Wielo-modelowe, wielo-kryterialne i wielo-adaptacyjne strategie rozwiązywania zadań odwrotnych

RSS

Kierownik: Robert Schaefer,

Kwota: 400 600 PLN,

Sygnatura: UMO-2011/03/B/ST6/01393,

Cel badań: Sformułowanie wielo-modelowej, wielo-kryterialnej i wielo-adaptacyjnej strategii MMM analizy odwrotnej (poszukiwanie złóż surowców, diagnostyka medyczna, defektoskopia, etc.) wykorzystującej informacje dostarczane przez wiele procesów zachodzących w obrębie identyfikowanego zjawiska.  Problem odwrotny zostanie sformułowany jako zadanie globalnej optymalizacji wielokryterialnej.

  • Zostaną zaproponowane wielowarstwowe adaptacyjne metody bazujące na sprzężeniu metod rozwiązywania zadań prostych (hp-FEM) z adaptacyjnymi stochastycznymi algorytmami optymalizacji globalnej (HGS-EMOA) oraz zaawansowanymi technikami przyspieszania obliczeń (aproksymacja funkcji celu, deterioracja fitness, mutacja gradientowa).
  • Zbadanie powiązań algorytmicznych i propagacji błędu w strategiach wielowarstwowych.
  • Analiza złożoności i kosztów obliczeniowych poszczególnych algorytmów oraz ich sprzężeń niezbędne dla optymalnej konfiguracji obliczeń.
  • Dobór architektur systemów umożliwiających równoległe wykonanie badanych strategii w popularnych środowiskach klasterów linuksowych o pamięci rozproszonej, wielordzeniowych kart graficznych NVIDIA CUDA oraz maszyn hybrydowych. 

Hipoteza:

Wielo-adaptacyjne (wielowarstwowe, sprzężone) strategie adaptacyjne rozwiązania zadań odwrotnych pozwolą na uzyskanie ponad-liniowego przyspieszenia poprzez odpowiednie powiązanie metod, w których przyspieszenia będą się zwielokrotniać, tj. przyspieszenie finalne będzie szacowane iloczynem przyspieszeń składowych.

Wszelkie prawa zastrzeżone © 2010 Katedra Informatyki   |   Akademia Górniczno-Hutnicza   |   Realizacja Creative Bastards