Material de Aula
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.
Materiais da aula
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)
PSO em python com a biblioteca pymoo
Atividade para Próxima Aula
Atividade para casa
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:
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 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 de forma individual.
Entrega:
Apresentação de 10 minutos no dia 27/06/2024 com 5 minutos para perguntas. A apresentação deve endereçar os tópicos explicitados no detalhamento.
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - jatoba.ufpa.br.jatoba1 v3.14.25.245