ee-214/2011 métodos de busca aleatória. ee-214/2011 problema básico sistema dinâmico u xuxu...
TRANSCRIPT
EE-214/2011
Métodos de Busca Aleatória
EE-214/2011
Problema Básico
Sistema Dinâmico
u xu
J[u,xu]
Calculadorde Custo
Obter:
u J u xu U
u* arg min [ , ]
Dados:
1) Um sistema dinâmico
2) Um índice de desempenho
dx
dtf t x u
x t x
( , , )
( )0 0
ft uf
uu dt)u,x,t(c))t(x(]x,u[J0
EE-214/2011
)t(bx)t(x)t(cxdt
)t(dx
)t(ux)t(kxdt
)t(dx
)t(x)t(px)t(ax)t(x)t(xedt
)t(dx
)t(x)t(x)t(dxdt
)t(dx
4424
323
42231)t(m2
3111
f
0
t
t
2f
2
dt2
)t(m
2
)t(v(.)]m[J
x1(t) quantidade de células CD4 sadiasx2(t) quantidade de células CD4 infectadasx3(t) vírus livresx4(t) linfócitos T citotóxicos
Minimizar
s.a.
Terapia da Infecção por HIV
EE-214/2011
Métodos para Solução
1. Princípio do Máximo de Pontryaguin
2. Princípio da Otimalidade
3. Busca Direta por Soluções Sub-ótimas
EE-214/2011
1. Princípio do Máximo de Pontryaguin
2. Princípio da Otimalidade
3. Busca Direta por Soluções Sub-ótimas
a. Escolher uma base para o Espaço de Controles Admissíveis:
U = span{b1,b2,b3,...}
b. Escrever u(t) como combinação linear truncada de bi(t):
u(t) = 1b1(t) + ... + nbn(t)
c. Truncar a série considerar otimização no Rn:
JSub-Ótimo(1,..., n) = J[u,xu]
Métodos para Solução
EE-214/2011
1. Princípio do Máximo de Pontryaguin
2. Princípio da Otimalidade
3. Busca Direta por Soluções Sub-ótimas
a. Escolher uma base para o Espaço de Controles Admissíveis:
U = span{b1,b2,b3,...}
Senos, Cossenos, ExponenciaisHermite, Lagrange, Laguerre,...Wavelets
Métodos para Solução
EE-214/2011
b1
t
b2
t
bn
t
u
t
+ ... +
+
=
1
2
n
Métodos para Solução
EE-214/2011
Problema Básico Simplificado
Sistema Dinâmico
u xu
Calculadorde Custo
Dados:
1) Um sistema dinâmico
2) Um índice de desempenho
dx
dtf t x u
x t x
( , , )
( )0 0
Obter:
JSub-Ótimo(1,..., n)
u(t) = 1b1(t) + ... + nbn(t)
( ,..., ) arg min ( ,..., )* *
1 1nR
Sub Otimo nnJ
JSub-Ótimo(1,..., n)
EE-214/2011
Busca no Rn
EE-214/2011
Máxima Declividade Poliedros Flexíveis
Otimização no Rn
EE-214/2011
Busca Aleatória no Rn
a. MSA (Most Stupid Algorithm)
b. Algoritmo Genético (Genetic Algorithm)
c. Têmpera Simulada (Simulated Annealing)
d. Enxame de Partículas (Particle Swarm)
e. etc...
EE-214/2011
MSA
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Passo 0: Escolher N e M inteiros positivos grandes, k := 1
Passo 1: Gerar N pares (1,2) onde , i ~ uniforme (0,1)
Passo 2: Selecionar o par (1,2)* que resulta menor valor de J,
Passo 4: Gerar mais um par (1,2)+ com i ~ uniforme em (0,1)
Passo 5: Se J(1,2)+ < J(1,2)* Então (1,2)* = (1,2)+ e k := 1 Senão k := k+1 Retorne ao Passo 3
Passo 3: Se k := M Então Imprimir (1,2)* e FIM
EE-214/2011
Algoritmo Genético
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Passo 0: Representar (1,2) [B0 B1 B2 B3 | B4 B5 B6 B7 ]
Exemplo: (10/15,07/15) [ 1 0 1 0 | 0 1 1 1 ]
(05/15,09/15) [ 0 1 0 1 | 1 0 0 1 ]
EE-214/2011
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Passo 0: Representar (1,2) [B0 B1 B2 B3 | B4 B5 B6 B7 ]
Passo 1: Gerar população com N pares (1,2),, i ~ uniforme (0,1) e representar na forma [B0 B1 B2 B3 | B4 B5 B6 B7 ]
1: [ 1 0 1 0 | 0 1 1 1 ] 2: [ 0 0 0 1 | 1 1 1 0 ] 3: [ 0 1 0 1 | 1 0 0 1 ]
- - -
N: [ 0 1 1 1 | 1 0 1 1 ]
Algoritmo Genético
EE-214/2011
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Passo 0: Representar (1,2) [B0 B1 B2 B3 | B4 B5 B6 B7 ]
Passo 1: Gerar população com N pares (1,2),, i ~ uniforme (0,1) e representar na forma [B0 B1 B2 B3 | B4 B5 B6 B7 ]
Passo 2: Selecionar dois pares (1,2) e gerar proles mediante permuta
m: (10,07) [ 1 0 1 | 0 0 1 1 1 ] p: (05,09) [ 0 1 0 | 1 1 0 0 1 ]
f1: [ 1 0 1 | 1 1 0 0 1 ] (11,09)f2: [ 0 1 0 | 0 0 1 1 1 ] (04,07)
Algoritmo Genético
EE-214/2011
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Passo 0: Representar (1,2) [B0 B1 B2 B3 | B4 B5 B6 B7 ]
Passo 1: Gerar população com N pares (1,2),, i ~ uniforme (0,1) e representar na forma [B0 B1 B2 B3 | B4 B5 B6 B7 ]
Passo 2: Selecionar dois pares (1,2) e gerar proles mediante permuta
Passo 3: Introduzir mutação nos proles
f1: [ 1 0 1 | 1 1 0 0 1 ] (11,09)f2: [ 0 1 0 | 0 0 1 1 1 ] (04,07)
f1m: [ 1 0 1 | 1 1 1 0 1 ] (11,13)f2m: [ 0 1 0 | 0 0 1 1 0 ] (04,06)
Algoritmo Genético
EE-214/2011
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Passo 0:
Passo 1:
Passo 2:
Passo 3:
Passo 4: Realizar seleção natural
1: [ 1 0 1 0 | 0 1 1 1 ] J1 2: [ 0 0 0 1 | 1 1 1 0 ] J2 3: [ 0 1 0 1 | 1 0 0 1 ] J3
- - -
N: [ 0 1 1 1 | 1 0 1 1 ] JN
N+1: [ 0 1 1 1 | 1 0 1 1 ] JN+1 †N+2: [ 0 1 1 1 | 1 0 1 1 ] JN+2 †
J1 < J2 < .... < JN+1< JN+2
Algoritmo Genético
EE-214/2011
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Têmpera Simulada
EE-214/2011
Têmpera Simulada
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Passo 0: Fazer k := 1
Passo 1: Gerar uma direção de decréscimo (1,2)k
Se critério_de_parada = OK, Então FIM
Passo 2: Gerar uma direção aleatória (1,2)
Passo 3: Calcular V = J (1+ 1, 2 +2) - J (1+ 1,2 +2)
Passo 4: Se V < 0 Então (1,2) := (1,2) Senão (1,2) := (1,2) com probabilidade exp(-/k)
Passo 5: Otimizar na direção (1,2)k, k := k +1 e Retornar ao Passo 1
EE-214/2011
Enxame de Partículas
Considere o problema:
min ( , )[ , ]
0 1
1 22J
EE-214/2011
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Passo 0: Gerar N partículas onde, JPrev = J(1,2)
)J,v,v,,(),...,J,v,v,,( NevPr
NNNNevPr 2121
112
11
12
11
1
2
v
Enxame de Partículas
EE-214/2011
Considere o problema:
min ( , )[ , ]
0 1
1 22J
Passo 0: Gerar N partículas onde, JPrev = J(1,2)
)J,v,v,,(),...,J,v,v,,( NevPr
NNNNevPr 2121
112
11
12
11
Passo 2: Evoluir as partículas i = 1,...,N: 21,jv: ij
ij
ij
Passo 1: Obter o melhor ponto global atual:
N,...,kJ),(J.q.t),( kevPr
**** 12121
Passo 3: Se Então ievPr
ii J),(J 21 ),(JJ iiievPr 21
Passo 4: Atualizar a velocidade 21,j)(v:v ij
*jj
ij
ij
Passo 5: Se critério_de_parada = OK Então FIM Senão Retornar ao Passo 1
Enxame de Partículas
EE-214/2011
EE-214/2011
EE-214/2011
12
5
EE-214/2011
EE-214/2011
EE-214/2011
EE-214/2011
-5 -4 -3 -2 -1 0 1 2 3 4 5-5
-4
-3
-2
-1
0
1
2
3
4
5
Enxame de Partículas
EE-214/2011
a. Natureza Heurística
Características da Busca Aleatória
EE-214/2011
a. Natureza Heurística
b. Computacionalmente onerosa
Características da Busca Aleatória
EE-214/2011
a. Natureza Heurística
b. Computacionalmente onerosa
c. Exibe probabilidade não-nula de encontrar o mínimo global
Características da Busca Aleatória
EE-214/2011
a. Natureza Heurística
b. Computacionalmente onerosa
c. Exibe probabilidade não-nula de encontrar o mínimo global
d. Não requer suavidade de J(.)
Características da Busca Aleatória
EE-214/2011
-5 -4 -3 -2 -1 0 1 2 3 4 5-5
-4
-3
-2
-1
0
1
2
3
4
5
Enxame de Partículas
EE-214/2011
dt)}t(u)t(u)t(x{(.)]u(.),u[J 22E
t
0
21F
23D21
f
d x
d tt x t x t u tR M
14 1 11 [ ( s i n ( ) ) ( ) ] ( ) ( )
)t(u)t(x)]t(x)t(x[
)t(x)]t(x))tsin(1([dt
dx
1321
24MR2
d x
d tx t x t P x t3
3 2 3 ( ) ( ) [ ( ) ]
d x
d tx t x u t4
4 3 2 ( ) ( )
x1(t) densidade de mosquitosx2(t) densidade de mosquitos carregando vírusx3(t) número de pessoas com denguex4(t) grau de motivação popular para combater mosquitos
Minimizar
s.a.
Otimização de Investimentosno Controle da Dengue
EE-214/2011
0 20 40 60 80 100 120 1400
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09Investiments in Educational Campaigns
Time (weeks)
u2
Optimal
Sub-Optimal
Otimização de Investimentosno Controle da Dengue
EE-214/2011
0 20 40 60 80 100 120 140-0.2
0
0.2
0.4
0.6
0.8
1
1.2Density of M osquitoes
Time (w eeks)
x1
Optimal
Sub-Optimal
Breteau Threshold
No Control
Otimização de Investimentosno Controle da Dengue
EE-214/2011
0 20 40 60 80 100 120 1400
0.1
0.2
0.3
0.4
0.5
0.6
0.7Infected Mosquitoes
Time (weeks)
x2
No Control
Sub-Optimal
Optimal
Breteau Threshold
Otimização de Investimentosno Controle da Dengue
EE-214/2011
0 20 40 60 80 100 120 1400
0.05
0.1
0.15
0.2
0.25
0.3
0.35Affected Individuals
Time (weeks)
x3
No Control
Breteau Threshold
Optimal
Sub-Optimal
Otimização de Investimentosno Controle da Dengue
EE-214/2011
0 20 40 60 80 100 120 1400
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45Goodwill
Time (weeks)
x4
Sub-Optimal
OptimalNo Control
Breteau Threshold
Otimização de Investimentosno Controle da Dengue
EE-214/2011
0 20 40 60 80 100 120 1400
0.5
1
1.5
2
2.5
3
3.5A ccum ulated C ost
Tim e (w eeks)
J
N o C ontro l
B reteau Threshold
Sub-O ptim al
O ptim al
Otimização de Investimentosno Controle da Dengue
EE-214/2011
Muito Obrigado!