O comportamento de veículos terrestres submetidos ao impacto é de grande relevância na engenharia automobilística, existindo um volume considerável de trabalhos técnicos nesta área. O estudo deste tipo de problema empregando modelos de elementos finitos de casca é realizado com sucesso. No entanto, para certos tipos de estudos, como os de otimização estrutural, é exigida a possibilidade de criar modelos que, sem perder os aspectos essenciais do problema, permitam obter soluções em tempo computacional reduzido. Nesse contexto, pretende-se no trabalho proposto desenvolver uma metodologia para otimizar, empregando o método dos Algoritmos Genéticos, estruturas unifilares formadas por barras flexíveis e/ou rígidas unidas através de juntas não lineares. O ajuste da rigidez não linear das juntas esféricas e translacionais que simulam o comportamento dos elementos estruturais é obtido a partir da análise de modelos em elementos finitos de casca que capturam o comportamento do tubo de parede fina ou por métodos analiticos. A avaliação da segurança em veículos automotivos do tipo ônibus interurbano ainda não se encontra adequadamente regulamentada. Empresas nacionais do ramo da fabricação de carrocerias de ônibus têm procurado em normas internacionais, no apoio das empresas fornecedoras de chassi, em agências governamentais, tais como o INMETRO, IBAMA e DENATRAN, os subsídios para desenvolvimento de uma tecnologia própria para o projeto de suas estruturas. Uma avaliação da segurança dos ocupantes deste tipo de veículo deve ser um item importante a ser verificado. Este trabalho apresenta uma metodologia para avaliação da segurança de estruturas sob ação de impacto frontal e, a partir dela, propor alternativas para prover a estrutura do ônibus da capacidade de absorver toda a energia produzida durante o evento de impacto. / The behavior of vehicles under impact is great importance in automotive engineering with a considerable amount of technical work in this area. The study of this kind of problem using shell finite element models is used with success. However, for certain types of studies, such as structural optimization, requires the ability to create models that, without losing the essence of the problem, to obtain solutions in reduced computational time. In this context, the proposed work is intended to develop a methodology to optimize, using the method of genetic algorithms, single-line structures formed by flexible and/or stiff rods together by non-linear joints. The adjustment of nonlinear stiffness of the spherical and translational joints that simulate the behavior of structural elements is obtained from the analysis of shell finite element models that capture the behavior of thin-walled tube, or otherwise, for analytical methods. The assessment of security in automotive vehicles of the type intercity bus is not properly regulated. National companies in the business manufacture of bus bodies have sought to international standards, supply companies chassis, government agencies such as INMETRO, IBAMA and DENATRAN subsidies for development of a proprietary technology for the design of its structures. An evaluation of the safety of occupants of such vehicle shall be an important item to be checked. This work presents a methodology for assessing the safety of structures under frontal impact and from that one to propose alternatives to provide the bus structure capacity to absorb all energy produced during the impact event.

Este trabalho apresenta e discute uma proposta de estratégia inédita para o problema de aprendizado de regras através de Sistemas Classificadores, aplicado à robótica móvel, utilizando um robô NOMAD 200. Esta estratégia tem como base, teorias de Algoritmos Genéticos e de Sistemas Classificadores, que são os paradigmas constituintes do núcleo da arquitetura implementada para o controle do robô. O aspecto diferencial desta abordagem é a inspiração em Algoritmos Genéticos com Idades, para permitir o uso e controle de uma população de tamanho variável. O sistema foi modelado observando-se características físicas do robô NOMAD 200 e sendo constituído por módulos de gerenciamento de memória, reprodução, controle da população e execução. A memória se apresenta como uma base de regras de produção; o módulo de reprodução incorpora um AG tradicional, com operadores de seleção, cruzamento e mutação; o controle populacional permite o uso de população de tamanho variável, através do de índices de usabilidade e similaridade das regras com as situações confrontadas pelo robô; por fim, o módulo de execução é responsável pela interação do robô com o ambiente, realizando leitura dos sensores e ações pelos atuadores e, quando necessário, ativar funções de segurança para preservar a integridade física do robô. Para dar sustentabilidade à proposta, esta foi validada através de vários experimentos, realizados em ambientes simulados e em um ambiente real, com um robô NOMAD 200, em diferentes cenários. Os ambientes testados variam desde ambientes esparsos até labirintos com obstáculos e paredes ortogonais entre si. Para cada experimento são apresentados os resultados e respectiva análise de dados. Foram realizadas análises criteriosas no comportamento da população, observando seu crescimento e idade média, bem como os eventos ocorridos no processo de aprendizado, para certificar as características a que se propõe esta abordagem. A principal contribuição deste trabalho é o uso da "IDADE" e II"CSABILIDADE" em um sistema baseado em SC. A usabilidade substitui o atributo de energia e respectivos cálculos do SC tradicional, no processo de escolha das regras, simplificando a implementação. Além disso, pode ser utilizado como índice de ajuste, para que possam ser usadas técnicas convencionais de seleção. A idade é responsável por preservar ou eliminar os indivíduos da população, através de estratégias de penalização e recompensa, possibilitando manter uma população de regras de tamanho variável, permitindo, ainda, manter a diversidade genética na população e evitar a sua homogenização, bem como isentar o modelador do sistema da definição destes parâmetros. / In this work, we propose a new strategy to the problem of learning rules in a Evolutionary System that is applied for mobile robotics using a NOMAD 200 robot. This strategy is based on Genetic AIgoriths and Classifier Systems theories, which are the paradigms of the implemented architecture core for robot controI. The unique feature of this approach is the inspiration on Genetic AIgorithms with Ages. This feature allows the algorithm to make use of a controlled variable size population. The system was designed respecting the physical features of the ~OMAD 200 robot. It is composed by modules of memory, reproduction, populational control and execution. The memory is the base for production rules. The reproduction module is a conventional GA, with operators for selection, crossover and mutation. The population control allows the use of a variable size population, based on the usability and the similarity of the rules on the situations presented to the robot. Finally, the execution module is responsable for the interaction between the robot and the environment, making the sensors reading and action application from the actuators and, if necessary, activating the security functions to preserve the physical integrity of the robot. To give support to the proposal, it was validated through several experiments, performed both in a simulated environment and in a real NOMAD 200 robot, in several cenarios. The environments used in the experiments ranged from open spaces to labyrinths with obstacles and ortogonal walls. Vle present the results and data analysis for each one of the experiments. AIso, the population behavior is analysed, by the observation of his growing and average age and the events occurred during the learning process, to confirm the features of these approach. The main contribution of this work is the use of "AGE"and ""CSABILITY"in a CS based system. The usability replaces the strength attribute and respective calculations necessary in the process of choosing rules in traditional CS. Because of this change, our solution is simpler to implement than traditional CS systems. Besides that, the usability can be used as fitness value, making possible the use of conventional selection techniques. The Age is responsible for the decision of to preserve or to elliminate individuaIs from the population. The choose of individuaIs is done by a penalty and reward strategy, which permits a variable size population of rules with genetic diversity and avoid the population's homogenization. The use of the age for decision making aIso preserves the system developer from the task of defining these parameters.

Nos modernos sistemas produtivos exige-se crescente aumento na eficiência global, o que implica em otimização nas etapas de processo. Neste contexto, o arranjo de um layout industrial é um conceito fundamental para a eficácia de um sistema, que deve ser considerada na sua concepção. Em um ambiente industrial podem-se conceber diversos tipos de layout, de acordo com a diversidade de itens e do modo de produção adotado, da demanda de mercado. O presente trabalho aborda o projeto de layout do tipo celular, uma modalidade de arranjo utilizado na engenharia industrial que permite atender diversidade de produção compatível com certa flexibilidade operacional. Dentre as diversas técnicas e abordagens aplicadas para a formação de células de manufatura, adota-se especificamente uma aplicação de Algoritmo Genético, implementada através de uma interface em Matlab, onde são abordados tópicos como: a geração da população inicial, a codificação do cromossomo,a função objetivo, as restrições do problema, os operadores de cruzamento e mutação e a confiabilidade do algoritmo proposto. Dos resultados obtidos, constata-se que os Algoritmos Genéticos são ferramentas confiáveis para a otimização de sistemas de fabricação, obtendo-se respostas que cumprem os requisitos básicos de projeto de uma célula, além de apresentar valores de convergência na geração de grupos de máquinas e famílias de peças. / In modern production systems it requires increasing the overall efficiency, which results in the optimization process steps. In this context, the arrangement of an industrial layout is a fundamental concept to the effectiveness of a system that must be considered in its design. An industrial environment can be designed with layouts of several types, according to the diversity of items, adopted production mode and market demand. This paper discusses the design layout of the cellular type, an arrangement used in industrial engineering that allows diversity to meet production compatible with operational flexibility. Among the various techniques and approaches applied to the formation of manufacturing cells, specifically here it is adopted an application of genetic algorithm, implemented using an interface in Matlab, where several topics are covered, namely: the generation of the initial population, the chromosome coding, operators of Crossover, mutation and reliability of the proposed algorithm. The obtained results show that the Genetic Algorithms are reliable tools for the optimization of manufacturing systems, obtaining responses that meet the basic requirements of a cell design, and presenting convergence values in the generation of machine groups and family of parts.

[pt] A crescente demanda de óleo observada nas últimas décadas tem motivado as indústrias de petróleo a explorarem novas reservas em águas cada vez mais profundas, o que representa um maior desafio operacional, de segurança e econômico. Nesse novo cenário, as condições ambientais se tornam mais severas, conferindo às unidades flutuantes movimentos de amplitude cada vez maiores. Em consequência, os risers, que são os principais componentes responsáveis pelo transporte de óleo desde o reservatório até as unidades flutuantes, passam a ser solicitados de forma mais intensa. Um grande desafio tem sido colocado para as indústrias de petróleo no sentido de desenvolverem configurações para os risers capazes de reduzir os efeitos dinâmicos que lhes são impostos e, consequentemente, viabilizarem o seu uso em águas profundas e ultraprofundas. Configurações do tipo Lazy-S, Pliant-Wave, entre outras, têm sido propostas, porém, além de complexas, demandam muita logística e apresentam elevados custos para a sua implantação. Esta dissertação propõe uma solução alternativa que consiste no estudo de configurações ótimas de risers em catenária utilizando amortecedores hidrodinâmicos. As dimensões e o posicionamento desses amortecedores são obtidos por meio de técnicas de otimização multiobjetivo, buscando-se minimizar os efeitos provocados pelas ondas de compressão ao longo dos risers e os custos envolvidos na utilização desses amortecedores, respeitando-se algumas restrições geométricas. O processo de otimização é realizado por meio do algoritmo genético NSGA-II, disponível no programa modeFRONTIER. O equilíbrio dinâmico dos risers, verificado em cada passo da otimização, é obtido por meio do programa Anflex. Exemplos representativos são utilizados para demonstrar a eficiência e a viabilidade da utilização da metodologia proposta. / [en] The growing demand for oil, observed in recent decades has motivated the oil industry to exploit new oil reserves in ever-deeper waters, representing a greater operational challenge, security and economic. In this new scenario, the environmental conditions become more severe, causing the floating units movements with increasing amplitude. Consequently, the risers, which are the main components responsible for the transport of oil from the reservoir to the floating units, shall be requested more intensely. The oil industry confronts a major challenge in order to develop riser configurations that can reduce the dynamic effects that are imposed on it and hence to enable its use in deep and ultra-deep waters. Lazy-S, Pliant-Wave, among others riser configurations, have been proposed, however, besides complex, require a lot of logistics and have high costs for their deployment. This thesis proposes an alternative solution that consists of the study of optimum catenary risers configurations using hydrodynamic dampers. The dimensions and placement of these dampers are obtained by means of multi-objective optimization techniques seeking to minimize the effects caused by compression waves over the risers and the costs involved in using these dampers, fullfilling certain geometric constraints. The optimization process is performed by the genetic algorithm NSGA-II, available at modeFRONTIER program. The dynamic equilibrium of risers, evaluated at each step of the optimization is obtained through Anflex program. Representative examples are used to demonstrate the efficiency and feasibility of using the proposed methodology.

Há muitos anos, os sistemas de comitê já tem se mostrado um método eficiente para aumentar a acurácia e estabilidade de algoritmos de aprendizado nas décadas recentes, embora sua construção tem uma questão para ser elucidada: diversidade. O desacordo entre os modelos que compõe o comitê pode ser gerado quando eles são contruídos sob diferentes circunstâncias, tais como conjunto de dados de treinamento, configuração dos parâmetros e a seleção dos algoritmos de aprendizado. O ensemble pode ser visto como uma estrutura com três níveis: espaço de entrada, a base de componentes e o bloco de combinação das respostas dos componentes. Neste trabalho é proposta uma abordagem multi-nível usando Algoritmos Genéticos para construir um ensemble de Máquinas de Vetor de Suporte por Mínimos Quadrados ou LS-SVM, realizando uma seleção de atributos no espaço de entrada, parametrização e a escolha de quais modelos irão compor o comitê no nível de componentes e a busca por um vetor de pesos que melhor represente a importância de cada classificador na resposta final do comitê. De forma a avaliar a performance da abordagem proposta, foram utilizados alguns benchmarks do repositório da UCI para comparar com outros algoritmos de classificação. Além disso, também foram comparados os resultados da abordagem proposta com métodos de aprendizagem profunda nas bases de dados MNIST e CIFAR e se mostraram bastante satisfatórios. / Many years ago, the ensemble systems have been shown to be an efficient method to increase the accuracy and stability of learning algorithms in recent decades, although its construction has a question to be elucidated: diversity. The disagreement among the models that compose the ensemble can be generated when they are built under different circumstances, such as training dataset, parameter setting and selection of learning algorithms. The ensemble may be viewed as a structure with three levels: input space, the base components and the combining block of the components responses. In this work is proposed a multi-level approach using genetic algorithms to build the ensemble of Least Squares Support Vector Machines (LS-SVM), performing a feature selection in the input space, the parameterization and the choice of which models will compose the ensemble at the component level and finding a weight vector which best represents the importance of each classifier in the final response of the ensemble. In order to evaluate the performance of the proposed approach, some benchmarks from UCI Repository have been used to compare with other classification algorithms. Also, the results obtained by our approach were compared with some deep learning methods on the datasets MNIST and CIFAR and proved very satisfactory.

Este trabalho discorre sobre o emprego de sistemas híbridos voltados resolução de problemas de otimizando. Como problemas de otimizando entende-se como sendo o emprego de técnicas que visam aumentar a produtividade de alguma tarefa, otimizando seus procedimentos. Desta forma, utiliza-se neste trabalho o paradigma de Algoritmos Genéticos sobre um modelo de Redes Neurais para otimizar seu funcionamento, tornando-o mais rapido e de tamanho menor na tarefa de reconhecimento de padrões. O modelo de Rede Neural escolhido para o reconhecimento de padrões foi o modelo de Teuvo Kohonen, também conhecido como modelo dos mapas auto organizados (SOM - Self Organization Feature Map). Este modelo tem sido empregado, obtendo ótimos resultados, no reconhecimento dos mais diversos padrões, como padrões fonéticos e padrões visuais, destacando sua aplicação em sistemas de reconhecimento 6tico de caracteres (OCR - Optical Character Recognization), que será explorado em detalhes no decorrer deste trabalho. O paradigma de Algoritmos Genéticos, criado por John Holland, alcança ótimo desempenho na resolução de problemas de otimizando, seja na classificação e seleção do melhor procedimento, seja no desenvolvimento de um novo procedimento baseado na interação do sistema com procedimentos anteriores. Desta forma, os algoritmos genéticos podem ser aplicados em atividades como seleção e classificação, tal como a aplicação para resolver o problema do caixeiro viajante, ou na geração de uma nova estrutura baseada em estruturas anteriores, a citar o redimensionamento de uma rede neural artificial para reduzir o seu tamanho. Em última instância, este trabalho se propõe a otimizar um sistema de reconhecimento de caracteres utilizando o melhor dos dois paradigmas anteriormente discutidos, obtendo resultados muito satisfatórios na realização dos procedimentos. / This work is about applying hybrid systems to the solving of optimization problems. We consider optimization problems as the productivity increase of some tasks by fine tuning their procedures using a Genetic Algorithm paradigm on a neural network model, optimizing its functionality, making it faster and decreasing the size of neural network. We choose Teuvo Kohonen's model for pattern recognition, also know as Self-Organization Feature Map - SOM, which has been used on a wide range of pattern recognition problems, such as phonetic an visual patterns, specially on Optical Character Recognition - OCR systems, which we will discuss later. The Genetic Algorithm paradigm, created by John Holland, reaches high score performances on solving optimization problems applyed on classification and selection process. In this way, genetic algorithms are suitable for selection and classification problems, such as solving the travelling sales person problem or on generating new structures based on prior ones as neural network redimensioning to reduce its size. The proposal is optimizing the Optical Character Recognition mixing the best properties of both paradigm, aimed very satisfactory results on process execution.

Este trabalho discorre sobre o emprego de sistemas híbridos voltados resolução de problemas de otimizando. Como problemas de otimizando entende-se como sendo o emprego de técnicas que visam aumentar a produtividade de alguma tarefa, otimizando seus procedimentos. Desta forma, utiliza-se neste trabalho o paradigma de Algoritmos Genéticos sobre um modelo de Redes Neurais para otimizar seu funcionamento, tornando-o mais rapido e de tamanho menor na tarefa de reconhecimento de padrões. O modelo de Rede Neural escolhido para o reconhecimento de padrões foi o modelo de Teuvo Kohonen, também conhecido como modelo dos mapas auto organizados (SOM - Self Organization Feature Map). Este modelo tem sido empregado, obtendo ótimos resultados, no reconhecimento dos mais diversos padrões, como padrões fonéticos e padrões visuais, destacando sua aplicação em sistemas de reconhecimento 6tico de caracteres (OCR - Optical Character Recognization), que será explorado em detalhes no decorrer deste trabalho. O paradigma de Algoritmos Genéticos, criado por John Holland, alcança ótimo desempenho na resolução de problemas de otimizando, seja na classificação e seleção do melhor procedimento, seja no desenvolvimento de um novo procedimento baseado na interação do sistema com procedimentos anteriores. Desta forma, os algoritmos genéticos podem ser aplicados em atividades como seleção e classificação, tal como a aplicação para resolver o problema do caixeiro viajante, ou na geração de uma nova estrutura baseada em estruturas anteriores, a citar o redimensionamento de uma rede neural artificial para reduzir o seu tamanho. Em última instância, este trabalho se propõe a otimizar um sistema de reconhecimento de caracteres utilizando o melhor dos dois paradigmas anteriormente discutidos, obtendo resultados muito satisfatórios na realização dos procedimentos. / This work is about applying hybrid systems to the solving of optimization problems. We consider optimization problems as the productivity increase of some tasks by fine tuning their procedures using a Genetic Algorithm paradigm on a neural network model, optimizing its functionality, making it faster and decreasing the size of neural network. We choose Teuvo Kohonen's model for pattern recognition, also know as Self-Organization Feature Map - SOM, which has been used on a wide range of pattern recognition problems, such as phonetic an visual patterns, specially on Optical Character Recognition - OCR systems, which we will discuss later. The Genetic Algorithm paradigm, created by John Holland, reaches high score performances on solving optimization problems applyed on classification and selection process. In this way, genetic algorithms are suitable for selection and classification problems, such as solving the travelling sales person problem or on generating new structures based on prior ones as neural network redimensioning to reduce its size. The proposal is optimizing the Optical Character Recognition mixing the best properties of both paradigm, aimed very satisfactory results on process execution.

Este trabalho descreve a implementação de um sistema multi agente usando Redes de Comportamento configurada por Algoritmos Genéticos. O sistema utiliza o jogo de computador Quake II como o ambiente simulado para os agentes. Redes de Comportamento são utilizadas como o mecanismo de tomada de decisão. Um Algoritmo Genético é utilizado para configurar os parâmetros da Rede de Comportamento. Cada agente é um programa independente que se conecta ao servidor do jogo para realizar tarefas e trocar material genético a fim de evoluir. Os resultados obtidos mostram um ambiente multi agente dinamicamente configurado capaz de evoluir e se adaptar apropriadamente conforme o andamento do jogo. / This work describes the implementation of a multi-agent system using Behavior Networks configured by Genetic Algorithms. The system uses the computer game Quake II as the simulated environment for the agents. Behavior Networks are used as the decision making mechanism. The Genetic Algorithm is used to configure the parameters of the Behavior Network. Each agent of the system is an independent program that connects to the game server to perform tasks and to exchange genetic material in order to evolve. The results obtained indicate a dynamically configured multi-agent system that can evolve and adapt accordingly throughout the course of the game.

[pt] Na área de Exploração e Produção (EeP) de petróleo, uma das tarefas mais importantes é o estudo minucioso das características do reservatório para a criação de modelos de simulação que representem adequadamente as suas características. Durante a vida produtiva de um reservatório, o seu modelo de simulação correspondente precisa ser ajustado periodicamente, pois a disponibilidade de um modelo adequado é fundamental para a obtenção de previsões acertadas acerca da produção, e isto impacta diretamente a tomada de decisões gerenciais. O ajuste das propriedades do modelo se traduz em um problema de otimização complexo, onde a quantidade de variáveis envolvidas cresce com o aumento do número de blocos que compõem a malha do modelo de simulação, exigindo muito esforço por parte do especialista. A disponibilidade de uma ferramenta computacional, que possa auxiliar o especialista em parte deste processo, pode ser de grande utilidade tanto para a obtenção de respostas mais rápidas, quanto para a tomada de decisões mais acertadas. Diante disto, este trabalho combina inteligência computacional através de Algoritmo Genético Co-Evolutivo com Geoestatística de Múltiplos Pontos, propondo e implementando uma arquitetura de otimização aplicada ao ajuste de propriedades de modelos de reservatórios. Esta arquitetura diferencia-se das tradicionais abordagens por ser capaz de otimizar, simultaneamente, mais de uma propriedade do modelo de simulação de reservatório. Utilizou-se também, processamento distribuído para explorar o poder computacional paralelo dos algoritmos genéticos. A arquitetura mostrou-se capaz de gerar modelos que ajustam adequadamente as curvas de produção, preservando a consistência e a continuidade geológica do reservatório obtendo, respectivamente, 98 por cento e 97 por cento de redução no erro de ajuste aos dados históricos e de previsão. Para os mapas de porosidade e de permeabilidade, as reduções nos erros foram de 79 por cento e 84 por cento, respectivamente. / [en] In the Exploration and Production (EeP) of oil, one of the most important tasks is the detailed study of the characteristics of the reservoir for the creation of simulation models that adequately represent their characteristics. During the productive life of a reservoir, its corresponding simulation model needs to be adjusted periodically because the availability of an appropriate model is crucial to obtain accurate predictions about the production, and this directly impacts the management decisions. The adjustment of the properties of the model is translated into a complex optimization problem, where the number of variables involved increases with the increase of the number of blocks that make up the mesh of the simulation model, requiring too much effort on the part of a specialist. The availability of a computational tool that can assist the specialist on part of this process can be very useful both for obtaining quicker responses, as for making better decisions. Thus, this work combines computational intelligence through Coevolutionary Genetic Algorithm with Multipoint Geostatistics, proposing and implementing an architecture optimization applied to the tuning properties of reservoir models. This architecture differs from traditional approaches to be able to optimize simultaneously more than one property of the reservoir simulation model. We used also distributed processing to explore the parallel computing power of genetic algorithms. The architecture was capable of generating models that adequately fit the curves of production, preserving the consistency and continuity of the geological reservoir obtaining, respectively, 98 percent and 97 percent of reduction in error of fit to the historical data and forecasting. For porosity and permeability maps, the reductions in errors were 79 percent and 84 percent, respectively.

Este trabalho descreve a implementação de um sistema multi agente usando Redes de Comportamento configurada por Algoritmos Genéticos. O sistema utiliza o jogo de computador Quake II como o ambiente simulado para os agentes. Redes de Comportamento são utilizadas como o mecanismo de tomada de decisão. Um Algoritmo Genético é utilizado para configurar os parâmetros da Rede de Comportamento. Cada agente é um programa independente que se conecta ao servidor do jogo para realizar tarefas e trocar material genético a fim de evoluir. Os resultados obtidos mostram um ambiente multi agente dinamicamente configurado capaz de evoluir e se adaptar apropriadamente conforme o andamento do jogo. / This work describes the implementation of a multi-agent system using Behavior Networks configured by Genetic Algorithms. The system uses the computer game Quake II as the simulated environment for the agents. Behavior Networks are used as the decision making mechanism. The Genetic Algorithm is used to configure the parameters of the Behavior Network. Each agent of the system is an independent program that connects to the game server to perform tasks and to exchange genetic material in order to evolve. The results obtained indicate a dynamically configured multi-agent system that can evolve and adapt accordingly throughout the course of the game.