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