Diversos setores da economia tem alto grau de dependência de sistemas computacionais: telecomunicação, financeiro, infraestrutura, industrial dentre outros. Desta forma, a qualidade do software contido nestes sistemas é um ítem importante para o bom desempenho destes setores. A arquitetura de software é considerada fator determinante para a qualidade de software. Este trabalho estuda a maneira pela qual a arquitetura de software determina a qualidade do software produzido e as possibilidades de se obter os atributos de qualidade desejados através da especificação de uma arquitetura de software apropriada. O método de pesquisa se fundamenta na revisão da literatura e quatro abordagens para a especificação da arquitetura de software são consideradas: clássica, orientada a objetos, orientada a atributos e orientada a busca. A abordagem orientada a busca é um campo de estudo relativamente recente e os avanços realizados são reportados dentro da área de conhecimento denominada de Search Based Software Engineering. Esta área de conhecimento utiliza técnicas metaheurísticas para achar boas soluções para os problemas encontrados na Engenharia de Software. Uma das técnicas meta-heurísticas mais utilizadas, o algorítmo genético, é usada em uma aplicação cujo processo de design segue a abordagem orientada a busca. / Many sectors of economy depend highly on computing systems: telecommunication, finance, infrastructure, industrial, and others. Thus, the quality of software in these systems is an important item to achieve good performance in these sectors. The software architecture is considered one of the main factors that shape the software quality. This work studies the way software architecture determines the software quality and the possibilities to obtain the desired software quality attributes through specifying appropriate software architecture. The research method is based upon literature review and four approaches to software architecture design process are considered: classic, object oriented, attribute oriented and search oriented. The search oriented approach to software architecture design process is a relatively new field of study and advances are reported in a knowledge area called Search Based Software Engineering. This knowledge area uses metaheuristics techniques to find good solutions to problems found in software engineering. One of the metaheuristic technique most frequently used, the genetic algorithm, is used in an application that follows the search based approach.

O objetivo desta dissertação foi a implementação de uma plataforma de otimização por Programação Genética (PG) com o intuito de estudar e caracterizar as propriedades estatísticas de uma grande classe de problemas. Esta implementação foi feita através de programas escritos em LISP, executados num {\\it cluster} de computadores com o sistema operacional Linux. A plataforma foi usada para estudar uma versão do {\\it Jogo da Minoria} (JM) onde seus jogadores utilizam redes neurais para a realização de suas escolhas. Os jogadores foram divididos em dois grupos distintos. O primeiro formado por jogadores que apresentam estratégias estáticas e portanto não adquirem aprendizado. O segundo grupo é formado por jogadores que utilizam um algoritmo de aprendizado para alterar suas estratégias de identificação da minoria. Mostramos que, em determinadas condições, estes jogadores adaptativos conseguem identificar padrões nas escolhas dos jogadores não-adaptativos e assim optam pela decisão da minoria. Porém a eficiência nesta identificação depende do algoritmo de aprendizado utilizado. O algoritmo de aprendizado gerado pela PG se apresentou mais eficiente que outros algoritmos analisados, como, por exemplo, o algoritmo hebbiano. Esta eficiência é caracterizada por uma emergência espontânea de coordenação entre estes jogadores e que lhes proporcionam um melhor desempenho médio por jogador. / The aim of this work is to describe an optimization platform through Genetic Programming in order to study and characterize the statistical property of a wide class of problems. This implementation was written in LISP and executed in a cluster of computers running the Linux operational system. The platform was used to study a version of the Minority Game where the players used neural networks to make their choices. The players were divided into two distinct groups. The first group was made up of players that had quenched strategies and therefore could not learn. The second group had players that used learning algorithms to change their strategies for minority identification. We showed that, under some conditions, the adaptatives players are able to identify patterns in the choices of the non-adaptatives players and can thus benefit by choosing the minority decision. The efficiency in this identification depends on the learning algorithm. The algorithm generated by Genetic Programming is more efficiency than the others algorithms analysed such as hebbian perceptron learning. This efficiency is characterized by a spontaneous emergence of coordination between this players, which permits earning higher scores than average.

Classificação é, provavelmente, a tarefa mais estudada na área de Aprendizado de Máquina, possuindo aplicação em uma grande quantidade de problemas reais, como categorização de textos, diagnóstico médico, problemas de bioinformática, além de aplicações comerciais e industriais. De um modo geral, os problemas de classificação podem ser categorizados quanto ao número de rótulos de classe que podem ser associados à cada exemplo de entrada. A abordagem mais investigada pela comunidade de Aprendizado de Máquina é a de classes mutuamente exclusivas. Entretanto, existe uma grande variedade de problemas importantes em que cada exemplo de entrada pode ser associado a mais de um rótulo ou classe. Esses problemas são denominados problemas de classificação multirrótulo. Os Learning Classifier Systems(LCS) constituem uma técnica de Indução de Regras de Classificação que tem como principal mecanismo de busca um Algoritmo Genético. Essa técnica busca encontrar um conjunto de regras que tenha alta precisão de classificação, que seja compreensível e que possua regras consideradas interessantes sob o ponto de vista de classificação. Apesar de existirem na literatura diversos trabalhos sobre os LCS para problemas de classificação com classes mutuamente exclusivas, pouco se tem conhecimento sobre um LCS que seja capaz de lidar com problemas multirrótulo. Dessa maneira, o objetivo desta monografia é apresentar uma proposta de LCS para problemas multirrótulo, que pretende induzir um conjunto de regras de classificação que produza um resultado eficaz e comparável com outras técnicas de classificação. De acordo com esse objetivo, apresenta-se também uma revisão bibliográfica dos temas envolvidos na proposta, que são: Sistemas Classificadores Evolutivos e Classificação Multirrótulo / Classification is probably the most studied task in the Machine Learning area, with applications in a broad number of real problems like text categorization, medical diagnosis, bioinformatics and even comercial and industrial applications. Generally, classification problems can be categorized considering the number of class labels associated to each input instance. The most studied approach by the community of Machine Learning is the one that considers mutually exclusive classes. However, there is a large variety of important problems in which each instance can be associated to more than one class label. This problems are called multi-label classification problems. Learning Classifier Systems (LCS) are a technique for rule induction which uses a Genetic Algorithm as the primary search mechanism. This technique searchs for sets of rules that have high classification accuracy and that are also understandable and interesting on the classification point of view. Although there are several works on LCS for classification problems with mutually exclusive classes, there is no record of an LCS that can deal with the multi-label classification problem. The objective of this work is to propose an LCS for multi-label classification that builds a set of classification rules which achieves results that are efficient and comparable to other multi-label methods. In accordance with this objective this work also presents a review of the themes involved: Learning Classifier Systems and Multi-label Classification

Esta dissertação trata do problema do agrupamento de cargas fracionadas na distribuição de cimento ensacado partindo de um depósito central. O problema consiste em definir quais entregas de cimento serão carregadas juntas em um determinado veículo, de modo a aproveitar ao máximo sua capacidade e ao mesmo tempo reduzir o custo com o frete pago aos transportadores que farão sua distribuição. Em especial, o método de resolução proposto pode ser dividido em três fases. Na primeira fase, as entregas pertencentes a um mesmo cliente são agrupadas prioritariamente. Na segunda fase, são agrupadas as entregas de clientes dentro de uma mesma cidade. Neste caso, uma simplificação necessária é considerar que todas as entregas de uma mesma cidade estão localizadas em um único ponto. Com isso, a distância entre os clientes se torna irrelevante e é proposto um método baseado em um algoritmo genético para resolução de problemas de bin-packing (BPP). Para a terceira fase, é considerado o agrupamento para pontos de entrega pertencentes a cidades diferentes, onde as distâncias rodoviárias são consideradas. Nesta etapa, é proposta uma variação do método anterior, incorporando ao modelo algumas heurísticas para resolução de problemas de roteirização de veículos, como o algoritmo de Clarke & Wright e o algoritmo do Vizinho Mais Próximo. / This thesis deals with the problem of merging less-than-truckload deliveries in bagged cement distribution from a central depot. The problem consists in defining which cement deliveries shall be loaded in each given vehicle, in order to maximize the vehicle full capacity as well as reduce carriers freights. Particularly, the solution method can be divided hierarchically in three stages. In the first stage, the deliveries from the same client are merged with priority. In the second stage, the deliveries from the same city are merged. In this case, a necessary assumption is to consider the deliveries from the same city as located in a single destination point. Consequently, the distances among deliveries can be assumed as irrelevant and a heuristic method is proposed, which relies on a genetic algorithm for the bin-packing problem (BPP). In the third stage, merging of different delivery points that are apart from each other is considered. For this step, a variation of the previous method is proposed, incorporating some heuristics to solve the vehicle routing problem, like the Clarke & Wrights savings algorithm and the Nearest Neighbor algorithm.

O presente trabalho apresenta uma avaliação de otimização de um sistema complexo de adução de água tratada, em tempo real, com Algoritmos Genéticos (AG’s), associado a um sistema SCADA e a um modelo de simulação hidráulica de rede (Epanet 2.0). Foram utilizados registros históricos de consumos de água, considerados como previsão perfeita. O estudo de caso foi feito em uma parte do Sistema Adutor Metropolitano (SAM) de São Paulo para minimizar uma função multiobjetivo (custos de energia e restrições operacionais). Foram analisados seis cenários com diversas combinações de pesos, tamanhos da população, número de gerações e probabilidades de cruzamento e mutação. As estratégias de operação obtidas permitiram reduções de até 22% na potência consumida e uma redução expressiva do custo de energia pela redução dos bombeamentos nos horários de tarifas mais elevadas. / This work presentss an evaluation of optimization of real time operation of a complex water supply system. Genetic Algorithm associated with a SCADA system and a network hydraulic simulation model was applied. Observed historic consumptions were used as a perfect water demand forecast model. Case study is the optimization of a multiobjective function (energy cost and operational restrictions) subsystem of Water Mains System of São Paulo Metropolitan Region. Six representative combinations of population size, number of generations , crossover and mutation probabilities were analyzed, Operational schedule of pumping and valve controls led to reductions in power consumptions up to 22% and expressive lower operational costs due to reductions of pumping in eenrgy peak times.

As regras de operação apresentam-se como um dos principais elementos no planejamento e gerenciamento de sistemas de recursos hídricos. Em períodos de seca ou iminente seca, a aplicação de regras operacionais padrão pode apresentar-se insatisfatória, visto que períodos com déficits de grande magnitude podem ocorrer, levando o sistema a uma situação altamente vulnerável. Muitas vezes, isto pode ser evitado ou minimizado, utilizando regras de proteção, que admitem déficits menores na fase de cheia, ou de seca, ou em ambas fases de operação, aumentando assim o armazenamento no reservatório para precaver-se contra déficits de grande magnitude que possam ocorrer no futuro. Neste trabalho é desenvolvida uma rotina computacional para obtenção de regras operacionais de sistemas de reservatórios, considerando um novo tipo de regra de proteção. Aplicando os algoritmos genéticos – AGs, foram obtidas as estratégias operacionais do sistema produtor. Os resultados demonstraram que o emprego de técnicas de otimização como os AGs constitui uma ferramenta versátil para auxiliar na tomada de decisões. Além disso, as regras de proteção apresentaram-se muito úteis na prevenção contra déficits de grande magnitude / The operation rules constitute one of the main elements in the planning and management of water resources systems. The application of the standard operational rules can be present unsatisfactory in periods of drought or imminent drought. These rules can result in periods with deficits of great magnitude, leading the system to a highly vulnerable situation. Many times, this can be avoided or minimized using hedging operation rules that admit deficits in phases of flood, drought or in both phases of operation. Therefore, the storage in the reservoir is increased to prevent deficits of great magnitude that can occur in the future. In this work a computational routine to attain the operational rules of the reservoirs systems was developed, considering a new approach of hedging rule. The operational strategies of the Cantareira system were obtained through the usage of genetic algorithms (GAs). The results demonstrated that the use of optimization techniques, as the AGs, is an important tool to assist in the decision making. Moreover, the hedging rules were suitable in the prevention of deficits of great magnitude that can occur in the future

Quando há interesse em monitorar a variância de uma característica da qualidade de interesse através de gráfico de controle por variáveis, o gráfico S2 é a alternativa mais usual. Entretanto, há situações onde mensurar a característica da qualidade é caro, consome mais tempo por unidade de inspeção, requer maior esforço dos operadores quanto à obtenção dos dados ou envolve ensaios destrutivos. Nestes casos, a classificação da variável contínua em categorias através de um dispositivo torna-se uma alternativa interessante. A avaliação pode ser mais rápida, a análise e o equipamento utilizado podem ser mais simples, de modo que o custo final da inspeção seja menor. O objetivo do trabalho é propor um gráfico de controle por atributos para monitoramento da variabilidade. Para tanto a estatística GS2 é calculada e gráfico sinaliza se GS2 > LC, LC limite de controle determinado de modo que minimize o ARL1, fixado um valor de ARL0. Como resultado a performance do gráfico GS2 é comparada ao gráfico S2 em termos de ARL1. / In cases aiming at monitoring the variance of a products quality characteristics using a variable control chart, chart S2 is the most used alternative. However, in some situations, this solution can be expensive, demand more time per individual inspected unit, demand greater efforts from operators to acquire data or involve destructive tests. In such cases, the use of a gauge measurement tool to classify the continuous variable into categories, becomes an interesting alternative. The assessment can be faster, the analysis and the tool used can be simple, resulting in less costly final inspections. This work proposes the use of an attribute control chart to monitor variability. Statistics GS2 is calculated and control chart signalize if GS2 > CL, whereas CL is the determined control limit, minimizing ARL1 for a fixed value of ARL0. GS2 control chart performance is compared to S2 chart based on ARL1.

Proteínas desempenham uma grande variedade de funções biológicas. O conhecimento da estrutura tridimensional proteica pode ajudar no entendimento da função desempenhada. De acordo com a hipótese de Anfisen, a estrutura terciária nativa de uma proteína pode ser determinada a partir da informação contida na sequência primária, o que permitiria que métodos computacionais poderiam ser usados para predizer estruturas terciárias quando a primária estiver disponível. No entanto, ainda não existe uma ferramenta computacional capaz de predizer a estrutura tridimensional para uma grande variedade de proteínas. Desse modo, o problema de Predição de Estruturas de Proteínas (PEP) permanece como um desafio para a Biologia Molecular. A conformação nativa de uma proteína é frequentemente a configuração termodinamicamente mais estável, ou seja, que possui menor energia livre. Assim, PEP pode ser vista como um problema de otimização, onde a estrutura com menor energia livre deve ser encontrada dentre todas as possíveis. Entretanto, este é um problema NP-completo, no qual métodos tradicionais de otimização, em geral, não apresentam um bom desempenho. Algoritmos Genéticos (AGs), devido às suas características, são interessantes para essa classe de problemas. O principal objetivo desse trabalho é verificar se a adição de informação pode ser útil aos AGs aplicados em PEP, valendo-se dede modelos moleculares simplificados. Cada indivíduo do AG representa uma solução que, neste caso, é uma possível conformação que será avaliada por um campo de força. Dessa forma, o indivíduo é codificado por um conjunto de ângulos de torção de cada aminoácido. Para auxiliar no processo de busca, bases de dados compostas de ângulos determinados por cristalografia e RNM são utilizadas. Com o objetivo de guiar o processo de busca e manter a diversidade nos AGs, duas estratégias são aqui testadas: Imigrantes Aleatórios e Imigrantes por Similaridade. A última delas foi criada baseando-se na similaridade da sequência primária. Além disso, é investigado neste trabalho o uso de um campo de força coarse grained, que utiliza os átomos de carbono- para representar a cadeia proteica, para avaliar os indivíduos do AG. / Proteins exhibit an enormous variety of biology functions. The knowledge of tertiary structures can help the understanding of the proteins function. According to Anfisen, the native tertiary structure of a protein can be determined by its primary structure information, what could allow that computational methods could be used to predict the tertiary structure when the primary structure is available. However, there is still not a computational tool to solve the structure prediction problem for a large range of proteins. In this way, Protein Structure Prediction (PSP) has been a challenge to Molecular Biology. The conformation of native protein is usually the thermodynamically most stable configuration, i.e., the one having the lowest free energy. Hence, PSP can be viewed as a problem of optimization, where the structure with the lowest free energy should be found among all possible structures. However, this is an NP-problem, where traditional optimization methods, in general, do not have good performance. Genetic algorithms (GAs), due to their characteristics, are interesting for this class of problems. In recent years, there is a growing interest in using GAs for the protein structure prediction problem. The main objective of this work is to verify the addition of useful information to GAs employed in PSP. Each individual of the GA represents a solution for the optimization problem which is, in this case, a possible conformation that will be evaluated by a force field function. Thus, an individual is encoded by a set of torsion angles of each amino acid. In order to reduce the search space, a database composed of angles, determined by crystallography and NMR, is used. With the aim to guide the final search process and maintain diversity in GAs, two strategies were employed here: Random Immigrants and Similarity-based Immigrants. The last strategy was based on similarity of primary amino acid sequence. Furthermore, in this work, a coarse-grained force field, which uses -carbon to represent the protein backbone was employed to evaluate the individuals of GA.

Orientador: Nailton Monteiro do Nascimento Júnior / Banca: Cintia Duarte de Freitas Milagre / Banca: Natanael Dante Segretti / Resumo: Os nAChRs (receptores nicotínicos de acetilcolina) são canais iônicos pentaméricos que respondem ao neurotransmissor endógeno acetilcolina, com os subtipos α4β2 e α7 sendo expressos em grandes quantidades no cérebro humano. Esses receptores estão envolvidos em desordens neurológicas como a doença de Alzheimer, esquizofrenia, dor crônica e autismo, bem como no vício em nicotina. Neste contexto, o SBDD (structure-based drug design) é uma ferramenta poderosa para o desenvolvimento de novos candidatos à fármacos visando estes receptores. Neste trabalho, aplicou-se a metodologia dbCICA (docking-based comparative intermolecular contacts analysis) para a identificação das condições de ancoragem molecular ótimas para estes dois receptores. Em resumo, compostos bioativos atuando em cada um dos dois receptores foram coletados da literatura científica e ancorados nos receptores α4β2 e α7, explorando diferentes condições de ancoragem. Em seguida, os resultados foram pós-processados através da metodologia dbCICA, uma abordagem baseada em algoritmo genético, visando a identificação de contatos críticos para o reconhecimento molecular entre os ligantes ancorados e os resíduos do sítio ativo. Através dessa análise, foi possível determinar as condições ótimas de ancoragem para ambos os receptores trabalhados. Os contatos críticos identificados através do dbCICA estão em acordo com relatos da literatura sobre interações críticas dessa classe de receptores. As condições ideais de ancoragem para... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The nAChRs (nicotinic acetylcholine receptors) are pentameric ligand-gated ionic channels that respond to the endogenous neurotransmitter acetylcholine, with the α4β2 and α7 subtypes highly expressed in human brain. Those receptors are involved in many neurologic disorders such as Alzheimer's disease, Schizophrenia, chronic pain, autism, as well as in nicotine addiction. In this context, SBDD (structure-based drug design) is a powerful tool for designing novel drug candidates targeting those receptors. In this work, we applied dbCICA (docking-based comparative intermolecular contacts analysis) to identify optimal docking conditions for these two receptors. Briefly, bioactive compounds acting on each receptor were gathered from the scientific literature and docked into the binding sites of the α4β2 and α7, exploring different docking conditions. Then, the results were post-processed through dbCICA, a genetic algorithm based approach, aiming to identify critical contacts for molecular recognition involving the docked ligands and binding site residues. Through this analysis it was possible to determine the optimal docking conditions for both receptors. The critical contacts identified by dbCICA are in agreement with the literature about critical interactions from this class of receptors. The optimal docking conditions for receptor α4β2 were used to select 8 from 116 novel molecular fragments with potential biological activity towards this subtype, to be synthesized in future ste... (Complete abstract click electronic access below) / Mestre

A evolução de redes neurais artificiais encontra aplicações em diversos campos na área de aprendizado de máquina, em particular, simulações de vida artificial onde uma população de indivíduos controlados por redes neurais se adaptam num ambiente virtual a fim de realizar uma determinada tarefa. Similar ao processo natural pelo qual o comportamento do organismo se modifica filogeneticamente através da complexificação do sistema nervoso, tais simulações oferecem uma nova abordagem sintética no estudo da inteligência, em contraposição aos métodos simbólicos tradicionais. Um recente método, conhecido por NEAT (NeuroEvolution of Augmenting Topologies), é capaz de obter os pesos e a própria topologia de rede neural utilizando algoritmos genéticos. A codificação utilizada pelo NEAT é flexível o suficiente para permitir evolução aberta e arquiteturas neurais arbitrárias. Este trabalho apresenta uma implementação do NEAT que pode ser utilizada em conjunto com um simulador de propósito geral, chamado Breve, formando uma plataforma para experimentos de vida artificial. A implementação proposta também estende o NEAT para lidar com redes neurais dinâmicas, onde o nível de ativação dos neurônios varia continuamente no tempo. Este novo modelo é comparado com o método tradicional numa tarefa clássica de controle não-supervisionado, mostrando um aumento de eficiência na busca pela solução do problema. Os resultados obtidos motivam o uso desta plataforma para experimentos de vida artificial, onde uma população de indivíduos interage continuamente com um ambiente dinâmico, se adaptando ao longo das gerações. / The evolution of artificial neural networks has a wide range of applicability in diverse areas in the field of machine learning, particularly, in artificial life simulations where a population of individuals, controlled by neural networks, adapts in a virtual environment in order to solve a given task. Resembling the natural process in which an organism\'s behavior is subjected to phylogenetic modifications through the complexification of the nervous system, such simulations offer a new synthetic approach in the investigation of intelligence, counter posing traditional symbolic methods. A recent method known as NEAT (NeuroEvolution of Augmenting Topologies), is able to obtain the synaptic weights and the topology with the aid of genetic algorithms. The encoding used by NEAT is flexible enough to allow for open-ended evolution and arbitrary neural architectures. This work presents a NEAT implementation especially suitable to be used with a general purpose simulator known as Breve, constituting a framework for artificial life experiments. The proposed implementation extends NEAT to include dynamical neuron models, where their inner state continuously varies over time. The new model is then compared to the traditional method in a classic unsupervised control benchmark task, showing an efficiency increase while solving the problem. The obtained results motivate the proposed framework for general experiments in artificial life, in which a population of individuals continuously interact with a dynamical environment, adapting through generations.