Zadania projektowe do przedmiotu POR (na semestr zimowy 2006 roku) 

prowadzący: Ewa Niewiadomska-Szynkiewicz (e-mail: e-n-s@ia.pw.edu.pl, pokój 572),

                           konsultacje: czwartki godzina 10.00 – 12.00

 

(nazwisko) oznacza, że zadanie jest już wybrane

 

Aplikacje mogą być realizowane z wykorzystaniem następujących mechanizmów:

·       pamięć dzielona: wątki POSIX, wątki w języku Java, OpenMP dla programów w języku C

·       pamięć rozproszona: MPI, RPC (jeżeli pierwsza część była realizowana w wątkach w języku Java, druga nie może być wykonana z wykorzystaniem RMI)

 

Osoby zainteresowane realizacją wymienionych zadań projektowych są proszone o zgłoszenie się po materiały pomocnicze.

 

Uwaga! Nominalny czas zakończenia i oddania projektu do końca semestru (ostatni dzień przed rozpoczęciem sesji).

  W przypadku opóźnienia oddania projektu ocena jest obniżona o 1.

 

 

Metody optymalizacji wypukłej. Zadania dotyczą równoległej implementacji różnych metod poszukiwania lokalnego minimum (maksimum) w Rn. Należy zaproponować dwa różne sposoby zrównoleglenia algorytmów (wersja synchroniczna i asynchroniczna) i wykonać testy dla podanych funkcji.

Zadania:

1      Metoda sympleksu nieliniowego w wersji równoległej (algorytm opracowany przez p. V. Torczon). Ocenić przyspieszenie obliczeń w zależności od stopnia zrównoleglenia (sprawdzić – dla większych wymiarów – wpływ liczności wierzchołków, przydzielanych do jednego procesora na szybkość obliczeń).  Wykonać testy dla funkcji A i B (dla n=5,  10, 20, 50, 100).(G. Pusz, Ł. Szejba)

 

A  Funkcja testowa 4-tego stopnia

 

 

B  Funkcja Rosenbrocka

 

 

2      Metoda optymalizacji z ograniczeniami Complex-Box (metoda wykorzystująca przekształcanie wielościanu utworzonego przez punkty wybierane z obszaru poszukiwań). Metoda sprawdza spełnienie ograniczeń. Rozwiązać zamieszczone poniżej zadania: Zad. 1 i Zad. 2. (dla n=5,  10, 20, 50, 100).(A. Gerula, ...)

 

Zad. 1

 

 

Zad. 2

 

 

Metody optymalizacji niewypukłej. Zadania dotyczą równoległej i rozproszonej implementacji różnych metod poszukiwania globalnego minimum (maksimum) w Rn. Należy zaproponować dwa różne sposoby zrównoleglenia algorytmów (wersja synchroniczna i asynchroniczna) i wykonać testy dla podanych funkcji.

Zadania:

3      Metoda optymalizacji wielostartowej polegająca na równoległym losowaniu poszukiwań i wyznaczaniu najlepszych punktów (min/max) w tych kierunkach. Wynik – najlepszy (w sensie zadanego kryterium) wyznaczony punkt. Do wyznaczenia minimum w kierunku zastosować metodę interpolacji kwadratowej lub złotego podziału. Wykonać testy dla funkcji C i D (dla n=2,  10, 20, 50, 100). (J. Lipowski, M. Grzębski)

 

4      Hybrydowa metoda losowa – połączenie metody sterowanego przeszukiwania losowego i metody symulowanego wyżarzania SA.  Wykonywane są kolejno operacje losowania i przekształcania kompleksu utworzonego z punktów wylosowanych z obszaru poszukiwań oraz w przypadku znalezienia lepszego rozwiązania, uruchamiany jest algorytm SA. (równolegle). Wykonać testy dla funkcji C i D (dla n=2, 10, 20, 50, 100). (T. Kaczyński, M. Kurcz)

 

5      Optymalizacja sieci za pomocą algorytmu ewolucyjnego. (K. Ostolski)

 

6      Algorytm koewolucyjny (wersja algorytmu genetycznego z kodowaniem binarnym lub strategii ewolucyjnej z kodowaniem rzeczywistoliczbowym – do wyboru). Operujemy na kilku populacjach punktów. Populacje co pewien okres czasu wymieniają między sobą informacje. Wykonać testy dla funkcji D i E (dla n=2,  10, 20, 50, 100). (W. Wasiak, P. Malinowski)

 

C  Funkcja Rosenbrocka

 

 

D.  Funkcja Griewanka

 

·        

 

. Ma minimum globalne , w punkcie .

 

 

E.  Funkcja Acleya

                                             

. Ma minimum globalne , w punkcie .

 

 

Zastosowania.

Zadania:

7      Rozwiązanie zadania komiwojażera za pomocą algorytmu genetycznego. (P. Simiński, M. Wyrzyk)

8      Zaproponować optymalny dla firmy (maksymalizujący zysk ze sprzedaży) rozdział środków na reklamę jej produktów w radiu, telewizji i prasie. Wykorzystać nieliniowy model sprzedaży. Do rozwiązania zadania optymalizacji zastosować metodę poszukiwań losowych CRS2. (M. Rosiewicz i P. Mochocki)

 

Symulacja rozproszona.

Zadania:

9      Algorytm symulacji rozproszonej asynchronicznej MTW (Moving Time Windows) – metoda z zawijaniem czasu na oknach. (Ł. Bamburski, K. Żukowski)

 

Identyfikacja.

Zadania:

10   Algorytm identyfikacji bazujący na metodzie PCA. (J. Florczuk)