Aula-0 (31/08/2023 - 31/08/2023)

Material de Aula

  1. Plano de Curso (veja no menu lateral).
  2. Introdução à Modelagem
  3. Teoria da Complexidade
  4. Introdução à Otimização
Atividades da Aula
  1. Apresentação da disciplina (20 minutos) 
  2. Introdução à Modelagem (40 minutos)
  3. Complexidade de Problemas (60 minutos)
  4. Introdução à Otimização (60 minutos)
Atividade para Próxima Aula
Em dupla, buscar e ler 1 artigo que traga a formulação de um problema de otimização. Pode-se trazer artigos de qualquer área de conhecimento, de preferência algo relacionado ao seu IC, TCC, Mestrado e Doutorado.
 
Procurar nas bases de eventos e periódicos do IEEE e ACM, periódicos Springer e Elsevier, base do SBPO, SBrT, SBRC etc. Importante que o artigo tenha sido publicado e que tenha a formulação do problema claramente, como vimos em sala.
 
Adicione seu artigo no GDrive abaixo. No nome do arquivo, indique os nomes dos estudantes que participaram da dupla. Podemos usar o esquema: artigo-Alice-Santos-Bob-Silva.pdf
 
 
No próximo encontro (14/09) selecionarei alguns para discutirmos. Não acho que conseguiremos ver todos em sala, mas como está público todos podem ver depois.
 
Comunicação
Não Haverá Aula (07/09/2023)

Feriado
Programação Linear (14/09/2023 - 14/09/2023)
Atividades da aula
  1. Discussão de artigos
  2. Programação Linear

Atividade para casa

  1. Exercício 1
      
Inicia em 14/09/2023 às 0h 0 e finaliza em 14/12/2023 às 23h 59
Programação Não-linear (21/09/2023 - 21/09/2023)

Materiais da aula
Estratégias de solução bio-inspiradas: recozimento simulado, polinização de flores, enxame de partículas. (28/09/2023 - 05/10/2023)

Dever de casa: 

Implementar o pseudo-código da aula 3 e rodar o código minimizando a função de Rosenbrock:

(100*(x(2) - x(1)^2)^2 + (1 - x(1))^2)
   IABIO_METAAula 1.pdf   
  sim_anl.m   
      
Inicia em 05/10/2023 às 0h 0 e finaliza em 14/12/2023 às 23h 59
Não Haverá Aula (12/10/2023)

Feriado
Estratégias de solução bio-inspiradas: recozimento simulado, polinização de flores, enxame de partículas. (19/10/2023 - 26/10/2023)
  fpa_demo01.m   
Não Haverá Aula (02/11/2023)

Feriado
Programação Inteira (09/11/2023 - 09/11/2023)

Materiais de aula
Estratégias gananciosas, força bruta, programação dinâmica (16/11/2023 - 23/11/2023)

Materiais de aula

Exercício 3

Escolha um dos problemas abaixo do material sobre Problemas de Otimização em Ambientes de Computação em Nuvem. Os problemas estão listados abaixo:

  1. Maior Lucro (BLP)
  2. Gerência de Energia sem preço (BLP)
  3. Gerência de Energia com preço (BLP)
  4. Balanceamento de carga sem preço (BLP)
Com base no problema, faça:
  1. Implemente o modelo de um exemplo em pyomo. Resolva o problema com um solver. 
  2. Implemente uma solução usando uma das estartégias heurísticas vistas em sala.
  3. Compare as soluções obtidas.

Duplas

  • marlon / lucas da silva costa - Problema 4)
  • douglas / davi - Problema 1)
  • albert / pedro costa - Problema 2)
  • pedro rendeiro / danilo - Problema 3)
  • matheus / heitor - Problema 2)
  • joão cardoso / luiz paulo - Problema 3)
  • sidnir / maria clara - Problema 1)
  • sadala - Problema 1)
  • kleysson / alberto - Problema 2)
  • andrei / amanda - Problema 1)
  • manoel / mozart - Problema 2)
      
Inicia em 16/11/2023 às 0h 0 e finaliza em 14/12/2023 às 23h 59
Otimização multiobjetivo (30/11/2023 - 30/11/2023)

Otimização Multiobjetivo
NSGA-II (07/12/2023 - 14/12/2023)

NSGA II
GDE3 (14/12/2023 - 14/12/2023)
Apresentação dos Projetos (21/12/2023 - 21/12/2023)

Projeto da disciplina IA Bio-inspirada e Otimização

Objetivo: 

Definir, modelar, classificar e solucionar um problema de otimização (mono ou multiobjetivo) aplicado à engenharia. 

Detalhamento:

Para a escolha do problema considere as áreas de concentração e linhas de pesquisa do PPGEE. A definição do problema deve ser clara e concisa e explicar os principais elementos envolvidos no problema no real. Se tiver dúvida sobre isso, consulte os professores da disciplina. 

O modelo deve mostrar a função objetivo, o domínio das variáveis de decisão e as restrições (se houver). A partir do modelo deve-se classificar o problema segundo as classes da programação matemática.

Para a solução deve-se escolher uma heurística clássica ou meta-heurística bio-inspirada. Descreva sua solução (algoritmo, representação da população, parâmetros etc) e apresente resultados da aplicação dela ao problema (gráfico de convergência, fronteira de Pareto etc).

O projeto deve ser realizado em dupla.

Entrega:

Apresentação de 10 minutos no dia 21/12/2023 com 5 minutos para perguntas. A apresentação deve endereçar os tópicos explicitados no detalhamento.

Duplas

  • marlon / lucas da silva costa - otimização de hiperparametros de rede neural para EEG com PSO
  • joão cardoso / luiz paulo - otimização de rotas de entregas
  • albert / pedro costa -  Otimização da modulação delta-ortogonal (NSGA-II)
  • pedro rendeiro / danilo - otimizar adaptação de link no 5G
  • matheus / heitor - otimização da alocação de funções de rede 6G para NFV
  • sidnir / maria clara - posicionamento de gateways lora (EPSO)
  • sadala - Usar PSO para ajuste de hiperparametros de uma rede neural
  • kleysson / alberto - otimização de antenas com modelo "surrogate"
  • andrei / amanda - PSO para otimizar algoritmo de agrupamento
  • joel - PSO para otimizar Redes Kohonen 
  • douglas / davi - Comparar SGD e SWA (algoritmos de otimização usados em ML), comparar as trajetórias dos pesos em cada um dos algoritmos
  • clebson - FPA para otimização de RF para comportamento de cães
  • wilson / tatiane - NSGA-II para otimização da rede neural de previsão, com dois objetivos : max acurácia e min janela

Pasta com apresentações

https://drive.google.com/drive/folders/1Ihy3PsFlUTpOm6mTx4dD-WLWz4yfcWsF?usp=sharing

SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - bacaba.ufpa.br.bacaba1 v3.14.25.245