No processo de abastecimento de Ãgua por meio de redes de distribuiÃÃo de Ãgua podem acontecer perdas do recurso hÃdrico associadas a vÃrias causas, tais como: vazamentos, erros de mediÃÃo e consumos nÃo autorizados. Com o avanÃo da informÃtica modelos matemÃticos cada vez mais complexos tÃm possibilitado o surgimento de tÃcnicas avanÃadas nas questÃes relacionadas ao projeto e dimensionamento Ãtimo de redes de distribuiÃÃo de Ãgua, incluindo, por exemplo, a tÃcnica de identificaÃÃo de vazamentos. O mÃtodo empregado na soluÃÃo do problema inverso à a utilizaÃÃo de dados transientes para calibraÃÃo do vazamento por meio do algoritmo genÃtico (MTI-AG) e para soluÃÃo das equaÃÃes diferenciais parciais do movimento para escoamento do transiente à usado o mÃtodo das caracterÃsticas (MOC). Nas 3 redes em estudo à analisado o efeito da severidade do transiente provocada por mudanÃas no tipo de manobra de vÃlvula, onde vÃrias simulaÃÃes foram feitas e comparados os resultados com as condiÃÃes permanentes iniciais, mostrando a eficiÃncia do mÃtodo empregado. / In the process of water supply through water distribution networks can happen losses of water resources associated with various causes, such as leaks, metering errors and unauthorized consumption. With the advancement of computer mathematical models increasingly complex have allowed the emergence of advanced techniques in matters relating to the design and optimal design of water distribution networks, including, for example, leak identification technique. The method used to solve the inverse problem is the use of transient data for calibration leak through genetic algorithm (MTI-AG) and for solution of partial differential equations of motion for the flow of the transient is used the method of characteristics (MOC) . In the three networks in study analyzes the transient severity of the effect caused by changes in the type of valve maneuver where several simulations were performed and compared the results with the initial permanent conditions, showing the method employed efficiency.

Orientador: Edevar Luvizotto Junior / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Civil, Arquitetura e Urbanismo / Made available in DSpace on 2018-08-08T11:16:30Z (GMT). No. of bitstreams: 1 Ribeiro_LubienskaCristinaLucasJaquie_D.pdf: 2510450 bytes, checksum: f6c4bcdcd5bde19b5d383fa35ffd59dd (MD5) Previous issue date: 2007 / Resumo: A redução dos gastos com energia elétrica nas companhias de saneamento de todo o país é uma preocupação real nos últimos anos. Grande parte dos custos operacionais destas empresas estão associado aos custos de bombeamento. Diante desta preocupação, a presente pesquisa objetiva o desenvolvimento de um modelo híbrido multiobjetivo, com finalidade de obter a redução do consumo de energia elétrica nas estações de bombeamento que utilizam inversores de frequencia, reduzindo possíveis perdas no sistema. O modelo é desenvolvido de forma a garantir condições operacionais estabelecidas a priori para o atendimento das necessidades de consumo, tais como flutuação dos níveis dos reservatórios, pressões extremas e outros buscando trazer benefícios hidráulicos. Além da busca do atendimento destes objetivos, estarão sendo investigados o emprego do modelo de simulação hidráulica baseada no Time Marching Approach - TMA em conjunto a técnica de otimização multiobjetivo baseada nos Algoritmos Genéticos - AG, através do NSGA II, configurando um Modelo Híbrido Multiobjetivo / Abstract: The reduction of the expenses with electric energy in the company of sanitation of all the country is a real concern in the last years. The great part of the operational costs of these companies is associates to the bombardment costs. Ahead of this concern the present objective research the development of an multiobjective hybrid model, with the purpose of if getting a reduction of the consumption of electric energy in the bombardment stations that use invertors of frequency besides reducing losses in the system. The model is developed of form to guarante established operational conditions a priori for the attendance of the consumption necessities, such as fluctuation of the levels of the reservoirs, extreme pressures and others searching to bring hydraulical benefits. Through this necessity taking care of some objectives simultaneously they will be being investigated the job of the model of based hydraulical simulation in the Teams Marching Approach -TMA in set with techniques of based multiobjective otimizacion in the Genetic Algorithms - GA, through NSGA II, configuring a Hybrid Model Multiobjetivo / Doutorado / Recursos Hidricos / Doutor em Engenharia Civil

Orientador: Ronei Jesus Poppi / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Quimica / Made available in DSpace on 2018-08-08T23:32:47Z (GMT). No. of bitstreams: 1 Carneiro_RenatoLajarim_M.pdf: 4176371 bytes, checksum: cbe2edc08ad07ea0e4607e69fc38aec5 (MD5) Previous issue date: 2007 / Resumo: Esse trabalho teve por objetivo desenvolver um programa em MatLab baseado no Algoritmo Genético (GA) para aplicar e verificar as principais vantagens deste na seleção de variáveis para métodos de calibração de segunda ordem (BLLS-RBL, PARAFAC e N-PLS). Para esta finalidade foram utilizados três conjuntos de dados: 1. Determinação de pesticidas e um metabólito em vinho tinto por HPLC-DAD em três situações distintas. Nestas três situações foram observadas sobreposições dos interferentes sobre os compostos de interesse. Estes compostos eram os pesticidas carbaril (CBL), tiofanato metílico (TIO), simazina (SIM) e dimetoato (DMT) e o metabólito ftalimida (PTA). 2. Quantificação das vitaminas B2 (riboflavina) e B6 (piridoxina) por espectrofluorimetria de excitação/emissão em formulações infantis comerciais, sendo três leites em pó e dois suplementos alimentares. 3. Análise dos fármacos ácido ascórbico (AA) e ácido acetilsalicílico (AAS) em formulações farmacêuticas por FIA com gradiente de pH e detecção por arranjo de diodos, onde a variação de pH causa alteração na estrutura das moléculas dos fármacos mudando seus espectros na região do ultravioleta. A performance dos modelos, com e sem seleção de variáveis, foi comparada através de seus erros, expressados como a raiz quadrada da média dos quadrados dos erros de previsão (RMSEP), e os erros relativos de previsão (REP). Resultados melhores foram claramente observados quando o GA foi utilizado para a seleção de variáveis nos métodos de calibração de segunda ordem. / Abstract: The aim of this work was to develop a program in MatLab using Genetic Algorithm (GA) to apply and to verify the main advantages of variables selection for second-order calibration methods (BLLS-RBL, PARAFAC and N-PLS). For this purpose three data sets had been used: 1. Determination of pesticides and a metabolite in red wines using HPLC-DAD in three distinct situations, where overlappings of the interferentes on interest compounds are observed. These composites were the pesticides carbaryl (CBL), methyl thiophanate (TIO), simazine (SIM) and dimethoate (DMT) and the metabolite phthalimide (PTA). 2. Quantification of the B2 (riboflavine) and (pyridoxine) B6 vitamins for spectrofluorimetry of excitation-emission in commercial infantile products, being three powder milk and two supplement foods. 3. Analysis of ascorbic acid (AA) and acetylsalicylic acid (AAS) in pharmaceutical tablets by FIA with pH gradient and detection for diode array, where the variation of pH causes alterations in the structure of molecules of analites shifting its spectra in the region of the ultraviolet. The performance of the models, with and without selection of variable, was compared through its errors, expressed as the root mean square error of prediction (RMSEP), and the relative errors of prediction (REP). The best results were obtained when the GA was used for the selection of variable in second-order calibration methods. / Mestrado / Quimica Analitica / Mestre em Química

O objetivo desse trabalho foi estabelecer planos de amostragem com redução no tamanho amostral, a partir de conjuntos de dados com dependência espacial, que fossem eficientes na predição de localizações não amostradas e que gerassem estimativas eficientes de características relacionadas na predição espacial. Esses planos amostrais reduzidos foram obtidos por processos de otimização denominados recozimento simulado e algoritmo genético híbrido, considerando a média da variância da predição espacial, obtida pelo método de interpolação chamado krigagem, como função objetivo minimizada. Para isso, utilizaram-se conjuntos de dados simulados, com diferentes valores de alcance e efeito pepita, cujo intuito foi identificar a influência que esses parâmetros exercem na escolha da configuração amostral otimizada. Para cada conjunto de dados simulados, foram obtidas amostras pelos processos de otimização e seus resultados foram comparados aos esquemas de amostragem: aleatório, sistemático, sistemático centrado adicionado de delineamentos menores e sistemático centrado adicionado de pontos próximos. Os resultados mostraram que os planos de amostragem otimizados, principalmente os planos obtidos pelo algoritmo genético híbrido, produziram menores estimativas para a média da variância da krigagem e melhores estimativas para a porcentagem e soma de valores preditos acima do terceiro quartil e do percentil 90, que s~ao características relacionadas na predição espacial. Observou-se, também, que o aumento do tamanho amostral produziu melhores estimativas para todos os resultados analisados e, independente do valor de alcance e efeito pepita, a amostragem otimizada pelo algoritmo genético híbrido produziu melhores resultados. Além disso, obtiveram-se conjuntos amostrais reduzidos de 128 parcelas pelo algoritmo genético híbrido, pelo processo de recozimento simulado e pelas amostragens aleatória e sistemática, para a propriedade química teor de potássio pertencente ao conjunto de dados, com 256 parcelas, de um experimento de agricultura de precisão em uma área experimental. Por intermédio dos dados resultantes dessas amostragens, realizou-se uma analise geoestatística para identificar o comportamento de dependência espacial da variável potássio na área e foram feitas predições espaciais do potássio em localizações n~ao amostradas nessa mesma área. Em todos os esquemas de amostragem utilizados, os valores preditos foram classificados segundo o critério de adubação do potássio no Paraná em culturas de soja (EMATER - Empresa Paranaense de Assistência Técnica e Extensão Rural, 1998). Esses resultados foram comparados com a analise realizada no conjunto de dados inicial e observou-se uma maior similaridade desses resultados com os obtidos pela analise realizada através dos dados da amostragem obtida pelo algoritmo genético híbrido. Assim, tiveram-se evidências de que a redução em 50% do tamanho amostral do conjunto de dados da variável potássio, utilizando nessa redução uma amostragem obtida pelo algoritmo genético híbrido, produziu resultados eficientes para a classificação de adubação de potássio na área em estudo, reduzindo em 50% os custos 8 com analise química do solo, sem grande perda de eficiência nas conclusões obtidas pela predição espacial. / The aim of this work was to establish plans for sampling with reduced in the sample size, from sets of dependent spatial data, and they are eficients in terms of prediction of the nonsampled observations and prediction of linear targets. These plans were obtained by sampling reduced processes optimization of the algorithm called simulated annealing and hybrid genetic algorithm, considering the average kriging variance as objective function to be minimised. Therefore, it was used simulated data sets, With diferent values of range and nugget efect, whose aim was to identify the in uence that these exercise parameters in choosing the sample configuration foptimized. For each set of data simulated samples were obtained through the optimization process and its results were compared to sampling schemes: random, systematic, lattice plus in ll and lattice plus close pairs. The results show that the sampling plans optimized, especially the plans obtained by hybrid genetic algorithm, produced lower estimates for the average kriging variance and best estimates for the percentage and amount of predicted values above the third quartile and the 90 percentile, which are characteristics related to spatial prediction. It was also observed that the increase of sample size produces best estimate for all results analyzed and independent of the value range and nugget efect, sampling optimized by the hybrid genetic algorithm produced better results. In addition, sets up sampling reduced of 128 samples by sampling schemes: hybrid genetic algorithm, simulated annealing, random and systematic, for the property belonging to the chemical potassium set data, with 256 samples, an experiment of precision agriculture, in an experimental area. Through these sampling data, an analysis was carried out geostatistics to identify the behavior of spatial dependence of the variable potassium in the area under study and predictions were made of potassium space in locations not sampled that same area. In all sampling schemes used, the predicted values were classified at the discretion of the potassium fertilization in the cultivation of soybeans in Parana (EMATER-PARANA, 1998). These results were compared with the analysis in the initial set of data and there was a greater similarity of these results with those obtained by the analysis performed by data obtained by the sampling hybrid genetic algorithm. So there has been evidence that the reduction by 50% of the sample size of the data set of variable potassium, using this reduction a sample obtained by the hybrid genetic algorithm, produced efective results for classification of potassium fertilizer in the area under study, reducing by 50% the costs with chemical analysis of soil, without much loss of eficiency in the conclusions obtained by predicting space.

As estruturas de concreto pré-moldado tendem a ser mais moduladas e mais padronizados do que as estruturas de concreto moldadas no local, logo as técnicas de otimização podem produzir mais benefícios econômicos devido à produção em escala. Entre as técnicas de otimização utilizadas em engenharia estrutural, os algoritmos genéticos têm sido reconhecidos como uma forte tendência devido à sua facilidade de implementação e os excelentes resultados obtidos. Este trabalho trata da otimização integrada de pavimentos de edifícios com estruturas de concreto pré-moldado utilizando algoritmos genéticos e minimizando os custos. O principal objetivo é apresentar uma formulação para a otimização do pavimento, baseado em restrições arquitetônicas; restrições estruturais e restrições construtivas. A função-objetivo contemplou não só o consumo de materiais, mas também os aspectos relativos à fabricação, transporte e montagem. Atesta-se a consistência da representação do problema pelo modelo em função dos resultados que foram muito coerentes com a prática dos projetos. Os vários exemplos apresentados mostraram a robustez e a aplicabilidade do modelo e evidenciou-se a possibilidade de sua utilização em um sistema de apoio à tomada de decisão, que sirva como ferramenta de auxílio aos projetistas na concepção estrutural. Foi implementada a rotina dos transgênicos, que melhorou a convergência, e, a dos gêmeos, que aumentou a variabilidade da população. / The precast concrete structures are more modular and standardized than the cast in place concrete structures, therefore optimization techniques can improve economics gain because of series production. Among the optimization techniques in structural engineering design, genetic algorithms have been recognized as a trend. This work aims the floor precast concrete building optimization using GA\'s and minimizing the cost. The main goal of the work is to present a model to optimize the floor taking account of the structural, architectonics and constructive restrictions. The adopted model reached its purpose of the representing the more realist as possible the problem. The cost function considered not only the material consumption but the manufacture, transport and assembled stage. An integrated structural optimization is performed from the structural layout (columns position, directions and spans for beams and hollow cores) through the complete elements detailing (dimensions and reinforcement). The example results evidence the effectiveness of the formulation, they were very consistent with the design practice and they present the system application possibility like a decision support system that helps the engineer in the projects development. It was implemented a transgenic routine to improve the convergence and a twin routine to improve the variability of the population.

Made available in DSpace on 2016-03-15T19:38:12Z (GMT). No. of bitstreams: 1 Douglas Nunes de Oliveira.pdf: 2639611 bytes, checksum: aa451c77b140c40c8a504474462ded1e (MD5) Previous issue date: 2008-09-17 / Probabilistic cellular automata can be used to model the spreading of contagious diseases in a population composed by susceptible, infected and recovered individuals. At each time step, a susceptible individual can either remain susceptible or contract the disease from infected individuals, where the probability related to the contagion depends on the number of infected individuals in contact with this susceptible individual. At each time step, an infected individual may (probabilistically) either remain infected or recuperate or die by the disease or die by other causes. A recovered individual, at each iteration, can either remain as he/she is or die. When an infected or recovered individual dies, a susceptible one appears in his/her place; thus, the population remains constant. Here, genetic algorithms are employed to identify the probability values concerning the processes of infection, cure and death, from epidemiological data from Arizona (USA) for measles. The goal is to obtain a model based on probabilistic rules of state transitions able of reproducing this time series and to verify the quality of the model prediction. This work reveals that the predictions are strongly influenced by the lattice dimension of the cellular automaton and by limitations imposed to the probability values. / Autômatos celulares probabilistas podem ser usados para modelar a propagação de doenças contagiosas numa população composta por indivíduos suscetíveis, infectados e recuperados da infecção. A cada passo de tempo, um indivíduo suscetível pode ou permanecer suscetível ou contrair a doença de infectados, sendo a probabilidade associada ao contágio dependente do número de infectados em contato com esse suscetível. A cada passo de tempo, um indivíduo infectado pode (probabilisticamente) permanecer infectado, ou se recuperar, ou morrer pela doença ou morrer de outras causas. Um indivíduo recuperado pode, a cada iteração, ou permanecer como está ou morrer. Quando um indivíduo infectado ou recuperado morre, nasce, em seu lugar, um suscetível, de modo que a população permanece constante. Aqui, algoritmos genéticos são empregados para identificar os valores das probabilidades associadas aos processos de infecção, recuperação e morte, a partir de dados epidemiológicos do Arizona (EUA) para catapora. O objetivo é obter um modelo baseado em regras probabilistas de transição de estados capaz de reproduzir essa série temporal e verificar a qualidade da previsão do modelo. Este trabalho revela que as previsões são fortemente influenciadas pelo tamanho do reticulado do autômato celular e por restrições impostas aos valores das probabilidades.

Made available in DSpace on 2016-08-17T14:52:38Z (GMT). No. of bitstreams: 1 Dissertacao Thiago Pinheiro do Nascimento.pdf: 1192729 bytes, checksum: e1b66a16e5d2f323aa7e6bc4444f7f20 (MD5) Previous issue date: 2015-02-10 / To anticipate the stock exchange pricing is not considered a simple task, because involves many obscure variables, which must be able to represent the real marketplace situation. This is a fundamental reason for the investors lose money and end up giving up investing in the capital market. In an attempt to address this issue, this paper proposes the development of a servisse capable of estimating the future price of assets in the Stock Exchange. For this, it used of a genetic algorithm, which allows to extract features from the market, necessary for estimating the future behavior of an action. / Antecipar a precificação futura da bolsa de valores não é considerada uma tarefa simples, pois envolve uma série de variáveis obscuras, que devem ser capazes de representar a situação real do mercado. Esse motivo faz com que vários investidores percam dinheiro e acabem desistindo de investir no mercado de capitais. Como tentativa de contornar essa situação, o presente trabalho propõe o desenvolvimento de um serviço capaz de estimar o preço futuro de ativos na bolsa de valores. Para isso, faz o uso de um algoritmo genético, o qual permite extrair características do mercado, necessárias para estimar o comportamento futuro de um ativo.

Muitos problemas de otimização em ambientes multiagentes utilizam os algoritmos evolutivos para encontrar as melhores soluções. Uma das abordagens mais utilizadas consiste na aplicação de um algoritmo genético, como alternativa aos métodos tradicionais, para definir as ações dos jogadores em um time de futebol de robôs. Entretanto, conforme relatado na literatura, há inúmeras possibilidades e formas de se aplicar um algoritmo genético no domínio do futebol de robôs. Assim sendo, neste trabalho buscou-se realizar uma análise comparativa dos algoritmos genéticos mono-objetivo e multi-objetivo aplicados no domínio do futebol de robôs. O problema padrão escolhido para realizar essa análise foi de desenvolver uma estratégia de controle autônomo, a fim de capacitar que os robôs tomem decisões sem interferência externa, pois, além de sua solução se encontrar ainda em aberto, o mesmo é também de suma relevância para a área de robótica. / Many optimization problems in multiagent environments adapt evolutionary algorithms to find the best solutions. A widely used approach consists of applying a genetic algorithm as an alternative to traditional methods, in order to define the actions of the players on a soccer team of simulated robots. However, as reported in the literature, there are many possibilities and ways to apply a genetic algorithm in the field of robot soccer. Therefore, this work attempts to make a comparative analysis of mono-objective and multi-objective genetic algorithms applied to control a robot soccer. The standard problem chosen for this analysis was to develop a strategy for autonomous control, in order to enable the robots to make decisions without external interference, because in addition to its solution is still open, it is also of utmost relevance to the area robotics.

O objetivo desta dissertação foi a implementação de uma plataforma de otimização por Programação Genética (PG) com o intuito de estudar e caracterizar as propriedades estatísticas de uma grande classe de problemas. Esta implementação foi feita através de programas escritos em LISP, executados num {\\it cluster} de computadores com o sistema operacional Linux. A plataforma foi usada para estudar uma versão do {\\it Jogo da Minoria} (JM) onde seus jogadores utilizam redes neurais para a realização de suas escolhas. Os jogadores foram divididos em dois grupos distintos. O primeiro formado por jogadores que apresentam estratégias estáticas e portanto não adquirem aprendizado. O segundo grupo é formado por jogadores que utilizam um algoritmo de aprendizado para alterar suas estratégias de identificação da minoria. Mostramos que, em determinadas condições, estes jogadores adaptativos conseguem identificar padrões nas escolhas dos jogadores não-adaptativos e assim optam pela decisão da minoria. Porém a eficiência nesta identificação depende do algoritmo de aprendizado utilizado. O algoritmo de aprendizado gerado pela PG se apresentou mais eficiente que outros algoritmos analisados, como, por exemplo, o algoritmo hebbiano. Esta eficiência é caracterizada por uma emergência espontânea de coordenação entre estes jogadores e que lhes proporcionam um melhor desempenho médio por jogador. / The aim of this work is to describe an optimization platform through Genetic Programming in order to study and characterize the statistical property of a wide class of problems. This implementation was written in LISP and executed in a cluster of computers running the Linux operational system. The platform was used to study a version of the Minority Game where the players used neural networks to make their choices. The players were divided into two distinct groups. The first group was made up of players that had quenched strategies and therefore could not learn. The second group had players that used learning algorithms to change their strategies for minority identification. We showed that, under some conditions, the adaptatives players are able to identify patterns in the choices of the non-adaptatives players and can thus benefit by choosing the minority decision. The efficiency in this identification depends on the learning algorithm. The algorithm generated by Genetic Programming is more efficiency than the others algorithms analysed such as hebbian perceptron learning. This efficiency is characterized by a spontaneous emergence of coordination between this players, which permits earning higher scores than average.

Esta dissertação trata do problema do agrupamento de cargas fracionadas na distribuição de cimento ensacado partindo de um depósito central. O problema consiste em definir quais entregas de cimento serão carregadas juntas em um determinado veículo, de modo a aproveitar ao máximo sua capacidade e ao mesmo tempo reduzir o custo com o frete pago aos transportadores que farão sua distribuição. Em especial, o método de resolução proposto pode ser dividido em três fases. Na primeira fase, as entregas pertencentes a um mesmo cliente são agrupadas prioritariamente. Na segunda fase, são agrupadas as entregas de clientes dentro de uma mesma cidade. Neste caso, uma simplificação necessária é considerar que todas as entregas de uma mesma cidade estão localizadas em um único ponto. Com isso, a distância entre os clientes se torna irrelevante e é proposto um método baseado em um algoritmo genético para resolução de problemas de bin-packing (BPP). Para a terceira fase, é considerado o agrupamento para pontos de entrega pertencentes a cidades diferentes, onde as distâncias rodoviárias são consideradas. Nesta etapa, é proposta uma variação do método anterior, incorporando ao modelo algumas heurísticas para resolução de problemas de roteirização de veículos, como o algoritmo de Clarke & Wright e o algoritmo do Vizinho Mais Próximo. / This thesis deals with the problem of merging less-than-truckload deliveries in bagged cement distribution from a central depot. The problem consists in defining which cement deliveries shall be loaded in each given vehicle, in order to maximize the vehicle full capacity as well as reduce carriers freights. Particularly, the solution method can be divided hierarchically in three stages. In the first stage, the deliveries from the same client are merged with priority. In the second stage, the deliveries from the same city are merged. In this case, a necessary assumption is to consider the deliveries from the same city as located in a single destination point. Consequently, the distances among deliveries can be assumed as irrelevant and a heuristic method is proposed, which relies on a genetic algorithm for the bin-packing problem (BPP). In the third stage, merging of different delivery points that are apart from each other is considered. For this step, a variation of the previous method is proposed, incorporating some heuristics to solve the vehicle routing problem, like the Clarke & Wrights savings algorithm and the Nearest Neighbor algorithm.