Orientador : Celso Pascoli Bottura / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-02T15:44:50Z (GMT). No. of bitstreams: 1 FonsecaNeto_JoaoVianada_D.pdf: 7728376 bytes, checksum: 17601f25107a5461f9795f00c25fb18e (MD5) Previous issue date: 2000 / Resumo: Apresenta-se nesta tese uma proposta para alocação de auto estruturas em sistemas dinâmicos lineares multivariáveis por realimentação de estado que tem por base o projeto do regulador linear quadrático (RLQ), otimização multiobjetivo, computação evolutiva e programação paralela. O problema da alocação de autoestruturas é formulado em termos de projetos RLQ e de um método de desigualdades no intuito de colocar a formulação proposta como de problema de otimização multiobjetivo. Este problema é solucionado através do desenvolvimento de algoritmo genético paralelo dedicado à busca das matrizes de ponderação do projeto RLQ. Estratégias de busca são formuladas e elementos de inteligência computacional são utilizados para modelá-Ias e implementá-Ias em uma unidade de decisão lógica que interage com o otimizador genético / Abstract: In this thesis a proposal for eigenstructure placement for multivariable linear dynamic systems by state feedback based on the linear quadratic regulator (LQR), multiobjective optimization, evolutionary computation and parallel programming is presented. The eigenstructure placement problem is formulated based on LQR designs and on an inequality method to conceive a multiobjective optimization problem for the proposed formulation. The solution to this problem is obtained via the development of a parallel genetic algorithm dedicated to the search of LQR design's weighting matrices. Search strategies are formulated and elements of computational intelligence are used to model them and their implementations are made on a logical decision unit that interacts with the GA-optimizer / Doutorado / Doutor em Engenharia Elétrica

Orientadores: Fernando Jose Von Zuben, Jonatas Manzolli / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T18:37:39Z (GMT). No. of bitstreams: 1 Moroni_Artemis_D.pdf: 4233681 bytes, checksum: 0827bfd36d9807e5156b11bcffacf950 (MD5) Previous issue date: 2003 / Doutorado

Orientadores : Ivan Luiz Marques Ricarte / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T22:22:21Z (GMT). No. of bitstreams: 1 Coelho_AndreLuisVasconcelos_D.pdf: 18304635 bytes, checksum: fac853d8233955f9d02c12608c41455d (MD5) Previous issue date: 2004 / Resumo: Este tratado é de caráter essencialmente empírico e apresenta um estudo sistemático e abrangente em tomo da aplicação de técnicas de Computação Evolutiva para a resolução adaptativa de problemas não-triviais relacionados à disciplina de engenharia de sistemas inteligentes modulares. Os vários experimentos conduzidos e reportados tiveram como motivação maior a avaliação das potencialidades exibidas por algoritmos evolutivos mais rebuscados, inspirados em modelos artificiais de simbiose e hibridismo, tendo como referencial um leque de questões/requisitos pertinentes a sistemas modulares levantados pelo autor. Os domínios-alvo de pesquisa investigados compreendem o desenho customizado de arquiteturas de redes neurais heterogêneas; o projeto automático e hierárquico de ensembles heterogêneas de redes neurais feedforward; a seleção adaptativa de instâncias de máquinas de vetores-suporte para a composição de ensembles de SVMs; a configuração plena de arquiteturas de misturas de especialistas; e a organização emergente de times de agentes autônomos. Outros projetos correlatos ao tema são também brevemente descritos / Abstract: This treaty is of an essentially empirical nature and presents a systematic and encompassing study about the application of Evolutionary Computation techniques towards the adaptive solving of non-trivial problems under the discipline of modular intelligent systems engineering. The series of experiments conducted and reported along the text had as main stimulus the assessment of the potentials behind some advanced evolutionary algorithms, inspired from artificial models of symbiosis and hybridism, with regard to an array of issuesjrequirements pertaining to modular systems raised by the author. The target domains of investigation include the tailored design of heterogeneous neural network architectures; the automatic and hierarchical development of heterogeneous ensembles of feedforward neural networks; the adaptive selection of support vector machine instances for setting up ensembles of SVMs; the entire configuration of mixture of experts architectures; ando the emergent organization of teams made up of autonomous agents. Other correlated projects under the same research umbrella are also succinctly touched upon / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Propone un método para generar modelos de clasificación de riesgo de crédito de acuerdo a la metodología de rating de crédito. La implementación de esta metodología requiere construir dos grandes bloques de análisis: (1) la construcción de un modelo de puntuaciones, y (2) la construcción de un modelo de agrupación de clases de riesgo. Para construir el modelo de rating, este trabajo propone el uso de dos técnicas de la inteligencia artificial: (1) el uso de algoritmos genéticos para determinar el modelo de puntuaciones óptimo, y (2) el uso de clustering jerárquico aglomerativo para la segmentación de los grupos de riesgo. Los resultados de la experimentación mostraron que la presente propuesta obtiene un buen indicador de poder de predicción (58.9%). Además, se comparó este modelo con el modelo de regresión logística (un conocido método de estimación estadística), teniendo la propuesta actual un mejor desempeño que el modelo logístico. Se concluye que las técnicas de inteligencia artificial usadas en este trabajo muestran un buen resultado para generar un modelo de rating, y tienen como ventaja la fácil interpretación de sus resultados por un experto humano. / Tesis

This Master s Dissertation presents the development of a methodology to optimize the modulation of dispatch of Small Hydro Power Plants (SHPs). The main objective is to minimize the cost of supplying contracts, which comprise both the contracts of energy and the contracts of the use of the transmission and distribution systems by the power utilities. The application of the proposed methodology is technically subject to the operative constraints of the SHPs as well as to the constraints of the substations located in the connection points among utilities and the transmission system. The methodology is also based on the regulation of the Brazilian electrical system. The flow duration curves are taken in order to optimize the dispatch and the load curves from periods of the highest annual demands are considered to represent the distribution system behavior. We used the technique of genetic algorithms to the simulations with real data, from a Brazilian power utility are applied in order to analyze the economic and technical results and then proven the methodology. / Esta dissertação apresenta o desenvolvimento de uma metodologia para a otimização da modulação do despacho de Pequenas Centrais Hidrelétricas (PCHs), com objetivo de minimizar os custos da contratação do suprimento, que compreende a contratação da energia e a contratação do uso dos sistemas de transmissão e ou distribuição, para as concessionárias de distribuidoras de energia elétrica. A aplicação da metodologia proposta, tecnicamente, está sujeita ao atendimento das restrições operativas das PCHs, bem como, das subestações localizadas no ponto de conexão das distribuidoras com a rede básica. A metodologia leva em consideração a regulação do setor elétrico. Para a otimização do despacho, é considerada a vazão afluente do aproveitamento hidrelétrico das PCHs, obtida a partir da curva de permanência de vazões. Representando o comportamento do sistema de distribuição foi usada a curva de carga, no período em que foi registrada a maior demanda anual. Para validação da metodologia, foi utilizada a técnica de algoritmos genéticos para as simulações com dados reais, de uma distribuidora do sul do Brasil foram utilizados e os resultados técnicos e econômicos foram comprovados.

Orientador: Celso Kazuyuki Morooka / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de Geociências / Made available in DSpace on 2018-08-22T07:36:07Z (GMT). No. of bitstreams: 1 Filardo_JuarezGuaraci_M.pdf: 9792292 bytes, checksum: fc41bb8bdaac74a7d5124bbc10c3f37b (MD5) Previous issue date: 2012 / Resumo: Este trabalho apresenta a solução para o problema das empresas de petróleo em determinar os quantitativos ótimos de recursos materiais a serem adquiridos para a construção dos poços de petróleo num ambiente de risco, assegurando o cumprimento das metas plurianuais da empresa. Para isto foi necessário gerar vários cenários de demanda pelos materiais através da simulação estocástica do portfólio, pesquisar os mais variados modelos de inventário para entender o dinamismo existente no processo de levantamento de demanda dos materiais até o seu emprego nos poços, possibilitar representar estes fluxos matematicamente por uma função objetivo com termos de receita e de custos destoando dos processos usuais de tomada de decisão que consideram apenas os custos de aquisição; otimizar a função objetivo característica de cada cenário através do método dos algoritmos genéticos para permitir uma flexibilização no uso de modelos mais complexos de representação da demanda, e no final obter uma função multivariada conjunta construída com o auxílio do método das cópulas a qual o tomador de decisão fará o seu julgamento. O processo acima permitiu construir uma metodologia cuja robustez foi testada para um caso prático de definição do quantitativo ótimo de revestimentos de perfuração a ser adquirido para um portfólio de poços constituído por 596 poços marítimos brasileiros em atividades de perfuração, completação, e restauração, e 60 sondas de perfuração com trabalhos simultâneos, intervalo de planejamento de um ano e poços possuindo as mesmas características de projeto do pré-sal. A decisão sobre o quantitativo ideal conforme o risco da empresa foi conseguido facilmente analisando-se as curvas de nível da função multivariada conjunta, que para o caso prático do pré-sal e considerando confiança nos dados de 73%, o quantitativo de revestimento ótimo foi de 140.000 m, caso fosse analisado sem considerar os riscos o quantitativo seria de 145.000 m, indicando que o tomador de decisão tradicional foi conservador e tenderia encarecer o processo. Outra conclusão importante foi que os pontos ótimos situaram-se num intervalo de tempo anterior ao do final do planejamento indicando ter sido vantajoso admitir a falta do revestimento e não construir o poço a partir deste ponto, o que possibilitou também verificar o quão consistente foi o sequenciamento dos poços do portfólio / Abstract: This thesis presents a solution for the problem of oil companies to determine the optimal quantity of material resources to be acquired for the construction of oil wells in a risky environment and assuring the company multiannual goals. In order to achieve that it was necessary to generate various scenarios of materials demand by stochastic simulation of the portfolio, researching the most varied inventory models to understand the existing dynamics in the process of raising materials demand up to their use in the wells, and make possible the representation of these flows mathematically by an objective function in terms of revenue and costs, diverging from the usual decision making processes that consider only the acquisition costs . The characteristic objective function of each scene was optimized by the genetic algorithms method to allow greater flexibility in the use of more complex models to represent the demand by the end of the process is obtained a joint multivariate function built with the aid of the method of copulas and whose decision maker will make their judgment. The above process allowed us to provide a methodology whose robustness has been tested for a practical case of defining the optimum quantity of drilling casings to be acquired for a wells portfolio, consisting of 596 wells in Brazilian offshore drilling, completion, and restore and 60 drilling rigs with simultaneous work, one year for range of planning and wells having the same design features of the sub-salt environment. The decision about the ideal amount considering the company's risk was easily accomplished by analyzing the joint multivariate function contour, to the studied practical case and considering 73% of confidence in the data, the optimum quantity was 140,000 m, if analyzed without considering the risks the quantity would be 145,000 m, indicating that the decision maker was traditionally conservative and would tend to become the process more expensive. Another important conclusion was that the optimal points were located in a time prior to the end of the plan, indicating it was advantageous to allow the lack of the casing and not to build the well from that point, it also allowed to check how consistent the wells portfolio scheduling was / Mestrado / Explotação / Mestre em Ciências e Engenharia de Petróleo

Orientador: Fernando José Von Zuben / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-18T10:35:24Z (GMT). No. of bitstreams: 1 Goncalves_AndreRicardo_M.pdf: 2010410 bytes, checksum: d89f7061364f054a7b11d52cc61d27a4 (MD5) Previous issue date: 2011 / Resumo: O dinamismo do mundo moderno traz consigo grandes desafios científicos e tecnológicos, particularmente junto a problemas de otimização. Problemas antes tratados de forma estática estão sendo reformulados para incorporar esse dinamismo, exigindo com isso novas estratégias de solução. Meta-heurísticas populacionais para otimização surgem então como abordagens promissoras, visto que favorecem a exploração do espaço de busca e contribuem para a adaptação ao dinamismo do ambiente. Foram tratados aqui algoritmos de estimação de distribuição (AEDs), os quais empregam modelos probabilísticos para identificar regiões promissoras do espaço de busca. Pelo fato de serem raras e limitadas as propostas de AEDs para problemas dinâmicos, principalmente em espaços de busca contínuos, foram concebidos AEDs baseados em modelos de mistura gaussianos flexíveis, auto-controláveis e com baixo custo computacional, incluindo ainda operadores de manutenção de diversidade e de controle de convergência. Uma extensa comparação com métodos alternativos de otimização para ambientes dinâmicos foi realizada e, em várias situações, a proposta deste trabalho superou o desempenho de métodos considerados estado-da-arte / Abstract: The dynamism of the modern world gives rise to huge scientific and technological challenges. Problems until recently being treated as static are now being reformulated to incorporate that dynamism, thus requiring novel solution strategies. Population-based metaheuristics devoted to optimization emerge as promising approaches, given that they promote an effective exploration of the search space and contribute to the adaptation to the dynamism of the environment. Estimation of distribution algorithms (EDAs) were considered here, which make use of probabilistic models to identify promising regions of the search space. Due to the fact that the proposals of EDAs for dynamic problems are rare and limited, mainly in real-parameter search spaces, EDAs were conceived based on flexible Gaussian mixture models, self-controlable and computationally inexpensive steps, including diversity maintenance and convergence control mechanisms. An extensive comparison with alternative optimization methods for dynamic environments was accomplished and, in many situations, the proposed technique overcame the performance produced by state-of-the-art methods / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientador: Maria Cecilia Amorim Teixeira da Silva / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Civil, Arquitetura e Urbanismo / Made available in DSpace on 2018-08-26T11:18:48Z (GMT). No. of bitstreams: 1 Pires_SusanadeLima_D.pdf: 6098282 bytes, checksum: 01360189cc34b2e85a08b98c96c0ce4c (MD5) Previous issue date: 2014 / Resumo: Neste trabalho foi desenvolvida uma ferramenta para otimização da seção transversal (área de concreto, e área e distribuição de armadura) de pilares de concreto armado, submetidos à flexão oblíqua considerando as não linearidades física e geométrica de maneira rigorosa. A motivação para este trabalho se deu a partir da constatação de que a imposição, pelo projetista, de variáveis (normalmente, a base e a altura da seção de concreto, e a distribuição das barras de aço) no dimensionamento de seções de concreto armado, nem sempre leva à seção mais econômica. Dessa forma, foi produzido um procedimento sistematizado que escolhe, dentro de uma gama de possíveis soluções, o pilar que melhor atende os quesitos de segurança, de economia e normativos. Para resolver a questão da otimização foi utilizada a técnica dos Algoritmos Genéticos, por meio da qual é possível encontrar as melhores dimensões da seção e distribuição de armadura de forma que o custo do pilar, sujeito a determinadas restrições de resistência, de estabilidade, de exequibilidade e normativas, seja minimizado. A verificação da resistência das seções de concreto armado submetidas à flexão obliqua envolve uma série de integrais de superfície que são resolvidas numericamente transformando-as em integrais de linha através da aplicação do teorema de Green. O Método dos Elementos Finitos é utilizado no cálculo dos deslocamentos, e as não linearidades física e geométrica são introduzidas por meio de um processo iterativo. Um programa computacional foi desenvolvido a partir do procedimento numérico proposto. Para verificar a eficiência da técnica de otimização empregada, foi criado um programa computacional de apoio que calcula todas as possíveis seções transversais de concreto armado contidas no espaço de busca, e escolhe aquela seção que, atendendo a todas as restrições, apresenta o menor custo. A análise se aplica a pilares de seção transversal retangular, constante e com distribuição simétrica de armadura. Nos resultados apresentados observa-se que as soluções, no processamento dos programas utilizando AGs, convergem sempre para uma solução ótima ou na vizinhança da solução ótima / Abstract: In this paper we develop a tool to optimize the cross section (cross section dimensions, reinforcement bar sizes and bar arrangements) of reinforced concrete columns under biaxial bending, carefully considering material and geometric nonlinearity. The motivation for this work was made from the finding that the imposition by the designer of variables (usually the base and the height of the concrete section, and the distribution of the steel bars) in the design of reinforced concrete sections, does not always lead to the (most economic) cheapest section. Thus, we produced a systematic procedure to choose, within a range of possible solutions, the column that best fulfills the requirements of security, economy and regulation. To resolve the issue of optimization we used the technique of Genetic Algorithm (GA), by which it is possible to find the best distribution and dimensions of the section of reinforcement, so that the cost of the column may be minimized, subject to certain restrictions of strength, stability, constructability and regulation. Verification of the strength of reinforced concrete sections subjected to biaxial bending involves a series of surface integrals that are solved numerically, transforming them into line integrals through the application of Green's Theorem. The Finite Element Method is used to calculate the displacements, and the material and geometric nonlinearity are introduced by means of an iterative process. A computer program was developed from the proposed numerical procedure. In order to verify the efficiency of the optimization technique employed, a supporting computer program was created that calculates all the possible cross-sections of reinforced concrete contained in the search space and chooses the one section that, given all the constraints, has the lowest cost. The procedure applies to the columns of a rectangular and consistent cross section with a symmetrical configuration of reinforcement. In the presented results, it is observed that the solutions in the processing of programs using GAs, always converge to an optimal solution or in the vicinity of the optimal solution / Doutorado / Estruturas e Geotécnica / Doutora em Engenharia Civil

Imagens digitais são utilizadas para diversas finalidades, variando de uma simples foto com os amigos até a identificação de doenças em exames médicos. Por mais que as tecnologias de captura de imagens tenham evoluído, toda imagem adquirida digitalmente possui um ruído intrínseco a ela que normalmente é adquirido durante os processo de captura ou transmissão da imagem. O grande desafio neste tipo de problema consiste em recuperar a imagem perdendo o mínimo possível de características importantes da imagem, como cantos, bordas e texturas. Este trabalho propõe uma abordagem baseada em um Algoritmo Genético Híbrido (AGH) para lidar com este tipo de problema. O AGH combina um algoritmo genético com alguns dos melhores métodos de supressão de ruídos em imagens encontrados na literatura, utilizando-os como operadores de busca local. O AGH foi testado em imagens normalmente utilizadas como benchmark corrompidas com um ruído branco aditivo Gaussiano (N; 0), com diversos níveis de desvio padrão para o ruído. Seus resultados, medidos pelas métricas PSNR e SSIM, são comparados com os resultados obtidos por diferentes métodos. O AGH também foi testado para recuperar imagens SAR (Synthetic Aperture Radar), corrompidas com um ruído Speckle multiplicativo, e também teve seus resultados comparados com métodos especializados em recuperar imagens SAR. Através dessa abordagem híbrida, o AGH foi capaz de obter resultados competitivos em ambos os tipos de testes, chegando inclusive a obter melhores resultados em diversos casos em relação aos métodos da literatura. / Digital images are used for many purposes, ranging from a simple picture with friends to the identification of diseases in medical exams. Even though the technology for acquiring pictures has been evolving, every image digitally acquired has a noise intrinsic to it that is normally gotten during the processes of transmission or capture of the image. A big challenge in this kind of problem consists in recovering the image while losing the minimum amount of important features of the image, such as corners, borders and textures. This work proposes an approach based on a Hybrid Genetic Algorithm (HGA) to deal with this kind of problem. The HGA combines a genetic algorithm with some of the best image denoising methods found in literature, using them as local search operators. The HGA was tested on benchmark images corrupted with an additive white Gaussian noise (N;0) with many levels of standard deviation for the noise. The HGAs results, which were measured by the PSNR and SSIM metrics, were compared to the results obtained by different methods. The HGA was also tested to recover SAR (Synthetic Aperture Radar) images that were corrupted by a multiplicative Speckle noise and had its results compared against the results by other methods specialized in recovering with SAR images. Through this hybrid approach, the HGA was able to obtain results competitive in both types of tests, even being able to obtain the best results in many cases, when compared to the other methods found in the literature.

Sistemas de recuperação de imagens por conteúdo (Content-based image retrieval { CBIR) e de classificação dependem fortemente de vetores de características que são extraídos das imagens considerando critérios visuais específicos. É comum que o tamanho dos vetores de características seja da ordem de centenas de elementos. Conforme se aumenta o tamanho (dimensionalidade) do vetor de características, também se aumentam os graus de irrelevâncias e redundâncias, levando ao problema da \"maldição da dimensionalidade\". Desse modo, a seleção das características relevantes é um passo primordial para o bom funcionamento de sistemas CBIR e de classificação. Nesta tese são apresentados novos métodos de seleção de características baseados em algoritmos genéticos (do inglês genetic algorithms - GA), visando o aprimoramento de consultas por similaridade e modelos de classificação. A família Fc (\"Fitness coach\") de funções de avaliação proposta vale-se de funções de avaliação de ranking, para desenvolver uma nova abordagem de seleção de características baseada em GA que visa aprimorar a acurácia de sistemas CBIR. A habilidade de busca de GA considerando os critérios de avaliação propostos (família Fc) trouxe uma melhora de precisão de consultas por similaridade de até 22% quando comparado com métodos wrapper tradicionais para seleção de características baseados em decision-trees (C4.5), naive bayes, support vector machine, 1-nearest neighbor e mineração de regras de associação. Outras contribuições desta tese são dois métodos de seleção de características baseados em filtragem, com aplicações em classificação de imagens, que utilizam o cálculo supervisionado da estatística de silhueta simplificada como função de avaliação: o silhouette-based greedy search (SiGS) e o silhouette-based genetic algorithm search (SiGAS). Os métodos propostos superaram os métodos concorrentes na literatura (CFS, FCBF, ReliefF, entre outros). É importante também ressaltar que o ganho em acurácia obtido pela família Fc, e pelos métodos SiGS e SiGAS propostos proporcionam também um decréscimo significativo no tamanho do vetor de características, de até 90% / Content-based image retrieval (CBIR) and classification systems rely on feature vectors extracted from images considering specific visual criteria. It is common that the size of a feature vector is of the order of hundreds of elements. When the size (dimensionality) of the feature vector is increased, a higher degree of redundancy and irrelevancy can be observed, leading to the \"curse of dimensionality\" problem. Thus, the selection of relevant features is a key aspect in a CBIR or classification system. This thesis presents new methods based on genetic algorithms (GA) to perform feature selection. The Fc (\"Fitness coach\") family of fitness functions proposed takes advantage of single valued ranking evaluation functions, in order to develop a new method of genetic feature selection tailored to improve the accuracy of CBIR systems. The ability of the genetic algorithms to boost feature selection by employing evaluation criteria (fitness functions) improves up to 22% the precision of the query answers in the analyzed databases when compared to traditional wrapper feature selection methods based on decision-tree (C4.5), naive bayes, support vector machine, 1-nearest neighbor and association rule mining. Other contributions of this thesis are two filter-based feature selection algorithms for classification purposes, which calculate the simplified silhouette statistic as evaluation function: the silhouette-based greedy search (SiGS) and the silhouette-based genetic algorithm search (SiGAS). The proposed algorithms overcome the state-of-the-art ones (CFS, FCBF and ReliefF, among others). It is important to stress that the gain in accuracy of the proposed methods family Fc, SiGS and SIGAS is allied to a significant decrease in the feature vector size, what can reach up to 90%