Академический Документы
Профессиональный Документы
Культура Документы
Sumário.............................................................................................................................................. 1
Capítulo 1........................................................................................................................................... 2
Capítulo 2........................................................................................................................................... 3
Capítulo 3........................................................................................................................................ 15
Capítulo 4........................................................................................................................................ 18
Capítulo 5........................................................................................................................................ 20
i
Capítulo 1
Introdução
2
Capítulo 2
2.1.1 Função 1:
Funçã o quadrá tica com restriçõ es lineares
Có digo: fdemonst.m
% Quadract function
% Objective function
fx = (x(1,:)- 1).^2 + (x(2,:)- 1).^2;
dfx = [2*(x(1)-1); 2*(x(2)-1)];
% Contraints (g1(x) <= 0)
gx(1,:) = x(1,:) + x(2,:) - 1;
dgx(1,1) = 1;
dgx(2,1) = 1;
% Contraints (g2(x) <= 0)
gx(2,:) = x(1,:) - x(2,:) - 1;
2.1.2 Função 2:
Problema de Rosen e Suzuki
Có digo: pb_rosensuzuki_convexa.m
3
Figura 2 - Funçã o objetivo e restriçõ es para a Funçã o 2
2.1.3 Função 3:
Funçã o quadrá tica com restriçõ es quadrá ticas
Có digo: fquadx.m
% Objective function
fx = (x(1,:)- 2).^2 + (x(2,:)- 2).^2;
dfx = [2*(x(1)-2); 2*(x(2)-2)];
% Contraints (g1(x) <= 0)
gx(1,:) = x(1,:) .^ 2 + 4 * x(2,:) .^ 2 - 1;
dgx(1,1) = 2*x(1,1);
dgx(2,1) = 8*x(2,1);
% Contraints (g2(x) <= 0)
gx(2,:) = (x(1,:)-2) .^ 2 + 4 * x(2,:) .^ 2 - 1;
dgx(1,2) = 2*x(1,1)-2;
dgx(2,2) = 8*x(2,1);
2.1.4 Função 4:
Problema de Svanverg
Có digo: fsvanb.m
% Funcao objetivo.
fobj = x(1,1)*sqrt(1+x(2,1)^2);
2.1.5 Função 5:
2.1.6 Função 6:
5
Fi
gura 6 - Funçã o objetivo e restriçõ es para a Funçã o 6
Nesta seçã o os métodos sã o comparados pelo nú mero de iteraçõ es, valor final da
funçã o objetivo e fator final de convergência de Powell. Além destes valores, sã o
mostrados os grá ficos com o traçado das elipses em cada iteraçã o, evoluçã o da funçã o
objetivo e evoluçã o do fator de convergência de Powell. Para todas as funçõ es e métodos
de deep-cut foram usados o ponto inicial x0 = (8,8).
2.1.1 Função 1:
Funçã o quadrá tica com restriçõ es lineares
Có digo: fdemonst.m
6
Figura 7 - Convergência para Funçã o 1, método original
2.1.2 Função 2:
Problema de Rosen e Suzuki
Có digo: pb_rosensuzuki_convexa.m
7
Figura 10 - Convergência para Funçã o 2, método original
8
2.1.3 Função 3:
Funçã o quadrá tica com restriçõ es quadrá ticas
Có digo: fquadx.m
9
Figura 15 - Convergência para Funçã o 3, método deep-cut Douglas-Adriano
2.1.4 Função 4:
Problema de Svanverg
Có digo: fsvanb.m
10
Figura 17 - Convergência para Funçã o 4, método deep-cut Rodney-Takahashi
2.1.5 Função 5:
11
Figura 19 - Convergência para Funçã o 5, método original
2.1.6 Função 6:
12
Norma distorcida e condicionada com restriçõ es
Có digo: ftiltednormcond_rosensuzu.m
Tabela 6 - Resultados para Funçã o 6, 2 dimensõ es, x_0 fixo
13
Figura 24 - Convergência para Funçã o 5, método deep-cut Douglas-Adriano
Capítulo 3
Nesta seçã o foi investigado o efeito do parâ metro s para a realizaçã o do método
deep-cut. Para tal usou-se a funçã o 2 (problema de Rosen-Suzuki com restriçõ es) e o
método de Rodney-Takahashi com ponto inicial x_0 = (8, 8)T. Foram testados dez
valores de s indo de 0 até 0,3125, avaliando sua influência no nú mero de iteraçõ es, valor
final da funçã o objetivo e valor final do fator de convergência. Foram registrados os
grá ficos de convergência da funçã o objetivo e do fator de convergência para s = 0, s =
0,1736 e s = 3,125.
14
Tabela 7 - Resultados da influência do parâ metro s do deep-cut
Figura 25 - Efeito de s nas métricas de interesse a) Nú mero de iteraçõ es, b) Valor final do fator de
convergência de Powell e c) valor final da funçã o objetivo.
15
Figura 26 - Grá ficos de convergência para a) s=0, b) s=0,1736 e c) s=0,3125.
16
Capítulo 4
17
Tabela 9 - Resultado para aumento de dimensã o. Valor final da funçã o objetivo
Tabela 10 - Resultado para aumento de dimensã o. Valor final do fator de convergência de Powell
18
Figura 27 – Grá fico comparativo do nú mero de iteraçõ es em funçã o da dimensã o para os três métodos.
A tabela 9 indica que os três métodos chegaram em torno da mesma soluçã o, com
o deep-cut de Douglas-Adriano chegando à uma soluçã o ligeiramente pior do que os
outros dois métodos. A tabela 8 assim como o grá fico da figura 27 mostram que há
grande diferença na complexidade dos métodos. O método original é sem dú vidas o mais
lento, com crescimento aparentemente exponencial do nú mero de iteraçõ es. O método
de Rodney-Takahashi se mostra significativamente mais rá pido que o original. O método
que melhor escala com a dimensã o do problema é o de Douglas-Adriano, sendo entã o o
mais indicado no caso de problemas de alta dimensionalidade.
Capítulo 5
Conclusão
19
enquanto a versã o de Douglas-Adriano teve problemas ao otimizar a funçã o 2 e o
método de Rodney-Takahashi teve problemas ao otimizar a funçã o 4.
Os experimentos do capítulo 3 indicam que um aumento do parâ metro s de deep-
cut reduz o nú mero de iteraçõ es necessá rio sem influenciar na qualidade da soluçã o. Os
experimentos da capítulo 4 indicam que a versã o com deep-cut de Douglas-Adriano é a
mais eficiente, reduzindo consideravelmente o crescimento do nú mero de iteraçõ es em
funçã o da dimensã o do problema.
Globalmente pode-se notar que o método elipsoidal se baseia em delimitar
regiõ es que contém a soluçã o, diminuindo gradualmente essa regiã o até que ela se torne
apenas a soluçã o. Outra característica observá vel do método é que a soluçã o encontrada
é aproximada. Os grá ficos de convergência (figuras 8 a 24 e figura 26) indicam que a
regiã o de busca cerca rapidamente a soluçã o, porém a aproximaçã o da soluçã o é
assintó tica, dando a característica hiperbó lica dos grá ficos.
20