Hyper-Heur

1
Hyper-Heurísticas
2
Motivação

• Grande quantidade de Meta-Heurísticas
• Problema especificas
• Requerem muito conhecimento
• Hyper-Heurísticas devem ser
• Mais baratas de implementar
• Mais fáceis de usar

3
Emergência

• No Free Lunch Theorem. Wolper MacReady, 1995.
• Quando se faz a média sobre todos os problemas
  definidos em um dados espaço de busca, todos os
  algoritmos de busca possuem a mesma performance
  média.

4
Pergunta

• A que tipos de problemas um dado algoritmo pode
  ser útil ???

5
Conceito de Hyper-Heurística

• Diferentes heurísticas possuem diferentes
  fraquezas e vantagens
• Podem elas serem combinadas de alguma forma ???

6
Um algoritmo

• Se (problemaTipo(P) p1)
• aplique(heurística1, P)
• Senão Se (problemaTipo(P) p2)
• aplique(heurística2, P)
• Senão .....

7
Framework

• Comece com um conjunto H de ingredientes de
  heurísticas
• Cada um pode ser aplicado ao estado do problema
• Seja o estado do problema inicial So
• Se o estado do problema é Si
• Encontre o ingrediente mais apto para transformar
  o estado e aplique-o
• Se o problema esta resolvido, pare. Senão Volte a
  3

8
Variantes

• H pode mudar na execução
• A aptidão de cada elemento pode mudar...

9
Framework
Hyper-Heurística
Barreira do Domínio
Nível de Heurísticas
.................
Função de Avaliação
10
Comentários

• A heurística trabalha no problema, normalmente
  com conhecimento do domínio
• A hyper-heurística esta num nível mais alto, sem
  conhecimento do domínio

11
Interface

• Permite a Hyper comunicar-se com as heurísticas
• Resultados da função de avaliação, tempo de
  processamento. Cada heurística pode informar
  quanto tempo requer
• Permite um desenvolvimento rápido para outros
  domínios

12
Estado Interno da Hyper

• Quanto tempo demoro uma dada heurística a ultima
  vez que foi chamada
• A mudança na função de avaliação quando uma
  heurística foi chamada
• Quanto tempo faz que uma dada heurística não foi
  chamada
• Estas informações são acessadas por uma função de
  escolha ou decisão

13
Hyper e Evolução

• Algoritmo Genético evolui a seqüência de chamadas
  as heurísticas
• Cada cromossomo é avaliado pela solução que
  retorna de aplicar as heurísticas na ordem dada.
• O comprimento do cromossomo é variável e eles são
  penalizados por levar muito tempo para
  avaliar-se.

14
Abordagens Recentes

• Aprendizado de regras
• Aprender regras que associem as características
  do estado atual com as heurísticas
• As regras são aplicadas após de acordo com as
  características dos estados.

15
Função de Escolha

• Uma função escolhe a estratégia de vizinhanças a
  explorar.
• A função de escolha
• Combinação de conhecimento de especialista
• Tempo

16
Raciocínio baseado em casos

• Este paradigma é usado para selecionar as
  heurísticas
• O raciocínio baseado em casos escolhe o caso mais
  semelhante ao atual

17
Referências

• Hyper-Heuristics An Emerging Direction in Modern
  Search Technology. Authors Edmund Burke, Emma
  Hart, Graham Kendall, Jim Newall, Peter Ross and
  Sonia Schulenburg. Handbook of Metaheuristics.
  Fred Glover, Gary A. Kochenberger, 2003 Springer,
  ISBN1402072635