Algoritmos Evolucionários e Aprendizado de Máquina: Q&A

1. Cite 3 exemplos de Algoritmos Evolucionários.

Os principais exemplos são: Algoritmos Genéticos, Programação Genética e Neuro-evolução.

2. Cite 2 exemplos de operadores genéticos.

Os dois operadores genéticos principais são: Recombinação e Mutação.

3. O que é a função de Avaliação (Fitness)?

É a maneira utilizada pelos Algoritmos Genéticos para determinar a qualidade de um indivíduo como solução do problema.

4. Por que os resultados de Algoritmos Evolucionários raramente são perfeitamente reproduzíveis?

Pois são totalmente dependentes de fatores estocásticos (probabilísticos), tanto na fase de inicialização quanto na evolução do algoritmo.

5. Quando optar por um Algoritmo Evolucionário em detrimento de um método exato?

Deve-se optar por um Algoritmo Evolucionário quando os métodos exatos são lentos ou incapazes de obter uma solução em tempo hábil. Exemplo: Quando se deseja uma pesquisa em uma população muito extensa, o algoritmo exato se torna ineficaz, sendo necessário o Algoritmo Evolucionário.

O cenário oposto ocorre quando o problema é pequeno e bem definido, permitindo que o método exato encontre a solução ótima de forma rápida e garantida.

6. Defina Algoritmos Genéticos (AG).

Algoritmos Genéticos são uma subárea dos Algoritmos Evolucionários e consistem em técnicas heurísticas de otimização global.

7. Como as populações são codificadas em Algoritmos Genéticos?

A codificação consiste em uma maneira de traduzir a informação do problema em um formato viável para ser tratado pelo computador.

8. Qual o método mais comum de Seleção?

O método mais comum é a Roleta (ou Seleção por Roleta).

9. Defina Recombinação, Mutação e Elitismo.

• Recombinação: Mistura de genes entre indivíduos da mesma espécie através da troca de partes de seus cromossomos (permuta).
• Mutação: Modificação na informação genética por meio espontâneo ou causada por agentes físicos ou químicos.
• Elitismo: Forma de garantir que o algoritmo nunca regrida, onde os n melhores indivíduos passam para as próximas gerações, garantindo que seus genomas sejam preservados.

10. 6 questões importantes na construção de Algoritmos Genéticos.

As seguintes questões devem ser consideradas:

1. Representação dos indivíduos.
2. Parâmetros do sistema (tamanho da população, taxa de mutação, etc.).
3. Política de seleção e eliminação de indivíduos.
4. Operadores genéticos (recombinação e mutação).
5. Critério de parada.
6. Função de avaliação (Fitness).

11. O que é Aprendizado de Máquina (Machine Learning)?

Conjunto de técnicas e algoritmos que permitem que um computador aprenda e aperfeiçoe seu desempenho com base em dados.

12. Cite as 3 principais formas de Aprendizado de Máquina.

As três formas principais são: Aprendizado Supervisionado, Não Supervisionado e por Reforço.

13. Defina Aprendizado Supervisionado e cite 3 exemplos de algoritmos.

O Aprendizado Supervisionado é um método de aprendizagem que utiliza dados rotulados (com um "supervisor") para garantir maior exatidão na predição ou classificação das informações.

Exemplos de Algoritmos Supervisionados:

• Regressão Linear
• Máquinas de Vetores de Suporte (SVM)
• Árvores de Decisão

14. Defina Overfitting e Underfitting.

• Overfitting (Sobreajuste): Ocorre quando o modelo de Aprendizado de Máquina se ajusta em demasia ao conjunto de dados de treinamento, capturando ruídos e detalhes irrelevantes, o que prejudica sua performance em dados novos.
• Underfitting (Subajuste): Ocorre quando o modelo não consegue capturar a relação fundamental entre os dados de entrada e saída, ajustando-se em déficit ao conjunto de dados e resultando em baixa performance tanto no treinamento quanto em dados novos.