Introdução à Otimização e modelagem de problemas (21/03/2024 - 28/03/2024)
Apresentação da disciplina (21/03/2024 - 21/03/2024)

Material de Aula

  1. Plano de Curso (veja no menu lateral).
  2. Introdução à Modelagem
Atividades da Aula
  1. Apresentação da disciplina
  2. Introdução à Modelagem
Comunicação
Complexidade de Problemas (22/03/2024 - 22/03/2024)

Material de Aula

  1. Teoria da Complexidade
Introdução à Otimização (28/03/2024 - 28/03/2024)

Material de Aula

  1. Introdução à Otimização
Não Haverá Aula (29/03/2024)

Feriado
Estratégias de solução bio-inspiradas (04/04/2024 - 02/05/2024)

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
Introdução (04/04/2024 - 05/04/2024)

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
      
Inicia em 08/04/2024 às 0h 0 e finaliza em 21/06/2024 às 23h 59
Programação Não-linear (11/04/2024 - 12/04/2024)

Materiais da aula
Recozimento simulado (18/04/2024 - 19/04/2024)

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)

  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
Enxame de partículas (25/04/2024 - 25/04/2024)

PSO em python com a biblioteca pymoo

  IABIO_METAAula 4pdf.pdf   
IABIO_METAAula 4pdf.pdf
Polinização de flores (26/04/2024 - 02/05/2024)

Atividade para Próxima Aula

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.
 
Envie o pdf do artigo na atividade abaixo.
 
No próximo encontro (26/04) selecionaremos alguns para discutirmos.
  IABIO_METAAula 5pdf.pdf   
IABIO_METAAula 5pdf.pdf
  fpa_demo01.m   
fpa_demo01.m
Modelagem de problemas de otimização monoobjetivo (02/05/2024 - 10/05/2024)
Discussão de Artigos (02/05/2024 - 02/05/2024)
      
Inicia em 25/04/2024 às 16h 30 e finaliza em 02/05/2024 às 16h 30
Programação Linear (03/05/2024 - 03/05/2024)
Material da aula
  1. Programação Linear

Atividade para casa

  1. Exercício 1
Programação Inteira (09/05/2024 - 10/05/2024)

Materiais de aula
Estratégias algorítmicas clássicas (16/05/2024 - 24/05/2024)

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.
Não Haverá Aula (30/05/2024)

Feriado
Não Haverá Aula (31/05/2024)

Feriado
Otimização multiobjetivo (06/06/2024 - 14/06/2024)
Introdução e métodos clássicos (06/06/2024 - 07/06/2024)

Otimização Multiobjetivo
NSGA-II (13/06/2024 - 14/06/2024)

NSGA II
Apresentação dos Projetos (20/06/2024 - 27/06/2024)

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