Gabarito das Autoatividades de Inteligência Artificial

Prévia do material em texto

das
A
Gabarito
utoatividades
INTELIGÊNCIA ARTIFICIAL
Centro Universitário Leonardo da Vinci
Rodovia , nº .BR 470 Km 71, 1 040
Bairro Benedito - CEP 89130-000
I daialn - Santa Catarina - 47 3281-9000
Elaboração:
Revisão, Diagramação e Produção:
Centro Universitário Leonardo da Vinci - UNIASSELVI
2017
Prof. Cristiano Roberto Franco
3UNIASSELVI
NEAD
GABARITO DAS AUTOATIVIDADES
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
GABARITO DAS AUTOATIVIDADES DE
INTELIGÊNCIA ARTIFICIAL
Centro Universitário Leonardo da Vinci
Rodovia , nº .BR 470 Km 71, 1 040
Bairro Benedito - CEP 89130-000
I daialn - Santa Catarina - 47 3281-9000
Elaboração:
Revisão, Diagramação e Produção:
Centro Universitário Leonardo da Vinci - UNIASSELVI
2017
UNIDADE 1
SEÇÃO 1
1 No exemplo do aspirador existe um problema na ação dele em 
uma situação específica que resultará em ações desnecessárias. 
Identifique qual a situação problemática e sugira uma maneira para 
corrigir através da adição ou remoção de ações.
R.: A situação problemática ocorre quando os lados A e B estiverem limpos. 
Neste caso, o aspirador ficará se movimentando da esquerda para a direita 
indefinidamente sem razão. Uma solução possível seria adicionar uma ação 
de verificação de A enquanto o aspirador estiver em B e de B enquanto o 
aspirador estiver em A. Com base nessas ações, deve-se ainda adicionar 
uma ação de parada para quando o aspirador perceber que os dois lados 
estão limpos.
Outra classificação comum dos agentes computacionais é de acordo com 
suas propriedades, conforme descrito na Tabela 3. Por exemplo, um agente 
é classificado como autônomo quando consegue tomar decisões para o 
cumprimento de seu objetivo sem a interferência do usuário final, e confiável 
quando suas informações são verídicas e suas ações em conformidade com 
o que foi predefinido.
2 Considerando as definições de tipo de ambiente vistas nesta seção, 
cite um jogo de video game ou computador que você conheça e 
classifique-o de acordo com os critérios mostrados na Tabela 4.
R.: O jogo de video game Super Mário Bros, por exemplo. Ele é completamente 
observável, determinístico, dinâmico, contínuo e de agente único.
4 GABARITO DAS AUTOATIVIDADES UNIASSELVI
NEAD
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
SEÇÃO 2
1 Explique, detalhadamente, as diferenças entre as redes semânticas 
e os quadros, fornecendo exemplos.
R.: As redes semânticas demonstram o relacionamento entre entidades e 
conceitos individuais, sendo mais granuladas e exigindo maior elementos 
para representar determinado cenário. Por exemplo, a definição de um animal 
como mamífero ou réptil. Os quadros permitem representar o relacionamento 
entre entidades e conceitos de forma menos granulada, onde uma entidade 
possui atributos e ações dentro dela e os relacionamentos ocorrem somente 
com entidades externas. O mesmo exemplo da definição de um animal como 
mamífero ou réptil teria uma representação mais simples através de quadros 
do que por meio de redes semânticas.
2 Considerando um problema cujo espaço de busca de soluções é 
composto por uma árvore que possui um número muito grande de 
níveis e baixo grau de ramificação, assinale a alternativa CORRETA:
( ) Para que a busca seja eficiente, deve ser aplicado um algoritmo de busca 
cega.
( ) Neste caso específico, uma busca em profundidade seria mais eficiente 
do que uma busca em largura.
(x) Neste caso específico, uma busca em largura seria mais eficiente 
que uma busca em profundidade.
( ) Neste caso, poder-se ia optar por qualquer estratégia de busca, pois o 
desempenho na busca da resposta seria idêntico.
ATIVIDADES DE APRENDIZAGEM DA UNIDADE 1
1 Considerando um jogo de dardos, no qual o objetivo é atirar o dardo 
o mais próximo possível do centro do alvo, classifique esse jogo de 
acordo com os seguintes critérios, justificando:
Completamente ou parcialmente observável.
Determinístico ou estocástico.
Discreto ou contínuo.
R.: O jogo de dardos é completamente observável, pois não exige 
conhecimento do que aconteceu nos arremessos anteriores para o arremesso 
do próximo dardo. Ele é estocástico, pois não podemos garantir que dois 
5UNIASSELVI
NEAD
GABARITO DAS AUTOATIVIDADES
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
arremessos atinjam exatamente o mesmo local no alvo. Finalmente, ele é 
contínuo, pois não é possível determinar o número exato de estados possíveis.
2 Classifique um robô que faz parte de um time que joga futebol de 
robôs de acordo com os seguintes critérios e justifique:
a) Completamente ou parcialmente observável.
b) Determinístico ou estocástico.
c) Discreto ou contínuo.
R.: O robô é completamente observável, pois não exige conhecimento do que 
aconteceu nas jogadas anteriores para o planejamento da próxima jogada. 
Ele é estocástico, pois é impossível prever exatamente onde um chute levará 
a bola; e contínuo, pois não é possível determinar o número exato de estados 
possíveis.
3 Considerando um agente que simulasse o comportamento de um 
jogador de dominó, avalie as seguintes afirmativas:
I – Este agente está em um ambiente completamente observável.
II – Este agente está em um ambiente estocástico.
III – Este agente está em um ambiente cooperativo.
IV – Este agente está em um ambiente estático.
São VERDADEIRAS as afirmativas:
a) ( ) I, II e III.
b) ( ) I e III.
c) ( ) I, II e IV.
d) (x) I e IV.
4 Com relação à utilização de técnicas de busca na resolução de 
problemas de Inteligência Artificial, assinale a alternativa CORRETA:
( ) Uma heurística é uma técnica de busca com a qual todos os nós da árvore 
de solução são buscados sem critério de seleção até que uma solução 
seja encontrada.
( ) Na busca cega, inicialmente, são verificados todos os descendentes de 
determinado nó, para então proceder com a busca nos outros ramos das 
árvores.
( ) Na busca em profundidade, inicialmente, são buscados todos os nós de 
determinado nível para só então se passar ao nível seguinte.
(x) As estratégias de IA que usam busca em uma árvore de possibilidades 
6 GABARITO DAS AUTOATIVIDADES UNIASSELVI
NEAD
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
para encontrar a solução de um problema são baseadas nos 
procedimentos normalmente adotados pela inteligência humana 
para a resolução de problemas.
5 Com relação aos conceitos de Inteligência Artificial relacionados à 
agente e ambiente, avalie as afirmações abaixo:
I – um agente é um elemento que percebe um ambiente através de seus 
sensores e atua neste ambiente com seus atuadores, após tomar uma 
decisão;
II – o ambiente é basicamente o problema a ser resolvido pelo agente;
III – como exemplo de ambiente determinístico, discreto e competitivo 
podemos citar um jogo de tênis;
IV – um ambiente pode ser cooperativo e competitivo ao mesmo tempo, 
dependendo do ponto de vista.
Agora, assinale a alternativa que somente contém afirmações VERDADEIRAS:
a) ( ) I, II, III e IV.
b) ( ) II, III e IV.
c) (x) I, II e IV.
d) ( ) I e IV.
UNIDADE 2
SEÇÃO 1
1 Existem dois métodos para encadeamento nos SE, sendo que cada 
um é mais adequado a algumas situações específicas. Diferencie 
conceitualmente os dois tipos de encadeamento, exemplificando as 
melhores situações para cada um deles.
R.: Encadeamento progressivo: O raciocínio é feito para frente, ou seja, parte 
das premissas em sentido a uma conclusão. Como exemplo, podemos citar 
um sistema especialista para help desk.
Encadeamento regressivo: O raciocínio é feito para trás, ou seja, parte de 
uma conclusão para então validar premissas. Como exemplo, podemos citar 
um sistema especialista de diagnóstico médico.
7UNIASSELVI
NEAD
GABARITO DAS AUTOATIVIDADES
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
2 Os Sistemas Especialistas (SE) essencialmente procuram reproduzir 
as respostas dadas por especialistas humanos na resolução de 
problemas. Para atingir isso, o conhecimento dos especialistas é 
extraído através de uma etapa chamada engenharia do conhecimento 
e armazenadoem um repositório com características especiais 
chamado de base de conhecimento. Com relação aos Sistemas 
Especialistas, avalie as afirmativas abaixo:
I – A etapa mais crítica na criação dos SE é a implementação destes em 
alguma ferramenta computacional.
II – O motor de inferência é a parte responsável por unir as regras da base 
de conhecimento com os fatos da memória de trabalho.
III – A memória de trabalho é uma parte estática dentro dos SE.
IV – Uma das maneiras de implementar o tratamento da incerteza nos SE é 
através do fator de confiança.
Agora, assinale a alternativa que somente contém afirmações CORRETAS:
a) ( ) I, II, III e IV.
b) ( ) I, III e IV.
c) ( ) I, II e III.
d) (x) II e IV.
SEÇÃO 2
1 Com base no exemplo acima, crie uma tabela semelhante à tabela 2 
desta sessão. Sua tabela deve conter variáveis linguísticas e regras 
para definir um sistema especialista de lógica difusa que represente 
algum modelo de controle do mundo real. Em nosso exemplo fizemos 
um sistema para controlar o freio ABS de um automóvel. Use sua 
criatividade e exercite o conteúdo visto.
R.: O(a) acadêmico(a) pode utilizar qualquer exemplo da vida real que 
trabalhe com variáveis interrelacionadas, em que a alteração de uma reflita 
em alterações nas outras duas. Para demonstrar novamente, coloco, a seguir, 
uma tabela que representa o funcionamento de um forno para assar pizzas. 
As variáveis são Tempo para assar (muito rápido, rápido, médio, demorado, 
muito demorado), Temperatura (baixa, média e alta) e Espessura da massa 
(fina, média e grossa). A variável representada dentro da tabela é o Tempo 
para assar.
8 GABARITO DAS AUTOATIVIDADES UNIASSELVI
NEAD
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
2 Modele uma rede causal para descrever a situação abaixo:
Ao tentar ligar o carro pela manhã, percebo que ele não liga. Ouço o motor 
de arranque girar, o que indica que a bateria está carregada. Na noite 
anterior observei que o marcador de combustível marcava meio tanque, 
entretanto meu marcador está com defeito e pode ter mostrado errado. Os 
dois problemas que podem estar impedindo meu carro de ligar são as velas 
sujas e/ou o combustível ter sido roubado na noite anterior depois que eu olhei 
o marcador. As variáveis a serem consideradas são: Carro Liga, Marcador 
de Combustível, Velas Sujas e Existe Combustível.
ATIVIDADES DE APRENDIZAGEM DA UNIDADE 2
1 Disserte sobre as técnicas de IA abaixo, citando exemplos de 
aplicação para cada uma delas:
Temperatura
Espessura da massa BAIXA MÉDIA ALTA
FINA médio rápido muito rápido
MÉDIA demorado médio rápido
GROSSA muito demorado longo médio
9UNIASSELVI
NEAD
GABARITO DAS AUTOATIVIDADES
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
• Sistemas Especialistas.
• Sistemas Especialistas de Lógica Difusa.
• Sistemas Especialistas Probabilísticos.
R.: Os sistemas especialistas utilizam o conhecimento de um especialista na 
forma de regras e fatos para a resolução de problemas onde se tem certeza 
das informações. Um exemplo seria um sistema para help desk de usuários.
Os sistemas de lógica difusa utilizam praticamente o mesmo princípio dos 
sistemas especialistas, com a exceção de que as informações podem ser 
menos “binárias”, ou seja, menos em termos de verdadeiro ou falso. Por esse 
princípio, podemos concluir que a lógica fuzzy permite uma representação 
mais precisa do mundo em que vivemos. Um exemplo seria um sistema para 
controle de freios ABS em automóveis.
Os sistemas especialistas probabilísticos utilizam a probabilidade de 
ocorrência de eventos e a influência que estes terão em eventos futuros. São 
apropriados para situações nas quais dados estatísticos sejam conhecidos, 
por exemplo, sistemas de diagnóstico médico.
2 Os Sistemas Especialistas Probabilísticos (SEP) têm por base o 
raciocínio proposto por Thomas Bayes, em que eventos passados 
exercem influência em eventos correlacionados no futuro. Com 
relação aos SEP, seu modo de operação e suas características, 
assinale a alternativa CORRETA:
( ) Os SEP são utilizados, geralmente, para situações em que as informações 
são corretas e precisas.
( ) A defuzzificação é o mecanismo que faz o encadeamento das 
probabilidades nos SEP.
( ) A probabilidade a priori é a probabilidade de que um evento ocorra após 
a ocorrência de um evento causal relacionado.
(x) Uma rede causal é um grafo dirigido que modela os eventos e seus 
relacionamentos na representação de um problema passível de 
resolução através dos SEP.
3 Avalie as afirmações abaixo sobre os SE:
I – Os Sistemas Especialistas (SE) aplicam regras e conhecimento extraídos 
de especialistas humanos para resolver problemas da maneira mais 
semelhante possível a destes especialistas, fazendo parte de uma subárea 
da IA chamada de SBC.
II – Um SE é composto por 3 elementos principais: base de conhecimento, 
motor de inferência e interface gráfica.
10 GABARITO DAS AUTOATIVIDADES UNIASSELVI
NEAD
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
III – O raciocínio progressivo serve para determinar os sintomas de uma 
doença, a partir de um diagnóstico previamente obtido.
IV – O engenheiro do conhecimento é responsável por traduzir o conhecimento 
do especialista para o formato de regras e fatos.
Agora, assinale a alternativa que somente possui afirmações VERDADEIRAS:
a) ( ) I, II e III.
b) (x) I e IV.
c) ( ) I, II, IV.
d) ( ) I e II.
4 Avalie as afirmações abaixo sobre os sistemas especialistas de lógica 
difusa:
I – Os sistemas especialistas de lógica difusa se baseiam na premissa de 
que praticamente todas as informações a serem utilizadas em um sistema 
podem ser representadas em função de verdadeiro e falso.
II – Uma variável linguística é um conceito como “altura”, que pode ter um 
valor em uma faixa de valores nebulosos, como “alto”, “médio” e “baixo”.
III – Da mesma forma que nos sistemas especialistas convencionais, o 
conhecimento do sistema é fornecido por especialistas ou retirado de análises 
numéricas.
IV – A defuzzificação é a etapa da transformação dos valores numéricos em 
variáveis linguísticas.
Agora, assinale a alternativa que somente possui afirmações VERDADEIRAS:
a) ( ) I, II e III.
b) ( ) I e IV.
c) ( ) I, II, IV.
d) (x) II e III.
5 Avalie as afirmações abaixo sobre os sistemas especialistas 
probabilísticos, colocando a letra V para afirmações VERDADEIRAS 
e a letra F para afirmações FALSAS:
( ) As redes bayesianas são usadas, principalmente, para lidar com situações 
em que não existem informações prévias sobre os eventos.
( ) A probabilidade a posteriori é aquela probabilidade de ocorrência de 
determinado evento antes que ele aconteça.
( ) Entre as principais aplicações das redes bayesianas, podemos citar: 
análise de risco de crédito e classificação de imagens.
( ) Uma rede causal é um grafo orientado no qual se percebe a relação entre 
eventos atuais e eventos futuros.
11UNIASSELVI
NEAD
GABARITO DAS AUTOATIVIDADES
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
Agora, assinale a alternativa que apresenta a sequência CORRETA:
a) ( ) F – V – V – V.
b) (x) F – F – V – V.
c) ( ) F – V – F – V.
d) ( ) F – V – V – F.
UNIDADE 3
SEÇÃO 1
1 No que se refere ao aprendizado de máquina, assinale a alternativa 
CORRETA:
a) ( ) No aprendizado supervisionado, os dados são processados através 
de iterações na quais se procuram por padrões ocultos de semelhança.
b) ( ) No aprendizado não supervisionado, os dados são agrupados em 
clusters, de acordo com suas semelhanças ou diferenças.
c) ( ) A utilização de dados de treinamento é característica de sistemas que 
utilizam aprendizado de máquina não supervisionado.
d) (x) A utilização de dados de treinamento é característica de sistemas 
que utilizam aprendizado de máquina supervisionado.
2 Avalie as afirmações abaixo, colocando V para as afirmações 
verdadeiras e F para as afirmações falsas.
( ) As árvores de decisão auxiliam os métodos de aprendizado de máquina 
não supervisionado.
( ) O algoritmo k-média se baseiana definição de centros e atualização da 
posição dos dados em relação a estes centros.
( ) Um outlier pode ser definido como uma informação que se diferencia 
das demais do grupo e, portanto, não tem influência no comportamento 
geral dele.
( ) Um dos objetivos do aprendizado supervisionado é permitir a classificação 
de informações que não fizeram parte do aprendizado de acordo com as 
classes de saída definidas nesta etapa.
Agora, assinale a alternativa que apresenta a sequência CORRETA:
a) ( ) V – F – F – V.
b) ( ) V – F – V – V.
12 GABARITO DAS AUTOATIVIDADES UNIASSELVI
NEAD
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
SEÇÃO 2
1 Com relação às redes neurais artificiais, avalie as afirmações abaixo:
I – A camada de entrada realiza o primeiro processamento das informações.
II – Os pesos servem para fazer uma média aritmética dos valores das 
entradas.
III – A função de ativação é a função que determina o valor que o neurônio 
artificial envia em sua saída.
IV – Uma rede Perceptron pode representar seus valores somente no formato 
binário.
Agora, assinale a alternativa que somente possui afirmações CORRETAS:
a) ( ) I – II - III – IV.
b) ( ) I - II – IV.
c) ( ) I – II.
d) (x) III – IV.
2 Por que, desta vez, não é necessário fazer a iteração nas 4 entradas 
do conjunto de treinamento, mas sim somente na primeira?
R.: Desta vez não há a necessidade de se passar o conjunto inteiro de dados 
pelo treinamento, pois as demais entradas já foram submetidas ao treinamento 
com esses pesos e foram reconhecidas corretamente.
ATIVIDADES DE APRENDIZAGEM DA UNIDADE 3
1 Analisando o conteúdo desta unidade, em sua opinião, o que 
diferencia, principalmente, as RNA das técnicas demonstradas na 
Inteligência Artificial Simbólica?
R.: Enquanto a IA Simbólica utiliza o conhecimento estático para resolver 
problemas, as RNA se adequam aos problemas, realizando efetivamente o 
aprendizado.
2 Disserte sobre as diferenças principais entre as técnicas de 
aprendizado de máquina supervisionado e não supervisionado.
c) ( ) F – F – F – V.
d) (x) F – V – V – V.
13UNIASSELVI
NEAD
GABARITO DAS AUTOATIVIDADES
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
R.: No aprendizado supervisionado, deve haver a intromissão de um ser 
humano, que fornece um conjunto de entradas e suas saídas respectivas, 
esperando que a máquina “aprenda” com base nestes padrões. No 
aprendizado não supervisionado, o próprio algoritmo deve avaliar os dados 
e identificar padrões desconhecidos, agrupando os dados de acordo com 
estes padrões.
3 Por que se diz que as técnicas de clusterização são extremamente 
úteis para as organizações hoje em dia?
R.: O volume de dados com os quais as empresas devem lidar crescem 
rapidamente, e uma análise ágil e correta deles pode representar um 
diferencial competitivo. A clusterização é uma das técnicas utilizadas pelo 
aprendizado de máquina não supervisionado para identificar informações 
que estejam disseminadas nestes dados e que não são fáceis de encontrar 
por humanos. O Data mining pode ser citado como exemplo.
4 Com relação às RNA, avalie as afirmações abaixo:
I - As redes Artificiais de Neurônios são modeladas de forma análoga ao 
cérebro humano, sendo compostas por vários neurônios artificiais.
II – Uma RNA deve ser treinada com 100% de precisão para cada fato de 
entrada, garantindo desta forma um desempenho ótimo.
III –O cérebro humano é mais eficiente do que o computador no que se refere 
ao reconhecimento de padrões.
IV – O número de camadas de uma RNA deve ser definido antes de se saber 
quais são os dados de entrada para o treinamento.
Agora, assinale a alternativa que somente contém afirmações CORRETAS:
a) ( ) I, II, III, IV.
b) ( ) I, II, IV.
c) (x) I, III.
d) ( ) III, IV.
5 Com relação às RNA do tipo Perceptron, assinale a alternativa 
CORRETA:
a) ( ) Os Perceptron representam somente as informações de entrada em 
formato binário, pois na saída não existe essa restrição.
b) ( ) É através da função de ativação que se calcula o valor pelo qual as 
entradas são multiplicadas para ativar ou não o neurônio artificial.
c) ( ) Uma vez que as informações são representadas em formato binário, 
o número máximo de camadas de uma RNA Perceptron é igual a dois.
14 GABARITO DAS AUTOATIVIDADES UNIASSELVI
NEAD
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
d) (x) Os neurônios de entrada não realizam efetivamente nenhum 
processamento, servindo apenas para distribuir a informação para 
as demais camadas.
UNIDADE 4
SEÇÃO 1
1 Acesse o site <http://www.blprnt.com/smartrockets/> e assista à 
evolução dos foguetes por algum tempo. Observe como, de início, 
os foguetes não conseguem sequer se aproximar do alvo, mas 
depois que, através da mutação aleatória, alguns deles o atingem, as 
próximas gerações começam a atingir o alvo com mais frequência.
 Use as setas para os lados do teclado para mudar o tipo de obstáculos 
no ambiente, e também use o mouse para reposicionar o alvo. Depois 
de já ter aprendido uma rota, os foguetes são capazes de se adaptar 
às mudanças no ambiente? Modifique os parâmetros de mutação, 
tamanho da população, combustível e tamanho do foguete, no canto 
inferior esquerdo da tela. Você consegue fazer com que os foguetes 
aprendam mais rapidamente o caminho para o alvo?
R.: Sim, depois de a rota ter sido aprendida pelos foguetes, eles conseguem 
se adaptar às mudanças no ambiente.
Modificando, principalmente, os parâmetros de mutação, o aprendizado do 
caminho para o alvo acontece mais rápido pelos foguetes.
2 Em qual tipo de problema pode ser enquadrado o exemplo dos 
foguetes?
a) ( ) Análise.
b) (x) Busca.
c) ( ) Otimização.
d) ( ) Nenhuma das anteriores.
Para as duas questões a seguir, considere as versões (µ, λ) – ES e (µ 
+ λ) – ES de Estratégias Evolutivas que foram descritas. Não deixe de 
reler a definição destas duas versões no texto.
15UNIASSELVI
NEAD
GABARITO DAS AUTOATIVIDADES
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
3 Qual das versões seria a mais adequada para utilização no exemplo 
de otimização de formato do bocal de jato? 
a) (x) A versão (µ, λ) – ES, pois ela é recomendada em casos onde não 
se tem noção do resultado desejado.
b) ( ) A versão (µ + λ) – ES, pois ela é recomendada para problemas de 
refinamento e convergência.
4 E para o exemplo da otimização de cor, qual das versões seria a mais 
adequada para utilização? 
a) ( ) A versão (µ, λ) – ES, pois ela é recomendada em casos onde não se 
tem noção do resultado desejado.
b) (x) A versão (µ + λ) – ES, pois ela é recomendada para problemas de 
refinamento e convergência.
SEÇÃO 2
1 Releia, pesquise e discuta as similaridades e diferenças entre 
Estratégias de Evolução e Programação Evolutiva.
R.: Uma característica importante das variantes da Computação Evolutiva é 
o fato de elas terem evoluído separadamente, em locais e épocas distintos. 
Apesar disso, todas elas compartilham da mesma ideia central (evolução para 
solução de problemas), e, por este motivo, não há uma divisão clara entre uma 
e outra. No caso das EE e da PE, várias são similaridades (KANTROVITZ, 
1997):
- Quando implementadas para resolver problemas de otimização de funções 
reais, ambas operam diretamente sobre os números reais.
- Mutações Gaussianas são aplicadas a cada pai em uma população e 
um mecanismo de seleção é aplicado para determinar quais as soluções 
candidatas a serem removidas.
- Utilização de métodos autoadaptáveis para determinar o tipo apropriado 
de mutação.
No entanto, as principais diferenças entre EE e PE são, de acordo com 
Kantrovitz (1997): 
a) PE tipicamente, usa seleção estocástica através de um “torneio” para 
escolher as soluções candidatas mais apropriadas (as melhores) para 
serem mantidas, enquanto EE usam seleção determinística para escolher 
as soluções menos adequadas (as piores) a serem eliminadas; e b) como 
as PE procuram abstrair a evolução a nível de espécie, a recombinação ou 
16 GABARITO DAS AUTOATIVIDADES UNIASSELVINEAD
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
cruzamento não é utilizado, porque a recombinação entre espécies não ocorre. 
Em contraste, em EE algumas formas de recombinação podem ocorrer.
2 Discuta a convenção da Programação Evolutiva a respeito do 
cruzamento.
R.: De acordo com a proposta da PE, a geração de novos indivíduos é 
realizada aplicando-se mutações diretamente aos indivíduos pais, sem fazer 
cruzamento de informações entre estes. Esta característica é coerente com 
a proposta geral da PE, que é promover a evolução dos indivíduos em nível 
macro, sem propor qualquer forma de modelagem ou representação dos 
mecanismos genéticos da evolução.
3 Considere o problema de classificação de crédito de clientes que 
foi apresentado nesta seção. Discuta as semelhanças/diferenças e 
vantagens/desvantagens da utilização de PG para esta finalidade, em 
contraste com a utilização de AG.
R.: A primeira grande diferença da utilização de Algoritmos Genéticos para 
Programação Genética, neste caso, é a finalidade da abordagem. Enquanto 
um AG em geral irá evoluir diversas soluções candidatas para obter ao final 
uma solução ótima, a PG irá evoluir programas para gerar soluções. Ao final 
da evolução, não será uma solução que será obtida, e sim um programa 
para gerar uma solução. Neste caso, que pode ser visto como um algoritmo 
de aprendizado para classificação de clientes, não se tem ideia inicial das 
“regras” que identificam um bom cliente de empréstimos. A utilização da PG 
é para se obter um programa que expresse um conjunto de regras capaz de 
fazer esta classificação. Ao final, este programa poderá ser utilizado quantas 
vezes for necessário, com conjuntos de dados semelhantes ao que foi usado 
para a evolução. Por outro lado, a utilização de AG seria mais adequada para 
criar uma única classificação dos dados iniciais. Caso fosse alterada a base 
de dados de clientes, seria necessário rodar novamente todo o processo de 
evolução, para obter um outro resultado.
De acordo com Bäck; Fogel; e Michalewicz (2000), o que torna a Programação 
Genética interessante é a mudança conceitual do problema a ser solucionado 
pelo algoritmo genético. Um Algoritmo Genético busca por algo, e a 
Programação Genética desloca esta busca de “descoberta de parâmetros 
para um algoritmo existente” para uma busca de um “programa” para resolver 
o problema diretamente.
4 O que é usado geralmente para representar os indivíduos de uma 
população em um algoritmo de Programação Genética?
17UNIASSELVI
NEAD
GABARITO DAS AUTOATIVIDADES
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
a) ( ) Números reais.
b) ( ) Números inteiros.
c) (x) Estruturas de árvore.
d) ( ) Cadeias binárias.
ATIVIDADES DE APRENDIZAGEM DA UNIDADE 4
1 Analise as seguintes afirmações a respeito da evolução dos seres 
vivos através da seleção natural:
I - A evolução natural ainda é uma teoria não comprovada.
II - Indivíduos mais aptos deixam uma prole maior, e com isso tendem a se 
sobressair em seu ambiente.
III - A recombinação genética por meio da reprodução sexuada é um fator 
sem muito impacto na evolução natural.
IV - Todas informações sobre a constituição de um ser vivo estão contidas 
em seus alelos, no núcleo de suas células.
Agora, assinale a opção CORRETA:
(a) ( ) Todas as afirmações são verdadeiras.
(b) ( ) Apenas as afirmações I e II são verdadeiras.
(c) ( ) Apenas as afirmações I e III são verdadeiras.
(d) (x) Apenas as afirmações II e IV são verdadeiras.
(e) ( ) Apenas as afirmações III e IV são verdadeiras.
2 Relacione as colunas de acordo com os tipos de representação 
utilizados em cada abordagem da Computação Evolutiva:
(a) Algoritmos genéticos. (b) Números reais.
(b) Estratégias de evolução. (d) Estruturas de árvore.
(c) Programação Evolutiva. (a) Cadeias binárias.
(d) Programação Genética. (c) Depende do domínio de aplicação.
3 Relacione as colunas de acordo com os fatos acerca de cada 
abordagem da computação evolutiva:
(a) Algoritmos genéticos. (d) Surgiu cerca de 30 anos depois.
(b) Estratégias de evolução. (c) É focada na macroevolução.
18 GABARITO DAS AUTOATIVIDADES UNIASSELVI
NEAD
I
N
T
E
L
I
G
Ê
N
C
I
A
 
A
R
T
I
F
I
C
I
A
L
(c) Programação evolutiva. (a) É a técnica de mais popular.
(d) Programação genética. (b) Foi criada na Alemanha.
4 Relacione as colunas de acordo com os fatos acerca de cada 
abordagem da computação evolutiva:
(a) Algoritmos genéticos. (b) A população inicial pode ser de um 
indivíduo.
(b) Estratégias de evolução. (c) Não usa cruzamento.
(c) Programação evolutiva. (a) Faz uso de cruzamento e mutação.
(d) Programação genética. (d) Evolui programas, e não resultados.
5 Ordene as sentenças abaixo de acordo com o algoritmo que pode 
ser aplicado para a maioria das técnicas de Computação Evolutiva:
(3) Reproduzir os indivíduos mais aptos, criando uma nova geração.
(4) Determinar os organismos mais aptos, e: a) recomeçar o processo; ou 
b) concluir a evolução.
(1) Criar uma população aleatória de soluções candidatas.
(2) Escolher os indivíduos mais aptos de acordo com a função de adaptação, 
e eliminar os demais indivíduos.