Um desafio recorrente em processos produtivos é o desenvolvimento de sistemas de monitoração e diagnóstico. Esses sistemas ajudam na detecção de mudanças inesperadas e interrupções, prevenindo perdas e mitigando riscos. Redes Neurais Artificiais (RNA) têm sido largamente utilizadas na criação de sistemas de monitoração. Normalmente as RNA utilizadas para resolver este tipo de problema são criadas levando-se em conta apenas parâmetros como o número de entradas, saídas e quantidade de neurônios nas camadas escondidas. Assim, as redes resultantes geralmente possuem uma configuração onde há uma total conexão entre os neurônios de uma camada e os da camada seguinte, sem que haja melhorias em sua topologia. Este trabalho utiliza o algoritmo de Otimização por Colônia de Formigas (OCF) para criar redes neurais otimizadas. O algoritmo de busca OCF utiliza a técnica de retropropagação de erros para otimizar a topologia da rede neural sugerindo as melhores conexões entre os neurônios. A RNA resultante foi aplicada para monitorar variáveis do reator de pesquisas IEA-R1 do IPEN. Os resultados obtidos mostram que o algoritmo desenvolvido é capaz de melhorar o desempenho do modelo que estima o valor de variáveis do reator. Em testes com diferentes números de neurônios na camada escondida, utilizando como comparativos o erro quadrático médio, o erro absoluto médio e o coeficiente de correlação, o desempenho da RNA otimizada foi igual ou superior ao da tradicional. / A recurring challenge in production processes is the development of monitoring and diagnosis systems. Those systems help on detecting unexpected changes and interruptions, preventing losses and mitigating risks. Artificial Neural Networks (ANN) have been extensively used in creating monitoring systems. Usually the ANN used to solve this kind of problem are created by taking into account only parameters as the number of inputs, outputs, and number of neurons in the hidden layers. This way, the result networks are generally fully connected and have no improvements in its topology. This work uses an Ant Colony Optimization (ACO) algorithm to create a tuned neural networks. The ACO search algorithm uses Back Error Propagation (BP) to optimize the network topology by suggesting the best neuron connections. The outcome ANN was applied to monitoring the IEA-R1 research reactor at IPEN. The results show that the algorithm is able to improve the performance of the model which estimates the values of the reactor variables. In tests with different numbers of neurons in the hidden layer, using as comparison the mean squared error, the mean absolute error, and the correlation coefficient, the performance of the optimized ANN proved equal or better than the equivalent traditional neural networks.

A tarefa de planejamento de trajetórias de robôs móveis autônomos consiste em determinar objetivos intermediários para que um robô seja capaz de partir de sua localização inicial e alcançar seu objetivo final. Além do planejamento, é importante definir um método de controle da navegação (seguimento da trajetória) do robô para que ele seja capaz de realizar seu trajeto de forma segura. Este projeto propõe uma abordagem híbrida para planejamento exploratório e execução de trajetórias de robôs móveis autônomos em ambientes indoor. Para o planejamento de trajetória, foram investigados algoritmos de busca em espaço de estados, dando ênfase ao uso de algoritmos evolutivos e algoritmos de otimização por colônia de formigas para a descoberta e otimização da trajetória. O controle da navegação é realizado por meio de comportamentos locais reativos, baseado na exploração e uso de mapas topológicos, os quais permitem uma maior flexibilidade em termos de definição da localização da posição do robô móvel e sobre os detalhes do mapa do ambiente (mapas com informações aproximadas e não métricos). Assim, foi proposto e desenvolvido um método robusto capaz de planejar, mapear e explorar um caminho ótimo ou quase ótimo para que o robô possa navegar e alcançar seu objetivo de forma segura, com pouca informação prévia do ambiente ou mesmo sobre sua localização. Além disso, o robô pode reagir a ambientes com alterações dinâmicas em sua estrutura, considerando por exemplo, elementos dinâmicos como portas que possam ser abertas ou fechadas e passagens que são obstruídas. Por fim, foram realizados diversos testes e simulações a fim de validar o método proposto, com a avaliação da qualidade das soluções encontradas e comparação com outras abordagens tradicionais de planejamento de trajetórias (algoritmos A* e D*). / The task of planning path for autonomous mobile robots consists in determine intermediary goals in order to allow a robot be able to leave its initial location and reach its final goal. Besides the planning, it is important to define a method of navigation control (the trajectory following) of the robot for it be able to do its path safely. This project proposes a hybrid approach to path planning and execution of an autonomous mobile robot in indoor environments. For the path planning, search algorithms in state space have been investigated, with emphasis in evolutionary algorithms and ant colony optimization algorithms for the trajectory search and optimization. The navigation control is done by local reactive behaviors, based on topological maps, which allow more flexibility concerning localization definition of position of the mobile robot and about the details of the environment map (maps with approximate information and not metric). Thus, a robust method able to plan an optimum or almost optimum path for the robot to reach its goal safely has been proposed, with little previous information of the environment. Furthermore, the robot can react to dynamic elements in the environment structure, concerning, for example, dynamic elements such as doors that can be opened or closed and ways that are blocked. Finally, several tests and simulations has been carried out to validate the proposed method, with evaluation of the solutions quality and comparison with others traditional approaches for the path planning task (A* and D* algorithms).

A aplicação de sistemas de múltiplos robôs é desejável em várias tarefas. Algumas delas são: exploração de ambientes, mineração, detecção de minas terrestres, segurança e operações de resgate. Uma estratégia eficiente de coordenação é decisiva para alcançar melhoras no desempenho. Neste projeto, duas novas estratégias são propostas para a coordenação de sistemas de múltiplos robôs, aplicadas para as tarefas de exploração, vigilância e formação. Elas são distribuídas, descentralizadas e ocorrem em tempo de execução. A inspiração para ambas advém de mecanismos biológicos que definem uma organização social de sistemas coletivos. Especificamente, considerou-se nesta tese uma versão modificada do sistema de colônia de formigas. As estratégias são adaptáveis para cenários em que o número de robôs e a estrutura do ambiente mudam. Em relação à primeira estratégia, os experimentos consideram dois critérios de desempenho: a média de ciclos de vigilância e a média de iterações em cada intervalo de segurança. Os resultados de simulação confirmam que a exploração e vigilância emergem da sinergia dos comportamentos individuais dos robôs. Os dados obtidos mostram que a estratégia de coordenação é eficiente e satisfatória para realizar as tarefas de exploração e vigilância. Quanto à segunda estratégia, o sistema apresenta as características desejáveis para que a formação seja mantida: separação, alinhamento e coesão. Evidências empíricas mostraram que o sistema possui boa habilidade dispersiva, o que promoveu o aumento da cobertura, e que o mesmo foi capaz de se adaptar a novas topologias de grupo e configurações de ambiente / The application of systems of multiple robots is desirable in various tasks. Some of them include: exploration, mining, land mine detection, security and rescue operations. An effective strategy for coordination is crucial to achieve performance improvements. In this project, two new strategies are proposed for the coordination of multiple robot systems, applied to the tasks of exploration, surveillance and formation. They are distributed, decentralized and performed in real time. The inspiration for both of them comes from the biological mechanisms that define a social organization of collective systems. Specifically, it was considered in this thesis a modified version of the Ant Colony System. The strategies are adaptable for scenarios where the number of robots and structure of the environment change. Regarding the first strategy, the experiments consider two performance criteria: average surveillance cycles and average iterations for each patrolling interval. Simulation results confirm that the exploration and surveillance emerge from the synergy of individual behaviors of robots. The data obtained show that the coordination strategy is efficient and and suitable to perform the tasks of exploration and surveillance. Regarding the second strategy, the system presents the characteristics desirable to maintain the formation: separation, alignment and cohesion. Empirical evidence showed that the system has good dispersive ability, which promoted an increase in coverage, and that it was able to adapt to new group topologies and environment settings

Esta dissertação apresenta os algoritmos BicriterionAnt, MACS e MONACO, disponíveis na literatura, baseados em colônia de formigas, para resolução do Problema do Caixeiro Viajante Multiobjetivo (PCVMO). São apresentadas as características do problema e de cada algoritmo utilizado. Estes algoritmos foram testados em seis instâncias bi-objetivo do PCVMO. Foram implementadas algumas alterações na estrutura original dos algoritmos na tentativa de produzir resultados melhores do que os algoritmos originais. Para a avaliação dos resultados e medição da qualidade das soluções, foram utilizadas métricas de desempenho que auxiliam na identificação dos melhores conjuntos de soluções não-dominadas. / This dissertation presents the BicriterionAnt, MACS and MONACO Ant Colony algorithms, available in literature, to solve the Multi-Objective Traveling Salesman Problem (MOTSP). The characteristics of the problem and of each algorithm used are presented. Those algorithms were tested in six bi-objective instances of MOTSP. Changes in the original algorithms were implemented to try to produce better results than the original ones. To validate the results and to measure the quality of the solutions, metrics of performance were used which help to identify the best non-dominated solution sets.

Made available in DSpace on 2016-06-02T19:52:03Z (GMT). No. of bitstreams: 1 5761.pdf: 2593684 bytes, checksum: 000d3a163875f2beb7e15774305fbab2 (MD5) Previous issue date: 2014-02-18 / Financiadora de Estudos e Projetos / Many scheduling problems found in the literature are classified as NP-Hard, which means that the computational costs of the solutions within known exact mathematical methods can be very time consuming. In the case of partial outsourcing it is essential to consider the outsourcing decisions inside the scheduling problem to achieve optimal results from outsourcing. This project discusses the following issue: a single machine environment where the setup times are sequence-dependent and there is an outsourcing option. The goal is to determinate the set of jobs that will be outsourced and the production sequence of the jobs that will be performed inhouse, aiming to eliminate the total tardiness of all jobs, witch is a NP-Had problem. New approaches regarding meta-heuristics, like ACO (Ant Colony Optimization) show a new horizon for this kind of issues. The hybrid algorithm, including ACO and local search methods, reached the optimal values in 94,7% of the problems. / Diversos problemas de scheduling são classificados na literatura como NP-Difíceis, o que significa que os custos computacionais das soluções desenvolvidas usando métodos exatos conhecidos são muito altos para esses problemas. No caso da possibilidade de terceirização de parte das tarefas existentes se torna vital inserir essas decisões nos problemas de scheduling visando à obtenção de resultados ótimos para os objetivos de desempenho. O presente trabalho trata de um caso como esse: um ambiente de máquina única onde os tempos de setup são dependentes da sequência de execução das operações e com a possibilidade de terceirização. O objetivo é determinar a sequência de operações executadas no ambiente de máquina única e o conjunto de operações a serem terceirizadas de forma que nenhuma das ordens de serviço seja entregue com atraso e o custo de terceirização seja mínimo. A aplicação de meta-heurísticas, como o ACO (Ant Colony Optimization) abre um novo horizonte para o desenvolvimento de soluções para problemas este, classificado como NP-Difícil, sobretudo quando aplicadas em conjunto com métodos de busca local para o refinamento das soluções. Os resultados demontram que o algoritmo híbrido incluindo ACO e busca local, obteve resultados significativos, atingindo a resposta ótima em 94,7% dos problemas.

A tarefa de planejamento de trajetórias de robôs móveis autônomos consiste em determinar objetivos intermediários para que um robô seja capaz de partir de sua localização inicial e alcançar seu objetivo final. Além do planejamento, é importante definir um método de controle da navegação (seguimento da trajetória) do robô para que ele seja capaz de realizar seu trajeto de forma segura. Este projeto propõe uma abordagem híbrida para planejamento exploratório e execução de trajetórias de robôs móveis autônomos em ambientes indoor. Para o planejamento de trajetória, foram investigados algoritmos de busca em espaço de estados, dando ênfase ao uso de algoritmos evolutivos e algoritmos de otimização por colônia de formigas para a descoberta e otimização da trajetória. O controle da navegação é realizado por meio de comportamentos locais reativos, baseado na exploração e uso de mapas topológicos, os quais permitem uma maior flexibilidade em termos de definição da localização da posição do robô móvel e sobre os detalhes do mapa do ambiente (mapas com informações aproximadas e não métricos). Assim, foi proposto e desenvolvido um método robusto capaz de planejar, mapear e explorar um caminho ótimo ou quase ótimo para que o robô possa navegar e alcançar seu objetivo de forma segura, com pouca informação prévia do ambiente ou mesmo sobre sua localização. Além disso, o robô pode reagir a ambientes com alterações dinâmicas em sua estrutura, considerando por exemplo, elementos dinâmicos como portas que possam ser abertas ou fechadas e passagens que são obstruídas. Por fim, foram realizados diversos testes e simulações a fim de validar o método proposto, com a avaliação da qualidade das soluções encontradas e comparação com outras abordagens tradicionais de planejamento de trajetórias (algoritmos A* e D*). / The task of planning path for autonomous mobile robots consists in determine intermediary goals in order to allow a robot be able to leave its initial location and reach its final goal. Besides the planning, it is important to define a method of navigation control (the trajectory following) of the robot for it be able to do its path safely. This project proposes a hybrid approach to path planning and execution of an autonomous mobile robot in indoor environments. For the path planning, search algorithms in state space have been investigated, with emphasis in evolutionary algorithms and ant colony optimization algorithms for the trajectory search and optimization. The navigation control is done by local reactive behaviors, based on topological maps, which allow more flexibility concerning localization definition of position of the mobile robot and about the details of the environment map (maps with approximate information and not metric). Thus, a robust method able to plan an optimum or almost optimum path for the robot to reach its goal safely has been proposed, with little previous information of the environment. Furthermore, the robot can react to dynamic elements in the environment structure, concerning, for example, dynamic elements such as doors that can be opened or closed and ways that are blocked. Finally, several tests and simulations has been carried out to validate the proposed method, with evaluation of the solutions quality and comparison with others traditional approaches for the path planning task (A* and D* algorithms).

Orientador: Prof. Dr. Gustavo Sousa Pavani / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Ciência da Computação, 2017. / Algoritmos baseados em Otimização por Colonia de Formigas (Ant Colony Optimization { ACO) vem sendo usados com bastante sucesso no metaescalonamento distribuído e integrado dos recursos de computação e de comunicação em ambientes de grade computacional baseadas em redes opticas (lambda grid ). Nesse ambiente sao utilizados infraestruturas de comunicações compostas por enlaces de fibras opticas e nós opticos, que são elementos sujeitos aos mais variados tipos de falhas. Com efeito, problemas decorrentes dos equipamentos ou meios de transmissão podem interromper o trafego de informações e, consequentemente, causam a indisponibilidade de recursos na grade. A arquitetura proposta em [1] é capaz de gerenciar dinamicamente e de forma conjunta os recursos de rede e processamento no ambiente de lambda grid, além de prover agendamento e reserva futura desses recursos. Neste trabalho, considerar-se-à tambem a capacidade de sobrevivencia da grade sob condições adversas de falhas. Para tanto, a grade computacional deve prover mecanismos de restauração de forma a se recuperar em caso de falhas de enlace ou nó. Simulações foram realizadas com os diversos algoritmos de metaescalonamento propostos originalmente em [1], demonstrando o respectivo desempenho em termos de capacidade de restauração e de atraso de execução das tarefas restauradas. / Algorithms based on Ant Colony Optimization (ACO) have been successfully used in distributed and integrated meta-scheduling of computing and networking resources in lambda grids. The lambda grid environment is composed by optical fiber links and optical nodes, which are susceptible to diferent types of failure. In eect, problems due to equipment or transmission outages may interrupt the information trac and, consequently, cause unavailability of grid resources. The architecture proposed in [1] is capable of the dynamic, joint management of networking and processing resources at the lambda grid. It can also provide scheduling and advance reservation of those resources. In this work, we also consider the survivability capacity of the lambda grid when a failure occurs. Therefore, the lambda grid has to provide a restoration mechanism in order to recover from link and node failures. Simulations carried with the meta-scheduling algorithms originally proposed in [1] demonstrate their performance in terms of restorability and delay in scheduling the restored tasks.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-12-21T10:50:23Z No. of bitstreams: 1 flaviarodriguesdonascimento.pdf: 1211614 bytes, checksum: ab9ba99ac0572dc9242451b399b808c5 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-12-22T12:00:31Z (GMT) No. of bitstreams: 1 flaviarodriguesdonascimento.pdf: 1211614 bytes, checksum: ab9ba99ac0572dc9242451b399b808c5 (MD5) / Made available in DSpace on 2016-12-22T12:00:31Z (GMT). No. of bitstreams: 1 flaviarodriguesdonascimento.pdf: 1211614 bytes, checksum: ab9ba99ac0572dc9242451b399b808c5 (MD5) Previous issue date: 2011-09-15 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A programação diária da operação de sistemas termoelétricos de geração consiste em determinar uma estratégia de despacho das unidades geradoras para atender a demanda de energia, satisfazendo as restrições operacionais e funcionais do sistema elétrico de potência. O problema pode ser dividido em dois subproblemas: (i) referente à determinação das unidades que devem estar em operação mediante a demanda solicitada, “Thermal Unit Commitment” e (ii) referente à determinação da potência gerada por cada uma das unidades colocadas em serviço, “Despacho Econômico”. Devido à variação de carga ao longo do tempo, a programação da operação envolve decisões do sistema de geração a cada hora, dentro do horizonte de um dia a duas semanas. Os estudos relacionados às técnicas de otimização bio-inspiradas, utilizadas na resolução da programação diária da operação de sistemas termoelétricos de geração, apontam que a combinação entre os métodos computacionais biologicamente inspirados com outras técnicas de otimização tem papel importante na obtenção de melhores soluções em um menor tempo de processamento. Seguindo esta linha de pesquisa, o presente trabalho faz uso de uma metodologia baseada na otimização por colônia de formiga para a minimização do custo da programação diária de operação de unidades termoelétricas. O modelo proposto utiliza uma Matriz de Sensibilidade (MS) baseada nas informações fornecidas pelos multiplicadores de Lagrange a fim de melhorar o processo de busca bio-inspirado. Desta forma, um percentual dos indivíduos da colônia faz uso destas informações no processo evolutivo da colônia. Os resultados alcançados através das simulações indicam que a utilização da MS resulta em soluções de qualidade com um número reduzido de indivíduos. / The daily schedule of thermoelectric systems consists of determining the strategy to set the generation units to be put in operation to meet the load, meeting also the operational and functional constraints of the respective power system. This problem can be split into two subproblems: (i) schedule of units that must operate in accordance with a given load, or Thermal Unit Commitment and (ii) set the power generation for each committed unit, or Economical Schedule. Due to load variations the schedule involves hourly generation decisions, in a horizon that varies from one day to two weeks. Researches related to bio-inspired optimization strategies applied to the daily thermal system operation show that the combination between bio-inspired computing techniques and other optimization methods has an important role in order to obtain better solutions in a shorter computing time. Following this, the present work makes use of a methodology based on Ant Colony Optimization to minimize the costs of the thermal system daily scheduling. This proposed method uses a Sensitivity Matrix (SM) based on information from Lagrange Multipliers related to the problem in order to improve the bio-inspired process. In this way, a percentage of the individuals make use of the provided information in the colony evolution process. The results obtained through those simulations indicate that the use of the SM presents better quality solutions with a reduced number of individuals.

A aplicação de sistemas de múltiplos robôs é desejável em várias tarefas. Algumas delas são: exploração de ambientes, mineração, detecção de minas terrestres, segurança e operações de resgate. Uma estratégia eficiente de coordenação é decisiva para alcançar melhoras no desempenho. Neste projeto, duas novas estratégias são propostas para a coordenação de sistemas de múltiplos robôs, aplicadas para as tarefas de exploração, vigilância e formação. Elas são distribuídas, descentralizadas e ocorrem em tempo de execução. A inspiração para ambas advém de mecanismos biológicos que definem uma organização social de sistemas coletivos. Especificamente, considerou-se nesta tese uma versão modificada do sistema de colônia de formigas. As estratégias são adaptáveis para cenários em que o número de robôs e a estrutura do ambiente mudam. Em relação à primeira estratégia, os experimentos consideram dois critérios de desempenho: a média de ciclos de vigilância e a média de iterações em cada intervalo de segurança. Os resultados de simulação confirmam que a exploração e vigilância emergem da sinergia dos comportamentos individuais dos robôs. Os dados obtidos mostram que a estratégia de coordenação é eficiente e satisfatória para realizar as tarefas de exploração e vigilância. Quanto à segunda estratégia, o sistema apresenta as características desejáveis para que a formação seja mantida: separação, alinhamento e coesão. Evidências empíricas mostraram que o sistema possui boa habilidade dispersiva, o que promoveu o aumento da cobertura, e que o mesmo foi capaz de se adaptar a novas topologias de grupo e configurações de ambiente / The application of systems of multiple robots is desirable in various tasks. Some of them include: exploration, mining, land mine detection, security and rescue operations. An effective strategy for coordination is crucial to achieve performance improvements. In this project, two new strategies are proposed for the coordination of multiple robot systems, applied to the tasks of exploration, surveillance and formation. They are distributed, decentralized and performed in real time. The inspiration for both of them comes from the biological mechanisms that define a social organization of collective systems. Specifically, it was considered in this thesis a modified version of the Ant Colony System. The strategies are adaptable for scenarios where the number of robots and structure of the environment change. Regarding the first strategy, the experiments consider two performance criteria: average surveillance cycles and average iterations for each patrolling interval. Simulation results confirm that the exploration and surveillance emerge from the synergy of individual behaviors of robots. The data obtained show that the coordination strategy is efficient and and suitable to perform the tasks of exploration and surveillance. Regarding the second strategy, the system presents the characteristics desirable to maintain the formation: separation, alignment and cohesion. Empirical evidence showed that the system has good dispersive ability, which promoted an increase in coverage, and that it was able to adapt to new group topologies and environment settings

Made available in DSpace on 2015-03-04T18:51:05Z (GMT). No. of bitstreams: 1 Dissert_MSc_JaquelineAngelo.pdf: 926474 bytes, checksum: da4b07a3aac6c41fe497e0351128bde1 (MD5) Previous issue date: 2008-07-24 / Coordenacao de Aperfeicoamento de Pessoal de Nivel Superior / This dissertation presents the BicriterionAnt, MACS and MONACO Ant Colony algorithms, available in literature, to solve the Multi-Objective Traveling Salesman Problem (MOTSP). The characteristics of the problem and of each algorithm used are presented. Those algorithms were tested in six bi-objective instances of MOTSP. Changes in the original algorithms were implemented to try to produce better results than the original ones. To validate the results and to measure the quality of the solutions, metrics of performance were used which help to identify the best non-dominated solution sets. / Esta dissertação apresenta os algoritmos BicriterionAnt, MACS e MONACO, disponíveis na literatura, baseados em colônia de formigas, para resolução do Problema do Caixeiro Viajante Multiobjetivo (PCVMO). São apresentadas as características do problema e de cada algoritmo utilizado. Estes algoritmos foram testados em seis instâncias bi-objetivo do PCVMO. Foram implementadas algumas alterações na estrutura original dos algoritmos na tentativa de produzir resultados melhores do que os algoritmos originais. Para a avaliação dos resultados e medição da qualidade das soluções, foram utilizadas métricas de desempenho que auxiliam na identificação dos melhores conjuntos de soluções não-dominadas.