Otimização de Processos

Slides:



Advertisements
Apresentações semelhantes
Inteligência Artificial
Advertisements

Mapeamento de Entrada / Saída em Sistemas Digitais
Geometria Computacional Fecho Convexo II
Fluxo em Redes Prof. Ricardo R. Santos.
Pesquisa Operacional Resolução através do Método Gráfico
Engenharia de Software
2 de Junho de 2005Conclusão1 Pedro Barahona DI/FCT/UNL Junho 2005.
1 Conclusão DI/FCT/UNL 1º Semestre 2004/ Ciclos de Simulação A técnica usada no exemplo da queda livre pode ser utilizada para trajectórias a duas.
CÁLCULO DA INVERSA DA BASE
CÁLCULO DA INVERSA DA BASE
Programação Linear Método Simplex
Inteligência Artificial I
I Iterated Local Search Helena R. Lorenço, Olivier Martinz
Metaheurísticas Prof. Aurora Pozo Departamento de Informática Universidade Federal do Paraná
Agentes Resolvedores de problemas II. SI Tipos de Busca Desinformada Busca em Largura (ou extensão) Busca por Custo Uniforme Busca em Profundidade.
Interseção de Semiplanos
2002 LCG/UFRJ. All rights reserved. 1 Programação Linear Claudio Esperança Paulo Roma.
Geometria Computacional Fecho Convexo
Geoestatística Aplicada à Agricultura de Precisão II
Dárlinton B. Feres Carvalho
Medida do Tempo de Execução de um Programa
Otimização de Funções Contínuas via Algoritmos Genéticos Adaptado do trabalho realizado por: Frederico Heitor Mônica do Amaral.
Medida do Tempo de Execução de um Programa
Método SIMPLEX Marcone Jamilson Freitas Souza
Rio de Janeiro, 27 de setembro de 2012.
Busca Cega (Exaustiva)
Descoberta de Conhecimento:
Doutorando: Cosmo D. Santiago – MSc.
Pesquisa Operacional - Profa Úrsula L. F. Ribeiro
Algoritmos Genéticos - Capítulo 10 Representação Numérica
TE804 Eletrodinâmica Computacional
Busca Competitiva - MiniMax Jogo-da-Velha
Insertion Sort.
Formas de representação e manipulação básica
Otimização Prof. Benedito C. Silva IRN UNIFEI
Algoritmos de ordenação
I Iterated Local Search Helena R. Lorenço, Olivier Martinz
Programação Avançada Prof. Natalia Castro Fernandes
Tópicos em otimização combinatória
Alexis Adriano da Silva Vitek Consultoria Ltda.
DISCIPLINA: SR, Geoprocessamento I e II e Cartografia A tecnologia do Geoprocessamento – Aplicações e Potencialidades 12/3/ Aula 5.
Campo Elétrico Prof.: Boto.
Rodrigo de Carvalho.  Introdução ◦ Descrição do Problema  Algoritmos ◦ GRASP ◦ S.A ◦ AG  Planejamento Experimental ◦ Objetivo ◦ Instância e métricas.
Introdução e Busca Cega
Cálculo Numérico / Métodos Numéricos
Otimização Linear Definições e Solução Gráfica
Prof. Eng. Francisco Lemos Disciplina: Mecânica Geral
Otimização Paramétrica (Cap. 5)
Busca Combinatorial e Métodos de Heurística
Otimização Numérica de Processos
Transformada de Hough Processamento global para a detecção de linhas retas numa imagem Nenhum conhecimento é necessário a respeito da posição das linhas.
Métodos de Resolução Solução Analítica Solução Numérica
PROGRAMAÇÃO LINEAR 17 DE SETEMBRO DE Definição 2. Aplicações 3. Problema Ilustrativo 3.1 Enunciado 3.2 Dados Físicos e Econômicos 3.3 Modelo.
Computação Gráfica – Visibilidade Profa. Mercedes Gonzales Márquez.
Geometria Computacional Fecho Convexo
Análise e Síntese de Algoritmos
ATAL – Prof. Jorge Figueiredo Ordenação AT AL Análise e Técnicas de Algoritmos Análise de Algoritmos de Ordenação.
Busca em Espaço de Estados Parte2 Algoritmos de Busca Cega
Metodologia da Pesquisa em Ensino de Ciências I
Marcos Corrêa Neves Gilberto Câmara Renato M. Assunção
Prof. Edison Oliveira de Jesus
Estática Estática Histórico
WAYPOINTS E PATHFINDING Prof. Rafael Oliz. Introdução  Locomover-se no espaço do jogo é uma ação fundamental dos NPCs em qualquer gênero de jogo.  A.
Professor: Cezar Augusto Pereira dos Santos
Ordenação Professor Paulo Gomide 27 de outubro de 2015.
Taís Sineiro Herig Laboratório de Genômica e Expressão / UNICAMP
TRÂNGULO DE PASCAL (ou triângulo aritmético)
O Método Simplex Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto.
Disciplina: Estrutura de dados e Algoritmos Docentes: MSc. Manuel Zunguze.
3ª aula RESOLUÇÃO PELO MÉTODO GRÁFICO UNIDADE 3
Transcrição da apresentação:

Otimização de Processos COMPLEX : Uma evolução do SIMPLEX Otimização de Processos COQ – 897 PEQ/COPPE/UFRJ

Método SIMPLEX Spendley et al., Technometris,4 (p.441),1962 Idéia simples e robusta Fácil implementação

Elementos do SIMPLEX Elementos definidos para problemas em várias dimensões Número de vértices do SIMPLEX equivale ao número de dimensões mais 1

Passos no SIMPLEX Avanço na direção colinear àquela que é definida pelo pior ponto e pelo centróide, no sentido oposto; Reflexão do ponto xW tendo como linha de base a aresta xBxN.

Localização do Centróide Localização vetorial do centróide Corresponde ao ponto médio no espaço vetorial

Avanço na direção escolhida O novo ponto corresponderá a diferença dos vetores vezes coeficiente de avanço, tendo como ponto de partida o centróide Abandona-se sempre o pior ponto avaliado pela Fobj

Otimização com o SIMPLEX Varredura na direção do ponto de ótimo

Problemas no SIMPLEX Regra de avanço rígida Pouco refinamento da solução

Método COMPLEX Nelder, A.J. & Mead, R., The Computer Journal, 3 (p.308), 1965 O poliedro que representa o SIMPLEX poderá ser não regular Possibilidade de adicionar vértices extras

Elementos do COMPLEX Elementos irregulares que avançam mais rapidamente nas direções mais vantajosas

Passos no COMPLEX Reflexão (=SIMPLEX) Expansão Contração Positiva Contração Negativa

Algoritmo do COMPLEX

Função Teste

Solução na MatLab com o COMPLEX

Função de Rosenbrock Função “banana”:

Gráfico de Níveis da Função “banana”

Solução no MatLab – “banana” Rotina programada pelo Prof. Argimiro

Desempenho: COMPLEX — “banana”   Nº de avaliações da Fobj Ponto Inicial Rosenbrock COMPLEX (10,10) 273 304 (-10,10) 279 283 (-10,-10) 479 187 (10,-10) 543 198

Função Alpina

Solução no MatLab - Alpina Rotina programada pelo Prof. Argimiro

Região da Solução - Alpina

Mais de perto ...

Avaliação do Número de Vértices Extras r=0; nS=125 r=1; nS=167 r=2; nS=208 r=3; nS=258

Conclusões Método Robusto Eficiência comparável aos demais métodos diretos Testes com os fatores alfa, beta e gama mostraram que o número de avaliações da função objetivo altera-se significativamente Aumentar o número de vértices não ofereceu vantagens imediatas Excelente capacidade de refino da solução