Académique Documents
Professionnel Documents
Culture Documents
OTIMIZACAO
MULTI-OBJETIVO
Aula 01 - Introducao
20 de setembro de 2016
1 / 27
Apresentacao
Introducao
O que e Otimizacao?
Definicoes
Meta-heursticas
Metodos Determinsticos
2 / 27
Introducao
3 / 27
O que e Otimizacao?
4 / 27
O que e Otimizacao?
4 / 27
O que e Otimizacao?
4 / 27
O que e Otimizacao?
5 / 27
O que e Otimizacao?
5 / 27
O que e Otimizacao?
6 / 27
O que e Otimizacao?
7 / 27
O que e Otimizacao?
8 / 27
Problema de Otimizacao
Onde:
I x X e o vetor de variaveis de decisao;
8 / 27
Problema de Otimizacao
Onde:
I x X e o vetor de variaveis de decisao;
I f (x) e a funcao objetivo;
8 / 27
Problema de Otimizacao
Onde:
I x X e o vetor de variaveis de decisao;
I f (x) e a funcao objetivo;
I gi (x), hj (x) sao as restricoes do problema.
8 / 27
Problema de Otimizacao
9 / 27
Problema de Otimizacao
O Problema
Encontrar x S, a solucao otima, que minimiza/maximiza f (x).
9 / 27
Problema de Otimizacao
10 / 27
Problema de Otimizacao
X = {x = (x1 , , xn ), xi R}
X = {x = (x1 , , xn ), xi Z+ }
X = {x = (x1 , , xn ), xi {0, 1}}
10 / 27
Problema de Otimizacao
11 / 27
Problema de Otimizacao
12 / 27
Problema de Otimizacao
13 / 27
Problema de Otimizacao
Restricoes
I Otimizacao restrita vs. otimizacao irrestrita
gi (x) bi i = 1, ..., m
h (x) = bj j = m + 1, ..., l
j
x X
14 / 27
Problema de Otimizacao
Restricoes
I Otimizacao restrita vs. otimizacao irrestrita
gi (x) bi i = 1, ..., m
h (x) = bj j = m + 1, ..., l
j
x X
14 / 27
Problema de Otimizacao
Restricoes
I Otimizacao restrita vs. otimizacao irrestrita
gi (x) bi i = 1, ..., m
h (x) = bj j = m + 1, ..., l
j
x X
14 / 27
Problema de Otimizacao
Restricoes
I Otimizacao restrita vs. otimizacao irrestrita
gi (x) bi i = 1, ..., m
h (x) = bj j = m + 1, ..., l
j
x X
14 / 27
Problema de Otimizacao
Numero de objetivos
I Otimizacao escalar (mono-objetivo) vs. otimizacao
multi-objetivo (vetorial)
15 / 27
Problema de Otimizacao
Numero de objetivos
I Otimizacao escalar (mono-objetivo) vs. otimizacao
multi-objetivo (vetorial)
f (x) = (f1 , f2 , , fm )
15 / 27
Problemas de Otimizacao
Casos Particulares
I Problemas de Programacao Linear:
Funcao objetivo linear; restricoes lineares;
16 / 27
Problemas de Otimizacao
Casos Particulares
I Problemas de Programacao Linear:
Funcao objetivo linear; restricoes lineares;
I Problemas de Programacao Quadratica:
Funcao objetivo quadratica; restricoes lineares;
16 / 27
Problemas de Otimizacao
Casos Particulares
I Problemas de Programacao Linear:
Funcao objetivo linear; restricoes lineares;
I Problemas de Programacao Quadratica:
Funcao objetivo quadratica; restricoes lineares;
I Problemas de Programacao nao-linear:
Funcao objetivo nao linear; restricoes lineares ou nao lineares;
16 / 27
Problemas de Otimizacao
Casos Particulares
I Problemas de Programacao Linear:
Funcao objetivo linear; restricoes lineares;
I Problemas de Programacao Quadratica:
Funcao objetivo quadratica; restricoes lineares;
I Problemas de Programacao nao-linear:
Funcao objetivo nao linear; restricoes lineares ou nao lineares;
I Problemas de Programacao Inteira:
Variaveis inteiras;
16 / 27
Problemas de Otimizacao
Casos Particulares
I Problemas de Programacao Linear:
Funcao objetivo linear; restricoes lineares;
I Problemas de Programacao Quadratica:
Funcao objetivo quadratica; restricoes lineares;
I Problemas de Programacao nao-linear:
Funcao objetivo nao linear; restricoes lineares ou nao lineares;
I Problemas de Programacao Inteira:
Variaveis inteiras;
I ...
16 / 27
Problema de Otimizacao
17 / 27
Problema de Otimizacao
Otimo global
O ponto x X e otimo global da funcao f (x) se, para qualquer
x 6= x , temos f (x ) f (x).
18 / 27
Problema de Otimizacao
Otimo global
O ponto x X e otimo global da funcao f (x) se, para qualquer
x 6= x , temos f (x ) f (x).
Otimo local
O ponto x 0 X e otimo local da funcao f (x) se, para qualquer
x V(x 0 ), onde V(x 0 ) e uma vizinhanca de x 0 , com x 6= x 0 , temos
f (x 0 ) f (x).
18 / 27
Problema de Otimizacao
Vizinhanca
Seja um ponto x X . Uma vizinhanca de x, V(x), e qualquer
conjunto aberto que contenha x.
19 / 27
Problema de Otimizacao
Vizinhanca
Seja um ponto x X . Uma vizinhanca de x, V(x), e qualquer
conjunto aberto que contenha x.
Conjunto Aberto
Um conjunto X Rn e dito aberto se para cada ponto
19 / 27
Problemas de Otimizacao
Metodos Exatos
Fornecem garantias sobre a otimalidade da solucao encontrada, ou
seja, a solucao encontrada e a melhor solucao do conjunto das
solucoes variaveis para o problema. No caso de problemas
NP-difceis, nao existe (ou muito provavelmente nao existe)
algoritmo que garanta que a solucao exata seja encontrada em
tempo polinomial.
20 / 27
Problemas de Otimizacao
Metodos Exatos
Fornecem garantias sobre a otimalidade da solucao encontrada, ou
seja, a solucao encontrada e a melhor solucao do conjunto das
solucoes variaveis para o problema. No caso de problemas
NP-difceis, nao existe (ou muito provavelmente nao existe)
algoritmo que garanta que a solucao exata seja encontrada em
tempo polinomial.
Metodos de Aproximacao
Nao fornecem garantias sobre a otimalidade da solucao
encontrada. O objetivo e garantir uma solucao aproximada
(quase-otima) do problema em tempo polinomial.
20 / 27
Problemas de Otimizacao
Heursticas
Qualquer metodo aproximado projetado com base nas propriedades
estruturais ou nas caractersticas das solucoes dos problemas, com
complexidade reduzida em relacao a dos algoritmos exatos e
fornecendo, em geral, solucoes viaveis de boa qualidade.
21 / 27
Problemas de Otimizacao
Heursticas
Qualquer metodo aproximado projetado com base nas propriedades
estruturais ou nas caractersticas das solucoes dos problemas, com
complexidade reduzida em relacao a dos algoritmos exatos e
fornecendo, em geral, solucoes viaveis de boa qualidade.
Meta-heurstica
Uma meta-heurstica e um procedimento de alto nvel ou heurstica
concebido para encontrar, gerar, ou selecionar um procedimento de
nvel inferior ou heurstica (algoritmo de busca parcial), que pode
fornecer uma solucao suficientemente boa para um problema de
otimizacao.
21 / 27
Metodos de Trajetoria
22 / 27
Metodos de Trajetoria
I Busca Tabu,
I GRASP,
I Simulated Annealing,
I Iterated Local Search (ILS),
I Variable Neighborhood Search (VNS), outros.
22 / 27
Meta-heursticas Populacionais
23 / 27
Meta-heursticas Populacionais
I Algoritmos Geneticos,
I Colonia de Formigas,
I Particle Swarm Optimization (PSO),
I Sistemas Imunes Artificiais.
23 / 27
24 / 27
Metodos Determinsticos
25 / 27
Metodos Determinsticos
25 / 27
Dificuldades
26 / 27
Referencias:
27 / 27