Optimalizační metody vhodné pro nízkopříkonová zařízení

Náš výzkum se soustředí na léčbu cukrovky. K tomu využíváme komplexní modely metabolismu o netriviálním počtu parametrů. Potřebujeme ale provozovat tyto modely na nízkopříkonových zařízeních s omezenými výpočetními prostředky. Se samotnými modely problém není, horší je však jejich identifikace na reálných datech, tj. personalizovaná medicína.

V rámci tohoto zadání byste se seznámili se základními optimalizačními metodami (mezi které zahrnete alespoň dvě založené na populacích), implementovali je jako znovupoužitelné kusy kódu v jazyce C/C++ a otestovali je na vybraných různých vývojových deskách (Raspberry Pi Zero, ESP32, STM32, ...) a na vybrané desktopové/serverové platformě. Cílem tohoto zadání je najít rovnovážný bod mezi (a) mírou konvergence metody, (b) časem nutným pro úspěšnou identifikaci a (c) spotřebou elektrické energie. Stanovíte pak hranici, od které už se dle Vámi zvolených měřítek vyplatí více výpočet přenést na výkonnější HW, respektive kdy se dle charakteru problému přestane vyplácet počítat na nízkopříkonovém zařízeni.

Rámcově body zadání (bude "učesáno" do finálního zadání):
1) Seznamte se s problematikou optimalizace matematických modelů
2) Analyzujte algoritmy optimalizace rozsáhlých modelů, které je vhodné provozovat na nízkopříkonových zařízeních
3) Navrhněte experiment a sadu charakteristických problémů, na kterých půjde změřit provozní vlastnosti Vámi zvolených optimalizačních algoritmů
4) Implementujte tento experiment pro několik různých platforem nízkopříkonových zařízení
5) Otestujte Vámi implementované řešení, změřte provozní charakteristiky na všech zvolených platformách
6) Zhodnoťte dosažené výsledky