Metaheuristic Applications to Telecoms, Bioinf, Software, - PowerPoint PPT Presentation

� ����� ���������������� ����� Metaheuristic Applications to ��� ������ Telecoms, Bioinf, Software, �������� ����� and other Domains ������ ����� ������ ����� �������������� ��������� ��%&""�������������� �������������� �������� University of Málaga, Spain �� ��� !�"#$"!#��

! ����� ���������������� ����� • Objective of a global optimization problem: • • • � �� ��� ������ � � → � � � ��� ���� ��������������� � � � � � ∀ ∈ ≤ = ����������� � � � � � � � � � � �� � � � � �������� ����� ������ ����� ������ ����� �������������� ��������� �������������� �������� • • • • Minimizing is also possible • • • • Vectors can map to other data structures �� ��� !�"#$"!#��

' ����� ����������������� ����� Where can optimization problems be found? ��� ������ �������� ����� ������ ����� ������ ����� �������������� ��������� �������������� �������� �� ��� !�"#$"!#��

� ����� ������������������ ����� �%����(������)�*���� �� ��� ������ ,-��� )�. ������������ ���� �������� �������� ����� ������ ����� ������ ����� +������� +������� ,���������� ,���������� ����������� ����������� ��%������� ��%������� �������������� /����� 0������� /� �) ,) 1�� �3� )+� ��������� ������ �� ��� 2����� �������������� �������� 4�����������%����������� �� ��� !�"#$"!#��

$ ����� ����������������� ����� 5������������ ��������� �����������������%������� ��� ������ �������� ����� �������� ������ ����� ������ ����� �������������� 0�������� ��������� �������������� �������� �� ��� !�"#$"!#��

6 ����� ���������������� ����� ��� ������ Evolutionary Algorithm �� ����� �������� ����� ���������� � � � � ��� �������� � � � � ��� �������� � � � � ��� ������ ����� ������ ����� while ����������������� do �������������� �� � � ����� ���������� � � � � ��� �������� � �� � � ��� ��������� � � � ��� ��� ��������� � �� � � � ∪ � �� �������������� � ��� � ���� end while �������� �� ��� !�"#$"!#��

7 ����� ����������������� ����� Convex Combination 2���������� Metric Space ��� ������ ������������ �����<���� �������� ����� ������ ����� ������ ����� → ���������1����� → ���������1����� 8#9!:�.�9�:�'9$; 8#9!:�.�9�:�'9$; → ���������/�������� 8�9#:��#9':� �������������� 79!; → ����� �)�*��� 8�97:�#9':�!9�; ��������� 0��%������� ���������������� �������������� ������������ �������� �� ��� !�"#$"!#��

= ����� ������������������ ������������������������������� ����� Four main ways of making an algorithm more efficient and accurate: ��� ������ • Parallel: • • • Clusters, Grid computing, multicore, FPGAs, GPUs… �������� ����� • • Hybrid: • • ������ ����� ������ ����� Combining algorithms, Combining algorithms, operators, representations: problem knowledge �������������� • Multiobjective: • • • ��������� Modelling explicitly several conflicting objective functions with Pareto’s concept of dominance �������������� • • • • Dynamic: �������� Solve a problem that changes in time and adapt previous solutions to the new scenarios �� ��� !�"#$"!#��

> ����� ��������� ���!��������� ����� Paralellism and Metaheuristics: The increasing availability of new kinds of ��� ������ CPUs and the parallel nature of metaheuristics have allowed the fast development of parallel metaheuristics �������� ����� Advantages: ������ ����� ������ ����� • Allow to tackle more complex problems and/or larger instances ��� ��� • Allow to tackle more complex problems and/or larger instances • Allow to reduce the execution time �������������� • Allow to improve the quality of the found solutions ��������� ��������� Examples �������������� �������� E. Alba (ed.), Parallel Metaheuristics: A New Class of Algorithms, ������������ , 2005 �� ��� !�"#$"!#��

�# ����� "#$������%����!&� ����� Hybridization is the inclusion of problem;dependant information in the algorithm ��� ������ �������� ����� Types: ������ ����� ������ ����� ' Strong ' Strong �������������� ' Weak ��������� �������������� Examples �������� �� ��� !�"#$"!#��

�� ����� �����$(������)*��&�+����� ����� Most real word optimization problems require to optimize more than one single function ' Multiobjective Optimization Problems (MOPs) ��� ������ Multobjective optimization searches for a set of solutions �������� ����� ' Pareto Optimal Set ' Their representation in the objective space is known as Pareto front ������ ����� ������ ����� Metaheuristics provide a subset of the Pareto optimal set. Metaheuristics provide a subset of the Pareto optimal set. Two goals �������������� ' Convergence to the true Pareto front ' Diversity of the solutions along the true Pareto front ��������� �������������� �������� �� ��� !�"#$"!#��