Egilea: Arza Gonzalez, Etor

Izenburua: Understanding Non-Convex Optimization Problems and Stochastic Optimization Algorithms

Zuzendariak/Directores: Irurozqui Arrieta, Ekhiñe / Pérez Martinez, Aritz

Eguna: 2023/11/30

Ordua: 11:00

Tokia:   Sala Ada Lovelace aretoa

Laburpena:

"Esta tesis aborda la comparación y mejora de algoritmos de optimización heurística estocástica, enfocándose en problemas no convexos. En la tesis, se estudia la influencia de los recursos computacionales en la comparación de algoritmos ejecutados en máquinas diferentes, proponiendo un modelo para ajustar tiempos de ejecución y un test modificado para controlar errores. Además, se introduce una metodología para comparar el rendimiento de algoritmos mediante dominancia estocástica, con una medida llamada "dominance rate" y una representación gráfica que contiene esta y otras medidas interesantes. También evaluamos distintas distancias para permutaciones en el contexto del Problema de Asignación Cuadrática, y observamos que la distancia de Hamming es la mejor para este problema. Adicionalmente, se proponen dos métodos de análisis multidominio basados en hiperheurísticos. Finalmente, se presenta una contribución en criterios de parada temprana para "direct policy search", adaptando enfoques de optimización de hiperparámetros con resultados prometedores en cinco entornos experimentales distintos de aprendizaje de control de robots."