Metodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-box

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Gonçalves, Matheus Silva
Orientador(a): Lopez, Rafael Holdorf
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/191060
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2018.
id UFSC_d54deaa14230ca3a2c86150aaedd62c0
oai_identifier_str oai:repositorio.ufsc.br:123456789/191060
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaGonçalves, Matheus SilvaLopez, Rafael Holdorf2018-11-03T04:05:34Z2018-11-03T04:05:34Z2018354509https://repositorio.ufsc.br/handle/123456789/191060Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2018.Este trabalho apresenta uma metodologia para seleção de algoritmo para problemas de otimização contínua black-box, de forma autônoma. Esta baseia-se nos conceitos de ASP (Algorithm Selection Problem), acopladas com uma estratégia de classificação sensível ao custo dependente dos exemplos, chamada aqui de CSMLR (Regressão logística multinomial sensível ao custo). Como problemas black-box não fornecem informações que possam auxiliar na seleção, utilizou-se dos conceitos de ELA (Exploratory Landscape Analysis) para caracterizar um problema de otimização, a partir de amostragem. Além disso, construiu-se um conjunto de algoritmos, com pontos fortes distintos, para servirem de opções. A metodologia foi testada em um conjunto composto por centenas de funções distintas, tanto disponíveis na literatura quanto geradas neste estudo. Comparou-se o custo total obtido pelo processo de seleção nesse conjunto com o custo de se aplicar cada um dos algoritmos analisados, sem nenhuma distinção entre as funções. O método desenvolvido foi capaz de superar consideravelmente qualquer algoritmo em se tratando de custo total no conjunto, mesmo considerando-se o custo de amostragem. Apesar do processo de seleção apresentar um erro de classificação considerado alto, ele muito raramente indica um algoritmo que não seja capaz de atingir a precisão desejada para um dado problema. Assim, pode-se dizer que o método cumpre seu objetivo de auxiliar o usuário nessa etapa de seleção: mesmo que a indicação não seja a ótima, ela muito provavelmente será adequada.Abstract : This study presents a methodology of algorithm selection for black-box continuous optimization problems. This is based in the ASP (Algorithm Selection Problem) concepts, coupled with a example dependent cost sensitive strategy, called here by CSMLR. Since black-box problem do not provides any information that helps in the selection process, was used ELA (Exploratory Landscape Analysis) concepts for characterize a optimization problem, by sampling it. Furthermore, was built a set of algorithms, with different strengths, to be options of choice. The methodology was tested in a set composed by hundreds of distinct functions, both available in literature and generated in this study. Was compared the total cost obtained by the selection process in this set with the cost of applying each of the analyzed algorithms, without any distinction between functions. The method was able to overcome considerably any algorithm in terms of total cost in the set, even when sampling cost was added. Although the selection process has a considerably high misclassification error, it rarely select a algorithm that do not be able to solve a given problem. So, it can be said that the method reach it objective of help the user in this selection step: even the selection do not be the best, it likely to be suitable.165 p.| il., gráfs., tabs.porEngenharia civilOtimização combinatóriaAprendizado do computadorAlgoritmos genéticosMetodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-boxinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPECV1111-D.pdfPECV1111-D.pdfapplication/pdf26705342https://repositorio.ufsc.br/bitstream/123456789/191060/-1/PECV1111-D.pdfb54367aa70e47441c11dd71c1842fed5MD5-1123456789/1910602018-11-03 01:05:34.268oai:repositorio.ufsc.br:123456789/191060Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732018-11-03T04:05:34Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Metodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-box
title Metodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-box
spellingShingle Metodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-box
Gonçalves, Matheus Silva
Engenharia civil
Otimização combinatória
Aprendizado do computador
Algoritmos genéticos
title_short Metodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-box
title_full Metodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-box
title_fullStr Metodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-box
title_full_unstemmed Metodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-box
title_sort Metodologia de seleção de algoritmos para problemas de otimização contínua e com formulação black-box
author Gonçalves, Matheus Silva
author_facet Gonçalves, Matheus Silva
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Gonçalves, Matheus Silva
dc.contributor.advisor1.fl_str_mv Lopez, Rafael Holdorf
contributor_str_mv Lopez, Rafael Holdorf
dc.subject.classification.none.fl_str_mv Engenharia civil
Otimização combinatória
Aprendizado do computador
Algoritmos genéticos
topic Engenharia civil
Otimização combinatória
Aprendizado do computador
Algoritmos genéticos
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2018.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-11-03T04:05:34Z
dc.date.available.fl_str_mv 2018-11-03T04:05:34Z
dc.date.issued.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/191060
dc.identifier.other.none.fl_str_mv 354509
identifier_str_mv 354509
url https://repositorio.ufsc.br/handle/123456789/191060
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 165 p.| il., gráfs., tabs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/191060/-1/PECV1111-D.pdf
bitstream.checksum.fl_str_mv b54367aa70e47441c11dd71c1842fed5
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851759010399649792

Registros relacionados