Made available in DSpace on 2014-06-12T17:37:09Z (GMT). No. of bitstreams: 2 arquivo5316_1.pdf: 2851435 bytes, checksum: 5945b892d6d58af92090b45f9952e68a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Nesta dissertação é estudado um importante tópico concernente às redes totalmente ópticas: algoritmos de roteamento e atribuição de comprimentos de onda (RWA). Nas redes totalmente ópticas, o sinal óptico não é regenerado a cada nó. Por isso, é muito importante o desenvolvimento de algoritmos de RWA capazes de encontrar rotas levando em consideração a degradação do sinal óptico, ou seja, algoritmos de IRWA (Impairment Aware Routing and Wavelength Assignment). Neste trabalho são propostas duas novas abordagens para solução do RWA em redes totalmente ópticas. Ambas utilizam parâmetros de redes simples, como comprimento e ocupação de enlace, para montagem de algoritmos de roteamento adaptativos de alto desempenho em ambientes de rede ópticas limitadas pelas penalidades da camada física. Por essa razão, os algoritmos aqui propostos conseguem resolver o problema de IRWA de forma rápida. Na primeira abordagem, denominada PIAWF (Physical Impairment Aware Weight Function), é definida uma nova função custo adaptativa para enlaces que possui dois parâmetros livres, nos quais são armazenados, de forma indireta, informações sobre as penalidades da camada física. Na segunda abordagem, denominada roteamento por série de potência, é elaborada uma forma sistemática de se construir funções de custo adaptativas a partir de parâmetros pré-estabelecidos por um especialista em redes. Estes parâmetros são as variáveis da função custo, a qual é expandida em uma série de potências multivariável. Os coeficientes desconhecidos da série devem ser otimizados com o objetivo de melhorar o desempenho de rede. A técnica Particle Swarm Optimization é utilizada para encontrar os coeficientes da série

Made available in DSpace on 2014-06-11T19:33:21Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-11-24Bitstream added on 2014-06-13T18:44:56Z : No. of bitstreams: 1 pereira_cja_dr_rcla.pdf: 3102935 bytes, checksum: f63c54be769615a9e581a9b476b27ed5 (MD5) / As técnicas de análise de dados e de busca de soluções fornecidas pela Computação Inteligente tiveram, nos últimos tempos, um grande avanço em seu desenvolvimento. Essas técnicas têm sido utilizadas com eficácia e eficiência no tratamento de problemas complexos e/ou que possuam uma grande quantidade de dados a serem processados. A integração destas técnicas com as ferramentas computacionais de produção e análise de informações geográficas (Geoprocessamento) é, portanto, muito vantajosa, especialmente com relação à grande quantidade de dados geralmente envolvida nas questões de natureza espacial. Este trabalho apresenta dois exemplos de uso de técnicas de Computação Inteligente em procedimentos de produção e análise de informações geográficas: um Sistema de Raciocínio Nebuloso (baseado na Lógica Nebulosa) para a construção de um mapa de fertilidade de solos, e uma Rede Neural Artificial para a identificação de agrupamentos espaciais em dados sócio-econômicos. Os dois exemplos foram conduzidos utilizando-se um software especialmente construído para esta finalidade, denominado GAIA – Geoprocessamento Apoiado por Inteligência Artificial –, e que doravante está disponível como Software Livre para qualquer pesquisador interessado em utilizar estas ferramentas. O estudo conclui que o uso das técnicas provenientes da computação inteligente, em comparação com técnicas tradicionais de análise de dados, contribuiu para um aumento da qualidade dos resultados obtidos. / Data analysis and problem solving techniques supplied by Soft Computing have had, lately, a great advance in their development. These techniques have been used with effectiveness and efficiency to deal with complex problems and/or problems that have too much data to be processed. The integration of such techniques with the tools for computational geographic information analysis (Geocomputation) is therefore very advantageous, especially in relation to the great quantity of data normally involved in spatial matters. This study presents two examples on how to use Soft Computing techniques in conjunction with geographic information analysis procedures: a Fuzzy Reasoning System (based on Fuzzy Logic) to build a soil fertility map, and an Artificial Neural Network to identify spatial clusters in socioeconomic data. Both examples were conducted using a software specifically developed towards this objective, called GAIA - Artificial Intelligence Supported Geocomputation, from now on available as a Free Software to any interested researcher. The study arrives at the conclusion that the use of soft computing techniques, as compared to classical procedures, leads to an increased quality on the final results.