Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Specificul optimizrii multicriteriale Metode de rezolvare a problemelor de optimizare multicriterial Optimizare n sens Pareto cu algoritmi evolutivi
f2
f1
Calcul neuronal si evolutiv - Curs 10 6
Front Pareto
Metode de rezolvare
1. Transformarea ntr-o problem de optimizare unicriterial: toate criteriile de optim se combin n unul singur Metoda agregrii
f ( x) =
w f ( x),
i i i =1
wi (0,1),
w
i =1
=1
Avantaje: se reduce la o problem mai simpl de optimizare unicriterial Dezavantaje: pentru un set de parametri w se obine o singur soluie; pentru estimarea frontului Pareto trebuie rezolvat pb pt mai multe seturi de valori ale lui w Trebuie specificai parametrii w nu permite estimarea fronturilor Pareto neconvexe
Calcul neuronal si evolutiv - Curs 10 9
Metode de rezolvare
1. Transformarea ntr-o problema de optimizare unicriterial: toate criteriile de optim se combin n unul singur Metoda deplasrilor fa de valori int
f ( x) = (
i =1
Avantaje: se reduce la o problem de optimizare unicriterial Dezavantaje: trebuie cunoscute valorile int problema la care se reduce este uniciterial dar poate fi multimodal (exist mai multe valori pentru care se atinge optimul)
Calcul neuronal si evolutiv - Curs 10 10
Metode de rezolvare
2. Aproximarea simultan (folosind o populaie de soluii candidat) a mai multor elemente ale mulimii optimale n sens Pareto Se folosete un algoritm evolutiv al crui scop este s genereze ntr-o singur rulare o aproximare a mulimii Pareto (i a frontului Pareto corespunztor) Aproximarea frontului Pareto trebuie s satisfac cel puin dou caracteristici:
S fie ct mai apropiat de frontul real S fie suficient de divers
11
12
Un element este considerat mai bun dac rangul de nedominare este mai mic La selecie se reunete populaia prinilor cu cea a urmailor i se ordoneaz cresctor dup rang
13
Ex: SPEA Strength Pareto EA La compararea a dou elemente se folosete unul dintre criteriile de optimizat. La fiecare etap criteriul n baza cruia se compar elementele se alege: pe baza unei reguli de parcurgere a setului de criterii aleator, pe baza unor probabiliti fixate sau adaptive Ex: VEGA
Calcul neuronal si evolutiv - Curs 10 14
15
(s) i
ai
s(d ( x , x ))
j =1 i j
1 (d / s ) s(d ) = 0
d <s d s
16
1 (d / s ) s(d ) = 0
d <s d s
Are efect benefic i n cazul optimizrii multimodale (cnd se urmrete aproximarea tuturor optimelor locale sau globale)
18
19
20
21
Exemple: Multiobjective GA
Propus in 1993 Fiecrui element i se asociaz un rang proporional cu numrul de elemente de ctre care este dominat Utilizeaz funcie de partajare i o regul de selecie restricionat a prinilor
22
24
Propus n: 1999 Folosete o arhiv de elemente nedominate actualizat pe parcursul evolu iei
Pentru fiecare element din arhiv se ntreine un indicator de dominare (strength factor) proporional cu numrul de elemente pe care acesta le domin Pentru fiecare element din populaie scorul se calculeaz ca fiind invers proporional cu suma indicatorilor elementelor din arhiv care l domin
26
27
28
Sumar
Utilizarea unei arhive: populatie arhiva
actualizare trunchiere
noua populatie
Calcul neuronal si evolutiv - Curs 10
noua arhiva
29
Resurse
http://www.lania.mx/~ccoello/EMOO/EMOObib.html (2940 referinte septembrie 2007) (3519 referinte noiembrie 2008) (4388 referinte octombrie 2009) (4861 referinte februarie 2010)
30