Material de Aula

1. Plano de Curso (veja no menu lateral).
2. Introdução à Modelagem

Material de Aula

1. Teoria da Complexidade

Material de Aula

1. Introdução à Otimização

Feriado

As implementações nestas aulas são em sua maioria em Matlab. Para implementações em Python pode-se ver: https://github.com/Valdecy/pyMetaheuristic e https://github.com/anyoptimization/pymoo

Atividade A01

Implementar o Algoritmo de Mantegna (descrito no material de aula e no capítulo 3 do livro Nature-Inspired Optimization Algorithms do Xin-She Yang) para geração de movimento de uma partícula baseado em Vôos de Levy.

Partindo da posição (0,0) o resultado da execução do algoritmo deve exibir um gráfico 2D mostrando a trajetória do movimento da partícula. Seu código pode ser criado em Matlab ou Python e deve ser enviado na atividade abaixo.

Investigue o impacto do parâmetro beta no comportamento da partícula e relate suas observações em sua entrega.

   IABIO_METAAula 1.pdf   

IABIO_METAAula 1.pdf

  IABIO_METAAula 2versao2.pdf   

      

Inicia em 08/04/2024 às 0h 0 e finaliza em 21/06/2024 às 23h 59

Materiais da aula

• Slides
• Códigos

Atividade A02: 

Implementar o Simulated Annealing (apresentado no material de aula, no capítulo 3 do livro Nature-Inspired Metaheuristics Algorithms do Xin-She Yang e no capítulo 5 do livro How to Solve It: Modern Heuristics de Fogel e Michalewicz) para otimização.

Seu código pode ser criado em Matlab ou Python e deve ser enviado na atividade abaixo.

Execute seu código minimizando a função de Ackley (https://www.sfu.ca/~ssurjano/ackley.html)

  IABIO_METAAula 3.pdf   

  principal_simulated.m   

principal_simulated.m

  sim_anl.m   

sim_anl.m

      

Inicia em 18/04/2024 às 0h 0 e finaliza em 21/06/2024 às 23h 59

PSO em python com a biblioteca pymoo

  Main_PSOversaoatualizada.m   

  PSO_Algorithm_Demoversaoatualizada.m   

  PSO_Algorithm_Demotesteseminerciaversaoatualizada.m   

  IABIO_METAAula 4pdf.pdf   

IABIO_METAAula 4pdf.pdf

Atividade para Próxima Aula

  IABIO_METAAula 5pdf.pdf   

IABIO_METAAula 5pdf.pdf

  fpa_demo01.m   

fpa_demo01.m

  fpa_demo01complotlentodassolucoescandidatas.m   

1. Programação Linear

Atividade A04

Utilizando o pyomo como linguagem de modelagem e um solver (pode-se usar GLPK ou COIN-OR) implemente um dos problemas abaixo e apresente sua solução, se houver. Seu código deve ser enviado na atividade abaixo.

Atenção: Observe que nesta lista há problemas que tem Única Solução Ótima; problemas com Múltiplas soluções ótimas; problemas inviáveis; e problemas com função Objetivo Ilimitada. Você deve verificar a saída do solver e buscar entender em qual destes casos seu problema se encaixa.

Lista dos problemas de cada estudante

ABRAHAO LEITE FERREIRA, D)
ADRIANO MADUREIRA DOS SANTOS,J)
EDINHO DO NASCIMENTO DA SILVA,H)
HEICTOR ALVES DE OLIVEIRA COSTA,C)
INGRID NERY MENDES,E)
JESSE DA COSTA ROCHA,D)
LUCAS MATNI BEZERRA,G)
ROMARIO DA COSTA SILVA,D)
SILVIO TADEU TELES DA SILVA,J)
SUZANE ALFAIA DIAS,H)
TALLES SOUZA MAGALHAES,G)
THAISSE DIAS PAES,J)
YTALO DE JESUS ALVES CORREA SOUSA,I)

ADRIAN FELIPE DOS SANTOS,E)
CARLOS EDUARDO LEAL VELOSO,F)
IVAN IGOR ANTUNES NEVES,E)
JOILNATAN BENTO RIBEIRO LIMA,G)
LUCAS QUEIROZ COSTA,D)
RICHARD DOUGLAS DA PIEDADE SOARES,A)

Isa Cristina Andrade,B)
THIAGO DAS NEVES CHAVES,H)

      

Inicia em 03/05/2024 às 0h 0 e finaliza em 21/06/2024 às 23h 59

Materiais de aula

• Programação Inteira

Materiais de aula

• Problemas de Otimização em Ambientes de Computação em Nuvem

Materiais de aula

• Estratégias Heurísticas

Atividade A05

Abordaremos um dos problemas abaixo do material sobre Problemas de Otimização em Ambientes de Computação em Nuvem: 

1. Maior Receita na Nuvem (BLP)
2. Gerência de Energia sem preço (BLP)
3. Maximizando a Lucro (BLP)
4. Balanceamento de carga sem preço (BLP)

1. Implemente o modelo de um exemplo em pyomo. Resolva o problema com um solver. 
2. Implemente uma solução usando uma das estratégias heurísticas vistas em sala.
3. Compare as soluções obtidas.

Segue nome dos estudantes com seu respectivo problema e estratégia heurística para pensar em uma solução. Caso não consiga pensar em uma solução usando a estratégia proposta, avise-me para mudarmos.

      

Inicia em 29/05/2024 às 0h 0 e finaliza em 21/06/2024 às 23h 59

Feriado

Feriado

Otimização Multiobjetivo

NSGA II

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 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 de forma individual ou em dupla.

Entrega:

Apresentação de 10 minutos no dia 27/06/2024 com 5 minutos para perguntas. A apresentação deve endereçar os tópicos explicitados no detalhamento.

      

Inicia em 13/06/2024 às 0h 0 e finaliza em 27/06/2024 às 14h 30