• Save
Defesa tese-mestrado-pvalente
Upcoming SlideShare
Loading in...5
×

Like this? Share it with your network

Share

Defesa tese-mestrado-pvalente

  • 689 views
Uploaded on

 

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
689
On Slideshare
689
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
0
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Prova de Mestrado em Engenharia Informática Pedro Ricardo da Nova ValenteLicenciado em Eng. Da Comunicação, vertente Sistemas de Informação Orientação: Prof. Doutor Luís Paulo Reis Mestre António Pereira Porto, Segunda-Feira, 16 de Março, 2009 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 1
  • 2. Tavira-Clube NavalAgenda Olhão Faro-Harbour Fuzeta-Canal Tavira-Cabanas Ancão Olhão – Faro – Canal de Marim main channel1) Introdução Flood Flood2) Simulação Ecológica -1 m s-13) Métodos de Optimização4) Simulador EcoSimNet5) Projecto Agente Calibrador6) Experiências7) Conclusões e Perspectivas Futuras m s-1 mg m-3 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 2
  • 3. IntroduçãoIntrodução Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Problema Motivação Objectivos MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 3
  • 4. IntroduçãoProblema Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras • Simulação de Modelos Ecológicos AquáticosDomínio: • A calibração de modelos é uma fase crucial e dispendiosa na modelação de modelos. Normalmente realizada porProblema: peritos no modelo, com tentativa-erro. • Dotar o Simulador de uma ferramenta capaz de calibrar modelos ecológicos, de forma semi-automática, Solução diminuindo o tempo consumido no processo de calibração. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 4
  • 5. IntroduçãoObjectivos Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Estudar como podem Algoritmos de Optimização conhecidos ser usados no processo de calibração de modelos ecológicos; Definir processo de Calibração Genérico para modelos ecológicos; Dotar o Sistema de Simulação EcoSymNet de uma ferramenta de Calibração Automática. Criar uma plataforma de calibração capaz de testar novos algoritmos de Calibração Objectivos Secundários: • Generalização do Sistema; • Extensibilidade dos métodos de optimização; • Optimização do processo de análise; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 5
  • 6. IntroduçãoMotivação Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Utilização da Simulação como ferramenta de suporte a decisão; Maior parte dos Simuladores ecológicos não possui mecanismos automáticos de calibração de modelos; Simulações são consideradas ferramentas importantes no estudo de como um dado sistema reage à mudança de parâmetros; Utilização do Simulador EcoSimNet – projecto FEUP/UFP; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 6
  • 7. IntroduçãoSimulação Ecológica Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Simuladores Simulação de Simulação Ecológicos Modelos Hidrodinâmica Aquáticos MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 7
  • 8. IntroduçãoSimulação de Modelos Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Modelo: Representação abstracta da realidade; Sistema: colecção de entidades, que actuam e interagem conjuntamente para realização de algo lógico; Simulação: permite a geração de cenários apartir de um dado modelo; O modelo pode ser constituído por formulação matemática que assenta em 5 componentes: • Variáveis externas ou funções fixas, • Variáveis de Sistema, • Equações Matemáticas, • Parâmetros, • Constantes. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 8
  • 9. IntroduçãoSimulação de Modelos(1) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Os Modelos podem ser classificados de diversas formas: Estáticos ou Dinâmicos Classificação de Modelos Contínuos ou Determinísticos Discretos ou Estocásticos MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 9
  • 10. IntroduçãoSimulação Hidrodinâmica Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras A hidrodinâmica é uma parte da Mecânica dos fluidos que estuda o escoamento dos fluidos. Fomenta a optimização da gestão de ecossistemas aquáticos; A optimização deve assentar num sistema de monitorização: • Medidas, • Modelação, • Partilha de dados/resultados. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 10
  • 11. Simuladores Ecológicos Introdução Simulação Ecológica Métodos de Optimização Simulador EcoSimNetAquáticos Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Servem de SAD para um desenvolvimento sustentado dos ecossistemas; Simulam processos Bioquímicos • Por exemplo: fotossíntese, ciclo de nutrientes Devido a sua complexidade de representação, muitos modelos são simplificações implícitas ou ambíguas; Normalmente os Simuladores estão dependentes do modelo. Um modelo = Um Simulador m s-1 mg m-3 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 11
  • 12. IntroduçãoMétodos de Optimização Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Calibração: encontrar o conjunto de valores de parâmetros indicados de forma a representar a realidade; Subida de Colina (Hill-Climbing) • Método de pesquisa local; Arrefecimento Simulado (Simulated annealing) • Método de pesquisa local, recorrendo a analogia com a termodinâmica Algoritmos Genéticos • Algoritmo evolutivo; • Faz uso da teoria da evolução das espécies; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 12
  • 13. IntroduçãoSimulador EcoSimNet Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Ecolang Arquitectura Simulador Definição •Linguagem de Sistema EcoDynamo Comunicação Tavira-Clube Naval Olhão Faro-Harbour Fuzeta-Canal Tavira-Cabanas Ancão Olhão – Faro – Canal de Marim main channel Flood Flood -1 m s-1 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 13
  • 14. IntroduçãoEcoSimNet Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras EcoSimNet é acrónimo para Ecologic Simulator Network; Sistema Multi-Agente para Simulações Ecológicas Integrado no projecto ABSES: Agent Based Simulation of Ecological Systems (FCT/POSC/EIA/57671/2004); Associado a um projecto europeu (DITTY) como Sistemas de Apoio à Decisão (SAD) para a gestão de ecossistemas costeiros Dotar o Simulador da capacidade de representação de influências externas no desenvolvimento MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 14
  • 15. IntroduçãoArquitectura Sistema Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 15
  • 16. IntroduçãoSimulador EcoDynamo Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Núcleo de toda a plataforma; Capacidade de modelação para ecossistemas aquáticos; Consegue simular componentes físicas e biológicas dos modelos ao longo do tempo; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 16
  • 17. IntroduçãoECOLANG Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador ExperiênciasConclusões e Perspectivas Futuras Linguagem de comunicação que permite a troca de informações entre a aplicação de simulação ecológicas e os agentes externos; Baseado no trabalho de Reis e Lau (2002), a COACH UNILANG; linguagem de alto nível com capacidade de descrição do sistema ecológico: Execução • características regionais, • percepções dos agentes e suas acções. Eventos Configuração Tipos de Acções EcolangExemplo Mensagem ECOLANG Estatísticas Definições MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 17
  • 18. IntroduçãoProjecto Agente Calibrador Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Algoritmos Arquitectura Função de Definição Módulos de Sistema Avaliação Optimização MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 18
  • 19. IntroduçãoProjecto Agente Calibrador Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Desenvolvido em linguagem C++; Comunica com o Simulador através do protocolo de simulação EcoLang; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 19
  • 20. IntroduçãoArquitectura Sistema Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 20
  • 21. IntroduçãoMódulos Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Data Manipulation: definição das estruturas de armazenamento de dados provenientes do Simulador; Generic Function: funções genéricas usadas por todo o agente calibrador; Calibration Module: funções genéricas usadas pelos algoritmos de optimização; Calibration Windows Form: responsável pela definição da interface gráfica com o utilizador. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 21
  • 22. IntroduçãoMódulos(1) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Generic Functions (Class) Data Manipulation structures (Classes) Calibration Class Calibration Windows Forms Simulated Genetic Hill Climbing … Annealing Algorithm MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 22
  • 23. IntroduçãoFunção de Avaliação Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Responsável pela determinação da proximidade ou não, da solução criada com a que pretendemos criar (grau de confiança); ƒ(χ) = ∑ weight * (Moriginal – Msimulated); Weight = peso a atribuir a cada variavel em análise; Os dados originais podem ser: • Lidos apartir de uma base de dados com dados reais observados; • Tendo como base o primeiro resultado de simulação com os parâmetros definidos por defeito pelo modelador. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 23
  • 24. IntroduçãoAlgoritmos de Optimização Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Hill-Climbing Início s = GerarSolucaoInicial; T = Tinicial; Enquanto condição de fim fazer Se aleatorio() Entao s’ = NovaSolucao2(N(s,1)); Senao s’ = NovaSolucao2(N(s,2)); Se Avaliacao(s’) < Avaliacao(s) Entao s = s’; Fim MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 24
  • 25. IntroduçãoAlgoritmos de Optimização Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Simulated AnnealingInício s = GerarSolucaoInicial; T = Tinicial; Enquanto condição de fim fazer Se aleatorio() Entao s’ = NovaSolucao NovaSolucao(N(s,1)); Senao s’ = NovaSolucao(N(s,2)); Se Avaliacao(s’) < Avaliacao(s)Entao s = s’; Senao s = CriterioAceitacao(s,s’,T); ActualizarTemperatura(T);Fim MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 25
  • 26. IntroduçãoAlgoritmos de Optimização Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Genetic AlgorithmInício P = GerarPopulacaoInicial; Avaliar(P); Enquanto condição de fim fazer P’ = Recombinar(P); P” = Mutacao(P’); Avaliar(P”); P = Escolha(P” U P);Fim Mutação com Mutação aleatória pequena alteração • Valor do • Valor do parâmetro base parâmetro base alterado +/- com alterado o valor do step aleatóriamente MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 26
  • 27. IntroduçãoExperiências Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Modelo Modelo Predador- Baía de Definição Presa Sangoo • Resultados • Resultados MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 27
  • 28. IntroduçãoDefinição Experiências Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Foram realizadas 2 experiências: • Modelo Predador-Presa • Modelo Baía de Sangoo Cada experiência é constituída 10 Calibrações para cada Algoritmo de optimização, nas mesmas condições de simulação; É registado as primeiras 50 soluções encontradas; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 28
  • 29. IntroduçãoModelo Predador-Presa Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas FuturasAs equações de Lotka-Volterra são um par equaçõesdiferenciais, não lineares e de primeira ordem,frequentemente utilizadas para descrever dinâmica nossistemas biológicos, especialmente quando duas espéciesinteragem: uma como presa o outra como predadora.Estas equações foram propostas independentemente porAlfred J. Lotka em 1925 e Vito Volterra em 1926.onde x(t) representa o número de presas no instante t,y(t) representa o número de predadores no instante t, ea, b, c, e d são números reais positivos.Algumas conclusões que se retiram:•na ausência de predadores a população de presascresce indefinidamente,•na ausência de presas as espécies de predadorestendem a extinguir-se, Classes do Modelo Parâmetros Valores•Tendo como ponto de partida a existência de x presas e TPrey IntrinsicRateOfIncrease 0.3y predadores, e excluindo um ponto de equilíbrio, a TPredator FoodAbsorption 0.01solução correspondente é periódica, isto é, ao fim de um TPredator FeedRate 0.1certo tempo T, e apesar da interacção entre eles, volta- TPredator DeathRate 0.1se a obter uma população constituída por x presas e y Lista de Classes e Parâmetros do Modelo Predador-Presapredadores (solução periódica de período T). MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 29
  • 30. Introdução Modelo Predador-Presa(1) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Hill-Climbing Arrefecimento Simulado 120 120 100 100 Simulation 1 Simulation 1 Simulation 2 Simulation 2 80 80 Simulation 3 Simulation 3 Taxa de ErroTaxa de Erro Simulation 4 Simulation 4 60 Simulation 5 60 Simulation 5 Simulation 6 Simulation 6 40 Simulation 7 40 Simulation 7 Simulation 8 Simulation 8 20 Simulation 9 20 Simulation 9 Simulation 10 Simulation 10 0 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Algoritmo Genético – Pequeno Algoritmo Genético - Mutação Mutação Aleatória 45 Simulation 1 35 40 Simulation 2 30 35Taxa de Erro 30 Simulation 3 25 25 Taxa de Erro Simulation 4 20 Simulation 1 20 15 Simulation 5 15 Simulation 2 10 Simulation 6 Simulation 3 10 5 Simulation 7 Simulation 4 0 5 Simulation 8 Simulation 5 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105 109 113 117 121 125 129 0 Simulation 9 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 Gerações Simulation 10 Gerações MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 30
  • 31. IntroduçãoModelo Predador-Presa(2) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Calibração Modelo Predador - Presa 60 50 40 Taxa de Erro Hill-Climbing 30 Arrefecimento Simulado 20 Algoritmo Genético - Pequenas mutações Algoritmo Genético - Mutações Aleatórias 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 Iterações/GeraçõesApesar do Hill-Climbing e Solução ErroArrefecimento Simulado Solução Inicial [0.3][0.01][0.1][0.1] ------convergirem para a solução Hill-Climbing [0.3][0.01][0.1][0.1] 0.00inicial, o algoritmo genético Arrefecimento Simulado [0.3][0.01][0.1][0.1] 0.00convergiu para a taxa de erro Algoritmo Genético -Pequenas mutações [0.3][0.02][0.1][0.1] 0.17em todas as simulações. Algoritmo Genético - mutações aleatórias [0.3][0.06][0.1][0.2] 0.91 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 31
  • 32. IntroduçãoModelo Baía de Sangoo Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Representa a Baía de Sangoo, na província Shangong da Republica Popular da China; Características: • Area: 180 km2; • Profundidade max: 20 metros; • Tem sido utilizada para produção de vieiras e ostras; 16 km Modelo possui: 122º25’E 37º10’N • 9 classes; • 146 parâmetros; 17.5 km 37º00’N 122º35’E MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 32
  • 33. Introdução Modelo Baía de Sangoo(1) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Hill-Climbing Simulated Annealing 0.0300 0.3500 0.0250 0.3000 0.2500 0.0200 Simulation 1Taxa de Erro Taxa de Erro 0.2000 Simulation 1 Simulation 2 0.0150 Simulation 2 Simulation 3 0.1500 Simulation 3 Simulation 4 0.0100 Simulation 4 Simulation 5 0.1000 0.0050 0.0500 0.0000 0.0000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Algoritmo Genético - Pequena Mutação Algoritmo Genético - Mutação 0.0450 Aleatória 0.0400 0.0600 0.0350 0.0300 0.0500 Taxa de Erro Simulation 1 Taxa de Erro 0.0250 0.0400 Simulation 2 0.0200 0.0300 Simulation 1 Simulation 3 0.0150 Simulation 4 0.0200 Simulation 2 0.0100 Simulation 5 0.0100 Simulation 3 0.0050 0.0000 0.0000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Gerações Gerações MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 33
  • 34. Conclusões e Perspectivas futuras Calibração de modelos é realizada através da comparação dos valores observados com os simulados, sendo uma fase crucial no processo de modelação; Em cada simulação, o perito (ou modelador) analisa o resultado, realizando as alterações nos valores dos parâmetros, tentando convergir os resultados; A simulação de modelos ecológicos é um processo moroso e complexo, devido a lidar com propriedades físicas, químicas e processos biológicos; Para optimizar o processo de calibração de modelos, é necessário ter conhecimento da gama de valores aceitáveis dos parâmetros; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 34
  • 35. Conclusões e Perspectivas futuras(1) A análise de sensibilidade dos valores de parâmetros é crucial para o processo de calibração; O processo de calibração de modelos ecológicos tem de ser processo iterativo, com a ajuda de um perito no modelo; A função objectivo deve ser adaptado a cada modelo ecológico em simulação, devido aos relacionamento entre as variaveis com diferentes graus de importância e granaluridade; Modelos utilizados pelo EcoSimNet são determinísticos, não sendo necessário a alteração dinâmica dos valores de parâmetros ao longo do tempo; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 35
  • 36. Conclusões e Perspectivas futuras(2) Em modelos ecológicos mais complexos o processo de calibração deve ser divididos em sub-modelos; A Utilização de algoritmos de optimização de busca local revelou-se serem um bom ponto de partida para a calibração, com as devidas melhorias; Perspectivas futuras: • Implementação de novos métodos de optimização e seu teste no âmbito do agente de calibração implementado; • Inclusão de potencialidades de selecção automática do método de calibração no agente desenvolvido; • Realização de um conjunto mais alargado de experiências utilizando outros modelos ecológicos. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 36
  • 37. MEI-MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 37