Visão Geral dos Algoritmos

Este manual apresenta uma análise detalhada de um conjunto selecionado de algoritmos de otimização disponíveis no OptFlow:

1. Algoritmos Bayesianos

   • Tree-structured Parzen Estimator (TPE)
   • OptFlow (Otimização Bayesiana da Fratar)
   • Covariance Matrix Adaptation Evolution Strategy (CMAES)
   • Heterogeneous Efficient Bayesian Optimization (HEBO)

2. Algoritmos Meta-heurísticos e Outros

   • Hill Climbing
   • Simulated Annealing
   • Random Search

3. Modo Sequencial

   • Sequencial (Permite combinar diferentes samplers em fases)

Cada algoritmo possui características específicas que o tornam mais ou menos adequado para diferentes cenários de otimização semafórica. Nas próximas seções, exploraremos em detalhes cada um desses algoritmos, seus princípios de funcionamento, pontos fortes e fracos, e sua aplicabilidade à otimização de parâmetros semafóricos no Aimsun.

Critérios de Avaliação

Ao avaliar a adequação de cada algoritmo, consideramos os seguintes critérios:

• Eficiência de amostragem: Quão bem o algoritmo encontra boas soluções com um número limitado de avaliações
• Capacidade de lidar com parâmetros contínuos: Importante para offsets, ciclos e tempos de verde
• Suporte a otimização multi-objetivo: Para balancear múltiplas métricas de desempenho (Nota: alguns algoritmos como TPE e OptFlow podem ter extensões multi-objetivo, não detalhadas aqui)
• Robustez a ótimos locais: Capacidade de encontrar soluções globalmente ótimas
• Desempenho em problemas de alta dimensão: Para otimização de múltiplos parâmetros semafóricos
• Custo computacional: O esforço necessário além das simulações do Aimsun