Submitted by Alice Araujo (alice.caraujo@ufpe.br) on 2017-11-29T18:16:12Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO Valter Eduardo da Silva Júnior.pdf: 2926608 bytes, checksum: afbf1cd8b2291a8e0c01613cf854ac9a (MD5) / Made available in DSpace on 2017-11-29T18:16:12Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO Valter Eduardo da Silva Júnior.pdf: 2926608 bytes, checksum: afbf1cd8b2291a8e0c01613cf854ac9a (MD5) Previous issue date: 2016-08-26 / O estudo da Inteligência Artificial (IA) e de suas técnicas tem trazido grandes resultados para a evolução da tecnologia em diversas áreas. Técnicas já conhecidas como as Redes Neurais (RN) e Árvores de Decisão (AD) vêm sendo aprimoradas por técnicas de Boosting como o Adaptive Boosting (AdaBoost). Esta técnica é uma das que apresenta maior perspectiva de crescimento devido a seu potencial, flexibilidade e simplicidade para ser implementada em diferentes cenários, como por exemplo, no tratamento para reconhecimento de padrões. Desde o seu surgimento surgiram várias variantes do AdaBoost, as mais conhecidas são o Real AdaBoost (RAb) e Gentle AdaBoost (GAb), no intuito de obter um melhor desempenho. Um problema peculiar do Real AdaBoost é relacionado a base de dados com ruído. Vários artigos sugerem que o Real AdaBoost é sensível a um nível alto de ruído. A partir desse problema será proposto uma nova variante do Real AdaBoost com o objetivo de reduzir esta sensibilidade ao ruído visto ao aparecimento de overfitting nas bases de testes dos problemas com ruído. A nova variante do Real Adaboost será chamada de Noise Real AdaBoost (NRAb), onde será aplicada em base de dados simuladas e reais e será utilizado Real AdaBoost e Gentle AdaBoost para comparar o desempenho em relação a nova variante proposta nesta dissertação. / The study of Artificial Intelligence (AI) and its techniques have brought great results for the evolution of technology in various fields. Known techniques such as Neural Networks (RN) and Decision Trees (AD) have been enhanced by Boosting techniques such as Adaptive Boosting (AdaBoost). This technique is one that has greater prospect of growth potential due to its flexibility and simplicity to be implemented in different scenarios, such as in treatment for pattern recognition. Since its inception AdaBoost were several variants, the best known are the Real AdaBoost (RAB) and Gentle AdaBoost (GAB) in order to get better performance. A peculiar problem of Real AdaBoost is related to noise with database. Several articles suggest that Real AdaBoost is sensitive to a high noise level. From this problem a new variant of Real AdaBoost in order to reduce this sensitivity to noise seen the emergence of overfitting in the problems with noise test bases will be proposed. The new variant of the Real AdaBoost will be called Noise Real AdaBoost (NRAb), which will be applied to simulated and real data base and will be used Real AdaBoost and Gentle AdaBoost to compare performance against the new variant proposed in this dissertation.

Submitted by Marcele Costal de Castro (costalcastro@gmail.com) on 2017-09-19T17:48:45Z No. of bitstreams: 1 CLAUDIO MARCIO DO NASCIMENTO ABREU PEREIRA D.PDF: 2179368 bytes, checksum: b0e89224c0ed09fe9b91259e399be37d (MD5) / Made available in DSpace on 2017-09-19T17:48:45Z (GMT). No. of bitstreams: 1 CLAUDIO MARCIO DO NASCIMENTO ABREU PEREIRA D.PDF: 2179368 bytes, checksum: b0e89224c0ed09fe9b91259e399be37d (MD5) Previous issue date: 1999-04 / Este trabalho apresenta o desenvolvimento de um algoritmo genético para a aplicação em problemas de otimização de parâmetros em projetos de reatores nucleares. Como resultado de suas aplicações a alguns problemas simples, criados especificamente para a validação do método, é observada a convergência para o ótimo global, acarretando sensível melhora dos resultados quando comparados com aqueles obtidos por um método tradicional de otimização não linear baseado em técnicas de programação linear. Estendendo o escopo da aplicação, o algoritmo foi submetido com sucesso a um problema de otimização complexo, onde os métodos convencionais não se aplicam. Os bons resultados levaram ao desenvolvimento de uma ferramenta genérica e operacional que pode ser aplicada em projetos reais de reatores nucleares.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2018-09-05T17:12:27Z No. of bitstreams: 1 texto completo.pdf: 804859 bytes, checksum: ed4ee44a672aa18b9e35cf4a363ab38a (MD5) / Made available in DSpace on 2018-09-05T17:12:27Z (GMT). No. of bitstreams: 1 texto completo.pdf: 804859 bytes, checksum: ed4ee44a672aa18b9e35cf4a363ab38a (MD5) Previous issue date: 2017-12-14 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho aborda um problema de sequenciamento (scheduling) onde as tarefas são processadas em lotes em máquinas paralelas idênticas. Neste problema uma má- quina pode executar um conjunto (lote) de tarefas simultaneamente. Além disso, as tarefas são classificadas em famílias, onde uma família agrupa tarefas que possuam alguma característica em comum. Assim, os lotes devem conter somente tarefas de uma mesma família. O problema também considera tarefas com diferentes tempos de chegada (release times) e tempos de processamento. As tarefas possuem ainda uma data de entrega e uma prioridade. O problema consiste em determinar os lo- tes (grupos) de tarefas para serem sequenciados nas máquinas de tal maneira que o atraso total ponderado das tarefas seja minimizado. O problema envolvendo se- quenciamento de lotes, que é uma extensão do sequenciamento de tarefas clássico (onde uma máquina processa somente uma tarefa por vez), possui muitas aplicações reais, como em indústrias de fundição, de fabricação de móveis, de processamento de metais, de processamento de alimentos, farmacêuticas e de semicondutores. Para resolver o problema abordado, três algoritmos baseados em meta-heurísticas foram desenvolvidos: Adaptive Large Neighborhood Search (ALNS), Iterated Greedy (IG) e Simulated Annealing (SA). Todos estes algoritmos utilizam técnicas de busca em vizinhança para melhorar a qualidade de uma solução. As meta-heurísticas ALNS, IG e SA possuem estruturas simples e elas têm sido aplicadas satisfatoriamente para resolver diferentes problemas de otimização combinatória, especialmente problemas de sequenciamento da produção, o que justifica a utilização para o problema em es- tudo. Experimentos computacionais, utilizando dados da literatura foram realizados a fim de avaliar o desempenho dos algoritmos. Os resultados são comparados com os resultados gerados por dois algoritmos da literatura (Memetic Algorithm e Variable Neighborhood Search) e com os resultados da resolução do modelo matemático do problema. Os experimentos e testes realizados demonstram que os algoritmos de- senvolvidos neste trabalho geram soluções válidas de excelente qualidade superando as melhores soluções apresentadas na literatura. / This work addresses a scheduling problem where the jobs are processed in batches on a identical parallel machines. In this problem a machine can process a set (batch) of jobs simultaneously. In addition, jobs are classified into families, where a family groups jobs that have some characteristic in common. Thus, the batches must con- tain only jobs of a same family. Also, the problem considers jobs with different release times and processing times. The jobs also have a due date and a priority. The objective of the problem is to group the job set into batches and assign the batches to the parallel machines in order to minimize the total weighted tardiness of the jobs. The parallel batch processing machines scheduling problem, that is an extension of classic job sequencing(where a machine processes only one task at a time) has many real application, such as in the foundry industry manufacturing, food processing industries, pharmaceutical industries and semiconductor industries. To solve this problem, three algorithms based on meta-heuristics were developed: Adaptive Large Neighborhood Search (ALNS), Iterated Greedy (IG) and Simula- ted Annealing (SA). All of these algorithms use neighborhood search techniques to improve the quality of solutions. In addition, the meta-heuristics ALNS, IG and SA have been applied satisfactorily to solve different combinatorial optimization problems. Computational experiments using literature data were performed to eva- luate the performance of the algorithms. The obtained results are compared with the results generated by two algorithms from the literature (Memetic Algorithm and Variable Neighborhood Search) and with the mathematical model of the problem. The computational experiments demonstrate that the algorithms developed in this work generate valid solutions of excellent quality, outperforming the best solutions presented in the literature.

Apresenta uma solução inovadora de controle por redes neurais artificiais aprendendo segundo a técnica de aprendizagem por reforço usando algoritmos genéticos para integrar múltiplos sistemas ativos no controle de estabilidade de um veículo. Estudo, restringido a um domínio de manobras, foi desenvolvido excluindo falhas e alterações da planta no tempo. Contribui para responder como o controlador de dinâmica veicular pode ser aperfeiçoado para atuação simultânea de múltiplos sistemas ativos. Contempla o desenvolvimento do neurocontrolador e algoritmo de aprendizagem na plataforma Matlab, de um modelo de dinâmica veicular em ambiente ADAMS e do modelo de referência, atuadores e observador com programação Matlab. Analisa a estabilidade da planta e define regiões de atuação do controlador. Apresenta um estudo e definição da técnica de controle de estabilidade em guinada para nortear a função de otimização, o treinamento e as simulações. Treinamento da rede neural para acomodar as não linearidades envolvidas na planta e para otimizar a integração dos múltiplos sistemas ativos focando nas especificações de desempenho do controlador e no domínio de situações a serem analisadas. Simulação de situações e manobras para validação e avaliação do desempenho do controlador com co-simulação entre Matlab e ADAMS. Resultados qualitativos e quantitativos do desempenho do controlador justificando a integração efetiva dos sistemas e o neurocontrolador não-linear. / Presents an innovative control solution with artificial neural networks learning using reinforcement learning by genetic algorithms to integrate multiple active systems to control yaw vehicle stability. Study restricted to a maneuver domain and excluding plant changes in time and failures. Contributes to answer how the vehicle dynamics controller can be improved for multiple simultaneous active systems. Development of the neurocontroller and learning algorithm in Matlab, vehicle dynamics model in ADAMS environment and reference model, actuators and observer with Matlab programming. Plant stability analysis and activation areas definition. Study and method definition for stability yaw control to guide the task of optimization, training and simulation. Training the neural network to accomplish the plant nonlinearity and to optimize the multiple active systems synergy targeting the controller performance specifications and the analyzed conditions domain. Conditions and maneuvers simulation to validate and evaluate the controller performance using cosimulation between Matlab and ADAMS. Qualitative and quantitative controller results justifying the effective systems integration and non-linear neurocontroller.

Submitted by Algacilda Conceição (algacilda@sibi.ufrj.br) on 2018-04-05T15:57:04Z No. of bitstreams: 1 134158.pdf: 5683196 bytes, checksum: c1409c0d3a6d663d355d750044c37d71 (MD5) / Made available in DSpace on 2018-04-05T15:57:04Z (GMT). No. of bitstreams: 1 134158.pdf: 5683196 bytes, checksum: c1409c0d3a6d663d355d750044c37d71 (MD5) Previous issue date: 1973-12 / COPPETEC / Universidade Federal de Ouro Preto / Este trabalho resulta da implementação, em computador, de uma série de algoritmos destinados a resolver problemas vinculados e desvinculados da área de Programação Linear. Os métodos são apresentados de forma resumida e, em seguida, são expostos os algoritmos correspondentes. O trabalho é de cunho essencialmente prático e não houve, por este motivo, intenção de estabelecer desenvolvimentos teóricos inéditos, a menos de uma pequena ênfase sobre manipulação de precisões utilizadas pelos algoritmos. O sistema foi organizado de modo a oferecer facilidades de operação aos usuários que dele fizerem uso. / This work is the result of the computer implementation of a set of nonlinear programming algorithms destined to solve constrained or unconstrained problems. The methods are concisely discussed after which the corresponding algorithms are presented. As the algorithms are approached from an essentially practical point of view, no original theoretical developments are pursued with the possible exception of some emphasis on the precision manipulations made by the algorithms. The system has been organized in order to provide to the user a good easiness in operation.

Apresenta uma solução inovadora de controle por redes neurais artificiais aprendendo segundo a técnica de aprendizagem por reforço usando algoritmos genéticos para integrar múltiplos sistemas ativos no controle de estabilidade de um veículo. Estudo, restringido a um domínio de manobras, foi desenvolvido excluindo falhas e alterações da planta no tempo. Contribui para responder como o controlador de dinâmica veicular pode ser aperfeiçoado para atuação simultânea de múltiplos sistemas ativos. Contempla o desenvolvimento do neurocontrolador e algoritmo de aprendizagem na plataforma Matlab, de um modelo de dinâmica veicular em ambiente ADAMS e do modelo de referência, atuadores e observador com programação Matlab. Analisa a estabilidade da planta e define regiões de atuação do controlador. Apresenta um estudo e definição da técnica de controle de estabilidade em guinada para nortear a função de otimização, o treinamento e as simulações. Treinamento da rede neural para acomodar as não linearidades envolvidas na planta e para otimizar a integração dos múltiplos sistemas ativos focando nas especificações de desempenho do controlador e no domínio de situações a serem analisadas. Simulação de situações e manobras para validação e avaliação do desempenho do controlador com co-simulação entre Matlab e ADAMS. Resultados qualitativos e quantitativos do desempenho do controlador justificando a integração efetiva dos sistemas e o neurocontrolador não-linear. / Presents an innovative control solution with artificial neural networks learning using reinforcement learning by genetic algorithms to integrate multiple active systems to control yaw vehicle stability. Study restricted to a maneuver domain and excluding plant changes in time and failures. Contributes to answer how the vehicle dynamics controller can be improved for multiple simultaneous active systems. Development of the neurocontroller and learning algorithm in Matlab, vehicle dynamics model in ADAMS environment and reference model, actuators and observer with Matlab programming. Plant stability analysis and activation areas definition. Study and method definition for stability yaw control to guide the task of optimization, training and simulation. Training the neural network to accomplish the plant nonlinearity and to optimize the multiple active systems synergy targeting the controller performance specifications and the analyzed conditions domain. Conditions and maneuvers simulation to validate and evaluate the controller performance using cosimulation between Matlab and ADAMS. Qualitative and quantitative controller results justifying the effective systems integration and non-linear neurocontroller.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2018-07-11T12:09:39Z No. of bitstreams: 1 textocompleto.pdf: 925551 bytes, checksum: 6e6a52bb70c4e45081687d495922f845 (MD5) / Made available in DSpace on 2018-07-11T12:09:39Z (GMT). No. of bitstreams: 1 textocompleto.pdf: 925551 bytes, checksum: 6e6a52bb70c4e45081687d495922f845 (MD5) Previous issue date: 2018-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A seleção genômica (SG) foi proposta como uma forma de aumentar a eficiência e acelerar o melhoramento genético. A SG enfatiza a predição simultânea dos efeitos genéticos de milhares de marcadores dispersos em todo o genoma de um organismo. Algumas metodologias estatísticas têm sido utilizadas em SG para a predição do mérito genético, como por exemplo a Ridge Regression Best Linear Unbiased Prediction (RR- BLUP), Bayesian Lasso (BLASSO). Porém tais metodologias exigem algumas pressuposições a respeito dos dados tais como normalidade da distribuição dos valores fenotípicos. Além disto, a presença de fatores complicadores tais como epistasia e dominância atrapalham a utilização destes modelos, uma vez que exigem que tais efeitos sejam estabelecidos à priori pelo pesquisador. Visando contornar a não normalidade dos valores fenotípicos a literatura sugere o uso dos modelos lineares generalizados sob o enfoque bayesiano (BGLR). Outra alternativa são os modelos baseados em aprendizagem de máquina (AM), representados por metodologias tais como Redes Neurais (RNA), Árvores de Decisão (AD) e seus possíveis refinamentos (Bagging, Random Forest e Boosting) as quais podem incorporar a epistasia e a dominância no modelo além de não exigirem pressuposições quanto ao modelo e a distribuição dos valores fenotípicos. Diante disso, o objetivo deste trabalho foi utilizar AD e seus refinamentos Bagging, Random Forest e Boosting para predição da resistência a ferrugem alaranjada no café arábica. Além disso, AD e seus refinamentos foram utilizadas para identificar a importância dos marcadores relacionados a característica de interesse. Os resultados foram comparados com aqueles provenientes do GBLASSO (Lasso Bayesiano Generalizado) e RNA. Foram utilizados dados da resistência a ferrugem do café de 245 plantas derivadas do cruzamento do Híbrido de Timor e do Catuaí Amarelo, genotipados para 137 marcadores. A AD e seus refinamentos obtiveram resultados satisfatórios, visto que apresentaram valores iguais ou inferiores de Taxa de Erro Aparente comparados com aqueles obtidos pelo GBLASSO e RNA. Ademais, os refinamentos da AD demonstraram ser capazes de identificar marcadores importantes para característica de interesse, visto que dentre os 10 marcadores mais importantes analisados em cada metodologia, 3-4 marcadores estavam próximos a QTL’s relacionados a resistência a doença listados na literatura. Por fim, a AD e seus refinamentos mostraram um melhor desempenho em relação ao GBLASSO e a RNA quanto ao custo computacional. / Genomic selection (GS) has been proposed as a way to increase efficiency and accelerate genetic improvement. GS emphasizes the simultaneous prediction of the genetic effects of thousands of scattered markers throughout an organism's genome. Some statistical methodologies have been used in GS for the prediction of genetic merit, such as Ridge Regression Best Linear Unbiased Prediction (RR-BLUP), Bayesian Lasso (BLASSO). However such methodologies require some assumptions about the data such as normality of the distribution of phenotypic values. In addition, the presence of complicating factors such as epistasis and dominance hinder the use of these models, since they require that such effects be established a priori by the researcher. In order to avoid the non-normality of phenotypic values, the literature suggests the use of Bayesian Generalized Linear Regression (BGLR). Another alternative is the models based on machine learning, represented by methodologies such as Artificial Neural Networks (ANN), Decision Trees (DT) and their possible refinements such as Bagging, Random Forest and Boosting, which can incorporate epistasis and dominance in the model, besides not requiring assumptions about the model and the distribution of phenotypic values. The aim of this work was to use DT and its refinements Bagging, Random Forest and Boosting for prediction of resistance to orange rust in arabica coffee. In addition, DT and its refinements were used to identify the importance of markers related to the characteristic of interest. The results were compared with those from GBLASSO (Generalized Bayesian Lasso) and ANN. Data from the coffee rust resistance of 245 plants derived from the hybrid of the Timor Hybrid and the Yellow Catuaí, genotyped for 137 markers were used. The DT and its refinements obtained satisfactory results, since they presented equal or inferior values of Apparent Error Rate compared to those obtained by GBLASSO and RNA. In addition, DT refinements seem to be able to identify important markers for characteristic of interest, since among the 10 most important markers analyzed in each methodology, 3-4 markers were close to QTLs related to resistance to disease listed in the literature. Finally, the Decision Tree and its refinements showed a better performance in relation to the GBLASSO and RNA regarding computational cost.

Orientadores: Cid Carvalho de Souza, Pedro Jussieu de Rezende / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-17T02:29:56Z (GMT). No. of bitstreams: 1 Couto_MarceloCastilho_M.pdf: 3682547 bytes, checksum: 899151df78f8e6950ce90ea8215ded91 (MD5) Previous issue date: 2010 / Resumo: Nesta dissertação, faz-se um amplo estudo multidisciplinar sobre duas variantes de um problema geométrico NP-DIFÍCIL, o Problema da Galeria de Arte, que é analisado tanto pela ótica geométrica quanto combinatória. O objetivo consiste em minimizar o número de guardas suficientes para cobrir todo o interior de uma galeria de arte, representada por um polígono simples. Dentre as muitas variantes desse problema, o foco foi dado àquela onde os guardas são estacionários e restritos aos vértices do polígono, ortogonal ou simples, sem obstáculos. Propõe-se neste trabalho um algoritmo iterativo exato que é capaz de resolver ambas as variantes do problema. Nesse algoritmo, o problema original é discretizado, reduzido a um problema combinatório, o Problema da Cobertura de Conjuntos, e modelado por programação linear inteira. A redução entre os problemas que assegura a corretude do algoritmo e as provas de exatidão e convergência para uma solução ótima do problema original são detalhadas. Apresenta-se também uma extensa experimentação de uma implementação desse algoritmo com o intuito de validar seu uso prático e analisar as várias estratégias propostas aqui para a discretização inicial da galeria. São dados resultados para instâncias com até 2500 vértices, mais de dez vezes o tamanho das maiores instâncias resolvidas exatamente na literatura pré-existente. Mostra-se que o número de iterações executadas pelo algoritmo está extremamente relacionada com o modo como a galeria é inicialmente discretizada. Considerando a estratégia de discretização com o melhor desempenho geral, tem-se que, na prática, o algoritmo converge para uma solução ótima para o problema original em um baixo tempo computacional e em um número de iterações que é ordens de grandeza aquém do limite teórico resultante da análise de pior caso / Abstract: In this dissertation, a broad multidisciplinary study is done on two variants of a geometrical NP-HARD problem, the Art Gallery Problem, which is approached both from geometrical and combinatorics perspectives. The goal is to minimize the number of guards sufficient to cover the interior of an art gallery whose boundary is represented by a simple polygon. Among the many variants of the problem, the focus was on one where the guards are stationary and are restricted to vertices of the polygon, orthogonal or simple, without holes. We propose an iterative exact algorithm to solve both variants of the problem. In this algorithm, the original problem is discretized, reduced to a combinatorial problem, the Set Cover Problem, and modeled as an integer linear program. The reduction between the problems, which ensures the correctness of the algorithm, and the proofs of its exactness and convergence to an optimal solution are detailed. We also present an extensive experimentation of an implementation of this algorithm in order to validate its practical use and analyze the various strategies proposed here for the initial discretization of the gallery. Results are given for instances with up to 2500 vertices, more than ten times the size of the largest instances solved to optimality in prior literature. It is shown that the number of iterations performed by the algorithm is highly related to how the gallery is initially discretized. Considering the discretization strategy with the best performance in practice, the algorithm converges to an optimal solution for the original problem in a low computation time and in a number of iterations that is orders of magnitude below the theoretical bound arising from the worst case analysis / Mestrado / Geometria Computacional e Otimização Combinatória / Mestre em Ciência da Computação