Titulo Estágio
Otimização por Aprendizagem
Áreas de especialidade
Sistemas Inteligentes
Local do Estágio
ECOS
Enquadramento
Os algoritmos estocásticos de otimização são métodos muito utilizados na pesquisa de soluções de boa qualidade para problemas reais de otimização. A eficácia destes algoritmos é condicionada por uma seleção criteriosa dos seus componentes e dos parâmetros a adotar. Embora já existam algumas propostas que permitem o desenvolvimento/ajuste automático parcial dos métodos de otimização a utilizar num problema específico, na maioria das situações, o design é feito manualmente e requer conhecimentos especializados, tanto sobre a situação a resolver, como sobre os algoritmos a utilizar.
Objetivo
O principal objetivo deste trabalho é propor, implementar e validar métodos de aprendizagem automática para auxiliar no desenvolvimento e adaptação autónoma de algoritmos de otimização. O trabalho incidirá sobre algoritmos de otimização global, estocásticos e iterativos, como, por exemplo, algoritmos evolutivos, pesquisa local iterativa ou métodos GRASP.
Neste contexto, a aplicação de métodos de aprendizagem automática pode ser relevante em 2 contextos: i) delinear as estratégias de construção de soluções (utilizando os componentes e operadores ao dispor do algoritmo) que sejam mais apropriadas a cada situação concreta, maximizando a probabilidade de obter soluções de boa qualidade; ii) estimar, de forma precoce, a qualidade de uma solução parcial, evitando desta forma perder tempo com a construção de soluções pouco promissoras.
Serão considerados 2 cenários de atuação para este método. No mais tradicional será criado um conjunto de exemplos relacionando a aplicação de operadores/componentes com a qualidade da solução obtida, a ser utilizado num processo de aprendizagem supervisionada. Os métodos treinados com o conjunto poderão ser depois validados na prestação de auxílio em outras situações de otimização. Por outro lado, será testado um cenário alternativo de aprendizagem por reforço em que o método de aprendizagem procura maximizar o seu desempenho durante o auxílio prestado numa tarefa de otimização. As recompensas recebidas (i.e., a qualidade das soluções geradas) serão usadas pelo algoritmo para adaptar a sua estratégia.
Plano de Trabalhos - Semestre 1
1 - Familiarização com as áreas de Otimização e de Aprendizagem Automática
2 - Estudo do Estado da Arte
4 - Proposta de framework de otimização
5 - Documentação
Plano de Trabalhos - Semestre 2
1 - Programação da framework proposta
2 - Experimentação
3 - Refinamento da framework
4 - Documentação
Condições
Os laboratórios do ECOS e os seus recursos computacionais estarão disponíveis para o desenvolvimento do trabalho.
Observações
Durante a execução do plano de trabalhos o estudante irá adquirir várias competências que são necessárias para quem pretende seguir uma carreira em investigação.
É necessário submissão do Curriculum Vitae.
O candidato deverá possuir conhecimentos sólidos de programação em (Python/C)
Orientador
Nuno Lourenço / Francisco B. Pereira
naml@dei.uc.pt 📩