Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-03-21T00:42:43Z No. of bitstreams: 1 DiegoDeyvidDantasDeMedeiros_DISSERT.pdf: 4782158 bytes, checksum: be79da038af407e962d4d79b658f60aa (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-03-27T21:02:24Z (GMT) No. of bitstreams: 1 DiegoDeyvidDantasDeMedeiros_DISSERT.pdf: 4782158 bytes, checksum: be79da038af407e962d4d79b658f60aa (MD5) / Made available in DSpace on 2017-03-27T21:02:24Z (GMT). No. of bitstreams: 1 DiegoDeyvidDantasDeMedeiros_DISSERT.pdf: 4782158 bytes, checksum: be79da038af407e962d4d79b658f60aa (MD5) Previous issue date: 2017-01-05 / Atualmente, com o crescente incentivo ? utiliza??o de fontes alternativas e renov?veis de energia, aumentou-se a quantidade de geradores conectados ?s redes de distribui??o de energia el?trica. Dentre os quais est?o, por exemplo, os parques e?licos, sistemas de energia solar fotovoltaica e sistemas de cogera??o formando a chamada Gera??o Distribu?da. Diante deste panorama mundial, torna-se iminente a necessidade de desenvolvimento de novas tecnologias e programas computacionais que possibilitem a otimiza??o das conex?es de geradores no sistema el?trico. Isto deve ser realizado de forma que, dentre outras vantagens, as estrat?gias de controle sejam aperfei?oadas e a efici?ncia, aumentada. Este trabalho apresenta a cria??o do software Optimal-GeDist, desenvolvido para auxiliar no planejamento de redes de distribui??o de energia el?trica em m?dia tens?o. Basicamente, esta ferramenta computacional calcula inje??o ?tima de pot?ncia da gera??o distribu?da nas barras da rede, al?m de determinar os melhores pontos de conex?o de cargas de m?dio e grande porte que pretendam se conectar ao sistema, como, por exemplo, ind?strias e postos de carregamento de ve?culos el?tricos. Por se tratar de um problema no qual o espa?o de busca ? amplo e com a possibilidade de m?nimos locais, optou-se em utilizar o Algoritmo Gen?tico como ferramenta de otimiza??o, mais adequado para este tipo de problema. Atrav?s da sua aplica??o, pode-se encontrar o ponto ?timo de opera??o da rede de modo a otimizar as perdas t?cnicas do sistema. Para a simula??o do sistema, optou-se pelo m?todo de fluxo de carga Soma de Pot?ncias, desenvolvido para sistemas radias de m?dia tens?o e apresentando uma converg?ncia r?pida e precisa. / Currently, with the increasing of incentive to use alternative and renewable energy sources, the number of generators connected to the electricity distribution networks has increased. Among them are, for example, wind farms, photovoltaic solar energy systems and cogeneration systems forming the so-called Distributed Generation. In view of this global panorama, it is imminent the need to develop new technologies and computer programs that allow the optimization of the connections of generators in the electrical system. This should be done in such a way that, among other advantages, control strategies are improved and efficiency increased. This work presents the creation of Optimal-GeDist software, developed to assist in the planning of electricity distribution networks in medium voltage. This computational tool calculates optimum power injection of the distributed generation in the network bars, in addition to determining the best connection points of future loads that wish to connect to the system. Because it is a problem, in which search space is large and with the possibility of local minimums, it was decided to use the Genetic Algorithm as an optimization tool, more suitable for this type of problem. Through its application, it is possible to find the optimal point of operation of the network in order to optimize the technical losses of the system. For the simulation of the system, it?s opted for the Power Sum load flow method, developed for medium voltage radial systems and presenting a fast and accurate convergence.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-07-17T13:14:38Z No. of bitstreams: 1 FranciscaDeFatimaDoNascimentoSilva_TESE.pdf: 4413362 bytes, checksum: e0033cfcbd51c0cdcb5f93d10f64d5d3 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-07-19T11:55:55Z (GMT) No. of bitstreams: 1 FranciscaDeFatimaDoNascimentoSilva_TESE.pdf: 4413362 bytes, checksum: e0033cfcbd51c0cdcb5f93d10f64d5d3 (MD5) / Made available in DSpace on 2017-07-19T11:55:56Z (GMT). No. of bitstreams: 1 FranciscaDeFatimaDoNascimentoSilva_TESE.pdf: 4413362 bytes, checksum: e0033cfcbd51c0cdcb5f93d10f64d5d3 (MD5) Previous issue date: 2017-03-06 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O desenvolvimento de um campo petrol?fero pode ser entendido como o conjunto de a??es necess?rias para colocar o campo em produ??o: perfura??es, sistemas de inje??o, plataformas, etc. A forma como ser? feito este desenvolvimento define uma ou mais alternativas. Assim, definir alternativas de desenvolvimento de um campo petrol?fero ? uma das tarefas mais importantes na ?rea de reservat?rios, dado que estas defini??es afetam o comportamento do reservat?rio, decis?es futuras, an?lises econ?micas e, consequentemente, a atratividade resultante dos projetos definidos. Este trabalho apresenta a implementa??o de um sistema otimizador multiobjetivo baseado no algoritmo gen?tico NSGA-II (Non-Dominated Sorting Genetic Algorithm), que oferece uma ferramenta de suporte ? decis?o e automatiza a busca de alternativas para o desenvolvimento de campos petrol?feros submetidos ao processo de inje??o de ?gua. Cada alternativa refere-se ? forma como um campo petrol?fero, conhecido e delimitado, ? colocado em produ??o, isto ?, diz respeito ? determina??o do n?mero e a disposi??o dos po?os produtores e injetores no campo. A aplica??o do algoritmo consiste em encontrar as configura??es de produ??o que, em longo prazo, forne?am o maior Valor Presente L?quido (VPL), obtido a partir do custo de investimento inicial, do pre?o do petr?leo, da produ??o de ?leo e dos custos de opera??o pagos durante o tempo de produ??o, ou seja, a condi??o operacional mais vi?vel economicamente, reduzindo o tempo do processo de tomada de decis?o. Com os resultados apresentados foi poss?vel observar que em v?rios casos as aplica??es das linhas de a??o possibilitaram aumentos significativos no VPL e no Fator de Recupera??o ao final do projeto. Considerando o Caso_36 de dimens?o de malha de 300m, o Fator de Recupera??o aumentou de 45,66% para 50,24%, um aumento de quase 5 pontos percentuais no volume de ?leo recuperado. Diante do exposto, observa-se que as interven??es operacionais de alterar (aumentar ou diminuir) a vaz?o de inje??o de ?gua inicial ou mudar o layout de malha no campo melhoram a rentabilidade, reduzindo os custos com a inje??o de ?gua, tratamento e descarte da ?gua produzida, aumentando o tempo de viabilidade do projeto. Por outro lado, ? importante destacar tamb?m que, em alguns casos, ao aplicar as linhas de a??o, o Fator de recupera??o final ? menor, mas ainda sim as redu??es dos custos operacionais viabilizam a opera??o. / The development of an oil field can be understood as the set of actions necessary to put the field into production: drilling, injection systems, platforms, etc. This development the way will be made defines an alternative. Set a development of an oil field alternative is one of the most important tasks in the reservoir area, given that this definition affects the reservoir behavior, future decisions, economic analysis and consequently the resulting attractiveness of the defined project. This paper presents the implementation of a system based on genetic algorithm multiobjective optimizer NSGA-II (Non-Dominated Sorting Genetic Algorithm), which offers a decision support tool and automates the search for alternatives to the development of the oilfield submitted to water injection process. Each alternative refers to how an oil field, known and defined, is put into production, that is, with respect to the determination of number and the disposition of producers wells and injectors in the field. The implementation of the algorithm is to find the production settings, in the long run, which provide the highest net present value (NPV), obtained from the initial investment cost, the price of oil, oil production and operation costs paid during the production time, considering the operational conditions economically viable, reducing operating costs and the time in the decision-making process. With the obtained results it was possible to observe that in many cases the application of the lines of action enabled relevant rise on the net present value (NPV) and also in the Recovery Factor, both seen in the end of the project. Considering the Case_36 of the mesh that has 300m, the Recovery Factor increased from 45,66% to 50,24%, a rise of almost 5 percentage points on the volume of oil recovered. In the light of what was presented, it may be perceived that the operations that alter (ascending or descending) the flow of water injection or that change the mesh?s layout on the field improve the profitability, reducing costs from the water injection, treatment and disposal of the produced water, increasing the duration of viability of the project. However, it is important to highlight that, in some cases, applying the lines of action, the final recovery factor is lower, but still the reductions of the operational costs will make the operation viable.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-10-02T23:37:05Z No. of bitstreams: 1 MarioSergioFreitasFerreiraCavalcante_DISSERT.pdf: 1474530 bytes, checksum: 63366d89a6b7c054fb6dc9f83148e4c4 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-10-09T19:35:05Z (GMT) No. of bitstreams: 1 MarioSergioFreitasFerreiraCavalcante_DISSERT.pdf: 1474530 bytes, checksum: 63366d89a6b7c054fb6dc9f83148e4c4 (MD5) / Made available in DSpace on 2017-10-09T19:35:05Z (GMT). No. of bitstreams: 1 MarioSergioFreitasFerreiraCavalcante_DISSERT.pdf: 1474530 bytes, checksum: 63366d89a6b7c054fb6dc9f83148e4c4 (MD5) Previous issue date: 2017-06-27 / Industrialmente, diversas estrat?gias e algoritmos de controle j? s?o utilizadas e registradas na literatura. Entre as t?cnicas existentes, os controladores fuzzy destacam-se pela sua capacidade de tratar de severas n?o linearidades presentes em plantas reais e por conseguir representar o conhecimento especialista, que ? impreciso e inexato matematicamente. Este trabalho estudou dois tipos de controladores fuzzy existentes, baseados no modelo Sugeno, sendo fuzzy tipo-1, aqui classificado como fuzzy convencional, e o fuzzy tipo-2. Devido a complexidade em sintonizar controladores fuzzy que apresentam uma grande quantidade de par?metros, esse trabalho se prop?e a testar diferentes m?todos de otimiza??o meta-heur?sticos para a sintonia de controladores. Para validar os controladores obtidos foi utilizado um servo motor-DC da Quanser, um problema de controle que requer precis?o e velocidade na corre??o do erro de segmento da refer?ncia. Com o intuito de comparar o comportamento dos controladores, otimizou-se um controlador PI para cada um dos sistemas. Para quantificar e qualificar cada controlador foram utilizados tr?s ?ndices de avalia??o, ITEA, IEA e o ?ndice de Goodhart, este ?ltimo utilizado por levar em considera??o tamb?m o sinal de controle aplicado na planta. Pela an?lise dos resultados obtidos, o controlador fuzzy tipo-2 apresentou ganho significativo para o controle dessa planta, quando otimizado com o m?todo PSO. Pelos resultados, pode-se tamb?m inferir que o algoritmo das formigas n?o mostrou-se adequado para esse problema, com a fun??o de avalia??o proposta. / Differents stategies and control algorithms are already tested and registered by industry. Among the existing techniques, fuzzy controllers stand out for their ability to deal with nonlinearities present in real plants. Another fuzzy also allows to best represent expert knowledge, which is mathematically inaccurate. This proposal studied the two types of fuzzy controllers, based on Sugeno Model, the fuzzy type-1 is classified as conventional fuzzy and fuzzy type-2. In this study is used optimization techniques seeking to tune controllers in order to solve one of the biggest problem in fuzzy logic, its tunning. Ant colony, particle swarm and genetic algorithm are used and evaluated to this problem. A servo motor-dc is used to validate fuzzys controllers and pi controller obtained by optimization tecniques. In order to quantify and qualify each controller, three indices were used IEA, ITEA and Goodhart index. The results obtained prove that the type-2 fuzzy controller presented significant gain for the control of this plant, when optimized with the PSO method. From the results, it can also be inferred that the ant algorithm was not adequate for this problem, with the proposed evaluation function.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-11-01T21:47:47Z No. of bitstreams: 1 AllysonFernandesDaCostaSilva_DISSERT.pdf: 1659813 bytes, checksum: 0de7287ef5c2c4ae621833638c04aa5f (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-11-08T00:21:06Z (GMT) No. of bitstreams: 1 AllysonFernandesDaCostaSilva_DISSERT.pdf: 1659813 bytes, checksum: 0de7287ef5c2c4ae621833638c04aa5f (MD5) / Made available in DSpace on 2017-11-08T00:21:06Z (GMT). No. of bitstreams: 1 AllysonFernandesDaCostaSilva_DISSERT.pdf: 1659813 bytes, checksum: 0de7287ef5c2c4ae621833638c04aa5f (MD5) Previous issue date: 2017-06-30 / Problemas de localiza??o buscam determinar as melhores posi??es onde devem ser instaladas facilidades de modo a atender demandas existentes. Pela vasta aplicabilidade da ?rea, diversas caracter?sticas j? foram importadas aos modelos para melhor representar situa??es pr?ticas. Uma delas generaliza os modelos cl?ssicos para situa??es em que decis?es de localiza??o devem ser tomadas periodicamente. Outra, permite que modelos tratem do dimensionamento das capacidades como uma vari?vel do problema. O Problema Din?mico de Localiza??o de Facilidades com Capacidades Modulares unifica estas e outras caracter?sticas presentes em problemas de localiza??o num ?nico e generalizado modelo. Este problema foi recentemente formulado na literatura, onde uma abordagem exata foi introduzida e aplicada a inst?ncias derivadas de um estudo de caso no contexto da explora??o de recursos florestais. Neste trabalho ser? apresentado um m?todo alternativo para resolver o mesmo problema. O m?todo escolhido utiliza a estrutura da metaheur?stica Algoritmo Gen?tico e a hibridiza com uma rotina de Descida em Vizinhan?a Vari?vel com tr?s vizinhan?as de busca adaptadas de vizinhan?as aplicadas a outros problemas de localiza??o. Experimentos atestaram a efetividade da metaheur?stica h?brida desenvolvida em compara??o ? aplica??o dos m?todos puros. Na compara??o com o m?todo exato, a heur?stica se mostrou competente ao chegar a solu??es at? 0,02% de dist?ncia do ?timo na maioria das inst?ncias testadas. / Location problems aim to determine the best positions where facilities should be installed in order to meet existing demands. Due to its wide applicability, several characteristics have already been appended to the models to better represent real situations. One of them generalizes classical models to the case that location decisions should be taken periodically. Another allows models to deal with capacity sizing as a problem variable. The Dynamic Facility Location Problem with Modular Capacities unifies these and other characteristics present in location problems in a single and generalized model. This problem was recently formulated in literature where an exact approach was introduced and applied to instances of a case study in the context of the forestry sector. We present an alternative method to solve the same problem. The method chosen uses a Genetic Algorithm metaheuristic framework and hybridizes it with a Variable Neighborhood Descent routine with three neighborhoods adapted from others applied to location problems. Experiments attested the effectiveness of the hybrid metaheuristic developed in comparison to the use of those methods purely. Compared to the exact approach, the heuristic proved to be competent by finding solutions up to a gap of 0,02% to the global optimum in the majority of the instances tested.

Made available in DSpace on 2014-12-17T14:52:43Z (GMT). No. of bitstreams: 1 AnaCGS.pdf: 4192359 bytes, checksum: 28eb36354363672f88a28074f9df8b42 (MD5) Previous issue date: 2008-12-23 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Telecommunications play a key role in contemporary society. However, as new technologies are put into the market, it also grows the demanding for new products and services that depend on the offered infrastructure, making the problems of planning telecommunications networks, despite the advances in technology, increasingly larger and complex. However, many of these problems can be formulated as models of combinatorial optimization, and the use of heuristic algorithms can help solving these issues in the planning phase. In this project it was developed two pure metaheuristic implementations Genetic algorithm (GA) and Memetic Algorithm (MA) plus a third hybrid implementation Memetic Algorithm with Vocabulary Building (MA+VB) for a problem in telecommunications that is known in the literature as Problem SONET Ring Assignment Problem or SRAP. The SRAP arises during the planning stage of the physical network and it consists in the selection of connections between a number of locations (customers) in order to meet a series of restrictions on the lowest possible cost. This problem is NP-hard, so efficient exact algorithms (in polynomial complexity ) are not known and may, indeed, even exist / As telecomunica??es desempenham um papel fundamental na sociedade contempor?nea. Mas ? medida que novas tecnologias s?o introduzidas ao mercado, cresce tamb?m a demanda por novos produtos e servi?os que dependem da infra-estrutura oferecida, tornando os problemas de planejamento de redes de telecomunica??es, apesar da evolu??o tecnol?gica, cada vez maiores e complexos. No entanto, muitos desses problemas podem ser formulados como modelos de otimiza??o combinat?ria, e o uso de algoritmos heur?sticos podem ajudar a solucionar essas quest?es da fase de planejamento. Neste trabalho, foram desenvolvidas duas implementa??es metaheur?sticas puras Algoritmo Gen?tico (AG) e Algoritmo Mem?tico (AM) al?m de uma terceira implementa??o h?brida Algoritmo Mem?tico com Vocabulary Building (AM+VB) para um problema de telecomunica??es que ? conhecido na literatura por Problema de Atribui??o de Localidades a An?is SONET ou SRAP (do ingl?s, SONET Ring Assignment Problem). O SRAP surge durante a etapa do planejamento f?sico da rede e consiste na determina??o das conex?es entre um conjunto de localidades (clientes), de modo a satisfazer uma s?rie de restri??es ao menor custo poss?vel. Esse problema ? NP-dif?cil e portanto algoritmos exatos eficientes (de complexidade polinomial) n?o s?o conhecidos, podendo, inclusive, nem existir

Made available in DSpace on 2014-12-17T14:56:06Z (GMT). No. of bitstreams: 1 SinaraRM_DISSERT.pdf: 1037040 bytes, checksum: 9dd71f16b45358e60b8b82862adaafc6 (MD5) Previous issue date: 2012-08-15 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This paper presents an evaluative study about the effects of using a machine learning technique on the main features of a self-organizing and multiobjective genetic algorithm (GA). A typical GA can be seen as a search technique which is usually applied in problems involving no polynomial complexity. Originally, these algorithms were designed to create methods that seek acceptable solutions to problems where the global optimum is inaccessible or difficult to obtain. At first, the GAs considered only one evaluation function and a single objective optimization. Today, however, implementations that consider several optimization objectives simultaneously (multiobjective algorithms) are common, besides allowing the change of many components of the algorithm dynamically (self-organizing algorithms). At the same time, they are also common combinations of GAs with machine learning techniques to improve some of its characteristics of performance and use. In this work, a GA with a machine learning technique was analyzed and applied in a antenna design. We used a variant of bicubic interpolation technique, called 2D Spline, as machine learning technique to estimate the behavior of a dynamic fitness function, based on the knowledge obtained from a set of laboratory experiments. This fitness function is also called evaluation function and, it is responsible for determining the fitness degree of a candidate solution (individual), in relation to others in the same population. The algorithm can be applied in many areas, including in the field of telecommunications, as projects of antennas and frequency selective surfaces. In this particular work, the presented algorithm was developed to optimize the design of a microstrip antenna, usually used in wireless communication systems for application in Ultra-Wideband (UWB). The algorithm allowed the optimization of two variables of geometry antenna - the length (Ls) and width (Ws) a slit in the ground plane with respect to three objectives: radiated signal bandwidth, return loss and central frequency deviation. These two dimensions (Ws and Ls) are used as variables in three different interpolation functions, one Spline for each optimization objective, to compose a multiobjective and aggregate fitness function. The final result proposed by the algorithm was compared with the simulation program result and the measured result of a physical prototype of the antenna built in the laboratory. In the present study, the algorithm was analyzed with respect to their success degree in relation to four important characteristics of a self-organizing multiobjective GA: performance, flexibility, scalability and accuracy. At the end of the study, it was observed a time increase in algorithm execution in comparison to a common GA, due to the time required for the machine learning process. On the plus side, we notice a sensitive gain with respect to flexibility and accuracy of results, and a prosperous path that indicates directions to the algorithm to allow the optimization problems with "η" variables / Este trabalho apresenta um estudo avaliativo dos efeitos da utiliza??o de uma t?cnica de aprendizado de m?quina nas caracter?sticas principais de um algoritmo gen?tico (GA) multiobjetivo e auto-organiz?vel. Um GA t?pico pode ser visto como uma t?cnica de busca que ? normalmente aplicada em problemas que envolvem complexidade n?o polinomial. Originalmente, estes algoritmos foram idealizados para criar m?todos que buscam solu??es aceit?veis para problemas em que os ?timos globais s?o inacess?veis ou s?o de dif?cil obten??o. A princ?pio, os GAs consideravam apenas uma fun??o de avalia??o e um ?nico objetivo de otimiza??o. Hoje, entretanto, s?o comuns as implementa??es que consideram diversos objetivos de otimiza??o simultaneamente (algoritmos multiobjetivos), al?m de permitir a altera??o de diversos componentes do algoritmo dinamicamente (algoritmos autoorganiz?veis). Ao mesmo tempo, s?o comuns tamb?m as combina??es dos GAs com t?cnicas de aprendizado de m?quina para melhorar algumas de suas caracter?sticas de desempenho e utiliza??o. Neste trabalho, um GA com recursos de aprendizado de m?quina foi analisado e aplicado em um projeto de antena. Utilizou-se uma t?cnica variante de interpola??o bic?bica, denominada Spline 2D, como t?cnica de aprendizado de m?quina para estimar o comportamento de uma fun??o de fitness din?mica, a partir do conhecimento obtido de um conjunto de experimentos realizados em laborat?rio. Esta fun??o de fitness ? tamb?m denominada de fun??o de avalia??o e ? respons?vel pela determina??o do grau de aptid?o de uma solu??o candidata (indiv?duo) em rela??o ?s demais de uma mesma popula??o. O algoritmo pode ser aplicado em diversas ?reas, inclusive no dom?nio das telecomunica??es, como nos projetos de antenas e de superf?cies seletivas de frequ?ncia. Neste trabalho em particular, o algoritmo apresentado foi desenvolvido para otimizar o projeto de uma antena de microfita, comumente utilizada em sistemas de comunica??o sem fio e projetada para aplica??o em sistemas de banda ultra larga (Ultra-Wideband - UWB). O algoritmo permitiu a otimiza??o de duas vari?veis da geometria da antena - o Comprimento (Ls) e a Largura (Ws) de uma fenda no plano de terra com rela??o a tr?s objetivos: largura de banda do sinal irradiado, perda de retorno e desvio da frequ?ncia central. As duas dimens?es (Ls e Ws) s?o usadas como vari?veis em tr?s distintas fun??es de interpola??o, sendo uma Spline para cada objetivo da otimiza??o, para compor uma fun??o de fitness agregada e multiobjetiva. O resultado final proposto pelo algoritmo foi comparado com o resultado obtido de um programa simulador e com o resultado medido de um prot?tipo f?sico da antena constru?da em laborat?rio. No estudo apresentado, o algoritmo foi analisado com rela??o ao seu grau de sucesso, no que diz respeito a quatro caracter?sticas importantes de um GA multiobjetivo auto-organiz?vel: desempenho, flexibilidade, escalabilidade e exatid?o. Ao final do estudo, observou-se na compila??o do algoritmo um aumento no tempo de execu??o em compara??o a um GA comum, por conta do tempo necess?rio para o processo de aprendizagem. Como ponto positivo, notou-te um ganho sens?vel com rela??o a flexibilidade e a exatid?o dos resultados apresentados, al?m de um caminho pr?spero que indica dire??es para permitir com que o algoritmo permita a otimiza??o de problemas com η vari?veis