Learning for Optimization with Virtual Savant
Aprendizaje para la optimización con Savant Virtual
| 2022 | |
|
Aprendizaje automático Optimización Problema del próximo lanzamiento Planificación en sistemas de cómputo heterogéneos Problema de sincronización de autobuses Machine learning Optimization Next release problem Heterogeneous computing scheduling problem Bus synchronization problem |
|
| Español | |
| Universidad de Montevideo | |
| REDUM | |
| http://revistas.um.edu.uy/index.php/ingenieria/article/view/1080 | |
| Acceso abierto | |
| Atribución 4.0 Internacional |
| _version_ | 1807356689505058816 |
|---|---|
| author | Massobrio, Renzo |
| author_facet | Massobrio, Renzo |
| author_role | author |
| collection | REDUM |
| dc.creator.none.fl_str_mv | Massobrio, Renzo |
| dc.date.none.fl_str_mv | 2022-06-30 |
| dc.description.en-US.fl_txt_mv | Optimization problems arising in multiple fields of study demand efficient algorithms that can exploit modern parallel computing platforms. The remarkable development of machine learning offers an opportunity to incorporate learning into optimization algorithms to efficiently solve large and complex problems. This article explores Virtual Savant, a paradigm that combines machine learning and parallel computing to solve optimization problems. Virtual Savant is inspired in the Savant Syndrome, a mental condition where patients excel at a specific ability far above the average. In analogy to the Savant Syndrome, Virtual Savant extracts patterns from previously-solved instances to learn how to solve a given problem in a massively-parallel fashion. In this article, Virtual Savant is applied to three optimization problems related to software engineering, task scheduling, and public transportation. The efficacy of Virtual Savant is evaluated in different computing platforms and the experimental results are compared against exact and approximate solutions for both synthetic and realistic instances of the studied problems. Results show that Virtual Savant can find accurate solutions, effectively scale in the problem dimension, and take advantage of the availability of multiple computing resources. |
| dc.description.es-ES.fl_txt_mv | Los problemas de optimización que surgen en múltiples campos de estudio demandan algoritmos eficientes que puedan explotar las plataformas modernas de computación paralela. El notable desarrollo del aprendizaje automático ofrece la oportunidad de incorporar el aprendizaje en algoritmos de optimización para resolver problemas complejos y de grandes dimensiones de manera eficiente. Este artículo explora Savant Virtual, un paradigma que combina aprendizaje automático y computación paralela para resolver problemas de optimización. Savant Virtual está inspirado en el Síndrome de Savant, una condición mental en la que los pacientes se destacan en una habilidad específica muy por encima del promedio. En analogía con el Síndrome de Savant, Savant Virtual extrae patrones de instancias previamente resueltas para aprender a resolver un determinado problema de optimización de forma masivamente paralela. En este artículo, Savant Virtual se aplica a tres problemas de optimización relacionados con la ingenierı́a de software, la planificación de tareas y el transporte público. La eficacia de Savant Virtual se evalúa en diferentes plataformas informáticas y los resultados se comparan con soluciones exactas y aproximadas para instancias tanto sintéticas como realistas de los problemas estudiados. Los resultados muestran que Savant Virtual puede encontrar soluciones precisas, escalar eficazmente en la dimensión del problema y aprovechar la disponibilidad de múltiples recursos de cómputo. |
| dc.format.none.fl_str_mv | application/pdf application/epub+zip |
| dc.identifier.none.fl_str_mv | http://revistas.um.edu.uy/index.php/ingenieria/article/view/1080 10.36561/ING.22.4 |
| dc.language.iso.none.fl_str_mv | spa |
| dc.publisher.es-ES.fl_str_mv | Universidad de Montevideo |
| dc.relation.none.fl_str_mv | http://revistas.um.edu.uy/index.php/ingenieria/article/view/1080/1307 http://revistas.um.edu.uy/index.php/ingenieria/article/view/1080/1308 |
| dc.rights.es-ES.fl_str_mv | Derechos de autor 2022 Renzo Massobrio http://creativecommons.org/licenses/by/4.0 |
| dc.rights.license.none.fl_str_mv | Atribución 4.0 Internacional |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
| dc.source.en-US.fl_str_mv | Memoria Investigaciones en Ingeniería; No. 22 (2022); 29-39 |
| dc.source.es-ES.fl_str_mv | Memoria Investigaciones en Ingeniería; Núm. 22 (2022); 29-39 |
| dc.source.none.fl_str_mv | 2301-1106 2301-1092 10.36561/ING.22 reponame:REDUM instname:Universidad de Montevideo instacron:Universidad de Montevideo |
| dc.source.pt-BR.fl_str_mv | Memoria Investigaciones en Ingenieria; n. 22 (2022); 29-39 |
| dc.subject.en-US.fl_str_mv | Machine learning Optimization Next release problem Heterogeneous computing scheduling problem Bus synchronization problem |
| dc.subject.es-ES.fl_str_mv | Aprendizaje automático Optimización Problema del próximo lanzamiento Planificación en sistemas de cómputo heterogéneos Problema de sincronización de autobuses |
| dc.title.none.fl_str_mv | Learning for Optimization with Virtual Savant Aprendizaje para la optimización con Savant Virtual |
| dc.type.en-US.fl_str_mv | Peer reviewed articles |
| dc.type.es-ES.fl_str_mv | Artículos evaluados por pares |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
| dc.type.pt-BR.fl_str_mv | Artigos revistos por pares |
| dc.type.version.none.fl_str_mv | publishedVersion info:eu-repo/semantics/publishedVersion |
| description | Optimization problems arising in multiple fields of study demand efficient algorithms that can exploit modern parallel computing platforms. The remarkable development of machine learning offers an opportunity to incorporate learning into optimization algorithms to efficiently solve large and complex problems. This article explores Virtual Savant, a paradigm that combines machine learning and parallel computing to solve optimization problems. Virtual Savant is inspired in the Savant Syndrome, a mental condition where patients excel at a specific ability far above the average. In analogy to the Savant Syndrome, Virtual Savant extracts patterns from previously-solved instances to learn how to solve a given problem in a massively-parallel fashion. In this article, Virtual Savant is applied to three optimization problems related to software engineering, task scheduling, and public transportation. The efficacy of Virtual Savant is evaluated in different computing platforms and the experimental results are compared against exact and approximate solutions for both synthetic and realistic instances of the studied problems. Results show that Virtual Savant can find accurate solutions, effectively scale in the problem dimension, and take advantage of the availability of multiple computing resources. |
| eu_rights_str_mv | openAccess |
| format | article |
| id | REDUM_6a1c52e38d3d15af3ec8fee7d1d05cf9 |
| identifier_str_mv | 10.36561/ING.22.4 |
| instacron_str | Universidad de Montevideo |
| institution | Universidad de Montevideo |
| instname_str | Universidad de Montevideo |
| language | spa |
| network_acronym_str | REDUM |
| network_name_str | REDUM |
| oai_identifier_str | oai:redum.um.edu.uy:20.500.12806/2565 |
| publishDate | 2022 |
| reponame_str | REDUM |
| repository.mail.fl_str_mv | nolascoaga@um.edu.uy |
| repository.name.fl_str_mv | REDUM - Universidad de Montevideo |
| repository_id_str | 10501 |
| rights_invalid_str_mv | Derechos de autor 2022 Renzo Massobrio http://creativecommons.org/licenses/by/4.0 Atribución 4.0 Internacional |
| spelling | Massobrio, Renzo2022-06-30http://revistas.um.edu.uy/index.php/ingenieria/article/view/108010.36561/ING.22.4Optimization problems arising in multiple fields of study demand efficient algorithms that can exploit modern parallel computing platforms. The remarkable development of machine learning offers an opportunity to incorporate learning into optimization algorithms to efficiently solve large and complex problems. This article explores Virtual Savant, a paradigm that combines machine learning and parallel computing to solve optimization problems. Virtual Savant is inspired in the Savant Syndrome, a mental condition where patients excel at a specific ability far above the average. In analogy to the Savant Syndrome, Virtual Savant extracts patterns from previously-solved instances to learn how to solve a given problem in a massively-parallel fashion. In this article, Virtual Savant is applied to three optimization problems related to software engineering, task scheduling, and public transportation. The efficacy of Virtual Savant is evaluated in different computing platforms and the experimental results are compared against exact and approximate solutions for both synthetic and realistic instances of the studied problems. Results show that Virtual Savant can find accurate solutions, effectively scale in the problem dimension, and take advantage of the availability of multiple computing resources.Los problemas de optimización que surgen en múltiples campos de estudio demandan algoritmos eficientes que puedan explotar las plataformas modernas de computación paralela. El notable desarrollo del aprendizaje automático ofrece la oportunidad de incorporar el aprendizaje en algoritmos de optimización para resolver problemas complejos y de grandes dimensiones de manera eficiente. Este artículo explora Savant Virtual, un paradigma que combina aprendizaje automático y computación paralela para resolver problemas de optimización. Savant Virtual está inspirado en el Síndrome de Savant, una condición mental en la que los pacientes se destacan en una habilidad específica muy por encima del promedio. En analogía con el Síndrome de Savant, Savant Virtual extrae patrones de instancias previamente resueltas para aprender a resolver un determinado problema de optimización de forma masivamente paralela. En este artículo, Savant Virtual se aplica a tres problemas de optimización relacionados con la ingenierı́a de software, la planificación de tareas y el transporte público. La eficacia de Savant Virtual se evalúa en diferentes plataformas informáticas y los resultados se comparan con soluciones exactas y aproximadas para instancias tanto sintéticas como realistas de los problemas estudiados. Los resultados muestran que Savant Virtual puede encontrar soluciones precisas, escalar eficazmente en la dimensión del problema y aprovechar la disponibilidad de múltiples recursos de cómputo.application/pdfapplication/epub+zipspaUniversidad de Montevideohttp://revistas.um.edu.uy/index.php/ingenieria/article/view/1080/1307http://revistas.um.edu.uy/index.php/ingenieria/article/view/1080/1308Derechos de autor 2022 Renzo Massobriohttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessAtribución 4.0 InternacionalMemoria Investigaciones en Ingeniería; No. 22 (2022); 29-39Memoria Investigaciones en Ingeniería; Núm. 22 (2022); 29-39Memoria Investigaciones en Ingenieria; n. 22 (2022); 29-392301-11062301-109210.36561/ING.22reponame:REDUMinstname:Universidad de Montevideoinstacron:Universidad de MontevideoAprendizaje automáticoOptimizaciónProblema del próximo lanzamientoPlanificación en sistemas de cómputo heterogéneosProblema de sincronización de autobusesMachine learningOptimizationNext release problemHeterogeneous computing scheduling problemBus synchronization problemLearning for Optimization with Virtual SavantAprendizaje para la optimización con Savant Virtualinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionPeer reviewed articlesArtículos evaluados por paresArtigos revistos por parespublishedVersioninfo:eu-repo/semantics/publishedVersion20.500.12806/25652024-07-17 09:46:44.887oai:redum.um.edu.uy:20.500.12806/2565Universidadhttps://um.edu.uy/https://redum.um.edu.uy/oai/requestnolascoaga@um.edu.uyUruguayopendoar:105012024-07-17T12:46:44REDUM - Universidad de Montevideofalse |
| spellingShingle | Learning for Optimization with Virtual Savant Massobrio, Renzo Aprendizaje automático Optimización Problema del próximo lanzamiento Planificación en sistemas de cómputo heterogéneos Problema de sincronización de autobuses Machine learning Optimization Next release problem Heterogeneous computing scheduling problem Bus synchronization problem |
| status_str | publishedVersion |
| title | Learning for Optimization with Virtual Savant |
| title_full | Learning for Optimization with Virtual Savant |
| title_fullStr | Learning for Optimization with Virtual Savant |
| title_full_unstemmed | Learning for Optimization with Virtual Savant |
| title_short | Learning for Optimization with Virtual Savant |
| title_sort | Learning for Optimization with Virtual Savant |
| topic | Aprendizaje automático Optimización Problema del próximo lanzamiento Planificación en sistemas de cómputo heterogéneos Problema de sincronización de autobuses Machine learning Optimization Next release problem Heterogeneous computing scheduling problem Bus synchronization problem |
| url | http://revistas.um.edu.uy/index.php/ingenieria/article/view/1080 |
