Clonalg

Algoritmo de Seleção Clonal (CLONALG).

Herança

Esta classe herda de BaseOptimizer

Módulo: aisp.csa
Importação: from aisp.csa import Clonalg

---

Visão geral

O Clonal Selection Algorithm (CSA) é um algoritmo de otimização inspirado no processo biológico de seleção e expansão clonal dos anticorpos do sistema imunológico ¹. Esta implementação do clonalg foi adaptada para minimização e maximização da função de custo em problemas binários, contínuos, com intervalo de valor e de permutação.

observação

Esta implementação do CLONALG contem modificações para o pacote AISP, com intuito da aplicação geral em diferentes tipos de problemas, o que pode resultar em comportamentos diferentes de implementações focada em um problema específico.
A adaptação visa generalizar o uso do CLONALG para tarefas de minimização e maximização, além de oferecer suporte a problemas binários, contínuos, com intervalo de valor e de permutação

---

Exemplo

import numpy as np
from aisp.csa import Clonalg

# Limites do espaço de busca
bounds = {'low': -5.12, 'high': 5.12}


# Função de custo
def rastrigin_fitness(x):
    x = np.clip(x, bounds['low'], bounds['high'])
    return 10 * len(x) + np.sum(x ** 2 - 10 * np.cos(2 * np.pi * x))


# Instância do CLONALG
clonalg = Clonalg(problem_size=2, bounds=bounds, seed=1)
clonalg.register('affinity_function', rastrigin_fitness)
population = clonalg.optimize(100, 50, False)
print('Best cost:', abs(clonalg.best_cost))

Output:

Best cost: 0.02623036956750724

---

Parâmetros do Construtor

Nome	Tipo	Default	Descrição
problem_size	int	-	Dimensão do problema que será otimizado.
N	int	50	Número de células de memória (anticorpos) na população.
rate_clonal	int	10	Número máximo de clones possíveis de uma célula. Esse valor é multiplicado pela afinidade da célula para definir o número de clones.
rate_hypermutation	float	1.0	Taxa de hipermutação que controla a intensidade das mutações durante a expansão clonal. valores maiores reduzem a intensidade, enquanto menores aumentam.
n_diversity_injection	int	5	Número de novas células de mémoria aleatórias inseridas para manter a diversidade.
selection_size	int	5	Número dos melhores anticorpos selecionados para a clonagem.
affinity_function	Optional[Callable[..., npt.NDArray]]	None	Função objetiva usada para avaliar as soluções candidatas durante a otimização.
feature_type	FeatureTypeAll	'ranged-features'	Tipo de representação das soluções: binária, contínua, com intervalo de valor e para permutação.
bounds	Optional[Dict]	None	Define os limites no espaço de busca quando feature_type='ranged-features'.
mode	{"min", "max"}	'min'	Define se o algoritmo realiza minimização ou maximização da função de custo.
seed	int	None	Seed para geração aleatória.

Atributos

Nome	Tipo	Padrão	Descrição
population	Optional[List[Antibody]]	None	População de anticorpos.

---

Métodos Públicos

optimize

def optimize(
    self, max_iters: int = 50, n_iter_no_change=10, verbose: bool = True
) -> List[Antibody]:
    ...

Realiza o processo de otimização e retorna a população de anticorpos resultante.

Parâmetros

Nome	Tipo	Padrão	Descrição
max_iters	int	50	Número máximo de iterações na busca da melhor solução do problema usando o CLONALG.
n_iter_no_change	int	10	Número máximo de interações sem melhoria na melhor solução global encontrada.
verbose	bool	True	Indica se as mensagens de progresso na busca do melhor anticorpo deve ser exibido.

Returns

Tipo	Descrição
List[Antibody]	População de anticorpos após a expansão e seleção clonal.

Exceções

Exceção	Descrição
NotImplementedError	Se a função de afinidade não for fornecida para avaliar as soluções.

---

affinity_function

def affinity_function(self, solution: npt.NDArray) -> np.float64:
    ...

Avalia a afinidade de uma solução candidata.

Parâmetros

Nome	Tipo	Padrão	Descrição
solution	npt.NDArray	-	Solução candidata que será avaliada.

Returns

Tipo	Descrição
np.float64	Valor de afinidade da solução candidata avaliada.

Exceções

Exceção	Descrição
NotImplementedError	Se a função de afinidade não tiver sido definida.

---

Exemplos Estendidos

Exemplos completos de uso estão disponíveis nos notebooks Jupyter:

• Exemplos

---

Referências

Footnotes

1. BROWNLEE, Jason. Clonal Selection Algorithm. Clever Algorithms: Nature-inspired Programming Recipes., 2011. Available at: https://cleveralgorithms.com/nature-inspired/immune/clonal_selection_algorithm.html ↩