SELEÇÃO DE ALGORITMO PARA PROBLEMAS DE OTIMIZAÇÃO CONTÍNUOS BLACK-BOX

Matheus Silva Gonçalves¹; Rafael Holdorf Lopez¹; Felipe Carraro¹

¹ Universidade Federal de Santa Catarina

doi:10.20906/CPS/CILAMCE2017-0104

Resumo

A tarefa de selecionar o algoritmo de otimização mais adequado para um dado problema pode ser muito complexa e, se mal executada, trazer resultados insatisfatórios. O principal objetivo deste trabalho é ajudar o usuário nessa tarefa, fornecendo um meio automatizado de realizar essa seleção. Utilizou-se da estrutura ASP (Algorithm Selection Problem) para tal. Dentro dessa estrutura, o processo de seleção pode ser visto como uma tarefa de aprendizado, no qual o método precisa aprender um mapeamento entre problema e algoritmo que tem a maior probabilidade de desempenhar melhor no mesmo. Utilizou-se dos conceitos de exploratory landscape analysis (ELA) para caracterizar os problemas de otimização. Baseado nas características de um problema, aplica-se técnicas de aprendizado de maquina para selecionar o algoritmo mais adequado. Os resultados obtidos são promissores, indicando que as medidas ELA utilizadas são representativas e a metodologia desenvolvida foi capaz de selecionar o algoritmo mais adequado para o problema em questão. Uma evolução natural é a consideração de mais algoritmos na estrutura, tornando a metodologia capaz de tratar mais problemas e de maneira mais eficiente.

Palavras-chave: Otimização contínua black-box; Seleção de algoritmo; Exploratory landscape analysis; Aprendizado de máquina