Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Elitism #2

Open
wants to merge 2 commits into
base: master
Choose a base branch
from
Open

Elitism #2

Changes from all commits
Commits
Show all changes
2 commits
Select commit Hold shift + click to select a range
e1e7781
Update README.md
almeidadm Nov 29, 2021
a8954bc
Update README.md
almeidadm Nov 29, 2021
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
9 changes: 6 additions & 3 deletions README.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -20,15 +20,18 @@ Abaixo podemos ver um exemplo de execução do modelo.
Total time: 9.995372 s

O modelo responsável pelo resultado apresentado pode ser visto a seguinte da seguinte maneira:
![](/home/ddeam/Imagens/índice.png)
![image](https://user-images.githubusercontent.com/47041221/143791919-ebedf84d-4878-4e27-a219-0cc5ebfa0de6.png)

Onde o vértice x apresenta o decorrer das iterações e o vértice y apresenta o melhor fitness da população naquele momento.

Podemos realizar uma análise de como a taxa de mutação interfere no desempenho da heurística.
Veja a seguir a comparação quando atribuímos os valores de mutação *r = {0.0, 0.2, 0.4, 0.6, 0.8, 0.99}*. Definindo *n=100* e *m=20000*, temos:
![](/home/ddeam/Imagens/índice1.png)
![image](https://user-images.githubusercontent.com/47041221/143791935-b4a9cf61-2704-489f-93b1-f759014b8f1f.png)


É notável o péssimo desempenho de quando temos um modelo com taxa de mutação nula, em azul, enquanto que com taxa de mutação igual a 60% trouxe bons resultados, mas ainda assim não ótimos.

Agora, quando definimos *m=20000*, *r=0.6* e *n = {50, 100, 200, 500}* podemos vizualizar o seguinte comportamento:
![](/home/ddeam/Imagens/índice2.png)
![image](https://user-images.githubusercontent.com/47041221/143791941-8943b9d8-dc74-47e4-818f-25f019819a0a.png)

Onde notoriamente a população de cinquenta indivíduos convergiu bem melhor que a de 500.