Meta-heurísticas paralelas na solução de problemas inversos

• Ano de defesa: 2011
• Autor(a) principal: Eduardo Fávero Pacheco da Luz
• Orientador(a): José Carlos Becceneri, Haroldo Fraga de Campos Velho
• Banca de defesa: Stephan Stephany, Wagner Figueiredo Sacco, Luiz Leduíno de Salles Neto
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Computação Aplicada
• País: BR
• Resumo em Inglês: Optimization methods inspired by nature have been constantly developed and enhanced over the last decades. In the same way, advances in the development of high performance computational systems have been extended to the point of making available multi-core processors in personal computers. This work presents the results based on the development of the Multiple Particle Collision Algorithm (MPCA), an optimization algorithm to be used in massively parallel environments, and the parallel Firefly Algorithm with Predation (pFAP), developed for shared memory, multi-core environments. Both algorithms were validated with applications to benchmark test functions up to 100 dimensions and the performances were analysed, presenting a super-linear speedup in a particular case. These new algorithms were also used in the solution of inverse problems related to the estimation of source/sink of a certain gas, the estimation of initial condition in the heat equation (up to 50 dimensions) and in the new problem of weight estimation for closing hypotheses in the build of precipitation maps. The results demonstrate the viability of using these methods just as capacitates a better use of available computational resources. Aside of these methods, preliminary discussions regarding an automatic selection of parameters technique are also presented, just as an alternative view regarding the interaction between the components involved in the solution of inverse problems.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m19/2012/02.22.17.13

Métodos de otimização inspirados na natureza têm sido constantemente desenvolvidos e aperfeiçoados nas últimas décadas. Da mesma forma, o avanço no desenvolvimento de sistemas computacionais de alto desempenho tem se estendido a ponto de disponibilizar processadores com múltiplos núcleos em computadores pessoais. Este trabalho apresenta os resultados do desenvolvimento do \textit{Multiple Particle Collision Algorithm} (MPCA), algoritmo de otimização voltado a ambientes de computação massivamente paralelo e do\textit{parallel Firefly Algorithm with Predation} (pFAP), para ambientes de múltiplos núcleos com memória compartilhada. Ambos os algoritmos foram validados com aplicações em funções de teste de até 100 dimensões e seus desempenhos foram analisados, tendo inclusive apresentado \textit{speedup} super-linear em casos específicos. Estes novos algoritmos também foram utilizados na solução de problemas inversos de estimação de fonte/sumidouro de um gás, de estimação de condição inicial na equação do calor (para até 50 dimensões) e no novo problema de estimação de pesos de hipóteses de fechamento na construção de mapas de precipitação. Os resultados apresentados demonstram a viabilidade de utilização destes métodos assim como capacitam uma melhor utilização de recursos computacionais disponíveis. Além destes métodos, discussões preliminares sobre uma técnica de seleção automática de parâmetros também são apresentadas, assim como uma visão alternativa sobre a interação entre os componentes envolvidos na solução de problemas inversos.