Navegando por Autor "Costa, Rodolfo Ayala Lopes"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Item Estratégias de otimização contínua Caixa-Cinza para problemas de larga escala.(2021) Costa, Rodolfo Ayala Lopes; Freitas, Alan Robert Resende de; Freitas, Alan Robert Resende de; Carvalho, Marco Antonio Moreira de; Toffolo, Túlio Ângelo Machado; Arroyo, José Elias Claudio; Guimarães, Frederico GadelhaA otimização caixa-cinza tem emergido como uma alternativa promissora aos tradicionais métodos de otimização caixa-preta, uma vez que esses métodos tradicionais deterioram seu desempenho ao lidar com problemas de larga escala. Embora trabalhos relacionados à otimização caixa-cinza tenham sido introduzidos na literatura nos últimos anos, há uma carência de estudos sobre essa abordagem no contexto de otimização contínua. Os problemas de otimização contínua representam uma importante subclasse de problemas práticos de otimização. Em particular, estudos sobre otimização contínua de problemas de larga escala vem recebendo especial atenção na última década. Nesse contexto, este trabalho se propõe a estudar e desenvolver diferentes abordagens caixa-cinza para lidar com essa subclasse de problemas. Para isso, definições matemáticas de separabilidade de problemas de otimização que são a base teórica para implementação das abordagens caixa-cinza são apresentadas e discutidas. Baseados nessas definições, diferentes algoritmos caixa-cinza foram propostos neste estudo. Um estudo experimental utilizando um conjunto de problemas de otimização contínua de larga escala foi proposto para investigar o desempenho das abordagens introduzidas. Os resultados demonstram um desempenho promissor das abordagens caixa-cinza em comparação com as versões caixa-preta. Em resumo, esses resultados demonstram a capacidade das estratégias caixa-cinza de melhorar as soluções encontradas e economizar tempo de processamento, explorando a estrutura do problema e avaliações parciais.Item Local search with groups of step sizes.(2021) Costa, Rodolfo Ayala Lopes; Freitas, Alan Robert Resende de; Silva, Rodrigo César PedrosaLocal search methods for continuous optimization problems tend to be sensitive to the choice of step sizes in their search directions. This paper presents the Local Search with Groups of Step Sizes (LSGSS) method, a derivative-free method that reactively updates groups of promising step sizes for each problem coordinate. The experiments demonstrate LSGSS could find the best solutions for each large-scale benchmark problem when compared to classical methods.