Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Hyper-Heurísticas
2
Motivação Grande quantidade de Meta-Heurísticas Problema especificas
Requerem muito conhecimento Hyper-Heurísticas devem ser Mais baratas de implementar Mais fáceis de usar
3
Emergência No Free Lunch Theorem. Wolper & MacReady, 1995.
Quando se faz a média sobre todos os problemas definidos em um dados espaço de busca, todos os algoritmos de busca possuem a mesma performance média.
4
Pergunta A que tipos de problemas um dado algoritmo pode ser útil ???
5
Conceito de Hyper-Heurística
Diferentes heurísticas possuem diferentes fraquezas e vantagens Podem elas serem combinadas de alguma forma ???
6
Um algoritmo Se (problemaTipo(P) == p1) aplique(heurística1, P)
Senão Se (problemaTipo(P) == p2) aplique(heurística2, P) Senão .....
7
Framework Comece com um conjunto H de ingredientes de heurísticas
Cada um pode ser aplicado ao estado do problema Seja o estado do problema inicial So Se o estado do problema é Si Encontre o ingrediente mais apto para transformar o estado e aplique-o Se o problema esta resolvido, pare. Senão Volte a 3
8
Variantes H pode mudar na execução
A aptidão de cada elemento pode mudar...
9
Framework Hyper-Heurística Barreira do Domínio Nível de Heurísticas
Função de Avaliação
10
Comentários A heurística trabalha no problema, normalmente com conhecimento do domínio A hyper-heurística esta num nível mais alto, sem conhecimento do domínio
11
Interface Permite a Hyper comunicar-se com as heurísticas
Resultados da função de avaliação, tempo de processamento. Cada heurística pode informar quanto tempo requer Permite um desenvolvimento rápido para outros domínios
12
Estado Interno da Hyper
Quanto tempo demoro uma dada heurística a ultima vez que foi chamada A mudança na função de avaliação quando uma heurística foi chamada Quanto tempo faz que uma dada heurística não foi chamada Estas informações são acessadas por uma função de escolha ou decisão
13
Hyper e Evolução Algoritmo Genético evolui a seqüência de chamadas as heurísticas Cada cromossomo é avaliado pela solução que retorna de aplicar as heurísticas na ordem dada. O comprimento do cromossomo é variável e eles são penalizados por levar muito tempo para avaliar-se.
14
Abordagens Recentes Aprendizado de regras
Aprender regras que associem as características do estado atual com as heurísticas As regras são aplicadas após de acordo com as características dos estados.
15
Função de Escolha Uma função escolhe a estratégia de vizinhanças a explorar. A função de escolha Combinação de conhecimento de especialista Tempo
16
Raciocínio baseado em casos
Este paradigma é usado para selecionar as heurísticas O raciocínio baseado em casos escolhe o caso mais semelhante ao atual
17
Referências Hyper-Heuristics: An Emerging Direction in Modern Search Technology. Authors: Edmund Burke, Emma Hart, Graham Kendall, Jim Newall, Peter Ross and Sonia Schulenburg. Handbook of Metaheuristics. Fred Glover, Gary A. Kochenberger, 2003 Springer, ISBN:
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.