[pt] O objetivo deste trabalho é desenvolver dentro do programa FTOOL uma ferramenta para obtenção de envoltórias de esforços internos devido a cargas móveis. Envoltórias geralmente são obtidas através de interpolação de valores limites de seções pré-selecionadas ao longo da estrutura. Estes valores são obtidos com base no posicionamento da carga móvel em relação às linhas de influência dos esforços internos. A determinação de valores limites de um esforço em uma seção constitui um problema de otimização cujo objetivo é minimizar ou maximizar os valores dos esforços em relação à posição do tremtipo que percorre a estrutura. Porém, não existe uma expressão analítica que defina os valores limites de um esforço em uma seção para um dado trem-tipo, o que impossibilita o uso da maioria dos métodos clássicos de otimização para resolver o problema, porque esses métodos requerem, na maioria das vezes, o uso de pelo menos a primeira derivada da função objetivo em relação às variáveis de projeto. Portanto, este trabalho adotou algoritmos da Estratégia Evolutiva ( EE ) para determinar os valores limites devidos a cargas móveis. Foram feitas duas implementação distintas de Estratégia Evolutiva, conhecidas como EE − + ) 1 ( (lambda) e EE − + ) ( (lambda) (mi) . Além de utilizar algoritmos de EE para resolver o problema de envoltórias, foi desenvolvido um outro processo de solução denominado Força Bruta, que consiste em percorrer com o trem-tipo toda estrutura por passos pré-estabelecidos e calcular os valores dos esforços mínimos e máximos. Para a grande maioria dos casos, os resultados obtidos com a Estratégia Evolutiva foram corretos, porém, em alguns casos mais críticos, o valor exato da envoltória não é encontrado em algumas seções da estrutura, embora encontre um valor muito próximo a ele. Observou-se que os resultados da EE podem ser melhorados quando se enriquece a solução com uma estratégia econômica de posicionamento de cargas concentradas em cima de picos da linha de influência. / [en] The objective of this work is to develop a tool for obtaining envelopes of internal forces due to load-trains in the FTOOL software. Usually, envelopes are obtained through interpolation of limiting values on pre- selected sections along the structure. These values are obtained based on the positioning of the loadtrain in relation to influence lines of internal forces. The determination of limiting values of an effect at a section represents an optimization problem whose objective is to minimize or maximize the values of that effect in relation to the position of a load-train that passes along the structure. However, there is no analytical expression that defines a limiting value of an effect on a section for a specific load-train. Therefore, classical optimization methods cannot be used to solve this problem. Rather, the solution requires a method that does not require derivatives of the objective function. For this reason, this work adopts algorithms of the Evolution Strategy (ES) to achieve the limiting values due to load-trains. Two distinct algorithms of the ES, known as ES − + ) 1 ( (lambda) and ES − + ) ( (lambda) (mi) , were implemented. In addition to the ES algorithms to trace the envelopes, another process of solution called Force Brute was developed. It consists of moving the load-train in pre-determined steps along the structure and calculating minimum e maximum values. In general, the ES method converges to the correct solution. However, there are cases, depending on the complexity of the load-train, that the algorithms do not find the exact limiting value (although usually very close to it). It was observed that the ES results could be complemented and improved with results from an inexpensive solution in which concentrated loads are positioned on peak values of the influence lines.

[pt] Desde que foram propostos como método de otimização, os algoritmos evolutivos têm sido usados com sucesso para resolver problemas complexos nas mais diversas áreas como, por exemplo, o projeto automático de circuitos e equipamentos, planejamento de tarefas, engenharia de software e mineração de dados, entre tantos outros. Este sucesso se deve, entre outras coisas, ao fato desta classe de algoritmos não necessitar de formulações matemáticas rigorosas a respeito do problema que se deseja otimizar, além de oferecer um alto grau de paralelismo no processo de busca. No entanto, alguns problemas são computacionalmente custosos no que diz respeito à avaliação das soluções durante o processo de busca, tornando a otimização por algoritmos evolutivos um processo lento para situações onde se deseja uma resposta rápida do algoritmo (como por exemplo, problemas de otimização online). Diversas maneiras de se contornar este problema, através da aceleração da convergência para boas soluções, foram propostas, entre as quais destacam-se os Algoritmos Culturais e os Algoritmos Co-Evolutivos. No entanto, estes algoritmos ainda têm a necessidade de avaliar muitas soluções a cada etapa do processo de otimização. Em problemas onde esta avaliação é computacionalmente custosa, a otimização pode levar um tempo proibitivo para alcançar soluções ótimas. Este trabalho propõe um novo algoritmo evolutivo para problemas de otimização numérica (Algoritmo Evolutivo com Inspiração Quântica usando Representação Real - AEIQ- R), inspirado no conceito de múltiplos universos da física quântica, que permite realizar o processo de otimização com um menor número de avaliações de soluções. O trabalho apresenta a modelagem deste algoritmo para a solução de problemas benchmark de otimização numérica, assim como no treinamento de redes neurais recorrentes em problemas de aprendizado supervisionado de séries temporais e em aprendizado por reforço em tarefas de controle. Os resultados obtidos demonstram a eficiência desse algoritmo na solução destes tipos de problemas. / [en] Since they were proposed as an optimization method, the evolutionary algorithms have been successfully used for solving complex problems in several areas such as, for example, the automatic design of electronic circuits and equipments, task planning and scheduling, software engineering and data mining, among many others. This success is due, among many other things, to the fact that this class of algorithms does not need rigorous mathematical formulations regarding the problem to be optimized, and also because it offers a high degree of parallelism in the search process. However, some problems are computationally intensive when it concerns the evaluation of solutions during the search process, making the optimization by evolutionary algorithms a slow process for situations where a quick response from the algorithm is desired (for instance, in online optimization problems). Several ways to overcome this problem, by speeding up convergence time, were proposed, including Cultural Algorithms and Coevolutionary Algorithms. However, these algorithms still have the need to evaluate many solutions on each step of the optimization process. In problems where this evaluation is computationally expensive, the optimization might take a prohibitive time to reach optimal solutions. This work proposes a new evolutionary algorithm for numerical optimization problems (Quantum- Inspired Evolutionary Algorithm for Problems based on Numerical Representation - QIEA-R), inspired in the concept of quantum superposition, which allows the optimization process to be carried on with a smaller number of evaluations. The work presents the modelling for this algorithm for solving benchmark numerical optimization problems, and for training recurrent neural networks in supervised learning and reinforcement learning. The results show the good performance of this algorithm in solving these kinds of problems.

[pt] A atividade de gerenciamento de reservatórios é uma tarefa essencial que visa o desafio da otimização da explotação de reservatórios de petróleo. Como resposta a tal desafio a indústria de óleo e gás vem desenvolvendo novas tecnologias, como a de poços inteligentes. Esses poços tem objetivo de baratear as operações de restaurações mais corriqueiras através do controle de sua tecnologia. Assim, este trabalho trata do desenvolvimento de campos inteligentes e apresenta um sistema de apoio à decisão capaz de otimizar, através de algoritmos evolucionários, o processo de controle da tecnologia de poços inteligentes considerando incertezas de falha e geológica. Além disso, o sistema se propõe a apoiar na tomada de decisão pelo uso ou não de poços inteligentes, dado um reservatório pronto para ser explorado ou para receber investimentos de expansão. O controle da tecnologia de poços inteligentes (IWT - Intelligent Wells Technology) empregado nesse estudo, refere-se à operação de abertura e fechamento dos dispositivos (válvulas) existentes nesses tipos de poços. Através da otimização com algoritmos genéticos se busca uma estratégia de controle pró-ativo, em outras palavras, agir antes do efeito, onde se busca nos tempos iniciais de produção uma configuração de válvulas que seja capaz de: atrasar a chegada da frente de água aos poços produtores, antecipar a produção de óleo ou melhorar a recuperação de óleo do campo; em conseqüência, uma operação que leve à maximização do valor presente líquido (VPL). O emprego de estratégias de controle que visam beneficiar a completação identifica o campo como inteligente. Outros trabalhos abordam o problema de otimização de controle de válvulas em poços inteligentes, porém eles utilizam métodos clássicos de otimização que limitam o número de válvulas ou ainda otimizam estratégias sem considerar os intervalos de tempo desejados para manutenção das válvulas. O modelo evolucionário empregado nesse estudo, baseado em algoritmos genéticos, consegue formular uma estratégia de controle para todas as válvulas presentes em uma determinada configuração de produção, em qualquer intervalo de tempo desejado, atendendo ao critério econômico de maximizar o VPL. Para apoiar a tomada de decisão, pelo uso ou não de poços inteligentes, consideram-se incertezas de falha e geológica. O modelo proposto foi avaliado em três reservatórios petrolíferos, sendo o primeiro um reservatório sintético, e os outros dois reservatórios mais complexos com características mais próximas das reais. Os resultados encontrados indicam que o modelo proposto permite alcançar boas estratégias de controle que levam a um aumento do VPL. A principal contribuição deste trabalho é a concepção e implementação de um sistema baseado em técnicas inteligentes capaz de apoiar no desenvolvimento e gerenciamento de reservatórios petrolíferos inteligentes considerando incertezas. / [en] The reservoir management is an important task that aims at the optimization of oil reservoir exploitation. To support this challenging mission, the oil and gas industry has been developing new technologies such as intelligent wells. The purpose of these wells is to reduce costs of the most common restoring operations by control of their actuators. Thus, this work deals with intelligent fields development and presents a decision support system able to optimize, by using evolutionary algorithms, the intelligent wells technology control process considering geological and technical uncertainties. In addition, the system gives support for the decision of rather to use or not intelligent wells, given a reservoir ready to be explored or to receive expansion investments. The control of Intelligent Wells Technology (IWT), as applied in this study, refers to the opening and closing operations of valves in these types of wells. An optimization based on genetic algorithms is used to produce a pro-active control strategy, that is, one that anticipates the actions to be taken in present time in order to achieve better results in the future. Such a strategy proposes a valve configuration that will be able to: delay the water cut on producer wells, advance the oil production or benefit the oil recuperation. As a result, the obtained configuration leads to a maximization of the NPV (Net Present Value). The usage of control strategies that aim to benefit completion identifies the oil field as intelligent. Other works also deal with valve control optimization problems in intelligent wells. However, they use classical optimization methods; these methods limit the number of valves or optimize strategies without considering time. The evolutionary model, based on genetic algorithm, applied in this study, can formulate a control strategy for all valves in a certain production configuration, for any desired time interval, according to the economical criteria of NPV maximization. In order to support the decision making for the use or not of intelligent wells, technical and geological uncertainties are considered. The proposed model was evaluated in three oil reservoirs. The first one is a synthetic reservoir, simple and not real; the other two are more complex with close to real characteristics. The results obtained indicate that the proposed model allows good control strategies that increase the NPV. The main contribution of this work is the conception and implementation of a system based on intelligent techniques that is able to support the development and management of intelligent oil reservoirs considering uncertainties.

[pt] Síntese de Sistemas Fuzzy por Computação Evolucionária propõe uma metodologia de projeto para o desenvolvimento de sistemas fuzzy fundamentada em técnicas de computação evolucionária. Esta metodologia contempla as etapas de concepção do sistema fuzzy e a implementação em hardware do circuito eletrônico que o representa. A concepção do sistema é realizada num ambiente de projeto no qual sua base de conhecimento - composta da base de regras e demais parâmetros característicos - é evoluída, por intermédio de simulação, através do emprego de um novo algoritmo de três estágios que utiliza Algoritmos Genéticos. Esta estratégia enfatiza a interpretabilidade e torna a criação do sistema fuzzy mais simples e eficiente para o projetista, especialmente quando comparada com o tradicional ajuste por tentativa e erro. A implementação em hardware do circuito é realizada em plataforma de desenvolvimento baseada em Eletrônica Evolucionária. Um conjunto de circuitos, denominados de blocos funcionais, foi desenvolvido e evoluído com sucesso para viabilizar a construção da estrutura final do sistema fuzzy. / [en] Synthesis of Fuzzy Systems through Evolutionary Computation proposes a methodology for the design of fuzzy systems based on evolutionary computation techniques. A three-stage evolutionary algorithm that uses Genetic Algorithms (GAs) evolves the knowledge base of a fuzzy system - rule base and parameters. The evolutionary aspect makes the design simpler and more efficient, especially when compared with traditional trial and error methods. The method emphasizes interpretability so that the resulting strategy is clearly stated. An Evolvable Hardware (EHW) platform for the synthesis of analog electronic circuits is proposed. This platform, which can be used for the implementation of the designed fuzzy system, is based on a Field Programmable Analog Array (FPAA). A set of evolved circuits called functional blocks allows the implementation of the fuzzy system.

[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.

[pt] O crescente consumo de energia é preocupante, principalmente pelo uso de sistemas de condicionamento de ar e de iluminação artificial. Nas edificações modernas, os projetos arquitetônicos vêm negligenciando os fatores que proporcionam o conforto ambiental. Baseando-se nos conceitos da arquitetura sustentável, esta dissertação propõe e modela um sistema que otimiza os parâmetros da edificação que influenciarão no consumo de energia elétrica, nos custos com a construção e na emissão de poluentes pela edificação. Propõe-se um modelo de algoritmos genéticos que, juntamente com um programa de simulação de energia, EnergyPlus, constitui o modelo evolucionário desenvolvido neste trabalho. Este modelo otimiza parâmetros como: dimensionamento de aberturas e de pédireito; orientação da edificação; condicionamento do ar; disposição de árvores no entorno da edificação; etc . O modelo evolucionário tem sua ação e eficácia testados em estudo de casos - edificações desenhadas por projetista -, em que se alteram: espessura das paredes, altura de pé direito, largura de janelas, orientação quanto ao Norte geográfico, localização de elementos sombreantes (árvores), uso ou não de bloqueadores solares. Estes fatores influenciarão no conforto térmico da edificação e, consequentemente, no consumo elétrico dos sistemas de condicionamento de ar e de iluminação artificial, que por sua vez, influenciam os parâmetros que se pretende otimizar. Os resultados obtidos mostram que as otimizações feitas pelo modelo evolucionário foram efetivas, minimizando o consumo de energia pelos sistemas de condicionamento de ar e de iluminação artificial em comparação com os resultados obtidos com as edificações originais fornecidas pelo projetista. / [en] The continuous rising on energy consumption is a concerning issue, especially regarding the use of air conditioning systems and artificial lighting. In modern buildings, architectural designs are neglecting the factors that provide environmental comfort in a natural way. Based on concepts of sustainable architecture, this work proposes and models a system that optimizes the parameters of a building that influence the consumption of electricity, the costs with the building itself, and the emission of pollutants by these buildings. For this purpose a genetic algorithm model is proposed, which works together with an energy simulation program called EnergyPlus, both comprising the evolutionary model developed in this work. This model is able to optimize parameters like: dimensions of windows and ceiling height; orientation of a building; air conditioning; location of trees around a building; etc. The evolutionary model has its efficiency tested in case studies - buildings originally designed by a designer -, and the following specifications provided by the designer have been changed by the evolutionary model: wall thickness, ceiling height, windows width, building orientation, location of elements that perform shading function (trees), the use (or not) of sun blockers. These factors influence the building s heat comfort and therefore the energy consumption of air conditioning systems and artificial lighting which, in turn, influence the parameters that are meant to be optimized. The results show that the optimizations made by the evolutionary model were effective, minimizing the energy consumption for air conditioning systems and artificial light in comparison with the results obtained with the original buildings provided by the designer.

[pt] Este trabalho investiga métodos de detecção de falhas baseados em sistemas imunológicos artificiais, especificamente aqueles baseados no algoritmo de seleção negativa (NSA) e em outras técnicas de reconhecimento próprio/nãopróprio. Inicialmente, foi proposto um esquema de representação baseado em hiperesferas com centros e raios variáveis e três modelos capazes de gerar detectores, com esta representação, de forma eficiente. O primeiro modelo utiliza algoritmos genéticos onde cada gene do cromossomo contém um índice para um ponto de uma distribuição quasi-aleatória que servirá como centro do detector e uma função decodificadora responsável por determinar os raios apropriados. A aptidão do cromossomo é dada por uma estimativa do volume coberto através uma integral de Monte Carlo. O segundo modelo utiliza o particionamento Quadtree para gerar o posicionamento dos detectores e o valor dos raios. Este modelo pode realizar o particionamento a partir de uma função de detecção ou através de divisões recursivas de um detector inicial que ocupa todo o espaço. O terceiro modelo é inspirado nas redes imunológicas. Neste modelo, as células B representam os detectores e a rede formada por eles dá a posição e o raio de cada detector. Experimentos com dados sintéticos e reais demonstram a capacidade dos algoritmos propostos e que eles apresentam melhorias nos aspectos de escalabilidade e desempenho na detecção de falhas. / [en] This work investigates fault detection methods based on Artificial Immune Systems, specifically the negative selection algorithm (NSA) and other self/nonself recognition techniques. First, there was proposed a representation scheme based on hyperspheres with variable center and radius, and three models, which are very capable to generate detectors, based on that representation scheme, in an effective way. The first model employs Genetic Algorithms where each chromosome gene represents an index to a point in a quasi- random distribution, that will serve as a detector center, a decoder function will be responsible to determine the appropriate radius. The chromosome fitness is given by a valuation of the covered volume, which is calculated through a Monte Carlo integral. The second model uses the Quadtree space partition technique to generate the detectors positions and their radius. The space partition could be done by using a detection function or by recursive divisions of an initial detector that occupies the whole space. In third model, inspired on immune networks, the B cells represent the detectors and the network that is established by them gives the location and radius of each detector. Experiments with syntetic and real data show that the proposed algorithms improve scalability and perform better in fault detection.

[pt] As técnicas de programação genética permitem flexibilidade no processo de otimização, possibilitando sua aplicação em diferentes áreas do conhecimento e fornecendo novas maneiras para que especialistas avancem em suas áreas com mais rapidez. Parameter mapping approach é um método de otimização numérica que utiliza a programação genética para mapear valores iniciais em parâmetros ótimos para um sistema. Embora esta abordagem produza bons resultados para problemas com soluções triviais, o uso de grandes equações/árvores pode ser necessário para tornar este mapeamento apropriado em sistemas mais complexos.A fim de aumentar a flexibilidade e aplicabilidade do método a sistemas de diferentes níveis de complexidade, este trabalho introduz uma generalização utilizando a programação genética multigênica, para realizar um mapeamento multivariado, evitando grandes estruturas complexas. Foram considerados três conjuntos de funções de benchmark, variando em complexidade e dimensionalidade. Análises estatísticas foram realizadas, sugerindo que este novo método é mais flexível e mais eficiente (em média), considerando funções de benchmark complexas e de grande dimensionalidade. Esta tese também apresenta uma abordagem do novo algoritmo para otimização numérica multimodal.Este segundo algoritmo utiliza algumas técnicas de niching, baseadas no procedimento chamado de clearing, para manter a diversidade da população. Um conjunto benchmark de funções multimodais, com diferentes características e níveis de dificuldade,foi utilizado para avaliar esse novo algoritmo. A análise estatística sugeriu que esse novo método multimodal, que também utiliza programação genética multigênica,pode ser aplicado para problemas que requerem mais do que uma única solução. Como forma de testar esses métodos em problemas do mundo real, uma aplicação em nanotecnologia é proposta nesta tese: ao timização estrutural de fotodetectores de infravermelho de poços quânticos a partir de uma energia desejada. Os resultados apresentam novas estruturas melhores do que as conhecidas na literatura (melhoria de 59,09 por cento). / [en] Genetic programming techniques allow flexibility in the optimization process, making it possible to use them in different areas of knowledge and providing new ways for specialists to advance in their areas more quickly and more accurately.Parameter mapping approach is a numerical optimization method that uses genetic programming to find an appropriate mapping scheme among initial guesses to optimal parameters for a system. Although this approach yields good results for problems with trivial solutions, the use of large equations/trees may be required to make this mapping appropriate for more complex systems.In order to increase the flexibility and applicability of the method to systems of different levels of complexity, this thesis introduces a generalization by thus using multi-gene genetic programming to perform a multivariate mapping, avoiding large complex structures.Three sets of benchmark functions, varying in complexity and dimensionality, were considered. Statistical analyses carried out suggest that this new method is more flexible and performs better on average, considering challenging benchmark functions of increasing dimensionality.This thesis also presents an improvement of this new method for multimodal numerical optimization.This second algorithm uses some niching techniques based on the clearing procedure to maintain the population diversity. A multimodal benchmark set with different characteristics and difficulty levels to evaluate this new algorithm is used. Statistical analysis suggested that this new multimodal method using multi-gene genetic programming can be used for problems that requires more than a single solution. As a way of testing real-world problems for these methods, one application in nanotechnology is proposed in this thesis: the structural optimization of quantum well infrared photodetector from a desired energy.The results present new structures better than those known in the literature with improvement of 59.09 percent.

[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.

[pt] O presente trabalho teve como objetivo principal investigar o potencial de algoritmos computacionais evolutivos, construídos a partir das técnicas de programação genética, combinados com diferenciação automática, na obtenção de soluções analíticas, exatas ou aproximadas, para problemas de equações diferenciais ordinárias (EDO), parciais (EDP) e estocásticas. Com esse intuito, e utilizando-se o ambiente de programação Matlab, diversos algoritmos foram elaborados e soluções analíticas de diferentes tipos de equações diferenciais foram determinadas. No caso das equações determinísticas, EDOs e EDPs, foram abordados problemas de diferentes graus de dificuldade, do básico até problemas complexos como o da equação do calor e a equação de Schrödinger para o átomo de hélio. Os resultados obtidos são promissores, com soluções exatas para a grande maioria dos problemas tratados e que atestam, empiricamente, a consistência e robustez da metodologia proposta. Com relação às equações estocásticas, o trabalho apresenta uma nova proposta de solução e metodologia alternativa para a precificação de opções europeias, de compra e de venda, e realiza algumas aplicações para o mercado brasileiro, com ações da Petrobras e da Vale. Além destas aplicações, são apresentadas as soluções de alguns modelos clássicos, usualmente utilizados na modelagem de preços e retornos de ativos financeiros, como, por exemplo, o movimento Browniano geométrico. De uma forma geral, os resultados obtidos nas aplicações indicam que a metodologia proposta nesta tese pode ser uma alternativa eficiente na modelagem de problemas científicos complexos. / [en] The main objective of this work was to investigate the potential of evolutionary algorithms, built from genetic programming techniques and combined with automatic differentiation, in obtaining exact or approximate analytical solutions for problems of ordinary (ODE), partial (PDE), and stochastic differential equations. To this end, and using the Matlab programming environment, several algorithms were developed and analytical solutions of different types of differential equations were determined. In the case of deterministic equations, ODE and PDE problems of varying degrees of difficulty were discussed, from basic to complex problems such as the heat equation and the Schrödinger equation for the helium atom. The results are promising, including exact solutions for the vast majority of the problems treated, which attest empirically the consistency and robustness of the proposed methodology. Regarding the stochastic equations, the work presents a new proposal for a solution and alternative methodology for European options pricing, buying and selling, and performs some applications for the Brazilian market, with stock prices of Petrobras and Vale. In addition to these applications, there are presented solutions of some classical models, usually used in the modeling of prices and returns of financial assets, such as the geometric Brownian motion. In a general way, the results obtained in applications indicate that the methodology proposed in this dissertation can be an efficient alternative in modeling complex scientific problems.