O emprego dos compósitos laminados como material estrutural vem crescendo nos últimos tempos, incentivado pela suas excelentes propriedades mecânicas e baixo peso. Em consenso com todo o esforço científico dedicado a essa área, o presente trabalho visa a implementação de uma ferramenta computacional capaz de otimizar estruturas complexas fabricadas com tais materiais. Para tanto são utilizados os Algoritmos Genéticos (AG) como método de otimização, construídos para tratar especificamente esses problemas. São incorporadas várias modificações à estrutura clássica, apresentadas em outros trabalhos encontrados na literatura, o que possibilita um incremento no desempenho do algoritmo. Paralelamente é desenvolvido um programa de análise estrutural, empregando o MEF, que dá suporte ao algoritmo de otimização e permite sua aplicação a casos envolvendo estruturas mais complexas que as suportadas pelas formulações matemáticas fechadas. Um elemento finito triangular plano para casca e placas é utilizado com modificações destinadas ao tratamento desses materiais não convencionais. Sua formulação permite a incorporação de não-linearidade geométrica à análise, que é efetivada pelo emprego do Método do Controle dos Deslocamentos Generalizados (MCDG) na solução do problema. Também são realizadas análises de flambagem das estruturas e de falha dos materiais, sendo a última baseada no critério de Tsai-Wu. O trabalho em conjunto dos dois elementos desenvolvidos possibilita abordagens bastante sofisticadas nas otimizações, o que é demonstrado nos exemplos de aplicação. Esses incluem a manipulação de uma gama de variáveis envolvidas em otimizações multiobjetivas, e otimização do comportamento pós-flambagem. / The use of laminated composite as a structural material has been growing, stimulated by their excellent mechanical properties and low weight. Following all the scientific effort dedicated to this area, the present work aims at implementing a computational tool capable of optimizing complex structures manufactured with these materials. For this reason Genetic Algorithms (GA) are used as the optimization method, constructed to deal specifically with these problems. Many modifications are introduced to the classical structures of GA, found in other works, making possible an improvement on the algorithm performance. At the same time, a structural analysis program is developed, based on the FEM to give support for the optimization algorithm allowing its application to more complex structures than these supported by closed mathematical formulations. A plate and shell flat triangular finite element is used with modifications in order to deals with these non conventional materials. A geometrically non linear analysis is supported by the element formulation and the problem solution is carried on using the Generalized Displacement Control Method (GDCM). Buckling and material failure analysis are also performed, the latter based on the Tsai-Wu criterion. The two developed topics working together allow very sophisticated considerations in the optimization process, as can be observed in the examples presented here. These examples include the manipulation of many variables involved multiobjective optimizations and postbuckling behavior optimization.

A averiguação da autenticidade de medicamentos tem se apoiado na análise de perfil por espectroscopia de infravermelho (ATR-FTIR). Contudo, tal análise tipicamente gera dados caracterizados por elevado número de variáveis (comprimentos de onda) ruidosas e correlacionadas, necessitando assim da aplicação de técnicas para seleção das variáveis mais relevantes e informativas, tornando os modelos preditivos e exploratórios mais robustos. Esta dissertação testa sistemáticas para a seleção de variáveis com vistas à clusterização e classificação de medicamentos. Para tanto, inicialmente faz-se uso dos parâmetros oriundos da Análise de Componentes Principais (ACP) para a geração de três índices de importância de variáveis; tais índices guiam um processo iterativo de eliminação de variáveis com vistas a uma clusterização mais consistente, medida através do Silhouette Index. Na sequência, utiliza-se o Algoritmo Genético (AG) combinado com a ferramenta de classificação k nearest neighbor (kNN) para selecionar o subconjunto de variáveis que resultem na maior acurácia média com propósito de classificação das amostras em dois grupos, originais ou falsificados. Por fim, aplica-se a divisão dos dados ATR-FTIR em intervalos para selecionar as regiões espectroscópicas mais relevantes para a classificação das amostras via kNN; na sequência, aplica-se o AG para refinar os intervalos retidos anteriormente. A aplicação dos métodos de seleção de variáveis propostos permitiu realizar clusterizações e classificações mais precisas com base em um subconjunto reduzido de variáveis. / The investigation of the authenticity of drugs has relied on the profile analysis by infrared spectroscopy (ATR-FTIR). However, such analysis typically yields a large number of correlated and noisy variables (wavelengths), which require the application of techniques for selecting the most informative and relevant variables to improve model ability. This thesis test an approach to variable selection aimed at clustering and classifying drug samples. For that matter, it derives three variable importance indices based on Principal Component Analysis (PCA) components that guide an iterative process of variable elimination; clustering performance based on the reduced sets is assessed via Silhouette Index. Next, we combine the Genetic Algorithm (GA) with the k nearest neighbor classification technique (kNN) to select the subset of variables yielding the highest average accuracy for classifying samples into authentic or counterfeit categories. Finally, we split the ATR-FTIR data into intervals to select the most relevant spectroscopic regions for sample classification via kNN; we then apply GA to refine the ranges previously retained. The implementation of the proposed variable selection methods led to more accurate clustering and classification procedures based on a small subset of variables.

Grandes esforços vêm sendo realizados atualmente com o objetivo de diagnosticar vibrações em estruturas e equipamentos, para máquinas rotativas se requer atenção ainda maior, pois correm o risco de se auto excitarem. Este trabalho tem por objetivo expor uma metodologia em dinâmica de rotores para diminuição da amplitude da resposta no domínio da frequência. Com essa finalidade, o rotor utiliza uma discretização de elementos finitos de viga de Timoshenko com funções da classe C0. A programação é implementada no programa acadêmico Meflab desenvolvida na plataforma do software MATLAB®, e no software ANSYS® Workbench para algumas validações. Os resultados numéricos são comparados com os resultados do modelo de literatura. A implementação da otimização se dá com o uso do toolbox de algoritmos genéticos existente no software MATLAB®, onde os parâmetros do algoritmo de otimização são escolhidos como sendo os diâmetros da seção transversal de cada elemento finito. A função objetivo escolhida está associada à diminuição da resposta no domínio da frequência para excitações do tipo desbalanceamento ou a evitar o posicionamento de alguma velocidade crítica dentro de um intervalo de frequências predeterminado. As restrições do problema encontram-se associadas às dimensões máximas e mínimas das seções transversais dos elementos do eixo. Em geral, para a rotação onde se requeria a diminuição da amplitude da resposta no domínio da frequência, havia uma tendência das antirressonâncias mais próximas se deslocarem para o ponto requerido. / Great efforts are been made recently in order to diagnose vibrations in structures and equipments. Rotary machines require even greater attention, for they carry the risk of auto-excitation. This paper has as an objective the exposition a rotor dynamics methodology to minimize the response amplitude in the frequency domain. With this goal, the rotor is discretized using finite Timoshenko Beams elements, with C0 class functions. The programming is implemented in the academic software Meflab, coded in the MATLAB® platform, and in the software ANSYS® Workbench to validate some results. The numerical results are compared with the results from literature model. The optimization is made utilizing the genetic algorithms toolbox existing in the MATLAB® software, where the optimization algorithms parameters are chosen as being the transverse section diameters of each finite element. The objective function chosen is associated with the response minimization in the frequency domain for unbalanced type excitations or to avoid the existence of a critical velocity within a predetermined frequency range. The problem restrictions are associated to maximum and minimum transverse section dimensions of the axis elements, as well as its total volume variation. In general, for the rotation where the frequency domain amplitude response minimization was required, there was a tendency for the closest anti-resonances to shift themselves to the required point.

Este trabalho apresenta o desenvolvimento e implementação computacional de técnicas de otimização de topologia para problemas governados pela equação de Poisson. O método numérico utilizado para solução numérica das equações foi o método dos elementos de contorno (MEC). Para tanto, três metodologias foram desenvolvidas. A primeira é direcionada à aplicação de algoritmos genéticos (AG) para investigar como um domínio inicialmente preenchido com cavidades aleatórias evolui durante um processo de otimização e verificar a possibilidade de se extrair topologias ótimas a partir da interpretação da solução encontrada. Os contornos externos permanecem fixos enquanto as posições e as dimensões das cavidades são otimizadas com o objetivo extremizar uma função custo especificada. O desempenho do algoritmo proposto é ilustrada com uma série de exemplos e os resultados são discutidos. A segunda metodologia apresenta um algoritmo numérico para otimização topológica baseado na avaliação da derivada topológica (DT), adotando a energia potencial total como função custo. Este procedimento é uma alternativa às tradicionais técnicas de otimização, evitando assim soluções de projeto com densidade de material intermediária. Sólidos com comportamento anisotrópico são estudados sob condições de contorno de Robin, Neumann e Dirichlet. Uma transformação linear de coordenadas é utilizada para mapear o problema original e suas condições de contorno para um novo domínio equivalente isotrópico, onde o procedimento de otimização é aplicado. A solução otimizada é então transformada de volta ao domínio original. A metodologia proposta mostrou-se particularmente atrativa para resolver esta classe de problemas já que o MEC dispensa o uso de malha no domínio, reduzindo significantemente o custo computacional. Na última parte deste trabalho foi implementada uma formulação de sensibilidade topológica para problemas de otimização de transferência de calor e massa simultâneos. Como as sensibilidades para cada equação diferencial são diferentes, utiliza-se um coeficiente de ponderação para compor a sensibilidade do problema acoplado. Isto permite a imposição de distintos fatores para cada problema, de acordo com uma prioridade especificada. Diversos exemplos são apresentados e seus resultados comparados com os da literatura, quando disponíveis, a fim de validar as formulações propostas. / This work presents the computational development and implementation of topology optimization techniques for problems governed by the Poisson equation. The boundary element method was the numerical technique chosen to solve the equations. Three different methodologies were developed aiming this objective. The first methodology is directed to the application of genetic algorithms to investigate how a domain previously populated with randomly placed cavities evolves during the optimization process, and to verify the resemblance of the final solution with a optimal design. The external boundaries remain fixed during the process, while the location and dimension of the cavities are optimized in order to extremize a given cost function. The performance of the proposed algorithm is verified with a number of examples and the results are discussed. The second methodology presents a numerical algorithm for topology optimization based on the evaluation of topological derivatives, using the total potential energy as the cost function. This procedure is an alternative to the traditional optimization techniques, avoiding design solutions containing intermediary material densities. Solids with anisotropic constitutive behavior are studied under Robin, Neumann and Dirichlet boundary conditions. A linear coordinate transformation approach is used to map the original problem into an isotropic one, where the optimization is carried out. The final solution is then mapped back to the original coordinate system. The proposed method was found to be an attractive way to solve this class of problems, since no interior mesh is necessary, which reduces significantly the computational cost of the analysis. In the last part of the present work the topological derivative approach was further developed to deal with the optimization of problems under simultaneous heat and mass transfer. Since the sensitivities for each differential equation are different, a weighting factor was used to evaluate the final sensitivities of the coupled problem. This allows the imposition of different priorities for each problem Several examples are presented and their results are compared with the literature, when available, in order to validate the proposed formulations.

A resistência e a rigidez de materiais compósitos variam consideravelmente devido a mudanças no tipo de material, espessura das camadas, ângulo de orientação das fibras e seqüência das lâminas. O projeto de uma estrutura ótima pode ser obtido dada uma determinada condição de carga. Vários métodos de otimização determinísticos foram desenvolvidos para tratar esse problema. Algumas vezes a orientação ótima das fibras muda quando as condições de carga variam e o desempenho da estrutura é altamente afetado pelas variáveis de projeto e condições de carregamento. Dessa forma, a otimização deste tipo de estrutura utilizando a confiabilidade como restrição é um importante problema a ser tratado. Este trabalho trata do problema da otimização de estruturas de materiais compósitos laminados com restrição de confiabilidade utilizando algoritmos genéticos e redes neurais. A análise da estrutura é feita via elementos finitos e as tensões na direção dos eixos principais de cada lâmina são utilizadas para o cálculo do índice de confiabilidade da estrutura, sendo a função de estado limite o critério de Tsai-Wu para falha de materiais compósitos laminados. A análise de confiabilidade é feita através de um dos seguintes métodos: FORM com um ponto de linearização, FORM para sistemas em série, Monte Carlo Direto e Monte Carlo com Amostragem por Importância. O processo de otimização via Algoritmos Genéticos (com suas fases de geração, seleção e cruzamento dos indivíduos da população), é usado em conjunto com os métodos de determinação do índice de confiabilidade e análises por elementos finitos. Isto gera um alto custo computacional, o qual é contornado utilizando-se Redes Neurais do tipo Perceptron e Base Radial, treinadas para substituir a análise via elementos finitos, diminuindo consideravelmente o tempo de processamento. É mostrado por meio de diversos exemplos que esta metodologia pode ser usada sem perda de precisão e com economia de tempo de processamento até mesmo em exemplos fortemente não lineares. / Strength and stiffness of composite materials vary considerable due to changes in the material to be used, the thickness of each layer, the fiber orientation angles and the stacking sequence. The optimum structural design may be obtained for a specific load condition. Several optimization criteria were been developed to treat that problem. Sometimes the optimal fiber orientation angles are highly dependent on the load conditions and the structural performance is also influenced by the design variables and acting loads. Thus, structural optimization using a reliability index as a constraint is an important problem to be analyzed. This work deals with the problem of reliability based optimization of laminated composite structures, using genetic algorithms and neural networks. The analysis of the structure is carried out by finite elements and the stress in the direction of the principal axes of each lamina are used to the calculation of the reliability index of the structure, where the limit state function is the Tsai-Wu criterion assuming first ply failure. The reliability analyses are accomplished through one of the following methods: FORM with one linearization point, FORM for in-series systems, Direct Monte Carlo and Monte Carlo with Importance Sampling. The optimization process through Genetic Algorithms (with its phases of generation, selection and crossover of the individuals of the population), is used jointly with the reliability evaluation methods and analysis by finite elements. This leads to high computational costs, which are overcome using trained Neural Networks of the type Perceptron and Radial Base to substitute the analysis with finite elements, reducing considerably the processing time. Several examples are used to show that this methodology can be used without loss of accuracy and with large computational timesaving even for strongly non-linear problems.

O Problema do Lapidário tem como objetivo encontrar o modelo de lapidação que resulte no maior aproveitamento volumétrico para uma dada gema bruta. Nesta dissertação apresentamos um Algoritmo Genético com variáveis de valores reais, e um GRASP Contínuo como heurísticas para resolução deste problema. Ambos os algoritmos maximizam o fator de escala do modelo de lapidação, sobre todas as posições de centro e ângulos de giro que o modelo pode assumir, buscando encontrar o modelo de maior volume inscrito no interior da gema, representada virtualmente por uma malha triangular. Propomos também um algoritmo de avaliação de uma instância do problema, o qual determina eficientemente o maior fator de escala, para um dado centro e orientação, que o modelo de lapidação pode assumir permanecendo completamente no interior da gema. Os algoritmos propostos foram avaliados em um conjunto de 50 gemas reais para o problema, utilizando como modelos base os cortes redondo e oval. Por fim, comparamos os resultados computacionais obtidos em relação a aproveitamento volumétrico e tempo de execução com os principais trabalhos relatados na literatura, demonstrando que as heurísticas propostas são competitivas com as demais abordagens. / The goal of the gemstone cutting problem is to find the largest cutting design which fits inside a given rough gemstone. In this work, we propose a real-valued Genetic Algorithm and a Continuous GRASP heuristic to solve it. The algorithms determine the largest scaling factor, over all possibilities of centers and orientations which the cutting could assume, finding the cutting with the largest volume as possible inside a gemstone, represented by a triangular mesh. We also propose an algorithm to evaluate a problem instance. This method efficiently determines the greatest scaling factor, for a given center and orientation, such that the cutting fits inside the rough gemstone. The proposed algorithms are validated for an instance set of 50 real-world gemstones, using the round and oval cuttings. Finally, we compare our computational results, for volume yield and running time, with the state-of-art. Ours methods are proved be competitive with the previous approachs.

[pt] Uma das tarefas mais importantes da Engenharia de Reservatórios é definir a estratégia de produção. Isso significa estabelecer, dentre outras coisas, quantidade, características, localização, planejamento operacional e cronograma de abertura dos poços, a fim de maximizar a recuperação de óleo e o valor presente líquido (VPL) do projeto. Assim, a definição da melhor estratégia de produção representa um problema de otimização complexo, devido à quantidade de variáveis envolvidas. Geralmente, muitas dessas etapas são executadas manualmente, demandando assim muito tempo e esforço por parte do especialista. A disponibilidade de uma ferramenta computacional, que possa auxiliar o especialista em parte desse processo, pode ser de grande utilidade tanto para a obtenção de respostas mais rápidas, quanto para a tomada de decisões mais acertadas. Diante disso, este trabalho propõe um modelo computacional, baseado em Algoritmos Genéticos, para otimizar o cronograma de abertura de poços, considerando restrições técnicas e operacionais impostas pelo problema. O modelo proposto foi avaliado por meio do estudo de três casos. O primeiro consiste em um reservatório simples que foi utilizado, principalmente, para identificar a configuração mais adequada dos parâmetros evolutivos do algoritmo genético. O segundo, que consiste em um reservatório com características similares às de um reservatório real, foi submetido a uma análise econômica para avaliar o desempenho do modelo de solução diante de cenários econômicos: real, favorável e desfavorável. Em todos os testes realizados, o modelo de solução obteve resultados promissores, com VPL s superiores em até 18,8 porcento comparados ao VPL obtido com o cronograma proposto pelo especialista. / [en] One of the most important tasks of Reservoir Engineering is setting the production strategy. That means establishing, among other things, amount, character, location, operational planning and well opening scheduling in order to maximize oil recovery and net present value (NPV) of the project. Thus, the definition of the best strategy for production represents a complex optimization problem due to the many variables involved. Generally, many of these steps are performed manually, requiring so much time and effort on the part of the expert. The availability of a computational tool that can assist the expert part of this process, may be useful both to obtain faster responses, as for making better decisions. Thus, this work proposes a computational model based on genetic algorithms to optimize the schedule of digging wells, considering technical and operational constraints imposed by the problem. The proposed model was evaluated by the study of three cases. The first consists of a single reservoir that was used primarily to identify the most suitable configuration of parameters evolutionary genetic algorithm. The second, consisting of a reservoir with characteristics similar to those of a real reservoir, was subjected to an economic analysis to evaluate the performance of the model solution in the face of economic scenarios: real, favorable and unfavorable. And the third is in a real reservoir. In all tests, the model solution obtained promising results, with higher NPV s up 18.8 percent compared to the NPV obtained with the schedule proposed by the expert.

[pt] Uma das tarefas mais importantes da Engenharia de Reservatórios é definir a estratégia de produção. Isso significa estabelecer, dentre outras coisas, a configuração (quantidade, orientação, localização e tipo) e o planejamento operacional dos poços, bem como a localização da(s) plataforma(s) de produção. Assim, a definição da melhor estratégia de produção representa um problema de otimização complexo, devido ao grande número de variáveis a serem consideradas. Geralmente, todas essas etapas são executadas manualmente, demandando muito tempo e esforço por parte do especialista. A disponibilidade de uma ferramenta computacional, que possa auxiliá-lo nessa tarefa, pode ser de grande utilidade, tanto para a obtenção de respostas mais rápidas, quanto para a tomada de decisões mais acertadas. Diante disso, este trabalho propõe um modelo computacional, baseado em Algoritmos Genéticos, para otimizar a configuração dos poços juntamente com a localização de uma plataforma considerando, especificamente, poços com completação seca. A modelagem proposta considera ainda restrições técnicas e operacionais impostas pelo problema. O objetivo do processo de otimização é maximizar o valor presente líquido (VPL) do projeto, buscando soluções que aumentem o fator de recuperação do reservatório e diminuam seus custos operacionais. Para avaliar o desempenho do modelo proposto foram estudados três modelos de reservatórios, dois sintéticos e um baseado em um caso real. No modelo baseado em um caso real o resultado obtido apresentou um VPL superior a 51 por cento em relação ao caso base gerado por um especialista. / [en] One of the most important tasks of Reservoir Engineering is setting the production strategy. This means establish, among other things, the setting (quantity, orientation, location and trajectory) and the operating plan of the wells, and the location(s) of platform(s) production. Thus, the definition of the best production strategy represents a complex optimization problem due to the large number of variables to be considered. Generally, all these steps are performed manually, requiring much time and effort by the specialist. The availability of a computational tool that can assist you in this task can be very useful, both to obtain faster responses, and for making better decisions. Thus, this work proposes a computational model based on Genetic Algorithms, to optimize the configuration of the wells along with the location of a platform with specific wells with dry completion. The proposed model also considers technical and operational constraints imposed by the problem. The goal of the optimization process is to maximize the net present value (NPV) of the project, seeking solutions that increase the recovery factor of the reservoir and reduce its operating costs. To evaluate the performance of the proposed model was studied in three models reservoirs, two synthetic and one based on an real case. In the model based on a real case the result obtained showed an NPV greater than 51 per cent compared to the base case generated by a specialist.

[pt] O problema da predição das estruturas de proteínas (Protein Structure Prediction (PSP)) é um dos desafios mais importantes na biologia molecular. Pelo fato deste problema ser muito difícil, têm sido propostos diferentes modelos simplificados para resolvê-lo. Um dos mais estudados é o modelo, Hidrofóbico-Polar (HP), o modelo HP fornece uma estimativa da energia da proteína com base na soma de interações entre pares de aminoácidos hidrofóbicos (contatos H-H). Entretanto, apesar das simplificações feitas no modelo HP, o problema permanece complexo, pertencendo à classe NP-Difícil. Muitas técnicas têm sido propostas para resolver este problema entre elas, técnicas baseadas em algoritmos genéticos. Em muitos casos, as técnicas baseadas em AG foram usadas com sucesso, mas, no entanto, abordagens utilizando AG muitas vezes não tratam adequadamente as soluções geradas, prejudicando o desempenho da busca. Além disso, mesmo que eles, em alguns casos, consigam atingir o mínimo de energia conhecido para uma conformação, estes modelos não levam em conta a forma da proteína um fator muito importante na hora de obter proteínas mais compactas. Foi desenvolvido um algoritmo genético multiobjetivo para PSP no modelo HP, de modo de avaliar de forma mais eficiente, as conformações produzidas. O modelo utiliza como avaliação uma combinação baseada no número de colisões, número de contatos hidrofóbicos, compactação dos aminoácidos hidrofóbicos e hidrofílicos, obtendo, desta forma estruturas mais naturais e de mínima energia. Os resultados obtidos demonstram a eficiência desse algoritmo na obtenção de estruturas proteicas compactas providenciando indicadores da compactação dos aminoácidos hidrofóbicos e hidrofílicos da proteína. / [en] The problem of protein structured prediction (PSP) is one of the most important challenges in molecular biology. Because this problem is very difficult, different simplified models have been proposed to solve it. One of the most studied is the Hydrophobic-Polar model HP this model provides an estimate of the protein energy based on the sum of hydrophobic contacts. However, despite the simplifications made in the HP model, the problem remains complex, belonging to the class of NP-Hard problems. Many techniques have been proposed to solve this problem as genetic algorithms. In many cases the GA techniques have been used successfully, but, however, with GA approaches often do not adequately address the generated solutions, impairing the performance of the search. Furthermore, in some cases would attain the minimum energy for a known conformation, these models do not take care the protein shape, a very important factor to obtain more compact proteins. This work developed a multiobjective genetic algorithm to PSP in HP model evaluating more efficiently, the conformations produced. This model is a combination of assessment based on the collisions numbers, hydrophobic contacts, hydrophobic and hydrophilic core compression, obtaining thus more natural structures with minimum energy. The results demonstrate the efficiency of this algorithm to obtain protein structures indicators providing compact compression of the hydrophobic and hydrophilic core protein.

Currently, one of the main research problems in Structural Bioinformatics is associated to the study and prediction of the 3-D structure of proteins. The 1990’s GENOME projects resulted in a large increase in the number of protein sequences. However, the number of identified 3-D protein structures have not followed the same growth trend. The number of protein sequences is much higher than the number of known 3-D structures. Many computational methodologies, systems and algorithms have been proposed to address the protein structure prediction problem. However, the problem still remains challenging because of the complexity and high dimensionality of a protein conformational search space. This work presents a new computational strategy for the 3-D protein structure prediction problem. A first principle strategy which uses database information for the prediction of the 3-D structure of polypeptides was developed. The proposed technique manipulates structural information from the PDB in order to generate torsion angles intervals. Torsion angles intervals are used as input to a genetic algorithm with a local-search operator in order to search the protein conformational space and predict its 3-D structure. Results show that the 3-D structures obtained by the proposed method were topologically comparable to their correspondent experimental structure.