A cross-domain multi-armed bandit hyper-heuristic

Detalhes bibliográficos
Autor(a) principal: Ferreira, Alexandre Silvestre
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: http://hdl.handle.net/1884/41803
Resumo: Orientadora : Profª. Drª. Aurora Pozo
id UFPR_9c8f22af429b456236988c01e7a3fff2
oai_identifier_str oai:acervodigital.ufpr.br:1884/41803
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Ferreira, Alexandre SilvestreGonçalves, Richard AderbalUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaRamirez Pozo, Aurora Trinidad, 1959-2017-08-22T17:20:14Z2017-08-22T17:20:14Z2016http://hdl.handle.net/1884/41803Orientadora : Profª. Drª. Aurora PozoCo-orientador : Prof. Dr. Richard Aderbal GonçalvesDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 26/02/2016Inclui referências : f. 64-70Resumo: Muitos problemas de otimização do mundo real são complexos e possuem muitas variáveis e restrições. Por esta causa, o uso de meta-heurísticas tornou-se a principal maneira de resolver problemas com essas características. Uma das principais desvantagens do uso de meta-heurísticas e que são geralmente desenvolvidas utilizando características do domínio fazendo com que sejam atreladas a ele dificultando sua utilização em outros problemas. Em buscas de algoritmos mais adaptáveis o conceito de hiper-heurísticas surgiu. Hiper- heurísticas são métodos de busca que visam solucionar problemas de otimização selecionando ou gerando heurísticas. Hiper-heurísticas de seleção escolhem uma boa heurística para ser aplicada a partir de um conjunto de heurísticas. O método de seleção e a principal peca de uma hiper-heurística de seleção tendo impacto fundamental em sua performance. Apesar de existirem vários trabalhos sobre hiper-heurísticas de seleção, ainda não existe consenso sobre como uma boa estratégia de seleção deve ser definida. Em busca de uma estratégia de seleção, algoritmos inspirados nos conceitos do problema Multi-Armed Bandit (MAB) serão estudados. Estes algoritmos foram aplicados ao contexto da Seleção Adaptativa de Operadores obtendo resultados promissores. Entretanto, ainda existem poucas abordagens para o contexto de hiper-heurísticas. Nesta dissertação propomos uma hiper-heurística que utiliza algoritmos MAB como sua estratégia de seleção. A abordagem proposta e desenvolvida utilizando o framework HyFlex, que foi proposto para facilitar a implementação e comparação de novas Hiper- heurísticas. Os parâmetros foram configurados através de um estudo empírico, e a melhor configuração encontrada foi comparada com os 10 primeiros colocados da competição CHeSC 2011. Os resultados obtidos foram bons e comparáveis com os das melhores abordagens da literatura. O algoritmo proposto alcançou a quarta colocação. Apesar dos bons resultados, os experimentos demonstram que a abordagem proposta sofre grande influencia dos parâmetros. Trabalhos futuros irão investigar formas de amenizar esta influência.Abstract: Many real word optimization problems are very complex with many variables and constraints, and cannot be solved by exact methods in a reasonable computational time. As an alternative, meta-heuristics emerged as an efficient way to solve this type of problems even though they cannot ensure optimal values. The main issue of meta-heuristics is that they are built using domain-specific knowledge, therefore they require a great effort to be used in a new domain. In order to solve this problem, the concept of Hyper-heuristics were proposed. Hyper-heuristics are search methods that aim to solve optimization problems by selecting or generating heuristics. Selection hyper-heuristics choose from a pool of heuristics a good one to be applied at the current stage of the optimization process. The selection mechanism is the main part of a selection hyper-heuristic and has a great impact on its performance. Although there are several works focused on selection hyperheuristics, there is no unanimity about which is the best way to define a selection strategy. In this dissertation, a deterministic selection strategy based on the concepts of the MultiArmed Bandit (MAB) problem is proposed to cross-domain optimization. Multi-armed bandit approaches define a selection function with two components, the first is based on the performance of an operator and the second based on the number of times that the operator was used. These approaches had showed a promising performance over the Adaptive Operator Selection context. However, there are few works on literature that aim the hyper-heuristic context, as proposed here. The proposed approach is integrated into the HyFlex framework, that was developed to facilitate the implementation and comparison of hyper-heuristics. An empirical parameter configuration was performed and the best setup was compared to the top ten CHeSC 2011 algorithms using the same methodology adopted during the competition. The results obtained were good comparable to those attained by the literature. Moreover, it was concluded that the behavior of MAB selection is heavily affected by its parameters. As this is not a desirable behavior to hyper-heuristics, future research will investigate ways to better deal with the parameter setting.70 f. : il.application/pdfDisponível em formato digitalCiência da computaçãoAlgoritmos de computadorProgramação (Computadores)Otimização combinatoriaTesesA cross-domain multi-armed bandit hyper-heuristicinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - ALEXANDRE SILVESTRE FERREIRA.pdfapplication/pdf1395299https://acervodigital.ufpr.br/bitstream/1884/41803/1/R%20-%20D%20-%20ALEXANDRE%20SILVESTRE%20FERREIRA.pdf4a67ed6b7dd1bd816ae684ed2584b5bfMD51open accessTEXTR - D - ALEXANDRE SILVESTRE FERREIRA.pdf.txtExtracted Texttext/plain165400https://acervodigital.ufpr.br/bitstream/1884/41803/2/R%20-%20D%20-%20ALEXANDRE%20SILVESTRE%20FERREIRA.pdf.txt1341473a5b23b65a29a4c09f036ab7ffMD52open accessTHUMBNAILR - D - ALEXANDRE SILVESTRE FERREIRA.pdf.jpgGenerated Thumbnailimage/jpeg1191https://acervodigital.ufpr.br/bitstream/1884/41803/3/R%20-%20D%20-%20ALEXANDRE%20SILVESTRE%20FERREIRA.pdf.jpgeb73856c01cc347e27b7a6ebde5cb5adMD53open access1884/418032017-08-22 14:20:15.12open accessoai:acervodigital.ufpr.br:1884/41803Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082017-08-22T17:20:15Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv A cross-domain multi-armed bandit hyper-heuristic
title A cross-domain multi-armed bandit hyper-heuristic
spellingShingle A cross-domain multi-armed bandit hyper-heuristic
Ferreira, Alexandre Silvestre
Ciência da computação
Algoritmos de computador
Programação (Computadores)
Otimização combinatoria
Teses
title_short A cross-domain multi-armed bandit hyper-heuristic
title_full A cross-domain multi-armed bandit hyper-heuristic
title_fullStr A cross-domain multi-armed bandit hyper-heuristic
title_full_unstemmed A cross-domain multi-armed bandit hyper-heuristic
title_sort A cross-domain multi-armed bandit hyper-heuristic
author Ferreira, Alexandre Silvestre
author_facet Ferreira, Alexandre Silvestre
author_role author
dc.contributor.other.pt_BR.fl_str_mv Gonçalves, Richard Aderbal
Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.author.fl_str_mv Ferreira, Alexandre Silvestre
dc.contributor.advisor1.fl_str_mv Ramirez Pozo, Aurora Trinidad, 1959-
contributor_str_mv Ramirez Pozo, Aurora Trinidad, 1959-
dc.subject.por.fl_str_mv Ciência da computação
Algoritmos de computador
Programação (Computadores)
Otimização combinatoria
Teses
topic Ciência da computação
Algoritmos de computador
Programação (Computadores)
Otimização combinatoria
Teses
description Orientadora : Profª. Drª. Aurora Pozo
publishDate 2016
dc.date.issued.fl_str_mv 2016
dc.date.accessioned.fl_str_mv 2017-08-22T17:20:14Z
dc.date.available.fl_str_mv 2017-08-22T17:20:14Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1884/41803
url http://hdl.handle.net/1884/41803
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 70 f. : il.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/41803/1/R%20-%20D%20-%20ALEXANDRE%20SILVESTRE%20FERREIRA.pdf
https://acervodigital.ufpr.br/bitstream/1884/41803/2/R%20-%20D%20-%20ALEXANDRE%20SILVESTRE%20FERREIRA.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/41803/3/R%20-%20D%20-%20ALEXANDRE%20SILVESTRE%20FERREIRA.pdf.jpg
bitstream.checksum.fl_str_mv 4a67ed6b7dd1bd816ae684ed2584b5bf
1341473a5b23b65a29a4c09f036ab7ff
eb73856c01cc347e27b7a6ebde5cb5ad
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860721524342784

Registros relacionados