 52 Comando Defini o do modelo vari veis das c lulas ajust veis mudando a ordem dos valores originais O Evolver tem seis m todos de solu o
132. pode se digitar um n mero espec fico no campo Precis o As restri es podem ser definidas em dois estilos de entrada Simples e F rmula e O formato simples permite inserir restri es usando rela es como lt lt gt gt ou Uma restri o simples t pica seria O lt valor de A1 lt 10 onde Al inserido na caixa Intervalo de c lulas O inserido na caixa M n e 10 inserido na caixa M x O operador desejado selecionado nas caixas da lista suspensa Ao usar uma restri o de formato simples voc pode inserir apenas o valor M n apenas o M x ou ambos e Uma restri o de f rmula por outro lado permite inserir qualquer f rmula v lida do Excel como restri o Por exemplo poss vel inserir a seguinte f rmula SE A1 gt 100 B1 gt 0 B1 lt 0 Nessa restri o a exig ncia de B1 ser positivo ou negativo depender do valor da c lula A1 Como alternativa a f rmula pode ser digitada em uma c lula se a c lula for C1 pode se digitar C1 no campo F rmula da caixa Configura es de restri es Em geral digitar restri es no formato simples ajuda o Evolver a encontrar a melhor solu o com mais rapidez A f rmula mencionada acima poderia ser digitada na c lula D1 como SE A1 gt 100 B1 B1 Em seguida pode se digitar uma restri o de formato simples que exija que D1 gt 0 Restri es flex veis s o condi es que de prefer ncia devem ser atendidas da m xim
133. pre substitu dos por um novo organismo criado por sele o crossover e muta o independentemente do valor da fun o objetivo As restri es r gidas hard s o implementadas por meio da tecnologia de backtracking da Palisade Se um novo indiv duo filho infringir alguma restri o imposta externamente o Evolver retrocede por backtrack a um dos genitores do indiv duo e altera o indiv duo at ele se enquadrar no espa o de solu o v lido e wv 3 backtrack valid organisms solutions Z invalid offspring organism X valid organisms solutions organismos v lidos solu es invalid offsprings organism organismo filho inv lido Recursos Adicionais do Evolver 137 138 Anexo A Automatiza o do Evolver O Evolver possui elementos de linguagem de macros para a constru o de aplica es customizadas que usam as funcionalidades do Evolver As fun es customizadas do Evolver podem ser usadas no Visual Basic for Applications VBA para configurar e rodar otimiza es e exibir os resultados correspondentes Para obter mais informa es sobre esta interface de programa o consulte a o material de refer ncia do Kit do Desenvolvedor do Evolver dispon vel no menu Ajuda do Evolver Anexo A Automatiza o do Evolver 139 140 Anexo B Perguntas e Respostas Perguntas e Respostas Esta se o apresenta respostas a perguntas comuns sobre o
134. que o valor de cada c lula pode ser alterado independentemente dos valores das outras Como este o m todo de solu o padr o n o h necessidade de mud lo e Evolver Configura es de Grupos de C lulas Ajustaveis Descri o M todo de Solu o Receita h E Os m todos de solu o receita e ordem s o os mais usados eles tamb m podem ser usados juntos para solucionar problemas combinat rios complexos Mais especificamente o m todo de solu o receita trata cada vari vel como um dos ingredientes de uma receita e tenta encontrar a melhor combina o de ingredientes mudando o valor de cada vari vel independentemente O m todo de solu o ordem por sua vez troca os valores das vari veis embaralhando os valores originais at encontrar a melhor ordem Neste modelo deixe o m todo de solu o como Receita e simplesmente fa a o seguinte No campo Descri o use o r tulo Caixas produzidas 30 Tour do Evolver Restri es O Evolver permite definir restri es que s o condi es que precisam ser satisfeitas para que a solu o seja v lida No modelo do exemplo h tr s restri es adicionais que precisam ser atendidas para que o poss vel conjunto de n veis de produ o de cada tipo de p o seja v lido Essas condi es s o adicionais em rela o s restri es de intervalo que j foram definidas para as c lulas aju
135. r esses m todos n o importa o quanto se simplifique o modelo 17 Mais flexibilidade Maior capacidade Existem muitos algoritmos de resolu o que funcionam bem para solucionar problemas lineares e n o lineares simples e de pequeno porte inclusive algoritmos hill climbing baby solvers e outros m todos matem ticos Mesmo quando dispon veis como suplementos add ins de planilhas eletr nicas essas ferramentas de otimiza o para uso geral s efetuam a otimiza o num rica Para problemas mais complexos ou de grande porte s vezes poss vel programar algoritmos personalizados espec ficos e obter bons resultados mas isso exige muita pesquisa e desenvolvimento Mesmo assim o programa resultante necessitaria ser modificado cada vez que houvesse alguma mudan a no modelo O Evolver al m de ter capacidade para lidar com problemas num ricos o nico programa venda no mundo inteiro que soluciona a maioria dos problemas combinat rios Referimo nos aos tipos de problemas em que as vari veis precisam ser embaralhadas permutadas ou combinadas entre si Por exemplo escolher a ordem de entrada em campo dos jogadores de um time de beisebol pode ser um problema combinat rio trata se de mudar as posi es dos jogadores na lista de entrada O Evolver pode encontrar a melhor ordem das tarefas a serem executadas como parte de um projeto avaliar somente as solu es que atendam a restri es de preced ncia espec ficas
136. ralmente o Evolver usado como suplemento add in do programa de planilha eletr nica Microsoft Excel o usu rio configura um modelo do seu problema no Excel e em seguida chama o Evolver para solucion lo N b EXCEL RISKOptimizer E Z er ao DES QN aos A SA 7000 E necess rio primeiro criar um modelo do problema no Excel e em seguida descrev lo para o add in Evolver O Excel fornece todas as f rmulas fun es recursos gr ficos e macros que a maioria dos usu rios necessita para criar modelos real sticos de seus problemas O Evolver fornece a interface para descrever o que o usu rio quer encontrar e fornece os mecanismos para fazer isso Juntos eles possibilitam encontrar as melhores solu es para raticamente qualquer problema que possa ser modelado No es Gerais 13 OptQuest Algoritmos gen ticos Programa o linear Como o Evolver funciona O Evolver usa o OptQuest e algoritmos gen ticos para procurar as melhores solu es para determinado problema Al m disso se o programa determinar que um problema linear ele utiliza m todos de programa o linear O mecanismo OptQuest usa otimiza o matem tica meta heur stica e componentes de rede neural para direcionar a busca s melhores solu es para todos os tipos de problemas de planejamento e decis o Os m todos do OptQuest empregam procedimentos meta heur sticos modernos inclusive busca Tabu redes
137. refer ncia e selecionar diretamente a c lula ou c lulas da planilha com o mouse Evolver Passo a Passo 27 Defini o de m nimo e m ximo do intervalo de c lulas ajust veis Como especificar os intervalos de c lulas ajust veis Agora necess rio especificar o local das c lulas que cont m valores que o Evolver pode ajustar para procurar solu es Essas vari veis s o acrescentadas e editadas um bloco por vez na se o Intervalos de c lulas ajust veis da caixa de di logo Modelo O n mero de c lulas que se pode inserir nos intervalos de c lulas ajust veis depende da vers o do Evolver que est sendo usada 1 Clique no bot o Adicionar na se o Intervalos de c lulas ajust veis 2 Selecione C 4 G 4 como as c lulas do Excel que deseja especificar como intervalo de c lulas ajust veis Na maioria das vezes conv m restringir os valores poss veis para o intervalo de c lulas ajust veis a um intervalo espec fico com valor m nimo e valor m ximo No Evolver nos referimos a isso como uma restri o de intervalo Os valores m nimo e m ximo do intervalo podem ser inseridos rapidamente selecionando se o conjunto de c lulas a serem ajustadas No caso da Padaria por exemplo o valor m nimo poss vel de caixas produzidas de cada tipo de p o neste intervalo O e o m ximo 100 000 Para definir essa restri o de intervalo 1 Digite 0 na c lula M nimo e 100 000 na c lula M x
138. resso Falso Padr es de Tempo de Execu o Tentativas Falso N mero de Tentativas 1000 Tempo Falso Per odo de Tempo 5 Unidade Minutos Progresso Verdadeiro Medido como Percentual Verdadeiro M xima Mudan a 0 01 N mero de Tentativas 20000 Parar em Erros Falso Valores padr o do mecanismos Semente de N mero Aleat rio Autom tico Mecanismo de otimiza o Autom tico Visualizar Padr es Minimizar Excel no In cio Falso Mostrar Rec lculos do Excel A Cada Nova Melhor Tentativa OK Cancelar Guia de Refer ncia do Evolver 81 Comando Solver de restri es Executa o Solver de restri es NOTA O Solver de Restri es til nas otimiza es com o algoritmo gen tico De modo geral as otimiza es do OptQuest n o requerem o uso do Solver de Restri es A descri o abaixo refere se apenas ao algoritmo gen tico O Solver de restri es aumenta a capacidade do Evolver de lidar com as restri es do modelo Quando o Evolver executa uma otimiza o ele pressup e que os valores ajust veis originais da c lula satisfazem todas as restri es r gidas hard isto que a solu o original v lida Se esse n o for o caso o algoritmo poder executar um n mero muito grande de simula es at encontrar a primeira solu o v lida Contudo se determinado modelo contiver v rias restri es nem sempre bvio quais valores de c lulas ajust veis atender o as restri es Se o m
139. resultado mais pr ximo de 14 ele poder encontrar cen rios que resultem em um valor como 13 7 ou 14 5 Observe que 13 7 mais pr ximo de 14 do que 14 5 Para o Evolver n o importa se o valor maior ou menos do que o valor especificado importa apenas qual o valor mais pr ximo C lula A c lula ou c lula alvo cont m o output do seu modelo Ser gerado um valor para esta c lula em cada solu o teste gerada pelo Evolver isto cada combina o de valores poss veis de c lulas ajust veis A c lula alvo deve conter uma f rmula que depende diretamente ou por meio de uma s rie de c lculos das c lulas ajust veis Esta f rmula pode ser criada com base em f rmulas padr o do Excel como SOMA ou de fun es de macro VBA definidas pelo usu rio Ao usar fun es de macro VBA voc pode especificar que o Evolver avalie os modelos muito complexos Ao procurar uma solu o o Evolver usa o valor da c lula alvo como classifica o ou fun o objetivo para avaliar a adequa o de cada cen rio poss vel Ao construir o seu modelo necess rio que a c lula alvo represente o grau de adequa o de cada cen rio espec fico para que ao calcular as possibilidades o Evolver possa medir com exatid o como est progredindo na busca da melhor solu o Comando Defini o do modelo Intervalos de c lulas ajust veis A tabela Intervalos de c lulas ajust veis apresenta todos os intervalos que
140. rio Registro Condi es de Parada Otimiza o conclu da A melhor solu o foi colocada na pasta de trabalho Todas as restri es foram atendidas Restabelecer valores originais das c lulas ajust veis eles tamb m podem ser restabelecidos mais tarde selecionando se Redefinir no menu Utilidades Relat rios a Gerar J Registro de Todas as Tentativas 7 Registro de Passos de Progresso 9 BI a E Estas mesmas op es tamb m aparecem automaticamente sempre que as condi es de parada definidas na caixa de di logo Configura es de otimiza o do Evolver s o atendidas 40 Tour do Evolver Relat rio resumido O Evolver pode criar um relat rio resumido da otimiza o com informa es como data e hora da execu o configura es usadas valor calculado da c lula alvo e o valor original e o melhor valor para cada c lula ajust vel x d 9 O l Livro2 Microsoft Excel o ES Ficheiro S DE Defini o Configura es Iniciar Relat rios Inserir Esquema de P gina F rmulas Dados Rever Ver Evolver f Utilidades Ajuda do Modelo Modelo Otimiza o Ajuda Al X Z wan ann bun ww w N N NN N peb pd p E j p p Valores em Milh es w Tn S apg w N B Evolver Resumo de Otimiza o Executado por Palisade Data domingo 13 de janeiro de 2013 11 45 59 Modelo Padaria Tutorial passo a passo xisx J ii lt
141. rso Tipos de problemas As otimiza es normalmente s o usadas para v rios tipos de problemas Em problemas lineares todos os outputs s o fun es lineares simples dos inputs como y mx b Quando os problemas s utilizam opera es aritm ticas simples como adi o e subtra o e fun es do Excel como TENDENCIA e PREVIS O indica que h rela es puramente lineares entre as vari veis Problemas lineares t m sido bem f ceis de resolver desde o advento dos computadores e da inven o do M todo Simplex por George Dantzig Um problema linear simples pode ser solucionado de forma r pida e exata com um utilit rio de programa o linear O Solver inclu do no Excel funciona como ferramenta de programa o linear quando se marca a caixa de sele o Presumir modelo linear no Excel 2007 ou anterior ou se seleciona o m todo de solu o LP Simplex no Excel 2010 Assim o Solver usa uma rotina de programa o linear para encontrar rapidamente a solu o perfeita Se o problema puder ser expresso em termos puramente lineares use programa o linear Infelizmente a maioria dos problemas do mundo real n o pode ser descrita de modo linear A partir da vers o 6 o Evolver tamb m soluciona problemas lineares por meio de programa o linear Ao contr rio do que ocorre com o Solver do Excel o usu rio n o precisa identificar o problema como linear Se o Evolver determinar que o problema linear apli
142. rvador do Evolver Resultado 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 12254 0213 DONA bt pi E ke DoHbUNE SG Progresso Sum rio Registro E4 1152 3157 1183 2428 1245 9654 1225 1553 1266 0232 1197 0268 1226 0563 1183 2428 1197 0268 1197 0268 1268 6097 1194 2651 1276 3844 1245 4201 1154 0655 1260 2976 E5 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 899 9875 E6 1782 6760 1782 6760 1782 6760 1519 9580 1764 1694 1700 6148 1508 8213 1685 3350 1727 6590 1727 6590 1813 3715 1685 3350 1573 4068 1657 1433 1907 7223 1333 9763 Diversidade Condi es de Parada E7 418 4284 776 0380 619 7919 549 6309 619 7919 776 0380 559 8666 776 0380 776 0380 866 0542 559 8666 765 0156 775 6041 771 1162 403 8717 578 5568 E8 746 5923 358 0557 451 5793 805 2683 450 0281 426 3329 805 2683 455 3966 399 2887 309 2725 458 1647 455 3966 474 6172 426 3329 634 3531 927 1818 x o ma gt in m 90 Observador do Evolver Observador do Evolver Guia Diversidade Exibe um gr fico colorido de todas as vari veis na popula o atual Esta guia aparece se o algoritmo gen tico for usado ela n o aparece quando usado o mecanismo de ot
143. s exemplos de um conjunto de valores de vari veis da forma como podem aparecer em uma planilha antes do processamento pelo Evolver e dois novos cen rios que poderiam ser apresentados depois de usar o m todo de solu o ordem Conjunto original de Conjunto de poss veis Outro conjunto de valores das vari veis valores de ordem poss veis valores de ordem 23 472 145 65 664 145 23472 ES 4 DR E 145 65 664 9 23 472 Guia de Refer ncia do Evolver 55 M todo de O m todo de solu o agrupamento deve ser usado para resolver solu o problemas que apresentam v rios itens que precisam ser agrupados agrupamento em conjuntos Por defini o padr o o n mero de grupos criados pelo pa RISKOptimizer igual ao n mero de valores nicos presentes nas 0 c lulas ajust veis no in cio da otimiza o essa defini o padr o pode ser modificada no campo IDs de Grupo conforme discutido acima c lulas que cont m apenas os valores 2 3 5 e 17 Ao selecionar as 50 c lulas e ajustar os valores com o m todo de solu o agrupamento o Evolver colocar cada uma das 50 c lulas em um dos tr s grupos 2 3 5 ou 17 Todos os grupos s o representados por no m nimo uma c lula ajust vel como se voc jogasse cada uma das 50 vari veis em diferentes caixas e verificasse se h pelo menos uma vari vel em cada caixa Outro exemplo seria em um sistema de negocia o de a es designar os valores 1 0 e 1
144. sa refer ncia pode ser especificada selecionando se a regi o da planilha com o mouse ou inserindo um nome de intervalo ou ainda digitando uma refer ncia v lida no Excel como Planilha1 A1 B8 O campo Intervalo pode ser usado com todos os m todos de solu o Contudo para os m todos de receita e or amento as op es M nimo M ximo e Valores podem ser acrescentadas a fim de permitir a inser o de um intervalo de c lulas ajust veis NOTA Ao definir intervalos menores para as vari veis voc restringe o mbito da busca e acelera a converg ncia do Evolver para encontrar uma solu o Mas tenha cuidado para n o restringir demais os intervalos de vari veis para n o impedir que o Evolver encontre as melhores solu es poss veis Valores O item Valores permite especificar se o Evolver deve tratar todas as vari veis de um intervalo espec fico como n meros inteiros ex 20 21 22 como n meros reais discretos ex 20 20 5 21 21 5 22 se o tamanho da etapa for 0 5 ou todos como n meros reais de um determinado intervalo Essa op o s pode ser usada com os m todos de solu o receita e or amento A defini o padr o tratar para aceitar todos os n meros reais do intervalo especificado Comando Defini o do modelo Valores de c lulas ajust veis E C Qualquer um C Inteiro eb Tamanho da etapa 2 Por exemplo se o intervalo de valores de 1 a 4 for especificado como
145. se um problema de maximiza o voc subtrairia ao inv s de adicionar as penalidades c lula alvo original Agora quando utilizar o Evolver voc simplesmente selecionar a c lula restringida C10 como a c lula alvo a ser aquela cuja estat stica de simula o ser otimizada Quando o Evolver tenta otimizar uma estat stica restringida para uma c lula alvo as fun es de penalidade tender o a for ar a busca na dire o de cen rios que atendam as restri es Eventualmente o Evolver chegar a solu es que s o boas respostas e que atendem ou praticamente atendem todas as restri es as fun es penalidade possuir o valores pr ximos de 0 Problemas com m ltiplas metas Voc s pode especificar uma c lula no campo c lula alvo do Evolver mas ainda pode solucionar m ltiplas metas criando uma fun o que combine duas metas em uma s Por exemplo como cientista de pol meros voc pode tentar criar uma subst ncia que flex vel mas tamb m resistente Seu modelo computa a resist ncia flexibilidade e peso resultantes que resultariam de uma dada mistura de combina es qu micas As quantidades de cada produto qu mico a serem usadas s o as vari veis ajust veis do problema Como voc deseja maximizar a Resist ncia da subst ncia na c lula S3 mas tamb m a Flexibilidade na c lula F3 poderia criar uma nova c lula com a f rmula S3 F3 Esta seria sua nova c lula alvo pois quanto maior for es
146. st O Evolver soluciona rapidamente problemas lineares usando m todos de programa o linear se o Modo de otimiza o estiver definido como Autom tico na guia Mecanismo da caixa de di logo Configura es de otimiza o 14 O que o Evolver No es Gerais O que o otimiza o Otimiza o o processo de tentar encontrar a melhor solu o poss vel para um problema espec fico que pode ter muitas solu es A maioria dos problemas envolve muitas vari veis que interagem de acordo com determinadas f rmulas e restri es Por exemplo uma empresa pode ter tr s f bricas que fabricam diferentes quantidades de diversos produtos Dado o custo de produ o de cada produto para cada f brica o custo de remessa a cada loja e as limita es de cada f brica qual seria a melhor maneira de atender adequadamente a demanda das lojas locais e ao mesmo tempo minimizar os custos de transporte As ferramentas de otimiza o s o projetadas para responder esse tipo de pergunta Frequentemente o objetivo da otimiza o encontrar a combina o que rende o m ximo dados determinados recursos No exemplo acima cada solu o proposta apresentaria uma lista completa de quais mercadorias espec ficas produzidas por quais f bricas espec ficas devem ser transportadas por qual caminh o para qual loja de varejo Outros exemplos de problemas de otimiza o s o relacionados a como produzir o maior lucro o me
147. st veis Elas s o as seguintes 1 Manter o ciclo de produ o dentro dos limites de horas de m o de obra o total de horas de m o de obra usadas deve ser lt 50 000 2 Manter uma rela o aceit vel entre p o com alto teor de fibra e p o com baixo teor cal rico o n mero de caixas de p o com alto teor de fibra produzido deve ser gt 1 5 que o n mero de caixas de p o de baixo teor cal rico 3 Manter uma rela o aceit vel entre p o de 5 gr os e p o com baixo teor cal rico o n mero de caixas de p o 5 gr os produzido deve ser gt 1 5 que o n mero de caixas de p o de baixo teor cal rico Cada vez que o Evolver gera uma solu o poss vel para o seu modelo ele verifica se as restri es definidas foram atendidas As restri es s o mostradas na parte inferior da se o Restri es da caixa de di logo Modelo do Evolver Podem ser definidos dois tipos de restri es no Evolver Hard r gidas s o condi es que precisam obrigatoriamente ser atendidas para que a solu o seja v lida ex uma restri o r gida de itera o poderia ser C10 lt A4 nesse caso se a solu o gerar um valor maior que o da c lula A4 para a c lula C10 a solu o ser descartada Soft flex veis s o condi es que de prefer ncia devem ser atendidas na medida m xima poss vel mas podem ser ajustadas em troca de uma melhoria substancial no resultado da c lula alvo ex uma restri o fle
148. sta opera o chamada crossing over ou crossover Quando esses seis cen rios se acasalam aleatoriamente e fazem crossover podemos obter um novo conjunto de cen rios como o seguinte No exemplo acima presumimos que os tr s cen rios originais a b e c se acasalaram com suas duplicatas A Be C para formar os pares aB bC bA Estes pares trocaram valores da primeira c lula ajust vel o que equivalente em nosso diagrama a alternar as coordenadas x e y entre pares de pontos A popula o de cen rios viveu uma inteira gera o com seu ciclo de morte e nascimento Note que alguns dos novos cen rios resultam em menor output altitude inferior do que qualquer um da gera o original No entanto um cen rio subiu a colina mais alta indicando progresso Se deixarmos a popula o evoluir por outra gera o poderemos ver uma cena como a seguinte Exemplo digital Algoritmos Gen ticos e OptQuest poss vel verificar como a performance m dia da popula o de cen rios melhora com rela o gera o anterior Neste exemplo n o h muito espa o para melhoria adicional Isto porque s h dois genes por organismos seis organismos e nenhuma forma pela qual novos genes podem ser criados Isto significa que h um pool gen tico reduzido O pool gen tico o conjunto de todos os genes de todos os organismos na popula o Algoritmos gen ticos podem ser tornados muito mais poderosos pela replic
149. te n mero melhor a solu o geral Se a flexibilidade for um componente mais importante que a resist ncia poder amos alterar a f rmula na c lula alvo para S3 F3 2 Dessa forma os cen rios que aumentassem a flexibilidade em uma certa quantidade pareceriam melhores produziriam uma fun o objetivo mais alta que os cen rios que aumentassem a for a na mesma quantidade Se quiser maximizar a Resist ncia de uma subst ncia na c lula S5 mas tamb m minimizar seu Peso na c lula W5 voc criaria uma nova c lula com a seguinte f rmula S5 2 W5 2 Esta f rmula produziria um n mero alto quando a estrutura fosse resistente e leve e n meros igualmente m dios para cen rios fracos e leves ou resistentes e pesados Voc deveria usar esta nova c lula como seu alvo e maximizar sua m dia para satisfazer ambas as metas Recursos Adicionais do Evolver 133 Como aumentar a velocidade Ao usar o Evolver para resolver um problema voc usa tanto a biblioteca de rotinas do Evolver para controlar o processo quanto a fun o de avalia o do Excel para examinar diferentes cen rios Uma grande porcentagem do tempo usado pelo Evolver na verdade tempo usado pelo Excel para recalcular a planilha H v rios procedimentos para acelerar a otimiza o do Evolver e o processo de rec lculo do Excel A velocidade do Evolver diretamente relacionada velocidade do processador do computador que est sendo usado Do
150. tificar o melhor para o seu problema Operadores gen ticos Evolver cs Selecionar todas Muta o Padr o Crossover Padr o Backtrack Padr o Crossover Aritm tico Crossover Heur stica Muta o de Cauchy Muta o de Vizinhan a Muta o N o Uniforme Linear Busca Local Cancelar Cancelar sele o de valores n o padr o TARA A RA A RA R R RI R Guia de Refer ncia do Evolver 73 Algoritmos gen ticos usam operadores gen ticos para criar novos indiv duos na popula o com base nos indiv duos existentes Dois tipos de operadores gen ticos empregados pelo Evolver s o muta o e crossover O operador de muta o determina se mudan as aleat rias nos genes vari veis ocorrer o e de que forma ocorrer o O operador de crossover determina de que forma pares de indiv duos da popula o trocam material gen tico para produzir novos indiv duos os quais podem vir a ser melhores solu es dos que os dois genitores O Evolver oferece os seguintes operadores gen ticos especializados Operadores lineares projetados para solucionar problemas para os quais a melhor solu o se encontra nos limites do espa o de busca definido pelas restri es Este par de operadores de muta o e crossover muito til para solucionar problemas de otimiza o lineares Muta o boundary muta o elaborada para otimizar rapidamente as vari veis que afetam o resultado de modo monot
151. tre p es de 5 gr os e baixo teor cal rico e 4 manter o ciclo de produ o dentro dos limites de horas de m o de obra Caixa de di logo Modelo do Evolver Para definir as op es do Evolver para a planilha em quest o fa a o seguinte 1 Clique no cone Defini o de Modelo na faixa de op es do Evolver na extrema esquerda Isso abre a caixa de di logo Modelo do Evolver mostrada a seguir A caixa de di logo Modelo do Evolver foi criada para que o usu rio possa descrever o problema espec fico de forma simples e direta No exemplo do tutorial fornecido estamos tentando encontrar o n mero de caixas de cada tipo de p o que devem ser produzidas para maximizar o lucro total Tour do Evolver Sele o da c lula alvo O lucro total do modelo do exemplo o que chamamos de c lula alvo Esta a c lula cujo valor voc est tentando minimizar ou maximizar ou a c lula cujo valor voc est tentando aproximar o m ximo poss vel de um valor predefinido Para especificar a c lula alvo 1 Defina a op o Objetivo da otimiza o como M ximo 2 No campo C lula digite 1 11 que a c lula alvo As refer ncias de c lulas podem ser inseridas nos campos de di logos do Evolver de duas formas 1 voc pode clicar no campo com o cursor e digitar a refer ncia diretamente no campo ou 2 com o cursor no campo selecionado voc pode clicar no cone de entrada de
152. wn Fe Exemplo de como dispor as tarefas precedentes ao usar o m todo de solu o projeto O intervalo de tarefas precedentes deve ser especificado como n linhas por m colunas sendo que n o n mero de tarefas do projeto c lula ajust veis e m o maior n mero de tarefas precedentes de qualquer tarefa espec fica Guia de Refer ncia do Evolver 59 M todo de solu o agendamento A seguir apresentamos exemplos de um conjunto de valores de vari veis da forma como poderiam aparecer em uma planilha antes do processamento pelo Evolver e dois novos cen rios que poderiam ser apresentados depois de usar o m todo de solu o projeto com a restri o de que 3 deve sempre vir depois de 1 e 4 deve sempre vir depois de 2 Conjunto original de Conjunto de poss veis Outro conjunto de valores das vari veis valores de projeto poss veis valores de projeto O m todo agendamento semelhante ao m todo agrupamento trata se de designar tarefas a intervalos de tempo Pressup e se que cada tem a mesma dura o da mesma forma como cada aula escolar tem a mesma dura o Ao contr rio do agrupamento no entanto ao se usar o m todo de solu o agendamento a caixa de di logo Grupo de c lulas ajust veis permite especificar diretamente o n mero de blocos de tempo ou grupos a serem usados Ao selecionar o m todo de solu o agendamento observe que v rias op es relacio
153. x vel poderia ser C10 lt 100 Nesse caso C10 poderia conter um valor acima de 100 mas se isso ocorresse o valor calculado para a c lula alvo seria diminu do de acordo com a fun o de penalidade definida pelo usu rio Evolver Passo a Passo 31 Adi o de restri o Restri es simples e de f rmula Para especificar uma restri o 1 Clique no bot o Adicionar na se o de Restri es da caixa de di logo principal do Evolver Isso abre a caixa de di logo Configura es de restri es na qual podem ser definidas as restri es para o modelo oF Evolver Configura es de Restri es Descri o Tipo de Restri o Hard Descarta Solu es que n o Atendem a Restri o Precis o Autom tico X C Soft Desfavorece Solu es que n o Atendem a Restri o enalidade 100 EXP DESVIO 100 1 E Fun Defini o Estilo de Entrada Simples ld M nimo Intervalo a Restringir M ximo E z E z As restri es podem ser definidas em dois formatos Simples e F rmula O formato simples permite inserir restri es usando rela es como lt lt gt gt ou Uma restri o simples t pica seria O lt valor de A1 lt 10 onde Al inserido na caixa Intervalo de c lulas O inserido na caixa M n e 10 inserido na caixa M x O operador desejado selecionado nas caixas da lista suspensa Ao usar uma restri o de formato simples voc
154. ximo Valores Adicionar Recei eceita Exduir 0 lt C4 G4 lt 100000 Inteiro 20000 100000 Grupo Isso especifica a ltima c lula ajust vel B4 correspondente ao n vel de produ o de p o de baixo valor cal rico Selecionar 2 como tamanho da etapa exige que o n mero de casos seja par valores aceit veis s o 20000 20002 20004 Se houvesse mais alguma vari vel neste problema continuar amos a acrescentar intervalos de c lulas ajust veis No Evolver pode se criar um n mero ilimitado de grupos de c lulas ajust veis Para acrescentar mais c lulas clique outra vez no bot o Adicionar Pode ser que mais tarde voc queira conferir as c lulas ajust veis ou mudar alguma defini o Para fazer isso s editar o intervalo de m nimo m ximo na tabela Voc tamb m pode selecionar um conjunto de c lulas e apag lo clicando no bot o Excluir Evolver Passo a Passo 29 Sele o do Ao definir c lulas ajust veis voc pode especificar o m todo de m todo de solu o a ser usado Diversos tipos de c lulas ajust veis podem ser solu ao processados usando diferentes m todos de solu o Os m todos de solu o s o definidos para um grupo espec fico de c lulas ajust veis para alter los basta clicar no bot o Grupo e selecionar Editar para exibir a caixa de di logo Configura es de Grupos de C lulas Ajust veis Muitas vezes usado o m todo de solu o receita em
155. za o pausada e Exibir Observador do Evolver Exibe a janela inteira do Observador do Evolver e Executar Clicar no cone Executar faz com que o Evolver comece a buscar a solu o com base na descri o constante na caixa de di logo Modelo do Evolver Se voc pausar o Evolver poder ainda clicar no cone Executar para continuar a busca de melhores solu es e Pausar Se voc quiser pausar o Evolver basta clicar no icone Pausar para congelar temporariamente o processo do Evolver Com o Evolver em pausa voc pode abrir e explorar o Observador e visualizar o registro copiar um gr fico ou mudar os par metros de algoritmo gen tico e Parar P ra a otimiza o 80 Comando Iniciar otimiza o Comandos Utilidades Comando Configura es da aplica o Exibe a caixa de di logo Configura es da aplica o onde os valores padr o do programa podem ser definidos Muitas configura es do Evolver podem ser definidas em valores padr o que s o usados sempre que o Evolver executado Isso inclui Padr es de parada Crossover padr o Taxas de muta o e outras Evolver Configura es da Aplica o Geral Idioma Portugu s Exibir Janela de Boas Vindas Falso Relat rios Inserir Relat rios em Nova Pasta de Trabalho Reutilizar a mesma nova pasta Falso Padr es de Parada Resumo de Otimiza o Falso Registro de Todas as Tentativas Falso Registro de Todos os Passos de Prog
156. zados por macros s o os c lculos em loop iterativo e c lculos que requerem novos dados de fontes externas O Nome da macro especifica a macro a ser executada 78 Comando Configura es de otimiza o Comando Iniciar otimiza o Inicia uma otimiza o Ao selecionar o comando Iniciar otimiza o ou clicar no cone Iniciar otimiza o iniciada uma otimiza o do modelo e da pasta de trabalho ativa Quando o Evolver est rodando apresentada a janela Progresso Progresso do Evolver Tentativa 1331 de 5000 Tempo de Execu o 00 00 25 Original 4546365 Melhor 4547445 6957 FIC ua A janela Progresso apresenta o seguinte e Tentativa ou o n mero total de tentativas que foram executadas e tamb m pode indicar quantas delas foram v lidas atendendo todas as restri es r gidas e Tempo de Execu o ou o tempo decorrido da execu o e Original ou o valor original da c lula alvo e Melhor ou o melhor valor atual da c lula alvo que est sendo minimizada ou maximizada Guia de Refer ncia do Evolver 79 As op es da barra de ferramentas da janela Progresso do Evolver s o e Exibir op es de atualiza o do Excel Esta op o selecionada para atualizar a tela do Excel A cada tentativa Cada nova melhor tentativa ou Nunca Note que em algumas situa es a tela ser atualizada independentemente destas configura es como quando a otimi

Evolver - Palisade Corporation

Contents

Download Pdf Manuals

Related Search

Related Contents