Uso de metamodelos na evolução diferencial para problemas envolvendo simulações de alto custo computacional

Detalhes bibliográficos
Ano de defesa: 2014
Autor(a) principal: Silva, Eduardo Krempser da
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Laboratório Nacional de Computação Científica
Serviço de Análise e Apoio a Formação de Recursos Humanos
Brasil
LNCC
Programa de Pós-Graduação em Modelagem Computacional
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://tede.lncc.br/handle/tede/216
Resumo: Em várias situações de interesse, descontinuidades e dificuldades severas no uso de derivadas, bem como variáveis de projeto discretas ou mistas tornam a aplicação de métodos clássicos de otimização pouco atraentes. Essas dificuldades sugerem o emprego de meta-heurísticas populacionais, em especial as de inspiração natural. Dentre estas estamos interessados na chamada Evolução Diferencial (DE), que tem apresentado bons resultados na literatura. Apesar da qualidade das soluções obtidas pela aplicação da DE nos mais diversos problemas de otimização, seu uso mostra-se proibitivo quando a avaliacão de uma solução candidata envolve uma simulação computacionalmente cara. Portanto, mesmo considerando que se observa nas ultimas décadas um contínuo processo de evolução da capacidade de processamento e a redução de seu custo, a aplicação de meta-heurísticas, tais como a DE, ainda e deficiente para os casos de interesse devido ao grande número de avaliações/simulações necessárias para obtenção da solução. Nesse contexto, a aplicação de metamodelos em conjunto com meta-heurísticas tem recebido uma crescente atenção dos pesquisadores de diversas áreas. Os metamodelos fornecem um modelo computacionalmente mais simples a ser utilizado em parte do processo de otimização em substituição ao modelo original. Para sua construção vale-se dos resultados das simulações previamente realizadas durante o próprio processo de otimização. Este trabalho apresenta uma estratégia de aplicação de metamodelos na DE, o qual permite a redução do custo computacional envolvido, além de valer-se de um mecanismo capaz de evitar a seleção a priori, por parte do usuário, de um dos mais importantes parâmetros da DE, a variante a ser utilizada. O trabalho apresenta ainda uma avaliação do uso de diferentes modelos de aproximação local como metamodelos para o esquema proposto. Apresentam-se também aprimoramentos da proposta por meio da aplicação de técnicas de Desenho de Experimentos (DoE) e a seleção automática do parâmetro do metamodelo. O DoE é aplicado visando uma melhor seleção dos pontos a serem exatamente avaliados e, consequentemente, melhorando a solução final com um menor custo computacional. Uma outra proposta, que será apresentada no final do trabalho, utiliza um mecanismo de adaptação de operadores para a seleção do número de bases de função radial da Rede de Funções de Base Radial considerada como metamodelo ao final do trabalho.