Trabajo Fin de Máster

Trabajo Fin de Máster
Uso del algoritmo survey propagation en métodos híbridos de optimización
heurística
CONTEXTO
Los algoritmos de inferencia basados en el paso de mensajes (message passing algorithms (MPAs))
son ampliamente utilizados como métodos de inferencias en modelos gráficos probabilísticos
(MGP). Estos algoritmos se utilizan para incorporar de manera eficiente evidencia sobre el sistema,
permitiendo la actualización de los modelos. El desarrollo de MPAs y el análisis de su relación con
diferentes conceptos conocidos en la Física Estadística ha permitido un notable interés en el estudio
de estos métodos. Recientemente estos algoritmos han sido utilizados igualmente como
componentes de algoritmos de optimización heurística.
Uno de los MPAs con mejores resultados en su aplicación a problemas de optimización
combinatoria y cuyas propiedas han sido ampliamente estudiadas es el algoritmo survey
propagation (SP). El algoritmo SP fue originalmente concebido para la solución de problemas con
restricciones, en particular el problema de la satisfiabilidad. Este MPAs ofrece varias posibilidades
para su uso como componente de algoritmos de optimización heurística, incluídos aquellos que
utilizan poblaciones de soluciones para realizar la búsqueda.
OBJETIVO
El objetivo de este proyecto es investigar el uso del algoritmo SP en el contexto de la solución de
problemas de optimización discretos. Se persigue la concepción de métodos originales y efectivos
que permitan incorporar el SP como una componente de los algoritmos de optimización, en
particular, métodos de optimización basados en modelación probabilística.
TAREAS A DESARROLLAR
- Estudio del algoritmo SP y las implementaciones disponibles del mismo.
- Revisión parcial de la literatura en la aplicación de MPAs a problemas de optimización.
- Diseño e implementación (lenguajes de programación posibles: C++ o Python) de diferentes
variantes híbridas de MPAs y algoritmos de optimización.
- Evaluación de los algoritmos implementados en problemas de optimización combinatoria.
REQUISITOS DEL ALUMNO
- Conocimientos de Inglés. Se espera que la tesis se escriba en este idioma.
- Buenos conocimientos de programación en C++ y familiaridad con el lenguaje Python.
DIRECTOR
Roberto Santana (El trabajo podrá ser co-tutorado por otro profesor del grupo ISG)
Intelligent Systems Group (ISG): http://www.sc.ehu.es/ccwbayes/isg/
Facultad de Informática
UPV/EHU
Contacto: roberto.santana@ehu.es
Referencias
- Survey propagation: an algorithm for satisfiability (http://arxiv.org/abs/cs/0212002)
- Introducing Belief Propagation in Estimation of Distribution Algorithms: A Parallel Approach.
(http://www.sc.ehu.es/ccwbayes/publications/postscript/TechRep_EDAsAndLBP.pdf)
- Implementations of Survey Propagation and Belief Propagation based algorithms for random
satisfiability. (http://users.ictp.it/~zecchina/SP/)