21 |
[en] GENETIC ALGORITHM APPLIED AT ACCIDENT RECONSTITUTION WITH A SIMPLIFIED MODEL OF DEFORMABLE VEHICLES / [pt] ALGORITMOS GENÉTICOS APLICADOS AO PROBLEMA DE RECONSTITUIÇÃO DE ACIDENTES COM UM MODELO SIMPLIFICADO DE VEÍCULOS TERRESTRES DEFORMÁVEISMARLOS REGO MENEZES 16 October 2007 (has links)
[pt] Apresenta-se a aplicação dos algoritmos genéticos para o tratamento do problema inverso em reconstituição de acidentes e análise de colisões com veículos terrestres de estrutura deformável. Define-se como, a partir de restrições impostas, das posições finais, e das deformações encontradas nos veículos após uma colisão,
o algoritmo de otimização pode fornecer o conjunto de variáveis e parâmetros que mais provavelmente levam os veículos àquela condição. Todos os procedimentos desenvolvidos foram implementados em imulink/Matlab. Para resolver o problema, foi escolhida a técnica de otimização denominada algoritmo genético, que é indicado para solução de problemas complexos, que envolvem um grande número e variáveis e, conseqüentemente, espaços de soluções de dimensões elevadas. / [en] This work show an applicattion of the genetic algorithm to
resolve the
inverse problem of accident reconstitution and to analise
colisions between
vehicles of deformable structure. It is determined how,
with imposing of
restrictions, final positions and deformations found at
vehicles after collision, the
optimization algorithmcan give the set of variables and
parameters that probably
conduct the vehicles to true initial condition. All the
developed procedures were
implemented at Simulink/Matlab.The optimization technique
chose to resolve the
inverse problem was the genetic algorithm because it is
the most popular to solve
complex problems that have a very large number of
variables and a elevate
dimension space solutions.
|
22 |
[en] HYBRID HEURISTICS FOR THE PHYLOGENY PROBLEM / [pt] HEURÍSTICAS HÍBRIDAS PARA O PROBLEMA DA FILOGENIADALESSANDRO SOARES VIANNA 13 July 2004 (has links)
[pt] Uma filogenia é uma árvore que relaciona unidades
taxonômicas, baseada na similaridade de seus conjuntos de
características. O problema da filogenia consiste em
encontrar uma filogenia com o número mínimo de passos
evolutivos. O principal objetivo deste trabalho é
desenvolver heurísticas híbridas para este problema. Duas
estratégias são propostas. A primeira combina a
metaheurística GRASP baseada em uma nova estrutura de
vizinhança (k-SPR) proposta neste trabalho com um
procedimento VND de busca local. A segunda estratégia
híbrida combina algoritmos genéticos com uma estratégia de
cruzamento inovadora, a qual é uma extensão da técnica
de intensificação denominada reconexão por caminhos que foi
originalmente aplicada no contexto de outras
metaheurísticas, tais como busca tabu e GRASP. Os
experimentos computacionais realizados sobre instâncias
geradas aleatoriamente e instâncias da literatura
científica mostram que os novos algoritmos são bastante
robustos e que superaram os outros algoritmos existentes na
literatura em termos de qualidade de solução e tempos
computacionais obtidos. / [en] A phylogeny is a tree that relates taxonomic units, based
on their similarities over a set of characters. The
phylogeny problem consists in finding a phylogeny with the
minimum number of evolutionary steps. The main goal
of this work is to develop hybrid heuristics for this
problem. Two strategies are proposed. The first combines
the GRASP metaheuristic using a new neighborhood structure
(k-SPR) proposed in this work with a VND local search
procedure. The second hybrid strategy combines genetic
algorithms with an innovative optimized crossover strategy
which is an extension of the path-relinking intensification
technique originally applied in the context of other
metaheuristics such as tabu search and GRASP. Computational
results on randomly generated and benchmark instances are
reported, showing that the new heuristics are quite robust
and outperform the others algorithms in the literature in
terms of solution quality and computational time.
|
23 |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS / [pt] SELEÇÃO DE CARTEIRAS DE PROJETOS DE PRODUÇÃO DE PETRÓLEO E GÁS POR ALGORITMOS GENÉTICOSKARIN YANET SUPO GAVANCHO 27 November 2002 (has links)
[pt] Esta dissertação investiga um sistema de apoio à decisão
baseado em Algoritmos Genéticos e Simulação Monte Carlo
para a formação de carteiras de projetos de petróleo e
gás.
O objetivo do trabalho é avaliar o desempenho de
Algoritmos
Genéticos -AG- para selecionar projetos que formarão a
carteira. A construção de carteiras de projetos é um
problema de múltiplos objetivos, onde se deseja escolher
um
conjunto de projetos com perspectivas de lucro para
formar
uma carteira. O sistema emprega o Algoritmo Genético para
formação de carteiras de projetos. Em seguida, a
Simulação
de Monte Carlo é utilizada para obter a função de
distribuição do Valor Presente Líquido -VPL- da carteira
baseado nas distribuições dos projetos escolhidos. Por
último, avalia-se a carteira usando-se o método de
minimização de energia que busca o equilibro dos três
objetivos considerados. O problema consiste, basicamente,
em maximizar a média do VPL, que representa o retorno
esperado, minimizando-se o Desvio Padrão, que é a medida
de
risco, e maximizando-se o Percentil 90 -P90-, que
significa
a possibilidade de obter um maior lucro. Nos estudos de
casos são apresentados os resultados da aplicação do
sistema
para diferentes grupos de projetos, constituídos por 16,
18, 20 e 26 projetos, onde cada um deles tem
distribuições
teóricas do VPL definidas por funções: F, Normal e
Logarítmica, formadas por 500 dados. Os resultados
obtidos
mostram a eficiência do AG com a técnica de múltiplos
objetivos, na utilização para a otimização de carteiras
de projetos de investimento em petróleo e gás. / [en] This thesis investigates a system of support to the
decision based on Genetic Algorithms and Monte Carlo
Simulation for the creation of portfolio projects of oil
and gas. The objective of this work is to evaluate the
performance of Genetic Algorithms -GA- to select projects
that will form the portfolio. The portfolio construction of
projects is a problem of objective multiples, where it is
wishes to choose a set of projects with profit perspectives
to form a portfolio. The system uses the Genetic Algorithm
to create the portfolio formation of projects. After that,
the Monte Carlo Simulation is used to get the function of
distribution of the Net Present Value -NPV- of the
portfolio based on the distributions of the chosen projects.
Finally, the portfolio is evaluated portfolio by using
itself the method of minimizes energy for the three
considered objectives. The problem consists, basically, in
maximizing the average of the NPV which represents the
return expected, minimizing the Standard of Deviation,
which is the measure of the risk, and maximizing the
Percentile 90 -P90-, which means the possibility to get a
bigger profit. In the study of cases, it is presented the
results of the application of the system for different
groups of projects, consisting in 16, 18, 20 and 26
projects, where each project has theoretical distributions
of the NPV defined by functions: F, Normal and
Logarithmic, formed for 500 data. The gotten results show
the efficiency of the GA with the technique of objective
multiples, in the use of the optimization of the
portfolio projects oil and gas investment.
|
24 |
[en] CLASSIFICATION OF DATABASE REGISTERS THROUGH EVOLUTION OF ASSOCIATION RULES USING GENETIC ALGORITHMS / [pt] CLASSIFICAÇÃO DE REGISTROS EM BANCO DE DADOS POR EVOLUÇÃO DE REGRAS DE ASSOCIAÇÃO UTILIZANDO ALGORITMOS GENÉTICOSCARLOS HENRIQUE PEREIRA LOPES 19 October 2005 (has links)
[pt] Esta dissertação investiga a utilização de Algoritmos
Genéticos (AG) no processo de descoberta de conhecimento
implícito em Banco de Dados (KDD - Knowledge Discovery
Database). O objetivo do trabalho foi avaliar o desempenho
de Algoritmos Genéticos no processo de classificação de
registros em Bancos de Dados (BD). O processo de
classificação no contexto de Algoritmos Genéticos consiste
na evolução de regras de associação que melhor
caracterizem, através de sua acurácia e abrangência, um
determinado grupo de registros do BD. O trabalho consistiu
de 4 etapas principais: um estudo sobre a área de
Knowledge Discovery Database (KDD); a definição de um
modelo de AG aplicado à Mineração de Dados (Data Mining);
a implementação de uma ferramenta (Rule-Evolver) de
Mineração de Dados; e o estudo de casos.
O estudo sobre a área de KDD envolveu todo o processo de
descoberta de conhecimento útil em banco de dados:
definição do problema; seleção dos dados; limpeza dos
dados; pré-processamento dos dados; codificação dos dados;
enriquecimento dos dados; mineração dos dados e a
interpretação dos resultados. Em particular, o estudo
destacou a fase de Mineração de Dados e os algoritmos e
técnicas empregadas (Redes Neurais, Indução de regras,
Modelos Estatísticos e Algoritmos Genéticos). Deste estudo
resultou um survey sobre os principais projetos de
pesquisa na área.
A modelagem do Algoritmo Genético consistiu
fundamentalmente na definição de uma representação dos
cromossomas, da função de avaliação e dos operadores
genéticos. Em mineração de dados por regras de associação
é necessário considerar-se atributos quantitativos e
categóricos. Atributos quantitativos representam variáveis
contínuas (faixa de valores) e atributos categóricos
variáveis discretas. Na representação definida, cada
cromossoma representa uma regra e cada gene corresponde a
um atributo do BD, que pode ser quantitativo ou categórico
conforme a aplicação. A função de avaliação associa um
valor numérico à regra encontrada, refletindo assim uma
medida da qualidade desta solução. A Mineração de Dados
por AG é um problema de otimização onde a função de
avaliação deve apontar para as melhores regras de
associação. A acurácia e a abrangência são medidas de
desempenho e, em alguns casos, se mantém nulas durante
parte da evolução. Assim, a função de avaliação deve ser
uma medida que destaca cromossomas contendo regras
promissoras em apresentar acurácia e abrangência
diferentes de zero. Foram implementadas 10 funções de
avaliação. Os operadores genéticos utilizados (crossover e
mutação) buscam recombinar as cláusulas das regras, de
modo a procurar obter novas regras com maior acurácia e
abrangência dentre as já encontradas. Foram implementados
e testados 4 operadores de cruzamento e 2 de mutação.
A implementação de uma ferramenta de modelagem de AG
aplicada à Mineração de Dados, denominada Rule-Evolver,
avaliou o modelo proposto para o problema de classificação
de registros. O Rule-Evolver analisa um Banco de Dados e
extrai as regras de associação que melhor diferenciem um
grupo de registros em relação a todos os registros do
Banco de Dados. Suas características principais são:
seleção de atributos do BD; informações estatísticas dos
atributos; escolha de uma função de avaliação entre as 10
implementadas; escolha dos operadores genéticos;
visualização gráfica de desempenho do sistema; e
interpretação de regras. Um operador genético é escolhido
a cada reprodução em função de uma taxa preestabelecida
pelo usuário. Esta taxa pode permanecer fixa ou variar
durante o processo evolutivo. As funções de avaliação
também podem ser alteradas (acrescidas de uma recompensa)
em função da abrangência e da acurácia da regra. O Rule-
Evolver possui uma interface entre o BD e o AG, necessária
para tor / [en] This dissertation investigates the application of Genetic
Algorithms (GAs) to the process of implicit knowledge
discovery over databases (KDD - Knowledge Discovery
Database). The objective of the work has been the
assessment of the Genetic Algorithms (GA) performance in
the classification process of database registers. In the
context of Genetic Algorithms, this classification process
consists in the evolution of association rules that
characterise, through its accuracy and range, a particular
group of database registers. This work has encompassed
four main steps: a study over the area of Knowledge
Discovery Databases; the GA model definition applied to
Data Mining; the implementation of the Data Mining Rule
Evolver; and the case studies.
The study over the KDD area included the overall process
of useful knowledge discovery; the problem definition;
data organisation; data pre-processing; data encoding;
data improvement; data mining; and results´
interpretation. Particularly, the investigation emphasied
the data mining procedure, techniques and algorithms
(neural Networks, rule Induction, Statistics Models and
Genetic Algorithms). A survey over the mais research
projects in this area was developed from this work.
The Genetic Algorithm modelling encompassed fundamentally,
the definition of the chromosome representation, the
fitness evaluation function and the genetic operators.
Quantitative and categorical attributes must be taken into
account within data mining through association rules.
Quantitative attribites represent continuous variables
(range of values), whereas categorical attributes are
discrete variable. In the representation employed in this
work, each chromosome represents a rule and each gene
corresponds to a database attribute, which can be
quantitative or categorical, depending on the application.
The evaluation function associates a numerical value to
the discovered rule, reflecting, therefore, the fitness
evaluation function should drive the process towards the
best association rules. The accuracy and range are
performance statistics and, in some cases, their values
stay nil during part of the evolutionary process.
Therefore, the fitness evaluation function should reward
chromosomes containing promising rules, which present
accuracy and range different of zero. Ten fitness
evaluation functions have been implemented. The genetic
operators used in this work, crossover and mutation, seek
to recombine rules´clauses in such a way to achieve rules
of more accuracy and broader range when comparing the ones
already sampled. Four splicing operators and two mutation
operators have been experimented.
The GA modeling tool implementation applied to Data Mining
called Rule Evolever, evaluated the proposed model to the
problem of register classification. The Rule Evolver
analyses the database and extracts association rules that
can better differentiate a group of registers comparing to
the overall database registers. Its main features are:
database attributes selection; attributes statistical
information; evaluation function selection among ten
implemented ones; genetic operators selection; graphical
visualization of the system performance; and rules
interpretation. A particular genetic operator is selected
at each reproduction step, according to a previously
defined rate set by the user. This rate may be kept fix or
may very along the evolutionary process. The evolutionary
process. The evaluation functions may also be changed (a
rewarding may be included) according to the rule´s range
and accuracy. The Rule Evolver implements as interface
between the database and the GA, endowing the KDD process
and the Data Mining phase with flexibility. In order to
optimise the rules´ search process and to achieve better
quality rules, some evolutionary techniques have been
implemented (linear rank and elitism), and different
random initialisation methods have been used as well;
global averag
|
25 |
[en] OPTIMIZATION OF ORBITALS DISTRIBUTION AND GAUSSIAN PRIMITIVES PARAMETERIZATION TO HARTREE-FOCK MODEL BY EVOLUTIONARIES ALGORITHMS / [pt] OTIMIZAÇÃO DA DISTRIBUIÇÃO EM ORBITAIS E PARAMETRIZAÇÃO DE PRIMITIVAS GAUSSIANAS PARA O MODELO DE HARTREE-FOCK POR ALGORITMOS EVOLUCIONÁRIOSIURY STEINER DE OLIVEIRA BEZERRA 18 January 2010 (has links)
[pt] O desenvolvimento da Nanociência e da Nanotecnologia dependem em grande
parte do avanço da Química Computacional. Nesse contexto, um dos conceitos
mais importantes é o conjunto de funções de base. Essas são combinações lineares
de funções que produzem uma solução aproximada da equação de Schrödinger
para átomo de muitos elétrons e sistemas moleculares. A construção de funções de
base é uma tarefa complexa e influencia a rapidez e a precisão de cálculos de
estrutura eletrônica. Esse trabalho propõe uma metodologia baseada em
Algoritmos Co-Evolucionários para realizar a parametrização e buscar a melhor
forma de se utilizar primitivas gaussianas utilizadas em cálculos de estrutura
eletrônica. Esta pesquisa avaliou diferentes formas de realizar a construção de
funções de base com o emprego de Algoritmos Evolucionários. O trabalho
apresenta uma metodologia inédita para realizar a construção de funções de base,
que parametriza e distribui as primitivas gaussianas dentre os orbitais
especificados. Como estudo de caso a ferramenta desenvolvida foi aplicada para
construir funções de base para os seguintes átomos: B, C, N, O, F, Ne, Na, Mg,
Al, Si, P, S, Cl, Ar. Em todos os casos, os resultados da aplicação metodologia
que usa algoritmos co-evolucionários, foram superiores aos presentes na literatura.
Com base na metodologia, é construído um sistema que torna viável a busca de
funções de base que satisfaçam a um critério previamente especificado, no qual o
usuário pode definir uma determinada precisão e a metodologia procura o número
mínimo de parâmetros e a respectiva distribuição que aproxima a meta
estabelecida. / [en] The development of nanoscience and nanotechnology has a strong dependency
on the advance of computational chemistry. In this context, one of the most
important concepts is the basis functions set. This linear combination of functions
provides an approximate solution to Schrödinger equation for many electron
atoms and molecular systems. The construction of basis function is a complex
task and influences on the speed and precision of the electronic structures calculus
Conventional non-linear programming techniques have been extensively used in
parameterization, but they cannot be used to build a set of basis functions. This
work intends to propose a methodology based in Evolutionary Algorithms to
parameterize and search for the best way of using Gaussian primitives in calculus
of electronic structure. The advantage of using evolutionary techniques is the
ability to obtain good solutions for the continuous non-linear programming
problems, which are at the same time discrete. Also, there are no necessary
previous knowledge of good(standard) solutions for a certain problem. This work
had evaluated different ways of build basis functions with the use of evolutionary
algorithms. This essay inserts an unprecedented methodology in literature to
perform construction of atomic basis functions. The tool developed here was
applied to build the basis functions for the following atoms: B, C, N, O, F, Ne,
Na, Mg, Al, Si, P, S, Cl, Ar. All cases of the applied methodology, which uses coevolutionary
algorithms, present better results than the ones described in
literature.
|
26 |
[en] ANALYSIS OF ELECTROMAGNETIC PROPAGATION THROUGH OIL WELLS WITH THE AID OF DECISION SUPPORT TECHNIQUES / [pt] ANÁLISE DA PROPAGAÇÃO ELETROMAGNÉTICA ATRAVÉS DE POÇOS DE PETRÓLEO COM AUXÍLIO DE TÉCNICAS DE APOIO À DECISÃOALEXANDRE ASHADE LASSANCE CUNHA 12 September 2011 (has links)
[pt] Análise da propagação eletromagnética através de poços de petróleo com auxílio de técnicas de apoio a decisão estuda a viabilidade de telemetria sem fio de fundo de poço a quilômetros de profundidade. A maior dificuldade são as perdas por propagação, definindo, assim, a direção de pesquisa deste trabalho. Essa dificuldade surge devido a grande diversidade de fluidos utilizados no interior do poço, com características condutoras, tornando extremamente difícil a previsão do comportamento de propagação. O trabalho foca, então, no problema de atenuação do sinal eletromagnético através do fluido, analisando suas causas com uso de modelagem eletromagnética e simulação Monte Carlo. Primeiramente, são definidos modelos de propagação analíticos. É mostrado que o sistema apresenta frequências em que ocorre propagação em modo TEM e desenvolve-se, então, um modelo análogo ao de uma linha de transmissão, permitindo, assim, a utilização de toda teoria de circuitos elétricos. Com este modelo, estima-se a impedância de entrada do sistema, revelando que esta varia, principalmente, entre 10 ohms e 10k ohms com parte reativa considerável, a uma profundidade igual a lambda sobre quatro de comprimento de onda. Estima-se, também, a melhor posição para colocar os sensores, introduzindo uma tática que maximiza as chances de se ter um sensor sempre perto de um máximo de potência. Além disso, com o auxílio de simulações Monte-Carlo, estuda-se a influência da permissividade elétrica e da condutividade do meio na atenuação de propagação e na impedância de entrada do sistema, concluindo que existe uma probabilidade de 95% de que a constante de atenuação seja inferior a 0,8 10(-4) Np/m em 1MHz. Posteriormente, utiliza-se algoritmo genético clássico para propor um problema de design bem simplificado para o posicionamento de um gerador no topo do poço, atingindo o ótimo em torno de 25m de profundidade, para uma frequência ligeiramente inferior a 1MHz. Por fim, fora analisada a possibilidade de alimentação remota, revelando que fluidos com condutividade da ordem de 1,0 10(-6) S/m permitem alimentação em profundidades elevadas. / [en] Analysis of electromagnetic propagation through oil wells with the aid
of decision support techniques studies the viability of wireless downhole
telemetry. The difficulty is the propagation losses, thereby defining the
direction of this research work. This difficulty arises because of the wide
variety of fluids used in the well, with conductive features, making it
extremely difficult to predict the behavior of propagation. The paper focuses
then on the problem of signal attenuation in the fluid, analyzing their
causes with the use of electromagnetism and Monte Carlo. First, propagation
models are defined analytically. It is shown that the presence of frequencies
in TEM mode propagation occurs and develops, then a model analogous to
a transmission line, thus allowing the use of electrical circuit theory. With
this model, we estimate the input impedance of the system, revealing which
ranges from 10 ohms and 1.0kohms to a depth equal to lambda over four. Furthermore, with the
aid of Monte-Carlo simulations, we study the influence of permittivity and
conductivity of the medium in the attenuation and input impedance of the
system, concluding that there is a probability of 95% of the attenuation
constant is less than 0.8·10(−4) Np/m at 1MHz. Later, we use classical genetic
algorithm to propose a design problem for the positioning of a generator at
the well, with excellent about 29, 7m deep and 1MHz. Finally, the possibility
was considered remote power, revealing that fluids with a conductivity of
1.0 · 10(−6) S / m at depths allow high power.
|
27 |
[en] MULTICRITERIA OPTIMISATION OF HYDROTHERMAL SYSTEMS OPERATION USING GENETIC ALGORITHMS / [pt] OTIMIZAÇÃO MULTICRITÉRIO DA OPERAÇÃO DE SISTEMAS HIDROTÉRMICOS UTILIZANDO ALGORITMOS GENÉTICOSMURILO PEREIRA SOARES 08 September 2008 (has links)
[pt] No Brasil, o planejamento da operação energética do Sistema
Interligado Nacional - SIN é realizado atualmente por meio
de uma cadeia de modelos matemáticos concebidos para
otimizar o planejamento segundo o critério de
minimização do valor esperado do custo total de operação. No
entanto, desde a crise ocorrida no Setor Elétrico Brasileiro
entre os anos de 2001 e 2002, cujo ápice ocorreu no
racionamento de energia, houve uma intensificação
na busca por métodos de otimização que permitam a
consideração explicita de critérios adicionais na
otimização, tal como a segurança operativa.
Neste contexto, este trabalho propõe uma modelagem
utilizando algoritmos genéticos que permite a consideração
de múltiplos objetivos no processo de otimização sem que a
representação física do sistema e de suas incertezas se-
jam comprometidas. A abordagem multicritério para o problema
possibilita que diversos indicadores, dentre os quais
destaca-se o risco anual de déficit, que atualmente são
apenas resultados da otimização, se tornem controláveis
a partir de sua consideração diretamente no processo de
otimização. A modelagem proposta foi computacionalmente
implementada na linguagem C# utilizando a biblioteca GAcom
desenvolvida pelo ICA/PUC-Rio. O desempenho da metodologia
proposta foi avaliado por meio de estudos de casos
aplicados ao SIN. Os resultados obtidos, assim como as
vantagens observadas ao se utilizar a otimização
multicritério, são discutidos ao longo do texto. / [en] In Brazil, the planning of the energy operation of the
National Interconnected Power System is currently done
through a chain of mathematical models designed to optimise
the planning according to criterion of minimisation of the
expected value of the total operation`s cost. However, since
the 2001-2002 energy supply crisis, there was an
intensification in the search for methods of optimization
allowing explicit consideration of additional criteria, such
as the operative security. In this context, this
work proposes a modelling using genetic algorithms that
makes possible the consideration of multiple objectives in
the optimisation process without compromising the
physical representation of the system and its uncertainties.
A multicriteria approach to the problem allows that various
indicators, like, for instance, annual deficit, which
currently are only results of the optimisation, become
controllable from its consideration in the optimisation
process. The modelling proposal was computationally
implemented in language C# using the GAcom library developed
by the ICA/PUC-Rio. The performance of the proposed
methodology was evaluated through potential National Inter-
connected Power System case studies. The results, as well as
the benefits seen when using the multicriteria optimisation,
are discussed throughout the text.
|
28 |
[en] MODELING YOUNGS MODULUS OF NANOCOMPOSITES THROUGH COMPUTATIONAL INTELLIGENCE / [pt] MODELAGEM DO MÓDULO DE YOUNG EM NANOCOMPÓSITOS ATRAVÉS DE INTELIGÊNCIA COMPUTACIONALLEANDRO FONTOURA CUPERTINO 17 March 2010 (has links)
[pt] Materiais compósitos são a base de muitos produtos, devido à sua
capacidade de aperfeiçoar certas propriedades. Recentemente, a utilização
de nanocargas na fabricação de compósitos vem sendo amplamente estudada,
pois a partir de concentrações baixas de nanocargas, as propriedades
começam a melhorar, possibilitando a criação de materiais leves e com uma
grande gama de propriedades. Uma das propriedades mecânicas mais estudadas
é o módulo de Young, que mensura a rigidez de um material. Alguns
dos modelos existentes para essa propriedade em nanocompósitos pecam na
precisão ou são limitados em função da fração máxima de nanopartículas
admissível no modelo. Outros se adequam apenas a uma determinada combina
ção de matriz/carga preestabelecida. O objetivo deste trabalho é utilizar
Redes Neurais Artificiais como um aproximador capaz de modelar tal
propriedade para diversas matrizes/cargas, levando em consideração suas
características, sem perder a precisão. A validação do aproximador é realizada
comparando o resultado com outros modelos propostos na literatura.
Uma vez validada, utiliza-se Algoritmos Genéticos em conjunto com tal rede
para definir qual seria a configuração ideal para três casos de estudo: um
que maximize o valor do módulo de Young, outro que maximize o módulo
relativo e um terceiro que maximize o módulo relativo e minimize a quantidade
de carga utilizada, diminuindo os custos de projeto. As técnicas de
Inteligência Computacional empregadas na modelagem e síntese de materiais
nanoestruturados se mostraram boas ferramentas, uma vez que geraram
uma boa aproximação dos dados utilizados com erros inferiores a 5%, além
de possibilitarem a determinação dos parâmetros de síntese de um material
com o módulo de Young desejado. / [en] Composite materials became very popular due to its improvements on
certain properties achieved from the mixture of two different components.
Recently, the use of nanofillers in the manufacture of composites has been
widely studied due to the improvement of properties at low concentrations
of nanofillers, enabling the creation of lightweight materials. Some of the
existing models for the Young modulus of the nanocomposites have low
accuracy or are limited in terms of the maximum filler fraction possible.
Others are appropriate only for a given combination of matrix and filler.
The objective of this work is to use Artificial Neural Networks as a function
approximation method capable of modeling such property for various
matrix/nanofillers, taking into account their characteristics, without losing
accuracy. The validation of this approximator is performed comparing its
results with other models proposed in the literature. Once validated, a Genetic
Algorithm is used with the Neural Network to define which would be
the ideal setting for three case studies: one that maximizes the value of composite’s
Young’s modulus, other that maximizes the relative modulus and a
third one that maximizes the relative modulus and minimizes the amount
of load used, reducing the cost of project. Computational Intelligence techniques
employed on the modeling and synthesis of nanostructured materials
proved to be adequate tools, since it generated a good approximation of the
data with errors lower than 5%, and determined the material’s parameters
for synthesis with the desired Young’s modulus.
|
29 |
[en] SYNTHESIS OF ELECTRONIC CIRCUITS FOR EVOLUTIONARY COMPUTING / [pt] SÍNTESE DE CIRCUITOS ELETRÔNICOS POR COMPUTAÇÃO EVOLUTIVARICARDO SALEM ZEBULUM 06 December 2005 (has links)
[pt] Esta tese investiga a utilização de computação evolutiva
aplicada à síntese de circuitos eletrônicos. A
computação evolutiva compreende uma classe de algoritmos
que utilizam certos aspectos da evolução natural como
metáforas. Particularmente, a seleção natural, a
recombinação de material genético e a mutação são os
mecanismos biológicos nos quais a maior parte destes
algoritmos evolutivos buscam inspiração. Embora
algoritmos evolutivos tenham encontrado em problemas de
otimização o seu maior potencial de aplicação, a
utilização dos mesmos na síntese de circuitos
eletrônicos vem sendo intensamente investigada nos
últimos anos, dando início à área de pesquisa denominada
de Eletrônica Evolutiva. Esta tese enfoca a área de
eletrônica evolutiva sob o ponto de vista de engenharia
de circuitos, e seu maior objetivo é oferecer
embasamento teórico e experimental para proposta de
novas ferramentas de Computer Aided Design (CAD) de
circuitos eletrônicos.
Nesta pesquisa, a utilização de algoritmos evolutivos
não se restringiu àqueles que empregam apenas os três
operadores genéticos descritos anteriormente, isto é,
seleção, recombinação e mutação. Investigou-se a
inclusão de novos métodos e operadores ao fluxo básico
dos algoritmos evolutivos, com o propósito de melhorar
seu desempenho em problemas na área de Eletrônica
Evolutiva. Particularmente, estudou-se a utilização de
complexidade através de sistemas com representação
variável sistemas evolutivos que utilizem como metáfora
o conceito biológico de especiação. Além disso, uma nova
metodologia para otimização com múltiplos objetivos,
baseada em conceitos de aprendizado de Redes Neurais
Artificiais, for também concebida nessa tese.
Realizou-se um amplo estudo de casos, abrangendo
eletrônica analógica, digital e microeletrônica. Uma
grande variedade de circuitos de caráter prático foi
sintetizada, tais como: filtros, amplificadores,
osciladores, retificadores, receptores, comparadores,
multiplexadores e portas digitais básicas. Novos
paradigmas de eletrônica evolutiva foram também
concebidos, com o intuito de tornar os circuitos
projetados competitivos com aqueles convencionalmente
utilizados; estes paradigmas referem-se à forma como os
circuitos são avaliados ao longo do algoritmo evolutivo.
A plataforma para realização dos experimentos consistiu
de simuladores de circuitos e também de circuitos
integrados reconfiguráveis.
Os resultados mostram que esta nova classe de
ferramentas de CAD pode chegar a circuitos mais
eficientes do que os obtidos por ferramentas
convencionais. Além disso, circuitos eletrônicos
sintetizados por computação evolutiva são em geral
bastante distintos daqueles projetados
convencionalmente, o que contribui para a concepção de
novas metodologias de projeto. / [en] This thesis investigates the application of evolutionary
computing techniques in the synthesis of electronic
circuits. Evolutionary computation encompasses a
particular class of algorithm which employ some aspects of
natural evolution as metaphors. Particularly, most of
these algorithms borrow ideas from the natural selection,
genetic material recombination and mutation biological
mechanisms. Even though evolutionary algorithms have been
intensively investigates recently, starting a new research
area called Evolutionary Electronics. This work focuses on
evolutionary electronics from a enginnering perspective
and the main objective is the proposal of a new generation
of a Computer Aided Design (CAD) tools. Many case studies
have been analysed, covering digital and analog
microelectronics. The work aimed the achievement of
competitive results comparing to other CAD tools.
The research has made use of evolutionary algorithms
tailored to these application, by including other genetic
operators besides the ones defined above. The following
methods have been embedded in the evolutionary
methodology: memory based genetic algorithms, use of
variable length representation systems and the use of the
biological speciation metaphor. Furthermore, a new
multiple-objective optimization method, based on
artificial neural networks learning algorithms, has also
been employed in the case studies.
A large number of circuits of practical interest have been
sysnthesised, such as filters, amplifiers, oscillators,
rectifiers, receptors, comparators refer to new approaches
for circuits evaluation, particularly in the digital
domain. Circuit simulators and analog the reconfigurable
circuits have been used as platforms for the evolutionary
process.
The results show that the circuits synthesided through
evolutionary computation are, in some cases, more
efficient than the human designed ones. Besides, the
evolved circuits are usually quite different from their
human designed counterparts, which can contribute to the
creation of new design methodologies.
The author identified many promising ways of evolutionary
algorithms application in analog and digital design, which
may, in the future, overcome conventional design in terms
of area, speed and power consumption.
|
30 |
[pt] EVOLUINDO CÓDIGOS DE CORREÇÃO DE ERROS QUÂNTICOS / [en] EVOLVING QUANTUM ERROR CORRECTION CODESDANIEL RIBAS TANDEITNIK 28 June 2022 (has links)
[pt] Métodos computacionais se tornam essenciais diante de problemas complexos onde a intuição humana e métodos tradicionais falham. Trabalhos recentes apresentam redes neurais artificiais capazes de realizar eficientemente
tarefas intratáveis por algoritmos convencionais com o emprego de aprendizado
de máquina, tornando-se assim um dos métodos mais populares. Concomitantemente, algoritmos genéticos, inspirados pelos processos biológicos de seleção
natural e mutação, têm sido utilizados como método metaheurístico para encontrar soluções de problemas de otimização. Levantamos então a questão se
algoritmos genéticos possuem potencial para resolver problemas no contexto da
computação quântica, onde a intuição humana decresce à medida que os sistemas físicos crescem. Especificamente, nos concentramos na evolução de códigos
de correção de erros quânticos dentro do formalismo de códigos stabilizer. Ao
especificar uma função de fitness apropriada, mostramos que somos capazes de
evoluir códigos celebrados, como o código do Shor e o perfeito de 9 e 5 qubits
respectivamente, além de novos exemplos não antecipados. Adicionalmente,
comparamos com o método força bruta de busca aleatória e verificamos uma
crescente superioridade do algoritmo genético conforme aumenta-se o número
total de qubits. Diante dos resultados, imaginamos que algoritmos genéticos
possam se tornar ferramentas valiosas para desempenhar aplicações complexas
em sistemas quânticos e produzir circuitos sob medida que satisfaçam restrições impostas por hardware. / [en] Computational methods become essential in the face of complex problems
where human intuition and traditional methods fail. Recent works present
artificial neural networks capable of efficiently performing tasks intractable
by conventional algorithms using machine learning, rendering it one of the
most popular methods. Concomitantly, genetic algorithms, inspired by the
biological processes of natural selection and mutation, have been used as a
metaheuristic method to find solutions to optimization problems. We then raise
the question of whether genetic algorithms have the potential to solve problems
in the context of quantum computing, where human intuition decreases as
physical systems grow. Specifically, we focus on the evolution of quantum
error-correcting codes within the stabilizer code formalism. By specifying an
appropriate fitness function, we show that we can evolve celebrated codes, such
as the Perfect and Shor s code with respectively 5 and 9 qubits, in addition to
new unanticipated examples. Additionally, we compared it with a brute force
random search and verified an increasing superiority of the genetic algorithm
as the total number of qubits increases. Given the results, we foresee that
genetic algorithms can become valuable tools to perform complex applications
in quantum systems and produce tailored circuits that satisfy restrictions
imposed by hardware.
|
Page generated in 0.4335 seconds