EVENTO
Meta-modelos em algoritmos genéticos para otimização estrutural
Tipo de evento: Exame de Qualificação
O desenvolvimento nas últimas décadas de métodos de simulação computacional, como o Método dos Elementos Finitos, permitiram a criação de ferramentas que auxiliam o projetista em todas as fases do projeto, desde a fase conceitual, de análise e implementação. As ferramentas computacionais permitem simular o desempenho do projeto criado, mas ainda assim o projetista tem que encontrar um conjunto, geralmente grande, de parâmetros de projeto. Estes parâmetros devem atender a critérios de otimalidade com relação ao custo, gerenciamento, estética e outras características. Uma vez que as simulações computacionais, em muitos casos, são dispendiosas, a questão crucial é encontrar o melhor conjunto de parâmetros possível com um número mínimo de simulações. O objetivo deste trabalho é desenvolver modelos matemáticos ou físicos, denominados meta-modelos, para aproximar ou substituir simulações ou modelos que demandam alto esforço computacional. O modelo real pode envolver, por exemplo, a solução numérica de um sistema de equações diferenciais parciais. O meta-modelo pode ser uma simplificação física ou numérica do problema, ou uma construção empírica, baseada nas informações coletadas a partir de um conjunto de amostras. A abordagem proposta para os problemas de Otimização Estrutural resulta em um processo aditivo, onde técnicas de busca e melhoramento podem ser acopladas e sobrepostas, com o objetivo final de reduzir, senão o número de avaliações, o esforço computacional empregado, sem a perda significativa da qualidade das soluções finais. Como resultado, um espaço maior de possíveis soluções pode ser procurado, o que pode levar a potenciais soluções contra-intuitivas ou não tradicionais. Os resultados encontrados no processo de otimização podem auxiliar o projetista, conduzindo a conclusões preliminares, senão definitivas, que guiam a boas soluções enquanto evita a avaliação repetitiva de projetos alternativos em um processo computacionalmente custoso.Bibliografia:[1] Y. Jin. A comprehensive survey of fitness approximation in evolutionary computation. Soft Computing Journal, 9(1):3--12, 2005[2] T.W. Simpson and J.D. Poplinski and P. N. Koch and J.K. Allen. Metamodels for Computer-based Engineering Design: Survey and recommendations. 2001. Engineering with Computers, 17(2):129-150.[3] N. Krasnogor J.E. Smith. A Tutorial for Competent Memetic Algorithms: Model, Taxonomy and Design Issues. IEEE Transactions on Evolutionary Computation. 2005.vol.9, no.5,pp. 474- 488, Oct. 2005
Data Início: 25/04/2006 Hora: 10:00 Data Fim: 25/04/2006 Hora: 12:30
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio A
Aluno: Leonardo Goliatt da Fonseca - Laboratório Nacional de Computação Científica - LNCC
Orientador: Helio José Corrêa Barbosa - Laboratório Nacional de Computação Científica - LNCC/MCTI
Participante Banca Examinadora: Elson Magalhães Toledo - Laboratório Nacional de Computação Científica - LNCC Fernanda Maria Pereira Raupp - Pontificia da Universidade Católica do Rio de Janeiro - PUC-RIO Laurent Emmanuel Dardenne - Laboratório Nacional de Computação Científica - LNCC Maurício Vieira Kritz - Laboratório Nacional de Computação Científica - LNCC
