Tehnici de optimizare 3
-
Upload
alex-muresan -
Category
Documents
-
view
271 -
download
1
Transcript of Tehnici de optimizare 3
-
8/13/2019 Tehnici de optimizare 3
1/35
Tehnici de optimizare
Cursul nr. 3
Dr. ing. Andrei Lihu
-
8/13/2019 Tehnici de optimizare 3
2/35
Inteligena colectiv
- procesul de cutare nu se bazeaz pe evoluie, ci pe
interaciunilesociale ntre membrii populaiei
- ACO: coordonare stigmergicprin urme de feromoni
- BCO: semnalizare prin waggle-dance
ACO BCO
Cutare
-
8/13/2019 Tehnici de optimizare 3
3/35
Ant Colony Optimization
furnicile cltoresc la ntmplare
dac gsesc o surs de hran, marcheaz drumul pn la
colonie cu feromoni
alte furnici gsesc urma i o urmeaz
feromonii se evaporeaz n timp
furnicile gsesc mereu calea cea mai scurt de la muuroi la
hran
variaiuni: Multiple Ant Colony Optimization
-
8/13/2019 Tehnici de optimizare 3
4/35
Ant Colony Optimization
Demo n NetLogo
-
8/13/2019 Tehnici de optimizare 3
5/35
Bee Colony Optimization
se inspir din comportamentul albinelor atunci cnd icaut hrana
dansul agitat al albinelor are loc n stup i comunic
cantitatea i calitatea unei surse de hran gsite; alte albine
observ aleator dansul uneia i decid dac vor alege aceasurs de hran asociat
cutarea hranei se face iniial aleator; o albin traverseaz
o soluie potenial care dac e fezabil va fi semnalizat n
stup variaiuni: BeeHive i Internet Server Optimization
-
8/13/2019 Tehnici de optimizare 3
6/35
Particle Swarm Optimization
i. model populaionalroiulformat din particulecare
zboarn hiperspaiulsoluiilor
ii. metafora: inteligena colectiv
iii. O particul zboar n sensul celei mai bune soluii ale
sale (experienacognitivpersonal)in sensul celei mai
bune soluiidin grupul su(experienasocial)
-
8/13/2019 Tehnici de optimizare 3
7/35
Origini
- A evoluat din modelul cu boizi a lui Reynolds
- evitarea coliziunilor
- aliniere pe direcia principal de zbor a vecinilor
- coeziune (direcionare spre centrul roiului)
Reynolds a observat c folosind o variant cu o for central,
cumva asemntoare cu modelul gbest de la PSO, a obinut o
convergen rapid a stolului, dar cu varianta local a generat
cele mai interesante comportamente emergente
Modelul lui Reynolds era bazat pe un stol, nu un roi.
-
8/13/2019 Tehnici de optimizare 3
8/35
Ce este un stol ?
Cf. Mataric:
tie s se ntoarc ntr-un loc numit acas; n sens generalizat s
gseasco locaiespecificat
agregare: caracteristica agenilorconstitueniai stolului de a se grupa ide
a menineo maximdistanntre ei
dispersie: caracteristica agenilorconstitueniai stolului de a se mprtia,
dar de a menineo distanminimntre ei evitarea coliziunilor: szboare n aafel nct sevite coliziunile
PSO tie s gseasc o locaie, iar particulele constituente sunt
agregate.
-
8/13/2019 Tehnici de optimizare 3
9/35
PSO ca model de inteligen
artificialPSO ndeplinete proprietile lui Millonas pentru a fi un model de
inteligen artificial:
proximitate: a fi capabil s execute operaii n spaiu i timp
calitate: a fi capabil s reacioneze la factori calitativi din
mediul nconjurtor
rspuns divers: s nu fie restrns ntr-un set de soluii
stabilitate: a fi capabil de conservare la schimbri de mediu
adaptabilitate: a fi capabil s i schimbe comportamentul n
situaii profitabile
-
8/13/2019 Tehnici de optimizare 3
10/35
Vedere general
actualizarea vitezei
actualizarea poziiei
evaluarea fitnessuluii verificareacondiiilor de
terminare
actualizarea celeimai bune poziii
personale i de grup
initializarepopulaie
-
8/13/2019 Tehnici de optimizare 3
11/35
Iniializarea
-
8/13/2019 Tehnici de optimizare 3
12/35
Actualizarea vitezelor
doi vectori care au coninut uniform aleatoriu
coeficientul cognitiv i cel social
cea mai bun poziie personal
cea mai bun poziie a grupului/roiului
Componenta cognitiv Componenta social
vitez
poziie
-
8/13/2019 Tehnici de optimizare 3
13/35
Actualizarea poziiilor
-
8/13/2019 Tehnici de optimizare 3
14/35
PSO Demo n NetLogo
-
8/13/2019 Tehnici de optimizare 3
15/35
Creterea ratei i vitezei de
convergen
i. Ineria:
i. Constricia:
Config. implicit PSO:
Problema: roiul nu gsea soluii deloc sau n timp util.
Soluii:
-
8/13/2019 Tehnici de optimizare 3
16/35
Creterea diversitii n roi
Problema: roiul convergea prematur sau nu explora ndeajuns spaiul.
Soluii:
o
Modelul lbest cu topologii (moduri de interconectare ischimb de informaie al particulelor):
piramidal grid inel complet conectat (gbest)
-
8/13/2019 Tehnici de optimizare 3
17/35
Modelul lbest
- modelul gbest poate suferi de convergen prematur
- gruparea particulelor n jurul unor vecinti de dimensiune l
- cea mai bun soluie din vecintate
- ecuaia vitezelor ine cont de valoare cea mai bun local
-
8/13/2019 Tehnici de optimizare 3
18/35
Tipuri de vecinti
Vecinti spaialeVecinti sociale
Concluzie: E de preferat modelul lbest unde vecintile se stabilesc
doar n funcie de indexul particulei.
-
8/13/2019 Tehnici de optimizare 3
19/35
Clustere de particule
- Kennedy a nlocuit componenta cognitiv din ecuaia
actualizrii de viteze cu centroidul unui cluster format din
cele mai bune valori personale din grup
-
8/13/2019 Tehnici de optimizare 3
20/35
Recapitulare i pseudocod
iniializeazroiul n-dimensional
repet:
pentru fiecare particula din roi:
actualizeazviteza (ecuaia 1)
mutparticula la noua poziie(ecuaia 2)calculeaz cea mai bun poziie personal
calculeazcea mai bun poziie din grup
pncndsendeplinetecriteriul de terminare
1
2
-
8/13/2019 Tehnici de optimizare 3
21/35
Simplificri
Varianta exclusiv social a lui Pedersen, PSO-VG.
-
8/13/2019 Tehnici de optimizare 3
22/35
Studiu bibliografic
Differential Evolution
Job-shop scheduling problem
Ant Colony Optimization
Bee Colony Optimization
Vicsek model (SPP)
Stochastic difussion search
Intelligent water drops
Krill herd algorithm
Artificial immune systems
Crowd simulation
Firefly algorithm
TRIBES algorithm
Magnetic optimization algorithmAltruism algorithm
River formation dynamics algorithm Cuckoo search
-
8/13/2019 Tehnici de optimizare 3
23/35
Funcii standard de test
Unimodale
Multimodale
Rotite
Deplasate
Hibride
CEC 2005 Benchmark suite
-
8/13/2019 Tehnici de optimizare 3
24/35
Sfera
-
8/13/2019 Tehnici de optimizare 3
25/35
Rosenbrock
-
8/13/2019 Tehnici de optimizare 3
26/35
Ackley
-
8/13/2019 Tehnici de optimizare 3
27/35
-
8/13/2019 Tehnici de optimizare 3
28/35
Funcii de test CEC 2005
(discuie)
Necesitatea unor funcii de test
Evitarea efectului de optim la 0
-
8/13/2019 Tehnici de optimizare 3
29/35
Framework-uri pt. calculul
evoluionist
Java EvA2, ECJ, Open Beagle, Evolvica, DACEetc.
-
8/13/2019 Tehnici de optimizare 3
30/35
Demo Java EvA2
-
8/13/2019 Tehnici de optimizare 3
31/35
Studiu bibliografic
Java EvA2
Statistical tests for optimization
CEC 2005 benchmark functions
Evolutionary software packages
-
8/13/2019 Tehnici de optimizare 3
32/35
Distribuia normal
-
8/13/2019 Tehnici de optimizare 3
33/35
NHST
H0ipoteza nul H1ipoteza alternativ
Ipoteza tiinific
Ipoteze statistice
p < 0.05 n teste pt. a respinge ipoteza nul
-
8/13/2019 Tehnici de optimizare 3
34/35
Tipuri de teste
-
8/13/2019 Tehnici de optimizare 3
35/35
Bibliografie / Resurse
1. http://yatani.jp/HCIstats/HomePage
2. http://www.ra.cs.uni-tuebingen.de/software/JavaEvA/
3. Kennedy, J.; Eberhart, R. (1995). "Particle Swarm Optimization". Proceedings
of IEEE International Conference on Neural Networks. IV. pp. 1942
1948. doi:10.1109/ICNN.1995.4889684. Suganthan, P. N., Hansen, N., Liang, J. J., Deb, K.; Chen, Y. P., Auger, A. &
Tiwari, S. (2005). Problem definitions and evaluation criteria for the CEC
2005 Special Session on Real Parameter Optimization. Nanyang
Technological University
http://en.wikipedia.org/wiki/Digital_object_identifierhttp://en.wikipedia.org/wiki/Digital_object_identifier