Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

GOOL – GLOBAL OPTIMIZATION OBJECT-ORIENTED LIBRARY Marek Publicewicz Ewa Niewiadomska-Szynkiewicz KAEOG 2003 Naukowa i Akademicka Sieć Komputerowa (NASK)

Podobne prezentacje


Prezentacja na temat: "GOOL – GLOBAL OPTIMIZATION OBJECT-ORIENTED LIBRARY Marek Publicewicz Ewa Niewiadomska-Szynkiewicz KAEOG 2003 Naukowa i Akademicka Sieć Komputerowa (NASK)"— Zapis prezentacji:

1 GOOL – GLOBAL OPTIMIZATION OBJECT-ORIENTED LIBRARY Marek Publicewicz Ewa Niewiadomska-Szynkiewicz KAEOG 2003 Naukowa i Akademicka Sieć Komputerowa (NASK) Instytut Automatyki i Informatyki Stosowanej, Politechnika Warszawska

2 Wprowadzenie Biblioteka GOOL (Global Optimization Object-oriented Library ) - założenia funkcjonalne - opis działania systemu GOOL/CON - opis działania systemu GOOL/GUI Część wizualizacyjna (GUI) –interakcyjna definicja zadań + analizator wyrażeń –prezentacja graficzna optymalizowanych funkcji –prezentacja graficzna wyników obliczeń Metody numeryczne w GOOL - biblioteka generatorów losowych (GOOL/RG) - biblioteka metod optymalizacji (GOOL/OM) Eksperymenty numeryczne Plan Prezentacji

3 Biblioteka GOOL łącznie z częścią wizualizacyjną stanowi narzędzie do badania metod optymalizacji dla różnych zadań testowych: –wprowadzanych w postaci analitycznej (korzystając z interfejsu lub z pliku tekstowego) –wprowadzonych w postaci symulatora Część numeryczna jest zrealizowana w C/C++ Interfejs graficzny w języku skryptowym Tcl / Tk Biblioteka GOOL

4 Wersje biblioteki GOOL GOOL / GUI Wersja działająca w środowisku graficznym (przeznaczona do celów edukacyjnych) GOOL / GUI GOOL / CON Dwie wersje biblioteki: GOOL / CON Wersja działająca w trybie tekstowym (przeznaczona do prac naukowo-badawczych)

5 Elementy składowe biblioteki GOOL GOOL / GUI Interfejs graficzny Definiowanie zadań, ustalanie wartości parametrów metod, prezentacja wyników GOOL / OM Biblioteka metod optymalizacji Metody optymalizacji wypukłej i niewypukłej GOOL / RG Biblioteka generatorów losowych Różne generatory liczb pseudolosowych i sekwencji losowych

6 Funkcjonalność systemu GOOL Zarządzanie zadaniami –postać analityczna funkcji celu –funkcje proceduralne - osobne pliki wykonywalne –autorski podsystem zarządzania strukturą zadania (symboliczny) –zarządzanie symbolami i ograniczeniami Wizualizacja zadań –wykresy funkcji jednej zmiennej –wykresy poziomicowe, skalowanie obszaru, dopuszczalność –wykres trójwymiarowy dla zadań dwuwymiarowych Metody optymalizacji –uporządkowanie metod w hierarchię drzewiastą –nadawanie wartości parametrom metod –możliwość wyboru metod lokalnych oraz minimalizacji w kierunku –definiowanie wielkości charakterystycznych dla danej metody

7 Założenia implementacyjne przenośność (docelowe systemy: Linux, Windows) połączenie języka skryptowego (Tcl/Tk - GUI) z językiem C++ (selekcja w doborze mechanizmów) wykorzystanie podczas budowy wzorców projektowych wyodrębnienie podsystemu obliczania wartości i operowania na wyrażeniach symbolicznych - C

8 Schemat fragmentu hierarchii klas biblioteki GOOL

9 Działanie systemu GOOL/CON RAPORT Parametry zadania (dokładność obliczeń, postać funkcji kary, użyte generatory losowe) Znalezione rozwiązanie zadania Numer iteracji, w której znaleziono rozwiązanie Wartości ograniczeń w rozwiązaniu Liczba uderzeń w ograniczenia Całkowita liczba iteracji Liczba obliczeń funkcji celu Czas trwania obliczeń Kryterium zatrzymania metody Uruchomienie programu GOOL/CON gool_con task_file task_file – nazwa pliku zawierającego zadanie optymalizacji

10 Foramat pliku task_file nazwa zadania opis słowny zadania wymiar ograniczenia kostkowe definicje symboli pomocniczych wskaźnik jakości ograniczenia nierównościowe parametry zadania postać analityczna gradientu punkt początkowy optymalizacji

11 Działanie systemu GOOL/GUI Główne okno aplikacji Informacje dotyczące zadania: Name – nazwa Objective – funkcja celu Metody optymalizacji z biblioteki Pliki z wynikami optymalizacji

12 KAEOG 2003 Definiowanie zadania optymalizacji

13 Generatory losowe –prezentacja punktów na płaszczyźnie –wyświetlanie histogramów Minimalizacja funkcji –(GUI): obserwowanie przebiegu działania na wykresach poziomicowych - trzy rodzaje prezentacji: trajektorie zbiory punktów przeszukiwane komórki –(GUI): tryb edukacyjny: prezentacja przebiegu minimalizacji w kierunku raportowanie wielkości charakterystycznych danej metody prezentacja zmian istotnych parametrów charakteryzujących algorytm informowanie użytkownika o stanie działania algorytmu –(GUI): zapis przebiegu optymalizacji do pliku –(CON): szczegółowy raport końcowy Sposoby prezentacji wyników obliczeń

14 KAEOG 2003 Prezentacja wyników obliczeń

15 Metody minimalizacji w kierunku Generatory losowe

16 Tryb edukacyjny Zadania jednowymiarowe Zadania wielowymiarowe

17 Algorytmy optymalizacji w systemie GOOL metody deterministyczne podziału i ograniczeń Galperina, Gourdina, Meewella-Mayne trajektorii cząstki Griewanka Metody optymalizacji globalnej metody niedeterministyczne poszukiwań losowych symulowanego wyżarzania CRS2, CRS3, CRS6 wykorzystujące grupowanie algorytm Törna (warianty grupowania ) algorytmy ewolucyjne kodowanie binarne kodowanie rzeczywistoliczbowe

18 metod Galperina Funkcja aproksymująca zbiór dopuszczalny środek komórki wybrana komórka dzielona na p komórek Metody podziału i ograniczeń Warunek Lipschitza Siatka nierównomierna metod Gourdina-Hansena-Jaumard Funkcja aproksymująca zbiór dopuszczalny środek komórki wybrana komórka dzielona na p komórek

19 Nowy punkt: Kierunek: Gdzie Metody trajektorii cząstki Griewanka

20 Algorytmy optymalizacji w systemie GOOL sympleks nieliniowy Neldera-Meada metoda Powella BFGS Metody optymalizacji lokalnej Metody minimalizacji w kierunku aproksymacja funkcji parabolą metoda złotego podziału ekstrapolacja/interpolacja kwadratowa z testem Goldsteina metoda Pijavskiego-Shuberta

21 Biblioteka generatorów losowych jednostajny trzy generatory liniowe trzy sekwencje pseudolosowe (Haltona, Faure, Sobola) normalny metoda ROU zmodyfikowana metoda odwracania dystrybuanty metoda Boxa - Mullera beta(a,b)

22 Podsumowanie Główne obszary zastosowania programu: –minimalizacja zadań wielowymiarowych z ograniczeniami funkcyjnymi różnymi metodami –przedstawianie charakteru zmienności badanych funkcji z uwzględnieniem ograniczeń –analiza wpływu parametrów zadania i ograniczeń na postać minimalizowanej funkcji –badanie wpływu wartości parametrów na ich skuteczność –lepsze zrozumienie sposobu zachowania się najbardziej popularnych algorytmów, poprzez śledzenie ich działania w trybie edukacyjnym Potencjalne kierunki rozbudowy: –rozbudowa biblioteki metod –uwzględnianie ograniczeń - inne metody –wizualizacja przebiegu algorytmów na wykresie przestrzennym –rozbudowanie podsystemu zarządzającego wyrażeniami symbolicznymi


Pobierz ppt "GOOL – GLOBAL OPTIMIZATION OBJECT-ORIENTED LIBRARY Marek Publicewicz Ewa Niewiadomska-Szynkiewicz KAEOG 2003 Naukowa i Akademicka Sieć Komputerowa (NASK)"

Podobne prezentacje


Reklamy Google