IPLUSO 24348

Algoritmos Estocásticos e Otimização

• ApresentaçãoPresentation

  A otimização é necessária em todas os ramos do saber. Nela se fundamenta a procura de eficiência. Um bom profissional, nomeadamente de informática precisa de ter conhecimento dos processos de otimização no sentido não só de os poder utilizar como também aconselhar aos possíveis utilizadores os melhores algoritmos evitando assim que promova otimização deficientes. Os algoritmos estocásticos permitem-nos resolver problemas que de outras maneira seriam de difícil solução ou computacionalmente custosos. É portanto importante uma formação nesta área aos futuros profissionais de informática.  
• ProgramaProgramme

  CP 1 - Introdução aos Algoritmos Estocásticos (Problema do continuo e a aproximação via os números racionais; Otimização Determinística; Recozimento simulado; Variantes; Problemas de complexidade; Vantagens e desvantagens de ambas as abordagens) CP2 - Algoritmos Genéticos CP3 - Algoritmos por Bando (Ant Colony Optimization; Particle swarm optimization) CP4 - Algoritmos estocásticos para Integração (Integração de Monte-Carlo; Amostragens) CP5 - Algoritmos de seguimento (Monte-Carlo sequencial ou Filtro de Partículas)
• ObjectivosObjectives

  OA1. Familiarização com os processos de otimização e de alguns algoritmos para essa finalidade, assim como um conhecimento das grandes famílias de algoritmos estocásticos e ter alguns conhecimentos mais aprofundados de alguns algoritmos mais significativos. OA2. Entender não só as ideias subjacentes aos vários algoritmos como a diferenças em termos de vantagens e desvantagens entre eles. OA3. Identificar os campos de aplicação dos vários algoritmos apresentados, assim como indicar como codificar os vários algoritmos como método de solução de problemas pouco complexos. OA4. Entender e utilizar bibliotecas que tenham estes algoritmos já implementados.
• BibliografiaBibliography

  Johannes Schneider, Scott Kirkpatrick -Stochastic Optimization (Scientific Computation),  Springer, 2007, ISBN-13: 978-3540345596 A.E. Eiben, J.E. Smith - Introduction to Evolutionary Computing, 2nd Edition, Springer, 2015, ISBN 978-3-662-44873-1 Ch. Venkateswarlu, Satya Eswari Jujjavarapu - Stochastic Global Optimization Methods and Applications to Chemical, Biochemical, Pharmaceutical and Environmental Processe,  Elsevier Science Publishing Co Inc, 2019,  ISBN13 9780128173923  
• MetodologiaMethodology

  Depois de uma apresentação teórica inicial, onde se aproveita para na componente de contacto prática se criar as condições para os alunos poderem aplicar essa componente no futuro, inicia-se uma fase onde a componente teórica tem aplicações práticas que são apresentadas e deverão ser resolvidas nas horas de contacto da parte prática. Assim que a matéria o permita é dado aos alunos uma serie de pequenos problemas que deverão ser resolvidos nas aulas práticas e se estas não forem suficientes posteriormente de forma independente. A nota mínima para aprovação à disciplina é 10 valores. Caso o aluno não seja aprovado em avaliação contínua, fará um exame final, e a nota da disciplina será a nota desse exame. A Avaliação contínua engloba 2 frequências com um peso de 35% cada, e um trabalho prático com um peso de 30%.   
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  6
• NaturezaNature

  Obrigatório
• EstágioInternship

  Não