Algoritmo Genético para Otimização de Rotas com IA e Machine Learning

Este projeto implementa um Algoritmo Genético, técnica de Inteligência Artificial e Machine Learning, para resolver problemas de otimização de rotas (semelhante ao Problema do Caixeiro Viajante). A aplicação gera conjuntos de pontos com distribuições uniforme ou circular, evolui populações de rotas e salva gráficos do progresso e da melhor solução.

Funcionalidades

• Geração de pontos aleatórios:

  • Distribuição uniforme
  • Distribuição circular

• Implementação completa de Algoritmo Genético:

  • Seleção por torneio
  • Crossover por ordenamento de subtour
  • Mutação por troca de genes

• Cálculo de fitness baseado na distância total da rota

• Visualização:

  • Gráfico da melhor rota
  • Gráfico da evolução da distância ao longo das gerações

• Salvamento automático de gráficos com nomes incrementais e informações de tempo de execução

Tecnologias

• Python 3.7+

• Bibliotecas:

  • numpy (cálculo numérico)
  • matplotlib (visualização)
  • random, os, time (suporte)

Pré-requisitos

• Python 3.7 ou superior
• numpy e matplotlib instalados:

pip install numpy matplotlib

Instalação e Execução

1. Clone o repositório e navegue até a pasta do projeto:

git clone https://github.com/enzoconsulo/Python.IA-OtimizacaoRotas.git
cd Python.IA-OtimizacaoRotas

Estrutura de Arquivos

/

── genetic2.py # Implementação do Algoritmo Genético

── distribuida/ # Imagem gerada com pontos e resultados para distribuição uniforme

── circular/ # Imagem gerada com pontos e resultados para distribuição circular

─ README.md # Documentação do projeto

Exemplos

A seguir, alguns exemplos de gráficos gerados automaticamente pelo Algoritmo Genético:

• Distribuição Circular:

Gráfico da melhor rota para pontos dispostos em círculo e evolução da distância ao longo das gerações.

• Distribuição Uniforme:

Gráfico da melhor rota para pontos distribuídos uniformemente em um espaço 2D e progresso do algoritmo.