1 |
[en] A STUDY ABOUT THE PERFORMANCE AND THE CONVERGENCE OF GENETIC ALGORITHMS / [pt] UM ESTUDO SOBRE O DESEMPENHO E A CONVERGÊNCIA DE ALGORITMOS GENÉTICOSRODRIGO MORAES LIMA DE ARAUJO COSTA 07 August 2006 (has links)
[pt] Esta dissertação investiga a convergência e o desempenho
de Algoritmos Genéticos: os problemas, soluções e medidas
propostas. O trabalho consiste de cinco partes principais:
uma discussão sobre os fundamentos matemáticos que buscam
explicar o funcionamento de um Algoritmo genético; um
estudo dos principais problemas associados à convergência
e ao desempenho de Algoritmos genéticos; uma análise das
técnicas e algoritmos alternativos para a melhoria da
convergência; um estudo de medidas para estimar o grau de
dificuldade esperado para a convergência de Algoritmos
Genéticos; e estudo de casos.
Os fundamentos matemáticos de Algoritmos Genéticos têm por
base os conceitos de schema e blocos construtores,
desenvolvidos por Holland (apud Goldberb, 1989a). Embora
estes conceitos constituam a teoria fundamental sobre a
qual a convergência se baseia, há, no entanto, questões
importantes sobre o processo através do qual schemata
interagem durante a evolução de um Algoritmo genético
(Forrest et al, 1993b). Este trabalho apresenta uma
discussão sobre os principais questionamentos que têm sido
levantados sobre a validade destes fundamentos. São
discutidas as controvérsias geradas pela necessidade de
uma visão dinâmica dos Algoritmos Genéticos, onde a
amostra da população e os resultados obtidos pela
recombinação sejam considerados. Em especial, as objeções
apontadas pro Thornton (1995) quanto à coerência da
associação dos conceitos de schema e blocos construtores,
a contradição entre os Teoremas schema e Price vista por
Altemberg (1994), e as idéias de adequação do Teorema
Fundamental de Algoritmos Genéticos ao conceito de
variância dentro de uma população.
Os principais problemas de convergência e desempenho de um
Algoritmo Genético foram discutidos: a Decepção e a
Epistasia. É apresentada a idéia de que a Decepção, embora
esteja fortemente ligada à dificuldade de convergência de
Algoritmos Genéticos, não constitui fator suficiente para
que um problema seja considerado difícil para um Algoritmo
genético (GA-hard problems) (Grefenstette, 1993). São
também apresentados os coeficientes de Walsh (Goldberg,
1989b) e demonstrada a sua relação com as idéias de schema
e epistasia, e sua utilização em funções decepcionantes.
São analisadas diversas funções decepcionantes. São
analisadas diversas funções, associadas aos conceitos de
Decepção e Epistasia: as funções fully-deceptive e fully
easy com 6 bits, propostas por Deb e Goldberg (1994); as
funções deceptive but easy e non-deceptive but hard de
Grefenstette (op. Cit.); as funções F2 e F3 de Whitley
(1992), e ainda, as funções NK (apud Harvey, 1993) e Royal
Road (Forrest et al, op. Cit.)
Técnicas alternativas para melhorar a convergência incluem
basicamente algoritmos evolucionários com características
específicas a determinado tipo de problema. São analisados
alguns algoritmos alternativos, como o Messy de Goldberg
et alli (1989), o Estruturado de Dasgupta et al (s.d.), o
aumentado de Grefenstette (ibidem) e os algoritmos
propostos por Paredis (1996b). É ainda discutida e
exemplificada a importância da escolha adequada de
parâmetros e da representação de cromossomas, para que a
convergência seja mais facilmente alcançada.
O estudo de medidas de convergêcia de Algoritmos
Genéticos fornece uma classificação: medidas
probabilísticas e medidas baseadas em landscapes. São
apresentadas também as colocações de Koza (1994) e
Altemberg (op. Cit.) sobre a convergência de Algoritmos
Evolucionários. É dado destaque para medida da dificuldade
esperada para convergência baseada no Coeficiente de
Correlação entre a Aptidão e a Distância (FDC - Fitness
Distance Correlation), como proposto por Jones e Forrest
(1995b).
O estudo de casos consiste da análise do comportamento de
Algoritmos Genéticos pela medida FDC, quando aplicados a
um conjunto de funções matemáticas, incluindo as já citadas, e ainda as funções de teste propostas por De Jong (apud Goldberg, op. cit) e a função decepcionante de Liepins e Vose (apud Deb et al, 1994). Também é realizada uma extensão da medida de dificuldade FDC estudada, buscando adequá-la a uma visão mais dinâmica de Algoritmos Genéticos. Para executar estes testes, o ambiente GENEsYs 1.0, desenvolvido por Thomas Bäck (1992) (a partir de seu precursor Genesis de JOhn Grefenstette (apud Ribeiro et alli, 1994), foi adaptado e extendido. / [en] This wok investigates the convergence and the performance
of Genetic Algorithms: the problems, solutions and
proposed measures. It is divided into five topics: a
discussion on the mathematical foundations that explains
how Genetic Algorithms work: a study of the most important
problems associated to their convergence and performance;
an analysis of techniques and alternative Genetic
Algorithms to achieve better convergence; a study of
measures trying to estimate the level of difficulty for
the convergence of GA s; and case study.
The mathematical foundations are based in conceps of
schema and building blocks, developed by Holland (apud
Goldberg, 1989a). Although they constitute the fundamental
theory about Genetic Algorithms convergence, there has
been a lot of questions about the process in which
schemata interact during the evolution of GA s (Forrest et
al, 1993b). This work presents a discussion on the most
important questions that have been raised about the
validity of these foundations. Specifically the objections
pointed out by Thorton (1995) about the conference of the
association between schema and building blocks; the
contradiction between schema theorem and Price theorem,
mentioned by Altenberg (1994); and the new ideas raised by
the variance of fitness concept.
The most important problems related to the convergence and
performance of GA s are discussed, i.e. the Deception and
the Epistasis. Even though Deception can difficult the
convergence, the former does not constitute a sufficient
factor for the late (Grefenstette, 1993). The Walsh
coefficients (Goldberg, 1989b0 and their relation with
schema are presented, and also their utilization in
deceptive fuctions. Some functions are analised, based on
the concepts of Deception and Epistasis: the 6-bits fully-
deceptive function by Deb et all (1994): the 3-bits fully-
deceptive functions, by Deb et alli (1989); the functions
deceptive but easy and non-deceptive but hard of
Grefenstette (op. cit.) the F2 and F3 functions of Whitley
(1992) as well as the NK functions (apud Harvey, 1993) and
the Royal Road functions (Forrest et al, op. cit.).
The techniques included the alternative GA s, with special
carachteristics. The Messy GA of Goldberg (1989), the
Structured GA of Dasgupta (s.d.), the Augmenated GA of
Grefenstette (ibidem) and GA s fo Paredis (1996b). The
importance of a correct choice of parameters is also
discussed.
The study of measures classifies those Ga´s into two
types: probabilistics and based on landscapes. The
considerations of Koza (1994) and Altenberg (op. cit.) are
also discussed. It is given special enfasis to the FDC (
Fitness Distance Correlacion) measure, proposed by Jones
and Forrest (1995b).
The case study consists of the analysis of the behavior of
GA by the measure FDC, applied to a set of mathematical
functions. The environment used is GENEsYs 1.0, developed
by Thomas Bäck (1992) over the Genesis of Grefenstette.
The GENEsys 1.0 was adapted and expanded to fullfil the
requirements of this work.
|
2 |
[en] HISTORY MATCHING IN RESERVOIR SIMULATION MODELS BY GENETIC ALGORITHMS AND MULTIPLE-POINT GEOSTATISTICS / [pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOSEUGENIO DA SILVA 13 June 2012 (has links)
[pt] Na área de Exploração e Produção (EeP) de petróleo, o estudo minucioso
das características de um reservatório é imperativo para a criação de
modelos de simulação que representem adequadamente as suas propriedades
petrofísicas. A disponibilidade de um modelo adequado é fundamental para
a obtenção de previsões acertadas acerca da produção do reservatório, e isso
impacta diretamente a tomada de decisões gerenciais. Devido às incertezas
inerentes ao processo de caracterização, ao longo da vida produtiva do
reservatório, periodicamente o seu modelo de simulação correspondente
precisa ser ajustado. Todavia, a tarefa de ajustar as propriedades do modelo
se traduz em um problema de otimização complexo, onde o número de
variáveis envolvidas é tão maior quanto maior for a quantidade de blocos
que compõem a malha do modelo de simulação. Na maioria das vezes
esses ajustes envolvem processos empíricos que demandam elevada carga de
trabalho do especialista. Esta pesquisa investiga e avalia uma nova técnica
computacional híbrida, que combina Algoritmos Genéticos e Geoestatística
Multiponto, para a otimização de propriedades em modelos de reservatórios.
Os resultados obtidos demonstram a robustez e a confiabilidade da solução
proposta, uma vez que, diferentemente das abordagens tradicionalmente
adotadas, é capaz de gerar modelos que não apenas proporcionam um
ajuste adequado das curvas de produção, mas também que respeitam as
características geológicas do reservatório. / [en] In the Exploration and Production (EeP) of oil, the detailed study of reservoir characteristics is imperative for the creation of simulation models that
adequately represent their petrophysical properties. The availability of an
appropriate model is fundamental to obtaining accurate predictions about
the reservoir production. In addition, this impacts directly the management
decisions. Due to the uncertainties inherent in the characterization process,
along the productive period of the reservoir, its corresponding simulation
model needs to be matched periodically. However, the task of matching the
model properties represents a complex optimization problem. In this case,
the number of variables involved increases with the number of blocks that
make up the grid of the simulation model. In most cases these matches
involve empirical processes that take too much time of an expert. This research investigates and evaluates a new hybrid computer technique, which
combines Genetic Algorithms and Multipoint Geostatistics, for the optimization of properties in reservoir models. The results demonstrate the
robustness and reliability of the proposed solution. Unlike traditional approaches, it is able to generate models that not only provide a proper match
of the production curves, but also satisfies the geological characteristics of
the reservoir.
|
3 |
[en] SIMULATION OF HEAT RECOVERY STEAM GENERATOR OPERATING IN A COMBINED CYCLE PLANT / [pt] SIMULAÇÃO DE UMA CALDEIRA DE RECUPERAÇÃO DE CALOR EM UMA USINA DE CICLO COMBINADO30 November 2012 (has links)
[pt] A evolução das turbinas a gás industriais resultou em um processo de combustão mais eficiente que permitiu a elevação da temperatura dos gases na exaustão dessa máquina. Assim, caldeiras de recuperação de calor cada vez mais complexas foram desenvolvidas com o intuito de aproveitar ao máximo o potencial energético na exaustão das turbinas. Dessa forma, modelos computacionais capazes de prever as condições de operação do equipamento se mostraram necessários de maneira a analisar o comportamento da máquina em diferentes situações, visando à máxima eficiência do processo. Esta dissertação descreve um modelo computacional capaz de simular o funcionamento fora do ponto de projeto, em regime permanente, de uma caldeira de recuperação de calor operando em uma usina de ciclo combinado, enfatizando sua utilização em sistemas de diagnóstico. As rotinas foram desenvolvidas em FORTRAN e os trocadores de calor presentes na HRSG foram modelados individualmente e calibrados através de um sistema de otimização utilizando algoritmos genéticos, responsável por minimizar o desvio do modelo. O programa desenvolvido foi validado contra dados de operação de uma usina real e mostrou resultados satisfatórios, que confirmam a robustez e fidelidade do modelo de simulação. / [en] The heavy duty gas turbines evolution and, consequently, a more efficient combustion process, allowed the temperature rising of the machines’ exhaust gases. Thus, more complex heat recovery steam generators were developed in order to maximize the use of that energy potential. Therefore, computational models capable to predict the operational conditions of the equipment may be needed in order to analyze the machine’s behavior for different situations, in a way to maximize the process efficiency. This thesis describes a computational model able to simulate the off-design behavior of a heat recovery steam generator operation in a combined cycle plant, emphasizing its utilization in diagnostics systems. The routines were developed using FORTRAN, each heat exchanger inside the Heat Recovery Steam Generator (HRSG) was designed individually and the calibration was done by a genetic algorithm responsible for minimizing the model’s deviations. The developed program was validated against operational data from a real plant and showed satisfactory results, confirming the robustness and fidelity of this simulation model.
|
4 |
[en] A SINGLE GOAL HEURISTIC APPROACH TO SOLVE TUNING IN ONTOLOGY META-MATCHING / [pt] UMA ABORDAGEM HEURÍSTICA UNI-OBJETIVO PARA CALIBRAGEM EM META-ALINHADORES DE ONTOLOGIASJAIRO FRANCISCO DE SOUZA 23 July 2012 (has links)
[pt] Ontologias são vistas como uma solução para o problema de interoperabilidade em muitas aplicações como integração de banco de dados, comércio eletrônico, serviços web e redes sociais. Contudo, ao utilizar diferentes ontologias, persiste o problema de incompatibilidade semântica entre os modelos. Dentre os desafios para o campo de alinhamento de ontologia, está a seleção de alinhadores e a auto-configuração desses alinhadores . Este trabalho tem por objetivo tratar o problema de meta-alinhamento de ontologias utilizando métodos heurísticos para calibragem de alinhadores escolhidos sem detrimento do desempenho do sistema. Para avaliar esta proposta em comparação a outras propostas da literatura, optou-se por utilizar um benchmark para alinhamentos de ontologias amplamente utilizado por pesquisadores desse campo. A comparação entre as propostas é realizada com base em medidas de qualidade de alinhamentos sugeridas pelo benchmark. Além da avaliação quantitativa proposta pelo benchmark, é realizada uma comparação qualitativa em relação às características desejáveis de meta-alinhadores propostas na literatura. / [en] Ontologies are seen as a solution for many applications such as database integration, e-commerce, web services and social networks. However, the use of distinet ontologies does not solve the semantic interoperability problem among modls. Matcher selection and self-configuring are challenges from the ontology matching field. This work aims to treat the ontology metamatching problem using heuristic methods to fast tune a set of matchers. To evalutate this proporsal, a well-known benchark for ontology matching is used. The comparison among meta-matching approaches includes the benchmark evaluation metries and qualitative metries for meta-matching proposed in the literature.
|
5 |
[en] ANALYSIS AND DEVELOPMENT OF A STAR-TREE MODEL ESTIMATION SOFTWARE / [pt] ANÁLISE E DESENVOLVIMENTO DE SISTEMA DE ESTIMAÇÃO DE MODELOS DA CLASSE STAR-TREEBERNARDO DA ROCHA SPINDEL 10 September 2009 (has links)
[pt] Na análise de séries temporais, os modelos lineares amplamente
difundidos e utilizados, como regressões lineares e modelos auto-regressivos, não
são capazes de capturar sua natureza muitas vezes não-linear,oferecendo
resultados insatisfatórios. Séries financeiras, por exemplo, apresentam este tipo de
comportamento. Ao longo dos últimos anos, houve o surgimento de muitos
modelos não lineares para análise de séries temporais, tanto estatísticos como de
inteligência computacional, baseados em redes neurais. Esta dissertação se propõe
a analisar a performance do modelo STAR-Tree sob diversos cenários de
conFiguração, parametrização e metodologias de estimação. Esta classe de
modelos subdivide os dados de uma série temporal em regiões distintas que
atendem critérios especificados em funções chamadas de pertinências. A cada
região é atribuído um modelo linear auto-regressivo. Cada dado estimado pode
estar em alguma das regiões com algum grau de pertinência determinado pelas
funções fornecidas pelo modelo principal. Fatores como a proximidade das
regiões, a suavidade das funções de pertinência e a falta de diversidade nos dados
podem dificultar a estimação dos modelos. Para avaliar a qualidade das
estimações sob os diversos cenários, foi construído um sistema capaz de gerar
séries artificiais, importar séries externas, estimá-las sob a modelagem STAR-Tree,
e gerar simulações de Monte Carlo que avaliam a qualidade da estimação de
parâmetros e a capacidade de detecção das estruturas de árvore do modelo. Ele foi
utilizado como ferramenta para realizar as análises presentes na dissertação, e
permitiu que se testassem diferentes conFigurações de métodos e parametrizações
com facilidade. / [en] In time series analysis, linear models that have been broadly used, such as
linear regressions and auto-regressive models, are not able to capture the some
times non linear nature of some data, offering poor estimation results. Financial
series, for instance, show that kind of behavior. Over the last years, a great
number of non linear models have been developed in order to analyze time series,
some of them statistical, others based on computational intelligence techniques
such as neural networks. The purpose of this dissertation is to analyze the
performance of the STAR-Tree model under distinct scenarios that differ in model
specification, parameterization and estimation methodologies. This class of
models splits time series data into individual regions which fulfill the criteria set
up by functions called pertinences. A linear model then is selected for each one of
those regions. Each estimated data point can belong to one of the mentioned
regions with some degree of pertinence, supplied by the above mentioned
pertinence functions. Aspects like the proximity between regions, the smoothness
of the pertinence functions and the lack of diversity in real data can significantly
affect the estimation of models. In order to evaluate the quality of the estimations
under the different proposed scenarios, a software was developed with the
capabilities of generating artificial time series, importing external series,
estimating them under the STAR-Tree model, and generating Monte Carlo
simulations that evaluate the quality of parameter estimation and the tree structure
detection capability of the model. The software was used as the single tool to
generate this dissertation’s analyses, and allowed that different model
specifications and methods could be tested without difficulty.
|
6 |
[en] THE OPTIMIZATION OF PETROLEUM FIELD EXPLORATION ALTERNATIVES USING EVOLUTIONARY COMPUTATION / [pt] OTIMIZAÇÃO DE ALTERNATIVAS PARA DESENVOLVIMENTO DE CAMPO DE PETRÓLEO UTILIZANDO COMPUTAÇÃO EVOLUCIONÁRIALUCIANA FALETTI ALMEIDA 21 May 2003 (has links)
[pt] Esta dissertação investiga um sistema baseado em algoritmos
genéticos e algoritmos culturais, aplicado ao processo de
desenvolvimento de um campo de petróleo.
O desenvolvimento de um campo de petróleo consiste, neste
caso, da disposição de poços num reservatório petrolífero,
já conhecido e delimitado, que permita maximizar o Valor
Presente Líquido. Uma disposição de poços define a
quantidade e posição de poços produtores e injetores e do
tipo de poço (horizontalou vertical) a serem empregados no
processo de exploração.
O objetivo do trabalho é avaliar o desempenho de Algoritmos
Genéticos e Algoritmos Culturais como métodos de apoio à
decisão na otimização de alternativas de produção em
reservatórios petrolíferos.
Determinar a localização de novos poços de petróleo em um
reservatório é um problema complexo que depende de
propriedades do reservatório e critérios econômicos, entre
outros fatores. Para que um processo de otimização possa ser
aplicado nesse problema, é necessário definir uma função
objetivo a ser minimizada ou maximizada pelo processo. No
problema em questão, a função objetivo a ser maximizada é o
Valor Presente Líquido (VPL). Para se estabelecer o VPL,
subtrai-se os gastos com a exploração do valor
correspondente ao volume de petróleo estimado da reserva.
Devido à complexidade do perfil de produção de petróleo,
exige-se a utilização de simuladores de reservatório para
esta estimativa. Deste modo, um simulador de reservatórios
é parte integrante da função de avaliação.
O trabalho de pesquisa foi desenvolvido em quatro etapas:
um estudo sobre a área de exploração de petróleo; um estudo
dos modelos da inteligência computacional empregados nesta
área; a definição e implementação de um modelo genético e
cultural para o desenvolvimento de campo petrolífero e o
estudo de caso.
O estudo sobre a área de exploração de campo de petróleo
envolveu a teoria necessária para a construção da função
objetivo.
No estudo sobre as técnicas de inteligência computacional
definiu-se os conceitos principais sobre Algoritmo Genético
e Algoritmo Cultural empregados nesta dissertação.
A modelagem de um Algoritmo Genético e Cultural constitui
no emprego dos mesmos, para que dado um reservatório
petrolífero, o sistema tenha condições de reconhecê-lo e
desenvolvê-lo, ou seja, encontrar a configuração
(quantidade, localização e tipo de poços) que atinja um
maior Valor Presente Líquido.
Os resultados obtidos neste trabalho indicam a viabilidade
da utilização de Algoritmos Genéticos e Algoritmos
Culturais no desenvolvimento de campos de petróleo. / [en] This dissertation investigates a system based in genetic algorithms and cultural algorithms, applied to the
development process of a petroleum field. The development of a petroleum field consists in the placement of wells in an already known and delimited petroleum reservoir, which allows maximizing the Net Present Value. A placement of wells defines the quantity and position of the producing wells, the injecting wells,
and the wells type (horizontal or vertical) to be used in the exploration process. The objective of this work is to evaluate the performance of Genetic Algorithms and Cultural Algorithms as decision support methods on the optimization of production alternatives in petroleum reservoirs. Determining the new petroleum wells location in a reservoir is a complex problem that depends on the properties of the reservoir and on economic criteria, among other factors. In order to an optimization process to be applied to this problem, it s necessary to define a target function to be minimized or maximized by the process. In the given problem, the target function to be maximized is the Net Present Value (NPV). In order to establish the NPV, the exploration cost correspondent to the estimated reservoir petroleum volume is deducted. The complexity of
the petroleum s production profile implies on the use of reservoirs simulators for this estimation. In this way, a reservoir simulator is an integrant part of the evaluation function. The research work was developed in four phases: a study about the petroleum exploration field; a study about the applied computational intelligence models in this area; the definition and implementation of a genetic and cultural model for the development of petroliferous fields and the case study. The study about the petroleum exploration field involved all the necessary theory for the building of the target function. In the study about the computational intelligence techniques, the main concepts about the Genetic Algorithms and Cultural Algorithms applied in this dissertation were defined. The modeling of Genetic and Cultural Algorithms consisted in applying them so that, given a petroleum reservoir, the system is capable of evolve and find configurations (quantity, location and wells type) that achieve greater Net Present Values. The results obtained in this work, indicate that the use of Genetic Algorithms and Cultural Algorithms in the
development of petroleum fields is a promising alternative.
|
7 |
[en] EVOLUTIONARY INFERENCE APPROACHES FOR ADAPTIVE MODELS / [pt] ABORDAGENS DE INFERÊNCIA EVOLUCIONÁRIA EM MODELOS ADAPTATIVOSEDISON AMERICO HUARSAYA TITO 17 July 2003 (has links)
[pt] Em muitas aplicações reais de processamento de sinais, as
observações do fenômeno em estudo chegam seqüencialmente no
tempo. Consequentemente, a tarefa de análise destes dados
envolve estimar quantidades desconhecidas em cada
observação concebida do fenômeno.
Na maioria destas aplicações, entretanto, algum
conhecimento prévio sobre o fenômeno a ser modelado está
disponível. Este conhecimento prévio permite formular
modelos Bayesianos, isto é, uma distribuição a priori sobre
as quantidades desconhecidas e uma função de
verossimilhança relacionando estas quantidades com as
observações do fenômeno. Dentro desta configuração, a
inferência Bayesiana das quantidades desconhecidas é
baseada na distribuição a posteriori, que é obtida através
do teorema de Bayes.
Infelizmente, nem sempre é possível obter uma solução
analítica exata para esta distribuição a posteriori. Graças
ao advento de um formidável poder computacional a baixo
custo, em conjunto com os recentes desenvolvimentos na
área de simulações estocásticas, este problema tem sido
superado, uma vez que esta distribuição a posteriori pode
ser aproximada numericamente através de uma distribuição
discreta, formada por um conjunto de amostras.
Neste contexto, este trabalho aborda o campo de simulações
estocásticas sob a ótica da genética Mendeliana e do
princípio evolucionário da sobrevivência dos mais aptos.
Neste enfoque, o conjunto de amostras que aproxima a
distribuição a posteriori pode ser visto como uma população
de indivíduos que tentam sobreviver num ambiente
Darwiniano, sendo o indivíduo mais forte, aquele que
possui maior probabilidade. Com base nesta analogia,
introduziu-se na área de simulações estocásticas (a) novas
definições de núcleos de transição inspirados nos
operadores genéticos de cruzamento e mutação e (b) novas
definições para a probabilidade de aceitação, inspirados no
esquema de seleção, presente nos Algoritmos Genéticos.
Como contribuição deste trabalho está o estabelecimento de
uma equivalência entre o teorema de Bayes e o princípio
evolucionário, permitindo, assim, o desenvolvimento de um
novo mecanismo de busca da solução ótima das quantidades
desconhecidas, denominado de inferência evolucionária.
Destacamse também: (a) o desenvolvimento do Filtro de
Partículas Genéticas, que é um algoritmo de aprendizado
online e (b) o Filtro Evolutivo, que é um algoritmo de
aprendizado batch. Além disso, mostra-se que o Filtro
Evolutivo, é em essência um Algoritmo Genético pois, além
da sua capacidade de convergência a distribuições de
probabilidade, o Filtro Evolutivo converge também a sua moda
global. Em conseqüência, a fundamentação teórica do Filtro
Evolutivo demonstra, analiticamente, a convergência dos
Algoritmos Genéticos em espaços contínuos.
Com base na análise teórica de convergência dos algoritmos
de aprendizado baseados na inferência evolucionária e nos
resultados dos experimentos numéricos, comprova-se que esta
abordagem se aplica a problemas reais de processamento de
sinais, uma vez que permite analisar sinais complexos
caracterizados por comportamentos não-lineares, não-
gaussianos e nãoestacionários. / [en] In many real-world signal processing applications, the phenomenon s observations arrive sequentially in time; consequently, the signal data analysis task involves estimating unknown quantities for each phenomenon observation. However, in most of these applications, prior knowledge about the phenomenon being modeled is available. This prior knowledge allows us to formulate a Bayesian model, which is
a prior distribution for the unknown quantities and the likelihood functions relating these quantities to the
observations. Within these settings, the Bayesian inference on the unknown quantities is based on the posterior distributions obtained from the Bayes theorem. Unfortunately, it is not always possible to obtain a closed-form analytical solution for this posterior distribution. By the advent of a cheap and formidable computational power, in conjunction with some recent developments in stochastic simulations, this problem has been overcome, since this posterior distribution can be obtained by numerical approximation. Within this context, this work studies the stochastic simulation field from the Mendelian genetic view, as well
as the evolutionary principle of the survival of the fittest perspective. In this approach, the set of samples
that approximate the posteriori distribution can be seen as a population of individuals which are trying to survival in a Darwinian environment, where the strongest individual is the one with the highest probability. Based in this analogy, we introduce into the stochastic simulation field: (a) new definitions for the transition kernel, inspired in the genetic operators of crossover and mutation and (b) new definitions for the acceptation probability, inspired in the selection scheme used in the Genetic Algorithms. The contribution of this work is the establishment of a relation between the Bayes theorem and the evolutionary principle, allowing the development of a new optimal solution search engine for the unknown quantities, called evolutionary inference. Other contributions: (a) the development of the Genetic Particle Filter, which is an evolutionary online learning algorithm and (b) the Evolution Filter, which is an evolutionary batch learning algorithm. Moreover, we show that the Evolution Filter is a Genetic algorithm, since, besides its
capacity of convergence to probability distributions, it also converges to its global modal distribution. As a
consequence, the theoretical foundation of the Evolution Filter demonstrates the convergence of Genetic Algorithms in continuous search space. Through the theoretical convergence analysis of the learning algorithms based on the evolutionary inference, as well as the numerical experiments results, we verify that this approach can be applied to real problems of signal processing, since it allows us to analyze complex signals characterized by non-linear, nongaussian and non-stationary behaviors.
|
8 |
[en] EVOLUTIONARY SYNTHESIS IN NANOTECHNOLOGY / [pt] SÍNTESE EVOLUCIONÁRIA EM NANOTECNOLOGIALEONE PEREIRA MASIERO 22 August 2006 (has links)
[pt] A Nanotecnologia teve seus primeiros conceitos
introduzidos pelo físico
americano Richard Feynman em 1959, em sua famosa palestra
intitulada
There´s plenty of room at the bottom (Ainda há muito
espaço sobrando no
fundo). Já a Inteligência Computacional tem sido utilizada
com sucesso em
diversas áreas no meio acadêmico e industrial. Este
trabalho investiga o
potencial dos Algoritmos Genéticos na otimização e síntese
de dispositivos e
estruturas na área de Nanotecnologia, através de 3 tipos
de aplicações distintas:
síntese de circuitos eletrônicos moleculares, projeto de
novos polímeros
condutores e otimização de parâmetros de OLEDs (Organic
Light-Emitting
Diodes). A síntese de circuitos eletrônicos moleculares é
desenvolvida com base
em Hardware Evolucionário (EHW - Evolvable Hardware) e tem
como principais
elementos dois dispositivos moleculares simulados em
SPICE: o diodo molecular
e o transistor molecular. O projeto de novos polímeros
condutores é baseado em
uma metodologia que combina uma aproximação tight-binding
(hamiltoniano de
Hückel simplificado) que representa a estrutura eletrônica
de uma cadeia
polimérica, empregando um AG com avaliação distribuída
como mecanismo de
síntese. Finalmente, a otimização de parâmetros de OLEDs é
desenvolvida por
meio de um método que modela o comportamento elétrico do
dispositivo com
multicamadas, onde cada camada possui uma proporção de MTE
(material
transportador de elétrons) e uma proporção de MTB
(material transportador de
buracos). As aplicações apresentam resultados que
comprovam que o apoio de
técnicas de Inteligência Computacional como os Algoritmos
Genéticos no mundo
nanométrico pode trazer benefícios para a criação e o
desenvolvimento de novas
tecnologias. / [en] The first Nanotechnology concepts were introduced by the
American
physicist Richard Feynman in 1959, in his famous lecture
entitled There´s plenty
of room at the bottom. Computational Intelligence has been
successfully used in
various areas in the academic and industrial worlds. This
work investigates the
potential of Genetic Algorithms in the optimization and
synthesis of devices and
structures in the Nanotechnology domain, by means of 3
types of distinct
applications: synthesis of molecular electronic circuits,
design of new conducting
polymers and optimization of OLEDs (Organic Light-Emitting
Diodes) parameters.
The synthesis of molecular electronic circuits is
developed based on the
Evolvable Hardware (EHW) paradigm and has as main elements
two molecular
devices simulated in SPICE: the molecular diode and the
molecular transistor.
The design of new conducting polymers is based on a
methodology that
combines an approximated tight-binding (simplified Huckel
Hamiltonian) that
represents the electronic structure of a polymer chain,
using a GA with distributed
evaluation as the synthesis mechanism. Finally, the
optimization of OLEDs
parameters is developed by means of a method that models
the electric behavior
of multi-layer devices, where each layer has a ratio of
electron transport material
(ETM) to hole transport material (HTM). The applications
present results that
demonstrate that the use of Computational Intelligence
techniques, as Genetic
Algorithms, in the nanometer world can bring benefits for
the creation and
development of new technologies.
|
9 |
[en] APPLYING GENETIC ALGORITHMS TO THE PRODUCTION SCHEDULING OF A PETROLEUM / [es] PROGRAMACIÓN AUTOMÁTICA DE LA PRODUCCIÓN EN REFINERÍAS DE PETRÓLEO UTILIZANDO ALGORITMOS GENÉTICOS / [pt] PROGRAMAÇÃO AUTOMÁTICA DA PRODUÇÃO EM REFINARIAS DE PETRÓLEO UTILIZANDO ALGORITMOS GENÉTICOSMAYRON RODRIGUES DE ALMEIDA 19 July 2001 (has links)
[pt] O objetivo desta dissertação é desenvolver um método de
solução baseado em Algoritmos Genéticos (GAs) aliado a um
Sistema Baseado em Regras para encontrar e otimizar as
soluções geradas para o problema de programação da produção
de Óleos Combustíveis e Asfalto na REVAP (Refinaria do Vale
do Paraíba). A refinaria é uma planta multiproduto, com
dois estágios de máquinas em série - um misturador e um
conjunto de tanques, com restrição de recursos e operando
em regime contínuo. Foram desenvolvidos neste trabalho dois
modelos baseados em algoritmos genéticos que são utilizados
para encontrar a seqüência e os tamanhos dos lotes de
produção dos produtos finais. O primeiro modelo proposto
utiliza uma representação direta da programação da produção
em que o horizonte de programação é dividido em intervalos
discretos de um hora. O segundo modelo proposto utiliza uma
representação indireta que é decodificada para formar a
programação da produção. O Sistema Baseado em Regras é
utilizado na escolha dos tanques que recebem a produção e os
tanques que atendem à demanda dos diversos centros
consumidores existentes. Um novo operador de mutação -
Mutação por Vizinhança - foi proposto para minimizar o
número de trocas operacionais na produção. Uma técnica para
agregação de múltiplos objetivos, baseado no Método de
Minimização de Energia, também foi incorporado aos
Algoritmos Genéticos. Os resultados obtidos confirmam que
os Algoritmos Genéticos propostos, associados com o Método
de Minimização de Energia e a Mutação por Vizinhança, são
capazes de resolver o problema de programação da produção,
otimizando os objetivos operacionais da refinaria. / [en] The purpose of this dissertation is to develop a method,
based on Genetics Algorithms and Rule Base Systems, to
optimize the production scheduling of fuel oil and asphalt
area in a petroleum refinery. The refinery is a multi-
product plant, with two machine stages - one mixer and a
set of tanks - with no setup time and with resource
constrains in continuous operation. Two genetic algorithms
models were developed to establish the sequence and the lot-
size of all production shares. The first model proposed has
a direct representation of the production scheduling which
the time interval of scheduling is shared in one hour
discrete intervals. The second model proposed has a indirect
representation that need to be decoded in order to make the
real production scheduling. The Rule Base Systems were
developed to choice the tanks that receive the production
and the tanks that provide the demand of the several
consumer centers. A special mutation operator -
Neighborhood Mutation - was proposed to minimize the number
of changes in the production. A Multi-objective Fitness
Evaluation technique, based on a Energy Minimization
Method, was also incorporated to the Genetic Algorithm
models. The results obtained confirm that the proposed
Genetic Algorithm models, associated with the Multi-
objective Energy Minimization Method and the Neighborhood
Mutation, are able to solve the scheduling problem,
optimizing the refinery operational objectives. / [es] El objetivo de esta disertación es desarrollar un método de
solución utilizando Algoritmos Genéticos (GAs) aliado a un
Sistema Basado en Reglas para encontrar y optimizar las
soluciones generadas para el problema de programación de la
producción de Aceites Combustibles y Asfalto en la REVAP
(Refinería del Valle de Paraíba). La refinería es una
planta multiproducto, con dos estados de máquinas en serie -
un mezclador y un conjunto de tanques, con restricción de
recursos y operando en régimen contínuo. En este trabajo se
desarrollaron dos modelos basados en algoritmos genéticos
que son utilizados para encontrar la secuencia y los
tamaños de los lotes de producción de los productos
finales. El primer modelo propuesto utiliza una
representación directa de la programación de la producción
en la cuál el horizonte de programación se divide en
intervalos discretos de un hora. El segundo modelo, utiliza
una representación indirecta que es decodificada para
formar la programación de la producción. EL Sistema Basado
en Reglas se utiliza en la selección de los tanques que
reciben la producción y los tanques que atienden a la
demanda de los diversos centros consumidores. Un nuevo
operador de mutación - Mutación por Vecindad - fue
propuesto para minimizar el número de cambios operacionales
en la producción. le fue incorporado a los Algoritmos
Genéticos una técnica para la agregación de múltiples
objetivos, basado en el Método de Minimización de Energía.
Los resultados obtenidos confirman que los Algoritmos
Genéticos propuestos, asociados al Método de Minimización
de Energía y la Mutación por Vecindad, son capazes de
resolver el problema de programación de la producción,
optimizando los objetivos operacionales de la refinería.
|
10 |
[en] MEASUREMENT-BASED LOAD MODELING FOR DYNAMIC SIMULATIONS ON ELECTRIC POWER SYSTEMS / [pt] MODELOS DE CARGAS BASEADOS EM MEDIÇÕES PARA SIMULAÇÕES DINÂMICAS EM SISTEMAS ELÉTRICOS DE POTÊNCIAIGOR FERREIRA VISCONTI 01 October 2010 (has links)
[pt] Este trabalho descreve uma metodologia para modelagem de cargas
elétricas, utilizando dados de tensão e corrente registrados durante distúrbios no
sistema de potência. Estes modelos são utilizados na representação de subsistemas
da rede elétrica em simulações computacionais que preveem o comportamento
dinâmico do sistema de potência após perturbações em suas condições normais de
operação.São apresentados resultados práticos da metodologia proposta, onde a
carga é definida como um sistema cuja saída é a variação da potência consumida e
a entrada é a variação da tensão, ambas medidas em barramentos de 69 kV da
Companhia Hidroelétrica do São Francisco (CHESF), ponto de entrega de energia
para concessionárias distribuidoras de energia do nordeste brasileiro. Estas
distribuidoras são modeladas como cargas, supridas pelo sistema de transmissão
da CHESF e todos os elementos consumidores de energia são agregados nestes
modelos equivalentes, parametrizados para simular o maior número de
contingências típicas medidas em cada um destes barramentos de carga.A
técnica de estimação de parâmetros dos modelos de cargas é o Algoritmo
Genético (AG) cujos resultados apresentaram precisão para a simulação de
contingências de características bem distintas, caracterizando a abrangência
alcançada no processo de identificação de sistemas.Ao final do trabalho são
apresentadas curvas de desvios de potência ativa e reativa causadas por
afundamentos de tensão, ambos registrados nos barramentos das subestações da
CHESF. Estas curvas foram utilizadas para estimar os parâmetros dos modelos,
obtidos individualmente para cada uma das subestações estudadas. / [en] This work describes a measurement-based load modeling methodology,
using voltage and current data registered during power system disturbances. These
load models are used on computational simulations for predicting power system
stability after disturbances of system operational points. Practical results are
presented of the proposed methodology, defining load as a system whose output is
power deviation from its operational state and input is voltage sags, both
measured at 69 kV bus bars of São Francisco Hydroelectric Company (CHESF),
points of common coupling (PCC) between CHESF and local distribution utilities.
Therefore, distribution utilities are seen as loads supplied by CHESF’s
transmission system. All devices consuming power from the PCC are aggregated
into an equivalent model, parameterized to simulate most typical contingencies
measured by these 69kV load bars. Optimization technique used for load model
parameter estimation is Genetic Algorithm (GA), showing his flexibility on
implementation and good coverage and accuracy in the final results. At the end, it
will be presented a set of active and reactive power curves during and after
voltages sags, measured on CHESF’s substations. These curves were used as
estimation data to parameterize load models for each substation chosen.
|
Page generated in 0.0282 seconds