Orientadores: Carlos Alberto de Castro Junior, Ruben Augusto Romero Lazaro / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-14T21:34:08Z (GMT). No. of bitstreams: 1 Guimaraes_MarcosAntoniodoNascimento_D.pdf: 1387088 bytes, checksum: 36029ed51311645d24da08d56bb91409 (MD5) Previous issue date: 2009 / Resumo: O objetivo desse trabalho de pesquisa é desenvolver ferramentas computacionais eficientes para a otimização da operação de sistemas de distribuição de energia elétrica. A principal contribuição apresentada é fornecer uma metodologia para redução de perdas de potência ativa, baseada em reconfiguração e alocação de bancos de capacitores fixos e automáticos. É possível encontrar na literatura várias propostas baseadas nos mais diversos tipos de algoritmos, entretanto, na maioria dos casos as propostas apresentadas propõem o atendimento a um único objetivo. A proposta apresentada neste trabalho contempla a otimização dos objetivos de forma conjunta, usando um único algoritmo, de forma a tirar o máximo proveito dos recursos já instalados no sistema. Mostra-se que é possível obter uma economia significativa no custo de instalação de bancos de capacitores, utilizando a reconfiguração como ferramenta adicional. Um dos maiores desafios a ser enfrentado, no entanto, refere-se ao tamanho do espaço de busca, que nesse caso cresce consideravelmente. Para a resolução do problema optou-se pelo algoritmo genético, que é uma metaheurística já consagrada na resolução de problemas de grande complexidade. No decorrer do trabalho foram desenvolvidas diversas ferramentas e operadores genéticos especiais que tornaram possível a obtenção de excelentes resultados com baixo custo computacional. Adicionalmente, foi desenvolvido um algoritmo de Simulated Annealing que, a partir da melhor configuração obtida pelo algoritmo genético desenvolvido, otimiza as manobras dos taps do transformador da subestação de forma coordenada com taps dos capacitores automáticos. O comutador de tap do transformador tem uma vida útil limitada em aproximadamente 100.000 operações, o que corresponde a aproximadamente 30 operações diárias, e o algoritmo desenvolvido tem por finalidade, minimizar o número de operações diárias do dispositivo, prolongando sua vida útil. / Abstract: The goal of this research work is to develop efficient computational tools for optimizing the operation of distribution systems. The main contribution presented here is providing a methodology for reducing the real power losses based on reconfiguration and placement of both fixed and automatic capacitor banks. Many different methodologies, using several different algorithms can be found in the literature. However, most of them focus on one objective only. The method presented here comprises the simultaneous optimization of multiple objectives, in one algorithm only, to fully use the resources already installed in the system. It is shown that significant savings with the purchase of capacitor banks can be achieved by using reconfiguration as an additional tool. One of the hardest challenges to be tackled is related to the search space, that may grow significantly. The problem is solved by a genetic algorithms, which is an already widely accepted metaheuristic for solving very complex problems. Many different tools and special genetic operators have been developed along the research work. Those provided excellent results, at a low computational cost. Additionally, a simulated annealing algorithm was developed to optimize the substation transformer tap maneuvers in a coordinated way with the automatic capacitor bank tap maneuvers, from the best configuration obtained with genetic algorithms. The transformer tap commuter has a useful life limited to 100,000 operations, or approximately 30 daily operations. The proposed algorithm also minimizes the number of daily operations to stretch transformers' service life. / Doutorado / Energia Eletrica / Doutor em Engenharia Elétrica

Orientadores: Fernando Jose Von Zuben, Leandro Nunes de Castro / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T01:42:44Z (GMT). No. of bitstreams: 1 Gomes_LalinkadeCamposTeixeira_D.pdf: 3303378 bytes, checksum: 65adc8d5ec20cd1f431eaca2fe3765cc (MD5) Previous issue date: 2006 / Resumo: Problemas de otimização combinatória apresentam grande relevância prática e surgem em uma ampla gama de aplicações. Em geral, a otimização combinatória está associada a uma explosão de candidatos à solução, inviabilizando a aplicação de métodos exatos. Frente à intratabilidade desta classe de problemas via métodos exatos, nos últimos anos tem havido um crescente interesse por métodos heurísticos capazes de encontrar soluções de alta qualidade, não necessariamente ótimas. Considerando o notório sucesso empírico de meta-heurísticas concebidas através da inspiração biológica e na natureza, essas abordagens vêm ganhando cada vez mais atenção por parte de pesquisadores. É fato conhecido que não existe uma única metodologia capaz de sempre produzir os melhores resultados para todas as classes de problemas, ou mesmo para todas as instâncias de uma mesma classe. Assim, a busca de solução para problemas de natureza combinatória constitui uma linha de pesquisa desafiadora. Nesta tese são considerados problemas de otimização combinatória multicritério e multimodal. Como principal contribuição, destaca-se a concepção de novas meta-heurísticas para a solução de problemas combinatórios de elevada complexidade, tendo sido propostas duas classes de ferramentas computacionais. A primeira envolve um método híbrido fundamentado em mapas auto-organizáveis de Kohonen e inferência nebulosa, em que um conjunto de regras guia o processo de treinamento do mapa de modo a permitir o tratamento de problemas com restrições e múltiplos objetivos. A segunda abordagem baseia-se em sistemas imunológicos artificiais. Em particular, a abordagem imunológica levou à proposição de meta-heurísticas capazes de encontrar e manter diversas soluções de alta qualidade, viabilizando o tratamento de problemas multimodais. Como casos de estudo, foram consideradas duas classes de problemas de otimização combinatória multimodal: o problema de roteamento de veículos capacitados e o problema do caixeiro viajante simétrico. As técnicas propostas foram também adaptadas para a solução de problemas de bioinformática, em particular ao problema de análise de dados de expressão gênica, produzindo resultados diferenciados e indicando um elevado potencial para aplicações práticas. / Abstract: Combinatorial optimization problems possess a high practical relevance and emerge on a wide range of applications. Usually, combinatorial optimization is associated with an explosion of candidates to the solution, making exact methods unfeasible. Before the unfeasibility of exact methods when dealing with this class of problems, lately there has been an increasing interest in heuristic methods capable of finding high-quality solutions, not necessarily the optimal one. Considering the widely known empirical success of metaheuristics conceived with inspiration on biological systems and on the nature itself, such approaches are receiving more and more attention from the scientific community. Evidently, there is no single methodology able to always produce the best results for all classes of problems, or even for all instances of one specific class. That is why the search for solutions to combinatorial problems remains a challenging task. This thesis considers multicriteria and multimodal combinatorial optimization problems. As the main contribution, one can emphasize the conception of new metaheuristics designed to the solution of high-complexity combinatorial optimization problems, and two classes of computational tools have been proposed. The first one involves hybrid method based on Kohonen self-organizing maps and fuzzy inference, in which a set of rules guides the training of the self-organizing maps in order to allow the handling of problems with constraints and multiple objectives. The second approach is based on artificial immune systems. Particularly, the immune-inspired approach leads to the proposal of metaheuristics capable of finding out and maintaining multiple high-quality solutions, making it possible to deal with multimodal problems. As case studies, the capacitated vehicle routing problem and the symmetric traveling salesman problem are considered, giving rise to combinatorial and multimodal problems. The proposed techniques were also adapted to the solution of problems in the field of bioinformatics, specifically the analysis of gene expression data, leading to distinguished results and indicating a high potential for practical applications. / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Francisco de Assis Magalhães Gomes Neto / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-10T22:50:20Z (GMT). No. of bitstreams: 1 Dias_CarlosHenrique_M.pdf: 2721795 bytes, checksum: 57d6019ecabf33034889a64675ccf707 (MD5) Previous issue date: 2008 / Resumo: Este trabalho tem por finalidade a determinação da fronteira eficiente de investimento através da otimização do modelo de média-variância com restrições de cardinalidade e limite inferior de investimento. Por tratar-se de um problema inteiro e não linear, cuja solução exata é de difícil obtenção, optamos por empregar um algoritmo genético, na linha desenvolvida por Chang et al. [3], que até hoje serve como referência para a determinação da fronteira eficiente de Pareto para problemas de otimização de investimentos. Entretanto, verificamos que o algoritmo proposto por Chang et al. apresenta uma distribuição não uniforme na geração de soluções aleatórias. Para contornar esse problema, introduzimos um novo esquema de geração de cromossomos, baseado na discretização do espaço, que permite a geração de soluções que satisfazem diretamente a restrição de montante total aplicado. Com essa nova abordagem, foi possível definir operadores de seleção, crossover e mutação bastante eficientes. Os resultados obtidos mostram que o novo algoritmo é mais robusto que aquele proposto por Chang et al / Abstract: In this work we consider the problem of determining of the efficient frontier of a portfolio using the mean-variance model subject to a cardinality constrain and to lower bounds on the amount invested in the selected assets. As this nonlinear integer programming problem is hard to solve exactly, we use a genetic algorithm, following the lines described by Chang et al. [3], still considered as a reference in the field. However, as the feasible solutions generated by the algorithm of Chang et al. are not uniformly distributed over the solution set, we introduce a new scheme for defining the chromosomes, based on the discretization of the feasible region, so that the amount invested always sum up to one for every solution obtained by the algorithm. This new approach allows us to define very efficient selection, crossover and mutation procedures. The numerical results obtained so far show that the new method is more robust than the one proposed by Chang et al / Mestrado / Otimização / Mestre em Matemática Aplicada

Made available in DSpace on 2015-04-22T22:00:55Z (GMT). No. of bitstreams: 1 Jose Elidelson Carvalho.pdf: 703131 bytes, checksum: e19421085c622156430085868340687b (MD5) Previous issue date: 2007-12-28 / SUFRAMA - Superintendência da Zona Franca de Manaus / The optimization of SMD electronics components assembly in printed circuit boards has been target of intensive research for it is one of the important point in production lines efficiency of the electronic industry. Among many techniques utilized for solving this kind of problem are the Genetics Algorithms also called Evolutionary Algorithms due it analogy with natural biologic evolution. Another kind of Evolutionary Algorithms called Memetics Algorithm has presented better results than Genetics Algorithms in many application fields. So this work proposes an investigation about using this algorithm for solving the SMD sequence placement problem. Many tests were done using Genetic and Memetics Algorithms on different placement sequence sets and the results showed a better performance of Memetic Algorithms related to Genetic Algorithms. So Memetics Algorithms has been showed to be an important tool on solving the problem of SMD placement sequence. / A otimização da seqüência de montagem de componentes SMD em placas de circuito impresso tem sido alvo de intensa pesquisa por ser um dos pontos fundamentais para a eficiência de linhas de produção de placas em indústrias de produtos eletrônicos. Entre as diversas técnicas utilizadas para resolver este tipo de problema estão os Algoritmos Genéticos chamados também de evolucionários por sua analogia com a evolução biológica natural das espécies. Outro tipo de algoritmo evolucionário chamado de Algoritmo Memético tem apresentado melhores resultados que os Algoritmos Genéticos em diversas áreas de pesquisa. Portanto este trabalho propõe uma investigação do uso deste algoritmo na resolução do problema da otimização da seqüência de montagem de componentes SMD. Foram feitos diversos testes usando Algoritmos Genéticos e Meméticos em diferentes seqüências de montagem e os resultados mostraram um melhor desempenho dos Algoritmos Meméticos em relação aos Genéticos. Portanto os Algoritmos Meméticos se mostraram uma promissora ferramenta para a otimização deste problema.

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.

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.

O objetivo desse trabalho foi estabelecer planos de amostragem com redução no tamanho amostral, a partir de conjuntos de dados com dependência espacial, que fossem eficientes na predição de localizações não amostradas e que gerassem estimativas eficientes de características relacionadas na predição espacial. Esses planos amostrais reduzidos foram obtidos por processos de otimização denominados recozimento simulado e algoritmo genético híbrido, considerando a média da variância da predição espacial, obtida pelo método de interpolação chamado krigagem, como função objetivo minimizada. Para isso, utilizaram-se conjuntos de dados simulados, com diferentes valores de alcance e efeito pepita, cujo intuito foi identificar a influência que esses parâmetros exercem na escolha da configuração amostral otimizada. Para cada conjunto de dados simulados, foram obtidas amostras pelos processos de otimização e seus resultados foram comparados aos esquemas de amostragem: aleatório, sistemático, sistemático centrado adicionado de delineamentos menores e sistemático centrado adicionado de pontos próximos. Os resultados mostraram que os planos de amostragem otimizados, principalmente os planos obtidos pelo algoritmo genético híbrido, produziram menores estimativas para a média da variância da krigagem e melhores estimativas para a porcentagem e soma de valores preditos acima do terceiro quartil e do percentil 90, que s~ao características relacionadas na predição espacial. Observou-se, também, que o aumento do tamanho amostral produziu melhores estimativas para todos os resultados analisados e, independente do valor de alcance e efeito pepita, a amostragem otimizada pelo algoritmo genético híbrido produziu melhores resultados. Além disso, obtiveram-se conjuntos amostrais reduzidos de 128 parcelas pelo algoritmo genético híbrido, pelo processo de recozimento simulado e pelas amostragens aleatória e sistemática, para a propriedade química teor de potássio pertencente ao conjunto de dados, com 256 parcelas, de um experimento de agricultura de precisão em uma área experimental. Por intermédio dos dados resultantes dessas amostragens, realizou-se uma analise geoestatística para identificar o comportamento de dependência espacial da variável potássio na área e foram feitas predições espaciais do potássio em localizações n~ao amostradas nessa mesma área. Em todos os esquemas de amostragem utilizados, os valores preditos foram classificados segundo o critério de adubação do potássio no Paraná em culturas de soja (EMATER - Empresa Paranaense de Assistência Técnica e Extensão Rural, 1998). Esses resultados foram comparados com a analise realizada no conjunto de dados inicial e observou-se uma maior similaridade desses resultados com os obtidos pela analise realizada através dos dados da amostragem obtida pelo algoritmo genético híbrido. Assim, tiveram-se evidências de que a redução em 50% do tamanho amostral do conjunto de dados da variável potássio, utilizando nessa redução uma amostragem obtida pelo algoritmo genético híbrido, produziu resultados eficientes para a classificação de adubação de potássio na área em estudo, reduzindo em 50% os custos 8 com analise química do solo, sem grande perda de eficiência nas conclusões obtidas pela predição espacial. / The aim of this work was to establish plans for sampling with reduced in the sample size, from sets of dependent spatial data, and they are eficients in terms of prediction of the nonsampled observations and prediction of linear targets. These plans were obtained by sampling reduced processes optimization of the algorithm called simulated annealing and hybrid genetic algorithm, considering the average kriging variance as objective function to be minimised. Therefore, it was used simulated data sets, With diferent values of range and nugget efect, whose aim was to identify the in uence that these exercise parameters in choosing the sample configuration foptimized. For each set of data simulated samples were obtained through the optimization process and its results were compared to sampling schemes: random, systematic, lattice plus in ll and lattice plus close pairs. The results show that the sampling plans optimized, especially the plans obtained by hybrid genetic algorithm, produced lower estimates for the average kriging variance and best estimates for the percentage and amount of predicted values above the third quartile and the 90 percentile, which are characteristics related to spatial prediction. It was also observed that the increase of sample size produces best estimate for all results analyzed and independent of the value range and nugget efect, sampling optimized by the hybrid genetic algorithm produced better results. In addition, sets up sampling reduced of 128 samples by sampling schemes: hybrid genetic algorithm, simulated annealing, random and systematic, for the property belonging to the chemical potassium set data, with 256 samples, an experiment of precision agriculture, in an experimental area. Through these sampling data, an analysis was carried out geostatistics to identify the behavior of spatial dependence of the variable potassium in the area under study and predictions were made of potassium space in locations not sampled that same area. In all sampling schemes used, the predicted values were classified at the discretion of the potassium fertilization in the cultivation of soybeans in Parana (EMATER-PARANA, 1998). These results were compared with the analysis in the initial set of data and there was a greater similarity of these results with those obtained by the analysis performed by data obtained by the sampling hybrid genetic algorithm. So there has been evidence that the reduction by 50% of the sample size of the data set of variable potassium, using this reduction a sample obtained by the hybrid genetic algorithm, produced efective results for classification of potassium fertilizer in the area under study, reducing by 50% the costs with chemical analysis of soil, without much loss of eficiency in the conclusions obtained by predicting space.

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

Técnicas de reconstrução térmica inversa são muito usadas em diferentes aplicações tais como a determinação de propriedades térmicas de novos materiais, controle da produção de calor, temperatura em processos de manufatura, etc. Apesar da ampla aplicabilidade, o problema inverso é intrinsecamente mal condicionado e tem sido tema de trabalhos de vários pesquisadores. A solução de um problema térmico inverso tridimensional é significantemente complexa, e, assim requer uma formulação que não contenha condições experimentais não realistas tais como confinamento bidimensional e estabilidade do campo térmico com relação a mudanças em parâmetros internos. Uma das abordagens adotada é baseada na formulação variacional sobre a forma do erro quadrático para reconstrução da distribuição de condução de calor interna e coeficiente de condução de calor parietal para um problema tridimensional. Dentro desta estrutura, a natureza mal condicionada do problema se manifesta na superfície de otimização por produzir topologias problemáticas tais como, vários mínimos locais, pontos de sela, vales e platôs ao redor da solução etc. Para viabilizar a abordagem escolhida, um modelo numérico foi escrito baseado na discretização por diferenças finitas da equação diferencial governante e condições de contorno. O erro funcional foi definido pela comparação entre medidas experimentais e numéricas de temperatura. O objetivo foi realizar simulações numéricas a fim de mapear a superfície de otimização correspondente e identificar a estrutura problemática associada ou patologia, chegando assim à reconstrução do coeficiente de convecção h. / Inverse thermal reconstruction techniques are widely used in different applications such as the determination of thermal properties of new materials, control of heat generation, temperature in manufacturing processes, etc. Despite the broad range of applicability, an inverse problem is intrinsically ill conditioned and has been the subject of the work of several researchers. The solution of an inverse 3-dimesional thermal problem is significantly complex, and, thus, requires a formulation that do not contain unrealistic experimental conditions such as 2-dimensional confinement and steadiness of the thermal field with respect to changes in internal parameters. One of the most adopted is the variational formulation based on quadratic error forms for the reconstruction of the internal heat conduction distribution and convection coefficient for a 3-dimensional problem. Within this framework, the ill conditioned nature of the problem manifests itself on the optimization surface by producing problematic topologies such as contour and multiple local minima, saddle points, plateaux around the solution pit and so on. To be able to apply th method a numerical model was written based on a finite difference discretization of the governing differential equation and boundary conditions. An error functional was defined by comparing experimental and numerical measurement temperatures. Numerical simulations aiming at mapping the corresponding optimization surfaces andatidentifing the associated problematic structures or pathologies, resulting in the reconstruction of convection coefficient.

As estruturas de concreto pré-moldado tendem a ser mais moduladas e mais padronizados do que as estruturas de concreto moldadas no local, logo as técnicas de otimização podem produzir mais benefícios econômicos devido à produção em escala. Entre as técnicas de otimização utilizadas em engenharia estrutural, os algoritmos genéticos têm sido reconhecidos como uma forte tendência devido à sua facilidade de implementação e os excelentes resultados obtidos. Este trabalho trata da otimização integrada de pavimentos de edifícios com estruturas de concreto pré-moldado utilizando algoritmos genéticos e minimizando os custos. O principal objetivo é apresentar uma formulação para a otimização do pavimento, baseado em restrições arquitetônicas; restrições estruturais e restrições construtivas. A função-objetivo contemplou não só o consumo de materiais, mas também os aspectos relativos à fabricação, transporte e montagem. Atesta-se a consistência da representação do problema pelo modelo em função dos resultados que foram muito coerentes com a prática dos projetos. Os vários exemplos apresentados mostraram a robustez e a aplicabilidade do modelo e evidenciou-se a possibilidade de sua utilização em um sistema de apoio à tomada de decisão, que sirva como ferramenta de auxílio aos projetistas na concepção estrutural. Foi implementada a rotina dos transgênicos, que melhorou a convergência, e, a dos gêmeos, que aumentou a variabilidade da população. / The precast concrete structures are more modular and standardized than the cast in place concrete structures, therefore optimization techniques can improve economics gain because of series production. Among the optimization techniques in structural engineering design, genetic algorithms have been recognized as a trend. This work aims the floor precast concrete building optimization using GA\'s and minimizing the cost. The main goal of the work is to present a model to optimize the floor taking account of the structural, architectonics and constructive restrictions. The adopted model reached its purpose of the representing the more realist as possible the problem. The cost function considered not only the material consumption but the manufacture, transport and assembled stage. An integrated structural optimization is performed from the structural layout (columns position, directions and spans for beams and hollow cores) through the complete elements detailing (dimensions and reinforcement). The example results evidence the effectiveness of the formulation, they were very consistent with the design practice and they present the system application possibility like a decision support system that helps the engineer in the projects development. It was implemented a transgenic routine to improve the convergence and a twin routine to improve the variability of the population.