Przegląd metod optymalizacji globalnej.
Transkrypt
Przegląd metod optymalizacji globalnej.
Notes Optymalizacja globalna Tomasz M. Gwizdałła 2010.05.26 Różnorodność zagadnień Notes • GSO - pozycjonowanie satelitów geostacjonarnych • ATC - kierowanie ruchem samolotów • planowanie rozkładu zajęć (timetabling) • klasyfikacja obrazów medycznych (mammografia) • projektowanie układów elektronicznych VLSI • projektowanie układu linii przesyłowych • automatyzacja procesu pakowania • analiza konstrukcji kadłubów statków • analiza kosztów poprzez przydział pracowników do zadań • analiza możliwości rozkładu emisji gazów • tworzenie map (rozkład symboli) • usytuowanie kanałów burzowych • określanie dawek w terapii rakowej Różnice pomiędzy algorytmem, a metaheurystyką Notes • algorytm deterministyczny musi wybrać kierunek lokalnego spadku funkcji • algorytm optymalizacji globalnej musi umieć wybrać inny basen przyciągania, ”przeskakując” lokalne maksima • jest to możliwe tylko poprzez wprowadzenie czynnika losowego Algorytmy • Iteracyjna LO • Symulowane wyżarzanie • Algorytm genetyczny • Poszukiwanie tabu • Algorytm mrówkowy • Algorytmy rojowe Notes Metoda Czochralskiego - 1916 Notes • metoda Czochralskiego jest techniką otrzymywania monokryształów, czyli form charakteryzujących się optymalnymi wartościami energii oddziaływań międzyatomowych • polega ona na powolnym wyciąganiu próbki z roztopionego materiału (często wspomagane jest ono obrotem) • istotnym czynnikiem jest powolność procesu, zarówno dotycząca prędkości wyciągania, jak i schładzania Algorytm Metropolisa - 1953 Notes • N.Metropolis, A.Rosenbluth, M.Rosenbluth, A.Teller, E.Teller, Equation of State Calculations by Fast Computing Machines, J. Chem. Phys., 21, 1087, 1953 • praca poświęcona była wykorzystaniu MANIACa do obliczeń termodynamiki oddziaływania ”sztywnych dysków” • określono prawdopodobieństwo przejścia pomiędzy dowolnymi stanami −Es Prs ∝ exp(− ErkT ) Propozycja Kirkpatricka - 1983 Notes • S.Kirkpatrick, C.D.Gelatt Jr., M.P.Vecchi, ”Optimization by Simulated Annealing”, Science, 220, 4598, 671-680, 1983 • wskazanie relacji pomiędzy fizyką statystyczną stanów równowagowych, a wielokryterialną optymalizacją kombinatoryczną • zastosowanie zaproponowanego schematu do problemu komiwojażera Pojęcia • Rozwiązanie (struktura) • Rozwiązanie sąsiednie (zmiana stanu) • Funkcja oceny (energia) • Parametr kontrolny (temperatura) • Przestrzeń rozwiązań (przestrzeń stanów) Notes Algorytm Notes • Wybierz rozwiązanie początkowe • Znajdź rozwiązanie sąsiednie • Zaakceptuj rozwiązanie sąsiednie z prawdopodobieństwem exp(− 1, jeśli energia (funkcja oceny) maleje Ei −Ei−1 ), jeśli energia (funkcja oceny) rośnie T Parametry Notes Parametry o charakterze proceduralnym Notes • rozwiązanie początkowe • szerokość przedziału losowania • temperatura początkowa • przestrzeń rozwiązań • funkcja oceny • Sposób znajdowania rozwiązania sąsiedniego • Schematy schładzania i zmiany szerokości przedziału losowania • Warunek stopu • Sposób reakcji na wyjście poza przestrzeń poszukiwań Sposób znajdowania kolejnego rozwiązania Nowa wartość estymaty rozwiązania optymalnego może być losowana w oparciu o jeden z wielu rozkładów prawdopodobieństwa odległości od rozwiązania poprzedniego • równomierny [xi−1 − dx, xi−1 + dx] • gaussowski exp(− (x−xi−1 )2 ) 2σ 2 • wykładniczy exp(−λ(x − xi−1 )) Notes Schematy schładzania (1) Notes Problemem wychodzącym poza sam algorytm schładzania jest określenie sposobu zmiany temperatury • kiedy ma być dokonana zmiana • czy preferować dużą liczbę iteracji dla mniejszej liczby temperatur 1 • czy małą liczbę iteracji dla dużej liczby temperatur 2 Schematy schładzania (2) Notes Przykładowe algorytmy schładzania • geometryczne 1 : tj = α ∗ tj−1 zwykle α ∈ (0.8, 0.99) • 2: t i−1 ti = 1+βt i−1 β jest małe, wykonywana jest pojedyncza iteracja dla danej temperatury c • ti = log (1+i) Warunek stopu Notes • liczba iteracji • osiągnięcie zadanej temperatury • brak poprawy w zadanej liczbie iteracji (możliwe podgrzewanie) Rozpoznawanie kształtu Wykres kliku wybranych przebiegów algorytmu dla parametrów T = 60, ∆x = 4 η∆x = 0.9, ηT = 0.9 η∆x = 0.97, ηT = 0.97 Notes Tonga - Cooke 1777 Notes Tabu jest silnym zakazem odnoszonym do pewnych dziedzin aktywności ludzkiej lub zwyczajów społecznych. Jego źródłem może być nakaz moralny lub religijny. Nauszenie tabu wiąże się z sankcją społeczną lub karną. Glover Notes F.Glover, Future Paths for Integer Programming and Links to Artificial Intelligence. Computers and Operations Research., 13, 533, 1986 P.Hansen, P, The Steepest Ascent Mildest Descent Heuristic for Combinatorial Programming. Congress on Numerical Methods in Combinatorial Optimization, Capri, Italy, 1986 Strategie Notes Parametry Notes Algorytm TS jest kombinacją trzech strategii • Strategia zakazywania (forbidding) • Strategia uwalniania (freeing) • Strategia krótkoterminowa (short-term) • Lista (forma) tabu i jej rozmiar • Procedura przeszukiwania lokalnego • Struktura sąsiedztwa • Kryteria aspiracji • Sposób dodawania do listy tabu • Kryterium stopu Algorytm Notes MST Notes • Określenie rozwiązania początkowego • Stworzenie listy rozwiązań sąsiednich • Ewaluacja rozwiązań sąsiednich • Wybór rozwiązania najlepszego • Modyfikacja list tabu i kryteriów aspiracji Aktualny koszt 26 out EF EF EF AF CD in AE BE DE DF DF koszt 20 21 22 30 24 MST Notes Aktualny koszt 20 Lista tabu: AE out AF AF AB AB BC CD in EF DF BE DE DE DE koszt 25 24 18 19 18 15 MST Aktualny koszt 15 Lista tabu: DE, AE(?) a może AF out AB BC in BE CD koszt 13 18 Notes MST Notes Uzyskaliśmy dobrze znane rozwiązanie optymalne o koszcie równym 13. Podsumowanie Notes • Jak akceptować kroki pogarszające wartość funkcji oceny? Wykorzystanie kryteriów aspiracji. • Wykorzystanie głównie do zagadnień o charakterze dyskretnym. • Duża wrażliwość na parametry algorytmu. • Duża liczba iteracji. Notes Notes