31 |
[en] TORQUE CONTROL OF AN EXOSKELETON ACTUATED BY PNEUMATIC ARTIFICIAL MUSCLES USING ELECTROMYOGRAPHIC SIGNALS / [pt] CONTROLE DE TORQUE DE UM EXOESQUELETO ATUADO POR MÚSCULOS PNEUMÁTICOS ARTIFICIAIS UTILIZANDO SINAIS ELETROMIOGRÁFICOSJOAO LUIZ ALMEIDA DE SOUZA RAMOS 21 November 2013 (has links)
[pt] A robótica aplicada à reabilitação e amplificação humana está em uma fase iminente de se tornar parte de nossa vida diária. A justaposição da capacidade de controle humana e o poder mecânico desenvolvido pelas máquinas oferecem uma promissora solução para auxílio físico e de amplificação humana. O presente trabalho apresenta um exoesqueleto ativo para membros superiores controlado por uma alternativa e simples Interface Homem-Máquina (HMI) que utiliza o Modelo Muscular de Hill para aumentar a força e resistência mecânica do usuário. Músculos Pneumáticos Artificiais (PAM) são utilizados como atuadores por sua alta razão entre potência e peso e atuam o sistema através de um esquema com cabos de aço. Algoritmos Genéticos (GA) aproximam localmente os parâmetros do modelo matemático do atuador e o modelo fisiológico do músculo, que utiliza sinais eletromiográficos superficiais (sEMG) para estimar o torque na articulação do exoesqueleto. A metodologia proposta oferece três vantagens principais: (i) reduz o número de eletrodos necessários para monitorar a atividade muscular, (ii) elimina a necessidade de transdutores de força ou pressão entre o exoesqueleto e o usuário ou o ambiente e (iii) reduz o custo de processamento em tempo-real, necessário para implementações de sistemas embarcados. O exoesqueleto é restrito ao membro superior direito e a estratégia de controle é avaliada verificando o desempenho do usuário ao manipular uma carga de 3.1kg estática e dinamicamente com e sem o auxílio do equipamento assistivo. / [en] Robotics for rehabilitation and human amplification is imminent to become part of our daily life. The juxtaposition of human control capability and machine mechanical power offers a promising solution for human assistance and physical enhancement. This work presents an upper limb active exoskeleton controlled by an alternative and simple Human-Machine Interface (HMI) that uses a Hill Muscle Model for strength and endurance amplification. Pneumatic Artificial Muscles (PAM) are used as actuators for its high power-to-weight ratio and to drive the system through a cable arrangement. Genetic Algorithms (GA) approach locally optimizes the model parameters for the actuator mathematical model and the physiologic muscle model that uses the surface electromyography (sEMG) to estimate the exoskeleton joint torque. The proposed methodology offers three main advantages: (i) it reduces the number of electrodes needed to monitor the muscles, (ii) it eliminates the need for user force or pressure sensoring, and (iii) it reduces the real-time processing effort which is necessary for embedded implementation and portability. The exoskeleton is restricted to the right upper limb and the control methodology is validated evaluating the user performance while dynamically and statically handling a 3.1kg payload with and without the aid of the assistive device.
|
32 |
[en] HYBRID SYSTEM FOR RULE EXTRACTION APPLIED TO DIAGNOSIS OF POWER TRANSFORMERS / [pt] SISTEMA HÍBRIDO DE EXTRAÇÃO DE REGRAS APLICADO A DIAGNÓSTICO DE TRANSFORMADORESCINTIA DE FARIA FERREIRA CARRARO 28 November 2012 (has links)
[pt] Este trabalho tem como objetivo construir um classificador baseado em
regras de inferência fuzzy, as quais são extraídas a partir de máquinas de vetor
suporte (SVMs) e ajustadas com o auxílio de um algoritmo genético. O
classificador construído visa a diagnosticar transformadores de potência. As
SVMs são sistemas de aprendizado baseados na teoria do aprendizado
estatístico e apresentam boa habilidade de generalização em conjuntos de
dados reais. SVMs, da mesma forma que redes neurais (RN), geram um
modelo caixa preta, isto é, um modelo que não explica o processo pelo qual
sua saída é obtida. Entretanto, para alguns problemas, o conhecimento sobre
como a classificação foi obtida é tão importante quanto a classificação
propriamente dita. Alguns métodos propostos para reduzir ou eliminar essa
limitação já foram desenvolvidos, embora sejam restritos à extração de regras
simbólicas, isto é, contêm funções ou intervalos nos antecedentes das regras.
No entanto, a interpretabilidade de regras simbólicas ainda é reduzida. De forma
a aumentar a interpretabilidade das regras, o modelo FREx_SVM foi
desenvolvido. Neste modelo as regras fuzzy são extraídas a partir de SVMs
treinadas. O modelo FREx_SVM pode ser aplicado a problemas de classificação
com n classes, não sendo restrito a classificações binárias. Entretanto, apesar
do bom desempenho do modelo FREx_SVM na extração de regras linguísticas,
o desempenho de classificação do sistema de inferência fuzzy obtido é ainda
inferior ao da SVM, uma vez que as partições (conjuntos fuzzy) das variáveis de
entrada são definidas a priori, permanecendo fixas durante o processo de
aprendizado das regras. O objetivo desta dissertação é, portanto, estender o
modelo FREx_SVM, de forma a permitir o ajuste automático das funções de
pertinência das variáveis de entrada através de algoritmos genéticos. Para
avaliar o desempenho do modelo estendido, foram realizados estudos de caso
em dois bancos de dados: Iris, como uma base benchmark, e a análise de
resposta em frequência. A análise de resposta em frequência é uma técnica não
invasiva e não destrutiva, pois preserva as características dos equipamentos. No
entanto, o diagnóstico é feito de modo visual comparativo e requer o auxílio de
um especialista. Muitas vezes, este diagnóstico é subjetivo e inconclusivo. O
ajuste automático das funções de pertinência correspondentes aos conjuntos
fuzzy associados às variáveis de entrada reduziu o erro de classificação em até
13,38 por cento em relação à configuração sem este ajuste. Em alguns casos, o
desempenho da configuração com ajuste das funções de pertinência supera até
mesmo aquele obtido pela própria SVM. / [en] This work aims to develop a classifier model based on fuzzy inference
rules, which are extracted from support vector machines (SVMs) and optimized
by a genetic algorithm. The classifier built aims to diagnose power transformers.
The SVMs are learning systems based on statistical learning theory and have
provided good generalization performance in real data sets. SVMs, as artificial
neural networks (NN), generate a black box model, that is, a model that does not
explain the process by which its output is obtained. However, for some
applications, the knowledge about how the classification was obtained is as
important as the classification itself. Some proposed methods to reduce or
eliminate this limitation have already been developed, although they are
restricted to the extraction of symbolic rules, i.e. contain functions or ranges in
the rules´ antecedents. Nevertheless, the interpretability of symbolic rules is still
reduced. In order to increase the interpretability of the rules, the FREx_SVM
model was developed. In this model the fuzzy rules are extracted from trained
SVMs. The FREx_SVM model can be applied to classification problems with n
classes, not being restricted to binary classifications. However, despite the good
performance of the FREx_SVM model in extracting linguistic rules, the
classification performance of fuzzy classification system obtained is still lower
than the SVM, since the partitions (fuzzy sets) of the input variables are predefined
at the beginning of the process, and are fixed during the rule extraction
process. The goal of this dissertation is, therefore, to extend the FREx_SVM
model, so as to enable the automatic adjustment of the membership functions of
the input variables through genetic algorithms. To assess the performance of the
extended model, case studies were carried out in two databases: iris benchmark
and frequency response analysis. The frequency response analysis is a noninvasive
and non-destructive technique, because it preserves the characteristics
of the equipment. However, the diagnosis is carried out by visual comparison and
requires the assistance of an expert. Often, this diagnosis is subjective and
inconclusive. The automatic adjustment of the membership functions associated
with input variables reduced the error up to 13.38 per cent when compared to the
configuration without this optimization. In some cases, the classification
performance with membership functions optimization exceeds even those
obtained by SVM.
|
33 |
[en] AN APPROACH TO MODEL MULTITEMPORAL KNOWLEDGE IN AUTOMATIC INTERPRETATION PROCESS OF REMOTELY SENSED IMAGES / [pt] UM MÉTODO DE MODELAGEM DO CONHECIMENTO MULTITEMPORAL PARA A INTERPRETAÇÃO AUTOMÁTICA DE IMAGENS DE SENSORES REMOTOSVANESSA DE OLIVEIRA CAMPOS 21 March 2006 (has links)
[pt] O presente trabalho apresenta uma metodologia para
modelagem do
conhecimento multitemporal para a interpretação
automática
de imagens de
sensores remotos. O procedimento de interpretação
utilizado combina os
conhecimentos multitemporal e espectral usando técnicas
da
lógica nebulosa. O
método utiliza diagramas de transição de estado para
representar as possibilidades
de mudanças de classe dentro de um determinado intervalo
de tempo. As
possibilidades de mudança são estimadas a partir de
dados
históricos da mesma
região usando algoritmos genéticos. O método foi
validado
experimentalmente
usando como base um conjunto de imagens Landsat-5 da
cidade do Rio de
Janeiro, obtidas em 5 datas separadas por
aproximadamente
4 anos. Os resultados
experimentais indicaram que o uso do conhecimento
multitemporal, conforme
modelado pelo método proposto traz uma melhora
importante
de desempenho da
classificação em comparação à classificação puramente
espectral. / [en] The present work presents a methodology to model the
multitemporal
knowledge for the automatic interpretation of remotely
sensed images. The used
interpretation procedure combines the multitemporal and
spectral knowledge
using fuzzy logic techniques. This method uses state
transition diagrams to
represent the possibilities of class changes within a
given time interval. The
change possibilities are estimated based on historical
data by using genetic
algorithms. The method was validated by experiments using
a set of Landsat-5
images of the Rio de Janeiro City, Brazil, acquired at 5
dates separated by
approximately 4 years. The experimental results indicated
that the use of the
multitemporal knowledge as modeled by the proposed method
brings an important
performance improvement in comparison with the pure
spectral classification.
|
34 |
[en] INTELLIGENT CONTROL STRATEGIES FOR SEVERE SLUG MITIGATION IN OIL PRODUCTION PLANTS / [pt] ESTRATÉGIAS DE CONTROLE INTELIGENTE PARA MITIGAÇÃO DE GOLFADAS SEVERAS EM SISTEMAS DE PRODUÇÃO DE PETRÓLEODINART DUARTE BRAGA 23 March 2018 (has links)
[pt] Um dos maiores desafios da produção de petróleo offshore é garantir um escoamento regular do reservatório até a unidade de processamento da produção. Entre os fenômenos que podem dificultar esta tarefa está o estabelecimento de um escoamento em golfadas no riser de produção, caracterizado por oscilações periódicas e de grande amplitude nas vazões do sistema, que diminuem a eficiência da planta de separação, sujeitam equipamentos a esforços cíclicos e causam graves descontroles de processo. Por esta razão, foram desenvolvidas nas últimas décadas diversas soluções que visam a evitar a formação das golfadas, ou ao menos, atenuar suas consequências. Entre as soluções mais promissoras estão os controladores que evitam a formação das golfadas através da manipulação ativa da válvula choke e os controladores que amortecem as golfadas nos vasos separadores da planta de processo. Neste trabalho, estas estratégias de controle são revisitadas sob a óptica do controle inteligente, possibilitando a obtenção de resultados fora do alcance dos controladores lineares. Além de um modelo computacional que descreve um sistema de produção do poço ao vaso separador, também foram desenvolvidos neste trabalho dois controladores inteligentes. O primeiro deles é um controlador anti-golfada de arquitetura híbrida Fuzzy-PID, que é capaz de suprimir as golfadas mesmo em sistemas desprovidos de medições submarinas e com válvula choke lenta. O segundo é um controlador amortecedor de golfadas fuzzy, otimizado por um algoritmo genético, com alta capacidade de atenuação das golfadas e capaz de manter o nível dentro de uma faixa considerada segura. Ambos os controladores são testados em diversos cenários e têm seus resultados comparados aos obtidos por controladores lineares. / [en] One of the major challenges of offshore oil production is to ensure a regular flow from the reservoir to the production processing unit. Among the phenomena that may hamper this task is the establishment of slug flow in the production riser, characterized by periodic oscillations of large amplitude in the system flow rates, which reduce the efficiency of the separation plant, subject equipment to cyclical fatigue and cause serious process instabilities. For this reason, several solutions that aim at avoiding the formation of slugs or, at least, mitigating their consequences have been developed in the last decades. Among the most promising solutions are controllers that prevent the formation of slugs by actively manipulating the choke valve and controllers that dampen the slugs in the vessels of the separation plant. In this work, these control strategies are revisited from perspective of intelligent control, allowing the obtainment of results beyond the reach of linear controllers. In addition to a computational model that comprises a production system from the well to the separation vessel, two intelligent controllers were developed in this work. One of them is a hybrid Fuzzy-PID anti-slug controller that is capable of suppressing slugs even in systems without submarine measurements available and with slow choke valve. The other one is a fuzzy slug damping controller, optimized by a genetic algorithm, with high slug attenuation capacity and able to maintain the level within a specified range. Both controllers are tested in several scenarios and have their results compared to those obtained by linear controllers.
|
35 |
[en] FUZZYFUTURE: TIME SERIES FORECASTING TOOL BASED ON FUZZY-GENETIC HYBRID SYSTEM / [pt] FUZZYFUTURE: FERRAMENTA DE PREVISÃO DE SÉRIES TEMPORAIS BASEADA EM SISTEMA HÍBRIDO FUZZY-GENÉTICOVICTOR BARBOZA BRITO 20 October 2011 (has links)
[pt] A previsão de séries temporais está presente em diversas áreas como os
setores elétrico, financeiro, a economia e o industrial. Em todas essas áreas, as
previsões são fundamentais para a tomada de decisões no curto, médio e longo
prazo. Certamente, as técnicas estatísticas são as mais utilizadas em problemas
de previsão de séries, principalmente por apresentarem um maior grau de
interpretabilidade, garantido pelos modelos matemáticos gerados. No entanto,
técnicas de inteligência computacional têm sido cada vez mais aplicadas em
previsão de séries temporais no meio acadêmico, com destaque para as Redes
Neurais Artificiais (RNA) e os Sistemas de Inferência Fuzzy (FIS). Muitos são os
casos de sucesso de aplicação de RNAs, porém os sistemas desenvolvidos são
do tipo caixa preta, inviabilizando uma melhor compreensão do modelo final de
previsão. Já os FIS são interpretáveis, entretanto sua aplicação é comprometida
pela dependência de criação de regras por especialistas e pela dificuldade em
ajustar os diversos parâmetros como o número e formato de conjuntos e o
tamanho da janela. Além disso, a falta de pessoas com o conhecimento
necessário para o desenvolvimento e utilização de modelos baseados nessas
técnicas também contribui para que estejam pouco presentes na rotina de
planejamento e tomada de decisão na maioria das organizações. Este trabalho
tem como objetivo desenvolver uma ferramenta computacional capaz de realizar
previsões de séries temporais, baseada na teoria de Sistemas de Inferência
Fuzzy, em conjunto com a otimização de parâmetros por Algoritmos Genéticos,
oferecendo uma interface gráfica intuitiva e amigável. / [en] The time series forecasting is present in several areas such as electrical,
financial, economy and industry. In all these areas, the forecasts are critical to
decision making in the short, medium and long term. Certainly, statistical
techniques are most often used in time series forecasting problems, mainly
because of a greater degree of interpretability, guaranteed by the mathematical
models generated. However, computational intelligence techniques have been
increasingly applied in time series forecasting in academic research, with
emphasis on Artificial Neural Networks (ANN) and Fuzzy Inference Systems
(FIS). There are many cases of successful application of ANNs, but the systems
developed are black box, not allowing a better understanding of the final
prediction. On the other hand the FIS are interpretable, but its application is
compromised by reliance on rule-making by experts and by the difficulty in
adjusting the various parameters as the number and shape of fuzzy sets and the
window size. Moreover, the lack of people with the knowledge necessary for the
development and use of models based on these techniques also restricts their
application in the routine planning and decision making in most organizations.
This work aims to develop a computational tool able to make forecasts of time
series, based on the theory of Fuzzy Inference Systems, in conjunction with the
optimization of parameters by Genetic Algorithms, providing an intuitive and
friendly graphical user interface.
|
36 |
[en] SIMULATION AND AUTOMATIC SYNTHESES OF QUANTUM DOTS CELLULAR AUTOMATA CIRCUITS THOUGHT INTELLIGENT TECHNIQUES / [pt] SIMULAÇÃO E SÍNTESE AUTOMÁTICA DE CIRCUITOS DE AUTÔMATOS CELULARES COM PONTOS QUÂNTICOS ATRAVÉS DE TÉCNICAS INTELIGENTESOMAR PARANAIBA VILELA NETO 26 July 2006 (has links)
[pt] Esta dissertação investiga e propõe um novo simulador de
circuitos de
Autômatos Celulares com Pontos Quânticos (QCA) e uma nova
metodologia para
a criação e otimização de circuitos lógicos, utilizando
técnicas da inteligência
computacional. Autômatos Celulares com Pontos Quânticos é
uma nova
tecnologia, na escala nanométrica, que tem chamado a
atenção dos pesquisadores
por ser uma alternativa à tecnologia CMOS, cujo limite
físico de miniaturização
será atingido nos próximos anos. QCA tem um grande
potencial no
desenvolvimento de circuitos com maior densidade espacial,
maior velocidade,
baixa dissipação e baixo consumo de energia. Ao contrário
das tecnologias
tradicionais, QCA não codifica a informação pelo fluxo de
corrente elétrica, mas
pela configuração das cargas elétricas no interior das
células. A interação
coulombiana entre as células garante o fluxo da
informação. Apesar de simples,
essas características fazem com que a arquitetura de
circuitos de QCA se torne
não trivial. Portanto, a criação de um simulador e de uma
metodologia de
elaboração e síntese automática de circuitos possibilitam
aos cientistas uma
melhor visualização de como esses dispositivos funcionam,
acelerando o
desenvolvimento desses sistemas na escala nanométrica.
Para atingir o objetivo
proposto, técnicas de inteligência computacional, tais
como redes neurais do tipo
Hopfield, para o desenvolvimento do simulador, e
algoritmos genéticos, para a
metodologia de criação e otimização dos circuitos, foram
empregadas. Os
resultados encontrados foram significativos, comprovando
que as técnicas da
inteligência computacional podem ser uma ferramenta
estratégica para o rápido
desenvolvimento da nanoeletrônica e da nanotecnologia em
geral. / [en] This dissertation investigates and considers a new
simulator of Quantum
Dots Cellular Automata (QCA) Circuits and a new
methodology for the synthesis
and optimization of logical circuits, by means of
Computational Intelligence.
Quantum-dot Cellular Automata (QCA) is a new technology in
the nanometric
scale which has called attention from researchers as one
alternative for the CMOS
technology, which is reaching its physical limitation. QCA
have a large potential
in the development of circuits with high space density and
low heat dissipation,
and can allow the development of faster computers with
lower power
consumption. Differently from the conventional
technologies, QCA do not codify
information by means of electric current flow, but rather
by the configuration of
electrical charges in the interior of the cells. The
Coulomb interaction between
cells is responsible by the flow of information. Despite
simple, these features
become the design of logical devices into a non-trivial
task. Therefore, the
development of a simulator and a methodology of automatic
synthesis of QCA
circuits make possible to the scientist a better
evaluation of how these circuits
work, accelerating the development of these new systems in
the nanometer scale.
To reach the proposed target, Computational Intelligence
techniques were used.
The first results show that these techniques are capable
of simulating efficiently
and fast, synthesizing optimized circuits with a reduced
number of cells. Such
optimization reduces the possibility of failures and
guarantees higher speed.
|
37 |
[en] COMPUTATIONAL INTELLIGENCE APLPLIED IN THE FIELD OF MACHINE LEARNING / [pt] INTELIGÊNCIA COMPUTACIONAL APLICADA EM MACHINE LEARNINGIVO LIMA BRASIL JUNIOR 18 October 2005 (has links)
[pt] Esta dìssertação investiga o emprego e o desempenho da
Inteligência Computacional em Machine Learning. De modo
particular, pesquisou-se a aplicação dos mecanismos e
estruturas na biologia e natureza, presentes nas técnica
inteligentes (Redes Neurais, Algoritmos Genéticos e Lógica
Nebulosa) na construção de algoritmos que codificam
mecanismos indutivos em Machine Learning. O trabalho foi
desenvolvido em 4 etapas principais: um estudo
bibliográfico da área de Machine Learning e modelagem e
desenvolvimento de três sistemas demonstrativos da
aplicação de Inteligência Computacional em Machine
Learning: Redes Neurais TD(gama) no aprendizado do jogo de
Gamão, Algoritmos Genéticos na evolução do controle de um
robô autônomo, e Lógica Nebulosa para controle de robôs. O
estudo bibliográfico envolveu a busca, tendo como
principal veículo inicial a Internet, de literatura
referente às áreas de Machine Learning e de Inteligência
Computacional. Foram pesquisados livros especializados da
área, e também artigos técnicos envolvendo os temas
abordados nesta dissertação. Este levantamento
bibliográfico resultou no resumo dos principais projetos
na área de Machine Learning, apresentado no capítulo 2. A
modelagem de um sistema de aprendizado do jogo de gamão
por Redes Neurais envolveu o estudo e implementação de um
método de Reinforcement Learning denominado TD(gama), que
opera através do princípio de tentativa e erro,
recompensado ações que trazem um bom resultado. O jogo de
Gamão foi escolhido pelo seu vastíssimo número de
prováveis situações a serem encontradas durante o jogo,
consequência do fator estocástico (dados) inerente ao
jogo, tornando uma abordagem tradicional muito difícil e
até mesmo ineficiente. A evolução do controle de robôs por
Algoritmos Genéticos, é inspirada na evolução de um padrão
de comportamento exemplificada no capítulo 2 pelo dilema
dos prisioneiros. Através da codificação em um cromossoma
das variáveis que descrevem o ambiente onde o robô está
inserido, foi possível evoluir um padrão de atuação diante
da situação presente a cada instante, de forma a atingir
um objetivo especificado de forma ótima, ou sub-ótima. O
controle de robôs por Lógica Nebulosa demonstra o
potencial desta técnica para problemas de controle,
codificando através de regras imprecisas que assemelham-se
à forma humana de armazenar e transmitir conhecimento, o
comportamento que o robô deve ter frente a cada situação
encontrada em seu ambiente. Os resultados apresentados
demonstram o potencial de utilização das técnicas da
Inteligência Computacional, inspiradas na biologia e na
natureza, na área de Machine Learning, mostrando através
dos exemplos implementados a capacidade de aquisição de
conhecimento por experiência, através de mecanismos
indutivos, ao invés de codificar explicitamente soluções
específicas para os problemas apresentados. / [en] This work investigates the application and performance of
the Computational intelligence technics in the field of
Machine Learning. In particular, was investigated the
application of intelligent systems (Neural Networks,
genetic Algorithms and fuzzy Logic) in the development of
algorithms that codify inductive mechanisms in Machine
Learning.
This work was developed in two main steps: a
research of Machine Learning bibliography, and the
development of three intelligent systems: neural Networks
applied to the game of backgammon, Genetic Algorithms in
the evolution of an autonomous robot control system, and
fuzzy Logic applied to robot control.
The bibliography research involved looking for
technical literature about Machine Learning and
Computational Intelligence. Were used in this research
books specialized in the area, and technical papers about
the themes treated in this dissertation.
The modeling of the backgammon learning algorithm,
based on Neural Networks, was implemented using a
reinforcement learning method known as TD(l), which
operate by the principle of trial and error, giving a
reward for actions that brings a good result. The game of
backgammon was chosen because of its huge number of
possible situations that can be faced during the game, due
to estocastic factor (dice) attached to the game, making a
traditional approach very difficult, if not even
inefficient.
The evolution of the autonomous robot control
system using Genetic Algorithms is inspired in the
evolution of a behavior pattern of behavior to deal with
the faced at each moment, in order to achieve a goal in an
optimal or sub-optimal way.
The robot control system using Fuzzy Logic
demonstrates the potential of this technic to control
problems, codifying through fuzzy rules, which are similar
to the human way to in its environment.
The results presented demonstrate the potential of
the Computational Intelligence technics, inspired in
biology and nature, in the field of Machine Learning,
showing through the examples implemented the knowledge
acquisition capacity by experience, using inductive
mechanisms instead of programming specific solutions for
the problems presented
|
38 |
[en] SUPPORT TO THE SYNTHESIS OF STRUCTURAL MODELS OF OBJECT-ORIENTED SOFTWARE USING CO-EVOLUTIONARY GENETIC ALGORITHMS / [pt] APOIO À SÍNTESE DE MODELOS ESTRUTURAIS DE SOFTWARE ORIENTADO A OBJETOS UTILIZANDO ALGORITMOS GENÉTICOS CO-EVOLUCIONÁRIOSTHIAGO SOUZA MENDES GUIMARAES 25 October 2005 (has links)
[pt] Esta dissertação investiga o uso de Algoritmos Genéticos
Co-evolucionários
na automatização do processo de desenvolvimento de
Sistemas de Software
Orientados a Objetos. A qualidade final do software
depende principalmente da
qualidade da modelagem desenvolvida para o mesmo.
Durante
a fase de
modelagem, diversos modelos são desenvolvidos
antecipando
diversas visões do
produto final, e possibilitando a avaliação do software
antes mesmo que ele seja
implementado. A síntese de um modelo de software pode,
portanto, ser vista
como um problema de otimização onde se busca uma melhor
configuração entre
os elementos contemplados pelo paradigma de orientação a
objetos, como classes,
métodos e atributos, que atenda a critérios de qualidade
de design. O objetivo do
trabalho foi estudar uma forma de sintetizar modelagens
de
maior qualidade
através da evolução por Algoritmos Genéticos Co-
evolucionários. Para avaliar a
modelagem do software, foram investigadas métricas de
qualidade de software
tais como: Reutilização, Flexibilidade,
Inteligibilidade,
Funcionalidade,
Extensibilidade e Efetividade. Essas métricas foram
aplicadas na função de
avaliação, que por sua vez, foi definida objetivando a
síntese de uma modelagem
de software orientado a objetos com uma maior qualidade.
Neste problema,
deseja-se contemplar mais de um objetivo ao mesmo tempo.
Para isso, foi
utilizada a técnica de Pareto para problemas multi-
objetivos.
Os resultados obtidos foram comparados com modelagens
produzidas por
especialistas e as suas características analisadas. O
desempenho do AG no
processo de otimização foi comparado com o da busca
aleatória e, em todos os
casos, os resultados obtidos pelo modelo foram sempre
superiores. / [en] This work investigates the use of Co-evolutionary Genetic
Algorithms in the
automation of the development process of object-oriented
software systems. The
software final quality depends mainly on the design
quality developed for the
same. During the design phase, different models are
developed anticipating
various visions of the end product, thus making possible
the software evaluation
before it is implemented. The synthesis of a software
model can, therefore, be
seen as an optimization problem where it seeks a better
configuration between the
contemplated elements for the object-oriented paradigm, as
classes, methods and
attributes, which follows the quality design criteria. The
work goal was to study a
way to synthesize designs of better quality through its
evolution by Coevolutionary
Genetic Algorithms. In order to assess the software
quality, it was
also investigated software quality metrics, such as:
Reusability, Flexibility,
Understandability, Functionality, Extensibility and
Effectiveness. These metrics
were applied in an evaluation function that, in turn, was
defined aiming at the
object-oriented design synthesis with a better quality. In
this problem, it is desired
to contemplate more than one objective at a time. For
this, the Pareto technique
for multi-objective problems was used.
The results were compared with designs produced by
specialists and its
characteristics analyzed. The GA performance in the
optimization process was
compared with the exhaustive search and, in all cases, the
model results were
superior.
|
39 |
[en] GENETIC ALGORITHM APPLIED TO THE PROBLEM OF GROUND VEHICLES ACCIDENTS RECONSTRUCTION / [pt] ALGORITMOS GENÉTICOS APLICADOS AO PROBLEMA DE RECONSTITUIÇÃO DE ACIDENTES COM VEÍCULOS TERRESTRESGUILHERME NOBREGA MARTINS 20 April 2006 (has links)
[pt] Uma das aplicações mais interessantes e desafiadoras da
engenharia é a
solução dos problemas inversos. Neste tipo de problema
enquadra-se o
tratamento científico da reconstituição de acidentes de
veículos terrestres. Um
outro tema diretamente relacionado é a análise de
colisões, tanto no contexto da
reconstituição de um acidente, quanto no que diz respeito
ao grau de adequação
do veículo ao impacto, associado à sua integridade
estrutural e à segurança
passiva dos seus ocupantes.
Neste trabalho é aplicada uma técnica de otimização
moderna, conhecida
como algoritmo genético, para o tratamento do problema
inverso em colisão de
veículos terrestres, empregando modelos de veículos
rígidos. Definiu-se como,
a partir de restrições impostas e das posições finais dos
veículos após uma
colisão, o algoritmo de otimização pode fornecer o
conjunto de variáveis e
parâmetros que mais provavelmente levam os veículos àquela
condição.
Como resultado, o método foi considerado perfeitamente
aplicável ao
problema proposto e passível de ser utilizado como base
para implementação
como ferramenta de suporte à perícias judiciais em casos
reais. / [en] One of the most interesting and challenging applications
in engineering is
the solution of inverse problems. In this kind of problem
we have as an example
the scientific approach of the ground vehicle accident
reconstruction. Another
directly related theme is collisions analysis, either in
the context of an accident
reconstruction, or in the context of the vehicle
crashworthiness, associated to its
structural integrity and their occupants passive safety.
In this dissertation a modern optimization technique,
known as genetic
algorithm, is applied to the treatment of ground vehicles
collision inverse problem
using models of rigid vehicles. We have defined how,
starting from imposed
constraints and the vehicles final positions after a
collision, the optimization
algorithm may furnish the set of variables and parameters
that most probably
lead the vehicles to those positions.
As a result, we have been able to evaluate the method as
perfectly
applicable to the proposed problem and may be used as a
base aiming its
implementation as a tool for support to the expertise
regarding real cases.
|
40 |
[en] QUANTUM-INSPIRED EVOLUCIONARY ALGORITHM WITH MIXED REPRESENTATION APPLIED TO NEURO-EVOLUTION / [pt] ALGORITMO EVOLUCIONÁRIO COM INSPIRAÇÃO QUÂNTICA E REPRESENTAÇÃO MISTA APLICADO A NEUROEVOLUÇÃOANDERSON GUIMARAES DE PINHO 06 April 2011 (has links)
[pt] Esta dissertação objetivará a unificação de duas metodologias de algoritmos
evolutivos consagradas para tratamento de problemas ou do tipo combinatórios,
ou do tipo numéricos, num único algoritmo com representação mista. Trata-se de
um algoritmo evolutivo inspirado na física quântica com representação mista
binário-real do espaço de soluções, o AEIQ-BR. Este algoritmo trata-se de uma
extensão do modelo com representação binária de Jang, Han e Kin, o AEIQ-B
para otimizações combinatoriais, e o de representação real de Abs da Cruz, o
AEIQ-R para otimizações numéricas. Com fins de exemplificação do novo
algoritmo proposto, o discutiremos no contexto de neuroevolução, com o
propósito de configurar completamente uma rede neural com alimentação adiante
em termos: seleção de variáveis de entrada; números de neurônios na camada
escondida; todos os pesos existentes; e tipos de funções de ativação de cada
neurônio. Esta finalidade em se aplicar o algoritmo AEIQ-BR à neuroevolução – e
também, numa analogia ao modelo NEIQ-R de Abs da Cruz – receberá a
denominação NEIQ-BR. N de neuroevolução, E de evolutivo, IQ de inspiração
quântica, e BR de binário-real. Para avaliar o desempenho do NEIQ-BR, utilizarse-
á um total de seis casos benchmark de classificação, e outros dois casos reais,
em campos da ciência como: finanças, biologia e química. Resultados serão
comparados com algoritmos de outros pesquisadores e a modelagem manual de
redes neurais, através de medidas de desempenho. Através de testes estatísticos
concluiremos que o algoritmo NEIQ-BR apresentará um desempenho
significativo na obtenção de previsões de classificação por neuroevolução. / [en] This work aimed to unify two methodologies of evolutionary algorithms to
treat problems with or combinatorial characteristics, or numeric, on a unique
algorithm with mix representation. It is an evolutionary algorithm inspired in
quantum physics with mixed representation of the solutions space, called QIEABR.
This algorithm is an extension of the model with binary representation of the
chromosome from Jang, Han e Kin, the QIEA-B for combinatorial optimization,
and numeric representation from Abs da Cruz, the QIEA-R for numerical
optimizations. For purposes of exemplification of the new algorithm, we will
introduce the algorithm in the context of neuro-evolution, in order to completely
configure a feed forward neural network in terms of: selection of input variables;
numbers of neurons in the hidden layer; all existing synaptic weights; and types of
activation functions of each neuron. This purpose when applying the algorithm
QIEA-BR to neuro-evolution receive the designation of QIEN-BR. QI for
quantum-inspired, E for evolutive, N for neuro-evolution, and BR for binary-real
representation. To evaluate the performance of QIEN-BR, we will use a total of
six benchmark cases of classification, and two real cases in fields of science such
as finance, biology and chemistry. Results will be compared with algorithms of
other researchers and manual modeling of neural networks through performance
measures. Statistical tests will be provided to elucidate the significance of results,
and what we can conclude is that the algorithm QIEN-BR better performance
others researchers in terms of classification prediction.
|
Page generated in 0.0419 seconds