Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2016-01-08T20:32:56Z (GMT). No. of bitstreams: 0 Previous issue date: 1996 / Apresenta um método computacional, baseado no paradigma dos algoritmos genéticos, ou seja, uma técnica robusta para solucionar problemas de programação não linear contínua. Um método misto onde se empregam técnicas de simulated annealing, gradiente, para evitar a convergência prematura para mínimos ou máximos locais. O método proposto generaliza este tipo de algoritmo misto para métodos genéticos: o resultado é um método numérico de características análogas ao da perturbação do gradiente onde os termos aleatórios impedem a convergência para o mínimo local e aumentam a velocidade de convergência. Mostra como os métodos mistos podem ser derivados do método genético: os métodos de descida em geral podem ser considerados como sendo de tipo genético e métodos mistos podem ser obtidos por escolhas particulares das definições de regras do algoritmo genético.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2016-01-08T21:56:12Z (GMT). No. of bitstreams: 0 Previous issue date: 1997 / Modelo matemático e computacional que revê o cálculo dos "Spot Prices" horários da eletricidade com a incorporação das características não lineares e "pontos válvula" na função custo das unidades de geração de energia elétrica. Consistindo no cálculo apropriado dos custos marginais do sistema de geração, através do Algoritmo Genético Proposto (AGP), visando eliminar as dificuldades apresentadas pela aplicação dos métodos clássicos. Adotam-se conceitos associados ao mercado livre de energia para estimular a eficiência dos sistemas elétricos de potência. Este sistema é representado através do fluxo linearizado de potência ativa e constitui a ferramenta básica para a avaliação do custo das perdas do sistema de transmissão e para a distribuição espacial dos preços. São calcutados e avaliados os "Spot Prices" horários da eletricidade do sistema global e por barra, através do Método de Simulação Monte Carlo. O uso do modelo proposto é ilustrado através de uma aplicação com o "Sistema Teste de Confiabilidade do IEEE" RTS-IEEE.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2015. / Made available in DSpace on 2016-04-19T04:09:08Z (GMT). No. of bitstreams: 1 338164.pdf: 1346468 bytes, checksum: 24ccc222ada67efe9680ca7e8fb9287e (MD5) Previous issue date: 2015 / O crescente interesse nos métodos de otimização multimodal se deve a uma característica, quase que geral, dos problemas reais - a multimodalidade. Essa característica implica que o problema possui mais de uma solução ótima. Encontrar um conjunto de soluções ótimas é o objetivo dos métodos de otimização multimodal. O método apresentado neste trabalho, Estratégia de Evolução Multimodal baseada em Multi-população, ou NMESIS como será chamado devido a sua tradução para a língua inglesa Niching Multi-population Evolution Strategy with Improved Search, é um algoritmo de niching paralelo e explícito que utiliza como base a Adaptação da Matriz de Covariância. O método representa cada população como uma distribuição normal, o que permite utilizar técnicas destinadas à modelos de misturas gaussianas. Essa escolha ajuda a simplificar a parametrização, enquanto facilita o desenvolvimento de operadores robustos para troca de informação entre os nichos. O NMESIS foi avaliado através de um benchmark, utilizado em competições de algoritmos de niching, que contêm 20 problemas de teste, especialmente concebidos para avaliação de métodos de otimização multimodal, e seu desempenho foi comparado a outros métodos no estado da arte como NMMSO, dADE e NEA2 (último vencedor do CEC 2013). Os resultados apresentados mostram que o NMESIS conseguiu encontrar mais soluções que os concorrentes. Outro fator positivo foi a consistência dos resultados, mesmo com o aumento da precisão.<br> / Abstract : The growing interest in multimodal optimization methods is motivated by an characteristic commonly found in real problems --- multimodality. Find a set of optimal solutions is the target of multimodal optimization research. The method presented in this work, called Niching Multi-population Evolution Strategy with Improved Search (NMESIS), is a parallel niching method which is also explicit. Each niche is maintained by a CMA-ES instance. NMESIS abstracts the niche population as a Gaussian Mixture Model, allowing to use methods that are developed for classification and clustering. This helps to create robust operators to detect overlaps. Also, the abstraction allows a better communication mechanism between niches (migration). We apply a benchmark of 20 test functions, specially designed for multimodal optimization evaluation, and compare the performance with state-of- the-art methods. Finally we discuss the results and show that the proposed approach can reach better and stable results even in high-dimensional spaces.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico. Programa de Pós-Graduação em Engenharia de Produção / Made available in DSpace on 2013-07-15T20:52:25Z (GMT). No. of bitstreams: 1 83137.pdf: 2416592 bytes, checksum: 55a682816cce28638de27d370095fb6b (MD5) / Neste trabalho é desenvolvida uma metodologia para a solução do problema de alocação de recursos em alternativas de investimento, o qual é formulado como um problema de decisão seqüencial. O modelo proposto para a solução do problema, utiliza técnicas de busca de caminhos em grafo. O algoritmo A* é aqui utilizado com base para o algoritmo proposto. O algoritmo proposto visa encontrar soluções sub-ótimas, as quais são utilizadas pelo menos, para a obtenção de soluções melhores. No trabalho é ainda desenvolvido um programa computacional que permite a busca do caminho ótimo através do algoritmo A*, algumas variações do mesmo e do algoritmo proposto.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-15T23:47:09Z (GMT). No. of bitstreams: 1 223564.pdf: 2412026 bytes, checksum: b038da49a58b919fd0e355539ddc5f2f (MD5) / Neste trabalho, é realizado o estudo e a implementação de estratégias de controle preditivo baseado em modelo para resolver o problema de seguimento de trajetórias de veículos autônomos. Para gerar as trajetórias, utilizaram-se estratégias de aproximação, que conduzem o veículo ao caminho a ser seguido de forma suave e estável. A arquitetura de controle do veículo autônomo considera o controle da cinemática e da dinâmica deste em uma estrutura cascata, dado que interessa controlar o veículo em condições onde somente o uso da sua cinemática não permite um bom desempenho. Para o controle da cinemática é realizado um estudo comparativo entre duas estratégias de controle preditivo linear, uma baseada no conceito de linearizações sucessivas e a outra no de coordenadas locais com trajetória de aproximação, visando determinar a que apresenta o melhor compromisso entre simplicidade-baixo custo computacional e comportamento. Baseado nos resultados de simulação, a segunda estratégia apresentou melhor desempenho e, portanto, foi escolhida para a implementação. Para o controle da dinâmica do veículo utilizou-se um algoritmo de controle preditivo descentralizado baseado no modelo linearizado. Os experimentos foram conduzidos em um veículo autônomo Mini-Baja utilizando uma plataforma embarcada para a execução dos algoritmos de controle.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Produção, Florianópolis, 1994. / Made available in DSpace on 2013-12-05T20:20:15Z (GMT). No. of bitstreams: 1 95788.pdf: 2463573 bytes, checksum: 3d96b173d03540e7d1189029cb036cdf (MD5) Previous issue date: 1994 / O problema da otimização consiste em determinar os valores ótimos (máximos ou mínimos) de uma função, a qual é denominada de função objetivo. Esta função objetivo depende de um conjunto de variavéis as quais são denominadas de variavéis de decisão ou de controle. A teoria da otimização desenvolve métodos determinísticos (númericos ou analíticos) e estocásticos (simulação convencional, algoritmos genéticos, etc.), para a obtenção dos valores ótimos das variavéis de decisão dos problemas de otimização. Valores estes que vão determinar a imagem ótima (máxima ou mínima) da função objetivo. O objetivo da otimização global é determinar o menor dos mínimos (ou o maior dos máximos), que pode ser único ou não, porém sua imagem será única; a este ponto denominamos de mínimo global. Este trabalho procura localizar deterministicamente o mínimo global de problemas de programação matemática (preferencialmente não linear), sugerindo um algoritmo que se utiliza de modificações do problema original, usando para isso uma nova função objetivo, e removendo a antiga função objetivo para junto das restrições iniciais. Para a verificação dos resultados foram usados algoritmos genéticos que são métodos estocásticos na forma de uma simulação inteligente, usando para isso mecanismos que a genética animal utiliza para o melhoramento das espécies, tais como operadores de mutação e crossing-over. A otimização se faz usando a lei de Darwin, ou seja, o algoritmo da prioridade para aqueles que fenotipicamente são mais aptos, deixando em segundo plano os elementos mais fracos, porém não os desprezando completamente, pois devido à sua formação genotípica, eles podem em alguma geração posterior dar contribuições de melhoria.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Mecânica. / Made available in DSpace on 2012-10-21T21:46:02Z (GMT). No. of bitstreams: 1 204948.pdf: 5539429 bytes, checksum: 765bd1fd4e0067a42baf4da7fc367f12 (MD5) / Este trabalho tem por objetivo criar quatro funções que representem os comportamentos dos seguintes parâmetros de um material de atrito, a partir de sua composição: custo, ruído global, desgaste médio e atrito médio. A ferramenta escolhida para criar as funções é o delineamento fatorial de experimentos. Criadas estas funções, propôs-se uma função objetivo, que será o parâmetro de controle para um algoritmo de otimização, na forma de um aplicativo computacional. O algoritmo em questão foi desenvolvido usando Algoritmos Genéticos. Uma vez criadas as funções e o algoritmo, sua eficiência e convergência foram testadas. Garantidas a eficiência e a convergência do algoritmo, o mesmo foi usado para produzir uma série de materiais de atrito. As propostas de materiais de atrito foram confeccionadas e testadas utilizando-se procedimentos reconhecidos pelas grandes empresas fabricantes de materiais de atrito. De posse dos resultados experimentais, foram verificados os erros obtidos em relação aos resultados previstos pelo aplicativo. Os erros e as imprecisões dos métodos aplicados foram descritos e explorados. Diretrizes para as correções e para os avanços futuros foram estabelecidas.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. / Made available in DSpace on 2012-10-19T22:42:58Z (GMT). No. of bitstreams: 1 188790.pdf: 950320 bytes, checksum: 1bd92621c53fa691f3e779d757acccd2 (MD5) / O trabalho desenvolvido consta da proposição, teste e análise de resultados, de uma estrutura de paralelização para algoritmos genéticos. A estrutura proposta está baseada em um conjunto de populações cooperantes que evoluem em paralelo, onde a troca de material genético, entre as populações, se processa através de indivíduos migrantes. A estrutura para implementação baseia-se na tecnologia de orientação a objetos, sendo que a mesma pressupõem a exploração do paralelismo de máquina através das redes de computador, bem como a exploração do paralelismo local - máquinas multiprocessadas - pela utilização de threads. O trabalho descreve os resultados obtidos com um protótipo construído para simular toda a estrutura proposta. Neste, o paralelismo de máquina foi simulado através de programação concorrente, com a utilização de threads. Os resultados obtidos demonstram a viabilidade da proposta e indicam a necessidade de novas pesquisas buscando testar a estrutura em modo real, sobre um ambiente distribuído.

No description available.

A análise de um algoritmo tem por finalidade melhorar, quando possível, seu desempenho e dar condições de poder optar pelo melhor, dentre os algoritmos existentes, para resolver o mesmo problema. O cálculo da complexidade de algoritmos é muito dependente da classe dos algoritmos analisados. O cálculo depende da função tamanho e das operações fundamentais. Alguns aspectos do cálculo da complexidade, entretanto, não dependem do tipo de problema que o algoritmo resolve, mas somente das estruturas que o compõem, podendo, desta maneira, ser generalizados. Com base neste princípio, surgiu um método para o cálculo da complexidade de algoritmos no pior caso. Neste método foi definido que cada estrutura algorítmica possui uma equação de complexidade associada. Esse método propiciou a análise automática da complexidade de algoritmos. A análise automática de algoritmos tem como principal objetivo tornar o processo de cálculo da complexidade mais acessível. A união da metodologia para o pior caso, associada com a idéia da análise automática de programas, serviu de motivação para o desenvolvimento do protótipo de sistema ANAC, que é uma ferramenta para análise automática da complexidade de algoritmos não recursivos. O objetivo deste trabalho é implementar esta metodologia de cálculo de complexidade de algoritmos no pior caso, com a utilização de técnicas de construção de compiladores para que este sistema possa analisar algoritmos gerando como resultado final a complexidade do algoritmo dada em ordens assintóticas.