La piattaforma EVEN: stato dello sviluppo ed applicazioni in corso MATTEO DE FELICE

EVolutionaryENvironmentFramework

Piattaforma per lo studio e l’utilizzo di algoritmi di

ottimizzazione e ricerca.

Utilizzo di reti neurali artificiali (ANN) per la predizione e la

modellazione.

Analisi statistiche delle popolazioni e delle soluzioni.

Esportazione dei dati per post-processing in altri ambienti.

EVOLUTIONARY E SOFT COMPUTING

Tecniche stocasticheSpesso progettazione trial-and-errorUso di simulatori software

PACCHETTI SOFTWARE ESISTENTI

Optimization Algorithm Toolkit (OAT) della Swinburne University of Technology, Complex Intelligent Systems Laboratory (CIS)MATLAB, Neural Networks Toolbox e Genetic Algorithm ToolboxLibrerie/API come Nnlib, GAlib, ParadisEO (INRIA)

OBIETTIVI DI EVEN

Efficienza

User-friendliness

API per lo

sviluppatore

TARGET DI EVEN

Sviluppatori

UtentiScienziati

Sviluppatori di algoritmi, metodi

Ingegneri e tecnici per

scopi di ottimizzazione

Studiosi di evo e soft computing

EFFICIENZA

Codice C++ di diversi ordini di grandezza più veloce del codice Java e di MATLAB

Efficienza

Maggior

numero di test e sperimentazion

i

Elevata

precisione e generalizzazione dei

risultati

USER-FRIENDLINESS

API PER GLI SVILUPPATORI

API (Application Programming Interface) per gli sviluppatori

FUNZIONALITÀ DI EVEN

Ottimizzazione di funzioni statiche e dinamiche (variabili nel tempo)Design di reti neurali artificialiAlgoritmi “classici” (backpropagation, algoritmi genetici) e innovativi (Artificial Societies e Cellular Genetic Algorithms)Problemi di benchmark built-inSimulazioni batch con file di log

DATI DELLE SIMULAZIONI

Soluzioni del problema salvate su file (e pronte per essere esportate, es. MATLAB)Dati dell’algoritmo (diversità delle soluzioni, dati statistici)Accessibili tramite GUI

GUI PER L’ANALISI DEI DATI

Selezione simulazioni

Area plot

Selezione dati

Tipi di plot:1. Normale2. Derivata

3. Normalizzato

UTILIZZI ATTUALI DI EVEN

Modelli climatici tramite reti neurali ed algoritmi geneticiUso delle reti neurali RBF per fault e anomaly detectionOttimizzazione parametrica per la progettazione di un distretto energeticoStudio di base per tecniche di ensembling neurale

SVILUPPI FUTURI

Main server

EVEN#1

EVEN#2

EVEN#3

Versione parallela e distribuita

ENSEMBLING NEURALE

Studio e implementazione dell’ensembling neurale per problemi dinamici in collaborazione con il prof. Xin Yao del CERCIA (The Centre of Excellence for Research in Computational Intelligence and Applications)

PUBBLICAZIONI

Ceravolo, De Felice, Pizzuti – Combining Back-propagation and Genetic Algorithms to Train Neural Networks for Ambient Temperature Modeling in Italy, EVO* 2009 (to be published)

Azzini, De Felice, Meloni, Tettamanzi – Soft computing techniques for Internet backbone traffic anomaly detection, EVO* 2009 (to be published)