A qualidade da água de abastecimento é de vital importância à saúde da população dos núcleos urbanos do mundo todo. Por essa razão, muitas pesquisas enfocam esse tema. Além disso, os ataques terroristas recentes ocorridos nos Estados Unidos e Europa, vêm fomentando a antiga preocupação relativa a possíveis injeções de contaminantes em redes de distribuição de água para abastecimento, evidenciando a importância da efetiva vigilância de tais sistemas. O presente trabalho investiga a rede de monitoramento ótima para detecção de injeções intencionais de poluentes e/ou contaminantes em concentrações e/ou quantidades suficientes para que se propaguem nas direções do fluxo da água no interior das redes, do ponto de vista de objetivos múltiplos. A metodologia aqui apresentada representa uma extensão de propostas anteriores e é demonstrada ilustrativamente, através de redes já utilizadas na literatura. Com base no conceito da rede auxiliar proposto por Kessler et al. (1998), propõe-se o emprego de algoritmos genéticos multiobjetivo para considerar os níveis de serviço em termos do volume consumido, do tempo e da extensão da rede atingida antes da detecção. São criadas matrizes de poluição para os níveis de serviço considerados e, então, o algoritmo genético multiobjetivo SPEA é aplicado para identificar as soluções não-dominadas, em conformidade com o conceito de otimalidade de Pareto. Os resultados demonstram o potencial do método proposto em identificar tais soluções / The water supply quality is very important to the healthy of urban nucleus populations around the world. This is the reason why many researches focus on such theme. Besides this, recent terrorist attacks occurred in USA and Europe, have incited the old apprehension related to possible deliberate intrusions of contaminants into the water supply networks, making evident the importance of the effective vigilance of such systems. This work investigates the optimal monitoring network for detection of deliberate intrusions of pollutes and/or contaminants at concentrations and/or quantities enough for propagation inside the networks, on the point of view of multiple objectives. The method here proposed represents an extension to earlier proposals and is demonstrated with the support of networks from literature. Based on the concept of auxiliary network proposed by Kessler et al. (1998), a multiobjective genetic algorithm is used in order to consider the levels of service in terms of the consumed volume, time period and length of the network reached before detection. Pollution matrixes are built for the levels of service considered and the multiobjective genetic algorithm SPEA applied in the identification of the non-dominated solutions, according to the Paretto optimality concept. The results demonstrate the potential of the method in the identification of such solutions

A qualidade da água de abastecimento é de vital importância à saúde da população dos núcleos urbanos do mundo todo. Por essa razão, muitas pesquisas enfocam esse tema. Além disso, os ataques terroristas recentes ocorridos nos Estados Unidos e Europa, vêm fomentando a antiga preocupação relativa a possíveis injeções de contaminantes em redes de distribuição de água para abastecimento, evidenciando a importância da efetiva vigilância de tais sistemas. O presente trabalho investiga a rede de monitoramento ótima para detecção de injeções intencionais de poluentes e/ou contaminantes em concentrações e/ou quantidades suficientes para que se propaguem nas direções do fluxo da água no interior das redes, do ponto de vista de objetivos múltiplos. A metodologia aqui apresentada representa uma extensão de propostas anteriores e é demonstrada ilustrativamente, através de redes já utilizadas na literatura. Com base no conceito da rede auxiliar proposto por Kessler et al. (1998), propõe-se o emprego de algoritmos genéticos multiobjetivo para considerar os níveis de serviço em termos do volume consumido, do tempo e da extensão da rede atingida antes da detecção. São criadas matrizes de poluição para os níveis de serviço considerados e, então, o algoritmo genético multiobjetivo SPEA é aplicado para identificar as soluções não-dominadas, em conformidade com o conceito de otimalidade de Pareto. Os resultados demonstram o potencial do método proposto em identificar tais soluções / The water supply quality is very important to the healthy of urban nucleus populations around the world. This is the reason why many researches focus on such theme. Besides this, recent terrorist attacks occurred in USA and Europe, have incited the old apprehension related to possible deliberate intrusions of contaminants into the water supply networks, making evident the importance of the effective vigilance of such systems. This work investigates the optimal monitoring network for detection of deliberate intrusions of pollutes and/or contaminants at concentrations and/or quantities enough for propagation inside the networks, on the point of view of multiple objectives. The method here proposed represents an extension to earlier proposals and is demonstrated with the support of networks from literature. Based on the concept of auxiliary network proposed by Kessler et al. (1998), a multiobjective genetic algorithm is used in order to consider the levels of service in terms of the consumed volume, time period and length of the network reached before detection. Pollution matrixes are built for the levels of service considered and the multiobjective genetic algorithm SPEA applied in the identification of the non-dominated solutions, according to the Paretto optimality concept. The results demonstrate the potential of the method in the identification of such solutions

Submitted by Alison Vanceto (alison-vanceto@hotmail.com) on 2017-02-14T11:18:13Z No. of bitstreams: 1 TeseAHMP.pdf: 2470407 bytes, checksum: b3f2c2d64bfa00285c28963c74627bea (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-03-20T13:12:18Z (GMT) No. of bitstreams: 1 TeseAHMP.pdf: 2470407 bytes, checksum: b3f2c2d64bfa00285c28963c74627bea (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-03-20T13:12:31Z (GMT) No. of bitstreams: 1 TeseAHMP.pdf: 2470407 bytes, checksum: b3f2c2d64bfa00285c28963c74627bea (MD5) / Made available in DSpace on 2017-03-20T13:23:55Z (GMT). No. of bitstreams: 1 TeseAHMP.pdf: 2470407 bytes, checksum: b3f2c2d64bfa00285c28963c74627bea (MD5) Previous issue date: 2014-12-02 / Não recebi financiamento / The process of building the knowledge base of fuzzy systems has benefited extensively of methods to automatically extract the necessary knowledge from data sets that represent examples of the problem. Among the topics investigated in the most recent research is the matter of balance between accuracy and interpretability, which has been addressed by means of multi-objective genetiv algorithms, NSGA-II being on of the most popular. In this scope, we identified the need to control the diversity of solutions found by these algorithms, so that each solution would balance the Pareto frontier with respect to the goals optimized by the multi-objective genetic algorithm. In this PhD thesis a multi-objective genetic algorithm, named NSGA-DO, is proposed. It is able to find non dominated solutions that balance the Pareto frontier with respect optimization of the objectives. The main characteristicof NSGA-DO is the distance oriented selection of solutions. Once the Pareto frontier is found, the algorithm uses the locations of the solutions in the frontier to find the best distribution of solutions. As for the validation of the proposal, NSGA-DO was applied to a methodology for the generation of fuzzy knowledge bases. Experiments show the superiority of NSGADO when compared to NSGA-II in all three issues analyzed: dispersion, accuracy and interpretability. / A construção da base de conhecimento de sistemas fuzzy tem sido beneficiada intensamente por métodos automáticos que extraem o conhecimento necessário a partir de conjuntos de dados que representam exemplos do problema. Entre os tópicos mais investigados nas pesquisas recentes está a questão do balanceamento entre acuidade e interpretabilidade, que têm sido abordada por meio dos algoritmos genéticos multiobjetivo, sendo o NSGA-II um dos mais populares. Neste escopo, identificou-se a necessidade do controle da distribuição das soluções encontradas por estes algoritmos, a fim de que cada solução possa equilibrar a fronteira de Pareto com relação aos objetivos otimizados pelo algoritmo genético multiobjetivo. Neste sentido, desenvolveu-se neste projeto de doutorado um algoritmo genético multiobjetivo, chamado NSGA-DO, capaz de encontrar soluções não dominadas que equilibram a fronteira de Pareto nos objetivos a serem otimizados. A principal característica do NSGA-DO é a seleção de soluções orientada à distância. Uma vez encontrada a fronteira de Pareto, o algoritmo usa a localização das soluções nesta fronteira para encontrar a melhor distribuição das soluções. Para a validação da proposta, aplicou-se o NSGA-DO em uma metodologia para a geração de bases de conhecimento fuzzy. Experimentos realizados comprovaram a superioridade do NSGA-DO com relação ao NSGA-II nos três quesitos analisados: dispersão, acurácia e interpretabilidade.

Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-04-10T16:15:19Z No. of bitstreams: 2 dscidl.pdf: 3672005 bytes, checksum: 16e2ea719e96351a648acbff70be2fb0 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-04-10T16:15:19Z (GMT). No. of bitstreams: 2 dscidl.pdf: 3672005 bytes, checksum: 16e2ea719e96351a648acbff70be2fb0 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-02-27 / CNPq / Nesse trabalho são desenvolvidos modelos de quantificação de métricas de risco e confiabilidade para sistemas em diferentes etapas do ciclo de vida. Para sistemas na fase de projeto, um Algoritmo Genético Multiobjetivo (MOGA) é combinado à Simulação Discreta de Eventos (DES) a fim de prover configurações não-dominadas com relação à disponibilidade e ao custo. O MOGA + DES proposto incorpora Processos de Renovação Generalizados para modelagem de reparos imperfeitos e também indica o número ótimo de equipes de manutenção. Para a fase operacional é proposto um hibridismo entre MOGA e Inspeção Baseada no Risco para elaboração de planos de inspeção não-dominados em termos de risco e custo que atendem às normas locais. Regressão via Support Vector Machines (SVR) é aplicada nos casos em que a métrica relacionada à confiabilidade (variável resposta) de um sistema operacional é função de variáveis ambientais e operacionais com expressão analítica desconhecida. Otimização via Nuvens de Partículas é combinada à SVR para a seleção simultânea das variáveis explicativas mais relevantes e dos valores dos hiperparâmetros que aparecem no problema de treinamento de SVR. Com o objetivo de avaliar a incerteza relacionada à variável resposta, métodos bootstrap são combinados à SVR para a obtenção de intervalos de confiança e de previsão. São realizados experimentos numéricos e são apresentados exemplos de aplicação no contexto da indústria do petróleo. Os resultados obtidos indicam que os modelos propostos fornecem informações importantes para o planejamento de custos e para a implementação de ações apropriadas a fim de evitar eventos indesejados. --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------This work develops models for quantifying risk and reliability-related metrics of systems in different phases of their life cycle. For systems in the design phase, a Multi-Objective Genetic Algorithm (MOGA) is coupled with Discrete Event Simulation (DES) to provide non-dominated configurations with respect to availability and cost. The proposed MOGA + DES incorporates a Generalized Renewal Process to account for imperfect repairs and it also indicates the optimal number of maintenance teams. For the operational phase, a hybridism between MOGA and Risk-Based Inspection is proposed for the elaboration of non-dominated inspection plans in terms of risk and cost that comply with local regulations. Regression via Support Vector Machines (SVR) is applied when the reliability-related metric (response variable) of an operational system is function of a number of environmental and operational variables with unknown analytical relationship. A Particle Swarm Optimization is combined to SVR for the selection of the most relevant variables along with the tuning of the SVR hyperparameters that appear in its training problem. In order to assess the uncertainty related to the response variable, bootstrap methods are coupled with SVR to construct confidence and prediction intervals. Numerical experiments and application examples in the context of oil industry are provided. The obtained results indicate that the proposed frameworks give valuable information for budget planning and for the implementation of proper actions to avoid undesired events.