Non-rigid shapes are generally known as objects whose three dimensional geometry may deform by internal and/or external forces. Deformable shapes are all around us, ranging from protein molecules, to natural objects such as the trees in the forest or the fruits in our gardens, and even human bodies. Two deformable shapes may be related by isometry, which means their intrinsic geometries are preserved, even though their extrinsic geometries are dissimilar. An important problem in the analysis of the deformable shapes is to identify the three-dimensional correspondence between two isometric shapes, given that the two shapes may be deviated from isometry by intrinsic distortions. A major challenge is that non-rigid shapes have large degrees of freedom on how to deform. Nevertheless, irrespective of how they are deformed, they may be aligned such that the geodesic distance between two arbitrary points on two shapes are nearly equal. Such alignment may be expressed by a permutation matrix (a matrix with binary entries) that corresponds to every paired geodesic distance in between the two shapes. The alignment involves searching the space over all possible mappings (that is all the permutations) to locate the one that minimizes the amount of deviation from isometry. A brute-force search to locate the correspondence is not computationally feasible. This thesis introduces a novel approach created to locate such correspondences, in spite of the large solution space that encompasses all possible mappings and the presence of intrinsic distortion. In order to find correspondences between two shapes, the first step is to create a suitable descriptor to accurately describe the deformable shapes. To this end, we developed deformation-invariant metric descriptors. A descriptor constitutes pair-wise geodesic distances among arbitrary number of discrete points that represent the topology of the non-rigid shape. Our descriptor provides isometric-invariant representation of the shape irrespective of its circumstantial deformation. Two isometric-invariant descriptors, representing two candidate deformable shapes, are the input parameters to our optimization algorithm. We then proceed to locate the permutation matrix that aligns the two descriptors, that minimizes the deviation from isometry. Once we have developed such a descriptor, we turn our attention to finding correspondences between non deformable shapes. In this study, we investigate the use of both classical and quantum particle swarm optimization (PSO) algorithms for this task. To explore the merits of variants of PSO, integer optimization involving test functions with large dimensions were performed, and the results and the analysis suggest that quantum PSO is more effective optimization method than its classical PSO counterpart. Further, a scheme is proposed to structure the solution space, composed of permutation matrices, in lexicographic ordering. The search in the solution space is accordingly simplified to integer optimization to find the integer rank of the targeted permutation matrix. Empirical results suggest that this scheme improves the scalability of quantum PSO across large solution spaces. Yet, quantum PSO's global search capability requires assistance in order to more effectively manoeuvre through the local extrema prevalent in the large solution spaces. A mutation based genetic algorithm (GA) is employed to augment the search diversity of quantum PSO when/if the swarm stagnates among the local extrema. The mutation based GA instantly disengages the optimization engine from the local extrema in order to reorient the optimization energy to the trajectories that steer to the global extrema, or the targeted permutation matrix. Our resultant optimization algorithm combines quantum Particle Swarm Optimization (PSO) and mutation based Genetic Algorithm (GA). Empirical results show that the optimization method presented is scalable and efficient on standard hardware across different solution space sizes. The performance of the optimization method, in simulations and on various near-isometric shapes, is discussed. In all cases investigated, the method could successfully identify the correspondence among the non-rigid deformable shapes that were related by isometry.

A maioria dos algoritmos de aprendizado de máquina simbólico utilizam regras de conhecimento if-then como linguagem de descrição para expressar o conhecimento aprendido. O objetivo desses algoritmos é encontrar um conjunto de regras de classificação que possam ser utilizadas na predição da classe de novos casos que não foram vistos a priori pelo algoritmo. Contudo, este tipo de algoritmo considera o problema da interação entre as regras, o qual consiste na avaliação da qualidade do conjunto de regras induzidas (classificador) como um todo, ao invés de avaliar a qualidade de cada regra de forma independente. Assim, como os classificadores têm por objetivo uma boa precisão nos casos não vistos, eles tendem a negligenciar outras propriedades desejáveis das regras de conhecimento, como a habilidade de causar surpresa ou trazer conhecimento novo ao especialista do domínio. Neste trabalho, estamos interessados em construir regras de conhecimento com propriedades específicas de forma isolada, i.e. sem considerar o problema da interação entre as regras. Para esse fim, propomos uma abordagem evolutiva na qual cada individuo da população do algoritmo representa uma única regra e as propriedades específicas são codificadas como medidas de qualidade da regra, as quais podem ser escolhidas pelo especialista do domínio para construir regras com as propriedades desejadas. O algoritmo evolutivo proposto utiliza uma rica estrutura para representar os indivíduos (regras), a qual possibilita considerar uma grande variedade de operadores evolutivos. O algoritmo utiliza uma função de aptidão multi-objetivo baseada em ranking que considera de forma concomitante mais que uma medida de avaliação de regra, transformando-as numa função simples-objetivo. Como a avaliação experimental é fundamental neste tipo de trabalho, para avaliar nossa proposta foi implementada a Evolutionary Computing Learning Environment --- ECLE --- que é uma biblioteca de classes para executar e avaliar o algoritmo evolutivo sob diferentes cenários. Além disso, a ECLE foi implementada considerando futuras implementações de novos operadores evolutivos. A ECLE está integrada ao projeto DISCOVER, que é um projeto de pesquisa em desenvolvimento em nosso laboratório para a aquisição automática de conhecimento. Analises experimentais do algoritmo evolutivo para construir regras de conhecimento com propriedades específicas, o qual pode ser considerado uma forma de análise inteligente de dados, foram realizadas utilizando a ECLE. Os resultados mostram a adequabilidade da nossa proposta / Most symbolic machine learning approaches use if-then know-ledge rules as the description language in which the learned knowledge is expressed. The aim of these learners is to find a set of classification rules that can be used to predict new instances that have not been seen by the learner before. However, these sorts of learners take into account the rule interaction problem, which consists of evaluating the quality of the set of rules (classifier) as a whole, rather than evaluating the quality of each rule in an independent manner. Thus, as classifiers aim at good precision to classify unseen instances, they tend to neglect other desirable properties of knowledge rules, such as the ability to cause surprise or bring new knowledge to the domain specialist. In this work, we are interested in building knowledge rules with specific properties in an isolated manner, i.e. not considering the rule interaction problem. To this end, we propose an evolutionary approach where each individual of the algorithm population represents a single rule and the specific properties are encoded as rule quality measure, a set of which can be freely selected by the domain specialist. The proposed evolutionary algorithm uses a rich structure for individual representation which enables one to consider a great variety of evolutionary operators. The algorithm uses a ranking-based multi-objective fitness function that considers more than one rule evaluation measure concomitantly into a single objective. As experimentation plays an important role in this sort of work, in order to evaluate our proposal we have implemented the Evolutionary Computing Learning Environment --- ECLE --- which is a framework to evaluate the evolutionary algorithm in different scenarios. Furthermore, the ECLE has been implemented taking into account future development of new evolutionary operators. The ECLE is integrated into the DISCOVER project, a major research project under constant development in our laboratory for automatic knowledge acquisition and analysis. Experimental analysis of the evolutionary algorithm to construct knowledge rules with specific properties, which can also be considered an important form of intelligent data analysis, was carried out using ECLE. Results show the suitability of our proposal

No

Yes / In this paper, a new population-based and nature-inspired metaheuristic algorithm, Discrete Flower Pollination Algorithm (DFPA), is presented to solve the Resource Constrained Project Scheduling Problem (RCPSP). The DFPA is a modification of existing Flower Pollination Algorithm adapted for solving combinatorial optimization problems by changing some of the algorithm's core concepts, such as flower, global pollination, Lévy flight, local pollination. The proposed DFPA is then tested on sets of benchmark instances and its performance is compared against other existing metaheuristic algorithms. The numerical results have shown that the proposed algorithm is efficient and outperforms several other popular metaheuristic algorithms, both in terms of quality of the results and execution time. Being discrete, the proposed algorithm can be used to solve any other combinatorial optimization problems. / Innovate UK / Awarded 'Best paper of the Month'

Na área de inteligência artificial existem algoritmos de aprendizado, notavelmente aqueles pertencentes à área de aprendizado de máquina AM , capazes de automatizar a extração do conhecimento implícito de um conjunto de dados. Dentre estes, os algoritmos de AM simbólico são aqueles que extraem um modelo de conhecimento inteligível, isto é, que pode ser facilmente interpretado pelo usuário. A utilização de AM simbólico é comum no contexto de classificação, no qual o modelo de conhecimento extraído é tal que descreve uma correlação entre um conjunto de atributos denominados premissas e um atributo particular denominado classe. Uma característica dos algoritmos de classificação é que, em geral, estes são utilizados visando principalmente a maximização das medidas de cobertura e precisão, focando a construção de um classificador genérico e preciso. Embora essa seja uma boa abordagem para automatizar processos de tomada de decisão, pode deixar a desejar quando o usuário tem o desejo de extrair um modelo de conhecimento que possa ser estudado e que possa ser útil para uma melhor compreensão do domínio. Tendo-se em vista esse cenário, o principal objetivo deste trabalho é pesquisar métodos de computação evolutiva multiobjetivo para a construção de regras de conhecimento individuais com base em critérios definidos pelo usuário. Para isso utiliza-se a biblioteca de classes e ambiente de construção de regras de conhecimento ECLE, cujo desenvolvimento remete a projetos anteriores. Outro objetivo deste trabalho consiste comparar os métodos de computação evolutiva pesquisados com métodos baseado em composição de rankings previamente existentes na ECLE. É mostrado que os métodos de computação evolutiva multiobjetivo apresentam melhores resultados que os métodos baseados em composição de rankings, tanto em termos de dominância e proximidade das soluções construídas com aquelas da fronteira Pareto-ótima quanto em termos de diversidade na fronteira de Pareto. Em otimização multiobjetivo, ambos os critérios são importantes, uma vez que o propósito da otimização multiobjetivo é fornecer não apenas uma, mas uma gama de soluções eficientes para o problema, das quais o usuário pode escolher uma ou mais soluções que apresentem os melhores compromissos entre os objetivos / Machine Learning algorithms are notable examples of Artificial Intelligence algorithms capable of automating the extraction of implicit knowledge from datasets. In particular, Symbolic Learning algorithms are those which yield an intelligible knowledge model, i.e., one which a user may easily read. The usage of Symbolic Learning is particularly common within the context of classification, which involves the extraction of knowledge such that the associated model describes correelation among a set of attributes named the premises and one specific attribute named the class. Classification algorithms usually target into creating knowledge models which maximize the measures of coverage and precision, leading to classifiers that tend to be generic and precise. Althought this constitutes a good approach to creating models that automate the decision making process, it may not yield equally good results when the user wishes to extract a knowledge model which could assist them into getting a better understanding of the domain. Having that in mind, it has been established as the main goal of this Masters thesis the research of multi-objective evolutionary computing methods to create individual knowledge rules maximizing sets of arbitrary user-defined criteria. This is achieved by employing the class library and knowledge rule construction environment ECLE, which had been developed during previous research work. A second goal of this Masters thesis is the comparison of the researched evolutionary computing methods against previously existing ranking composition methods in ECLE. It is shown in this Masters thesis that the employment of multi-objective evolutionary computing methods produces better results than those produced by the employment of ranking composition-based methods. This improvement is verified both in terms of solution dominance and proximity of the solution set to the Pareto-optimal front and in terms of Pareto-front diversity. Both criteria are important for evaluating the efficiency of multi-objective optimization algorithms, for the goal of multi-objective optimization is to provide a broad range of efficient solutions, so the user may pick one or more solutions which present the best trade-off among all objectives

Na área de inteligência artificial existem algoritmos de aprendizado, notavelmente aqueles pertencentes à área de aprendizado de máquina AM , capazes de automatizar a extração do conhecimento implícito de um conjunto de dados. Dentre estes, os algoritmos de AM simbólico são aqueles que extraem um modelo de conhecimento inteligível, isto é, que pode ser facilmente interpretado pelo usuário. A utilização de AM simbólico é comum no contexto de classificação, no qual o modelo de conhecimento extraído é tal que descreve uma correlação entre um conjunto de atributos denominados premissas e um atributo particular denominado classe. Uma característica dos algoritmos de classificação é que, em geral, estes são utilizados visando principalmente a maximização das medidas de cobertura e precisão, focando a construção de um classificador genérico e preciso. Embora essa seja uma boa abordagem para automatizar processos de tomada de decisão, pode deixar a desejar quando o usuário tem o desejo de extrair um modelo de conhecimento que possa ser estudado e que possa ser útil para uma melhor compreensão do domínio. Tendo-se em vista esse cenário, o principal objetivo deste trabalho é pesquisar métodos de computação evolutiva multiobjetivo para a construção de regras de conhecimento individuais com base em critérios definidos pelo usuário. Para isso utiliza-se a biblioteca de classes e ambiente de construção de regras de conhecimento ECLE, cujo desenvolvimento remete a projetos anteriores. Outro objetivo deste trabalho consiste comparar os métodos de computação evolutiva pesquisados com métodos baseado em composição de rankings previamente existentes na ECLE. É mostrado que os métodos de computação evolutiva multiobjetivo apresentam melhores resultados que os métodos baseados em composição de rankings, tanto em termos de dominância e proximidade das soluções construídas com aquelas da fronteira Pareto-ótima quanto em termos de diversidade na fronteira de Pareto. Em otimização multiobjetivo, ambos os critérios são importantes, uma vez que o propósito da otimização multiobjetivo é fornecer não apenas uma, mas uma gama de soluções eficientes para o problema, das quais o usuário pode escolher uma ou mais soluções que apresentem os melhores compromissos entre os objetivos / Machine Learning algorithms are notable examples of Artificial Intelligence algorithms capable of automating the extraction of implicit knowledge from datasets. In particular, Symbolic Learning algorithms are those which yield an intelligible knowledge model, i.e., one which a user may easily read. The usage of Symbolic Learning is particularly common within the context of classification, which involves the extraction of knowledge such that the associated model describes correelation among a set of attributes named the premises and one specific attribute named the class. Classification algorithms usually target into creating knowledge models which maximize the measures of coverage and precision, leading to classifiers that tend to be generic and precise. Althought this constitutes a good approach to creating models that automate the decision making process, it may not yield equally good results when the user wishes to extract a knowledge model which could assist them into getting a better understanding of the domain. Having that in mind, it has been established as the main goal of this Masters thesis the research of multi-objective evolutionary computing methods to create individual knowledge rules maximizing sets of arbitrary user-defined criteria. This is achieved by employing the class library and knowledge rule construction environment ECLE, which had been developed during previous research work. A second goal of this Masters thesis is the comparison of the researched evolutionary computing methods against previously existing ranking composition methods in ECLE. It is shown in this Masters thesis that the employment of multi-objective evolutionary computing methods produces better results than those produced by the employment of ranking composition-based methods. This improvement is verified both in terms of solution dominance and proximity of the solution set to the Pareto-optimal front and in terms of Pareto-front diversity. Both criteria are important for evaluating the efficiency of multi-objective optimization algorithms, for the goal of multi-objective optimization is to provide a broad range of efficient solutions, so the user may pick one or more solutions which present the best trade-off among all objectives

In the past few years, there has been a growth in Unmanned Aircraft Systems (UAS) numbers in segregated airspace. However, although there is an interest in integrating large UAS into non-segregated airspace, the safety challenges on its integration arise from the inclusion of new ways of reaching unsafe states into the airspace. Furthermore, Air Traffic Controllers (ATCo) aim to o?er appropriate levels of safety and efficiency and to solve issues present in complex situations. Although the UAS technology may be used in di?erent situations and brings several advantages to the airspace (e.g. efficiency), it may bring uncertainties due to the fact that ATCos may not be familiar with them. Throughout the years, this impact may be lower then it is nowadays due to the fact that the present lack of familiarity in the relationship between UAS and ATCo contributes to higher workload levels. Furthermore, Terminal Maneuvering Area (TMA), which composes the controlled airspace and in which the final sector in contained, is a critical control area normally established at the confluence of Air Traffic Service (ATS) routes in which the aircraft tend to be closer to each other. Thus, operations in this particular area are conducted carefully and, in order to achieve desirable levels of safety and efficiency, standard procedures are established. In some cases, however, standard procedures cannot be followed and the sequencing of the aircraft during the approach, which is a highly challenging task due to complex maneuvers constraints, must be performed by the ATCo in a manner to respect the minimum separation of aircraft and to avoid flights through cumulonimbus (CB). Finally, the main goal of defining a final arrival segment is to deliver the set of aircraft from the final sector of the TMA to the final phase of its landing procedure, i.e., the final approach, considering the operation efficiency and safety. The main objective of this research is to propose a parallel swarm-based method for optimizing final aircraft arrival segments design, i.e., routes that connects the final sector to the Initial Approach Fix (IAF), considering the UAS presence. This is conducted from two perspectives: ATCo workload, which is related to safety, and sequencing duration, which is related to efficiency. Furthermore, di?erent phases of UAS integration are considered, i.e., from early stages of its integration to a mature stage of its operation by means of the Technology Maturity Level (TML) usage, which is a scale that measure the familiarity between the ATCo with the aircraft. Finally, the solutions consider airspace restrictions such as minimum separation between aircraft and bad weather conditions, i.e., the presence of cumulonimbus (CB). The experiments conducted show that this approach is able to build safe and efficient solution even in situations with a high number of aircraft. / Nos últimos anos, houve um crescimento, no espaço aéreo segregado, nos números do Veículos Aéreos Não-Tripulados (VANT). No entanto, embora exista interesse em integrar grandes VANT em espaço aéreo não-segregado, os desafios de segurança decorrem da inclusão de novas formas de alcançar estados inseguros no espaço aéreo (ATCo) tem como objetivo oferecer níveis adequados de segurança e eficiência e resolver problemas presentes em situações complexas. Embora VANTs possam ser usados em diferentes situações e trazem várias vantagens para o espaço aéreo (por exemplo, eficiência), podem trazer incertezas devido ao fato de que os ATCos não estão familiarizados com essa tecnologia. Ao longo dos anos, esse impacto pode ser menor, e atualmente a falta de familiaridade na relação entre VANT e ATCo contribui para níveis mais altos de carga de trabalho. Além disso, a Área Terminal (TMA), que compõe o espaço aéreo controlado, é uma área de controle crítico normalmente estabelecida na confluência de rotas do Servi¸co de Tráfego Aéreo (ATS), nas quais as aeronaves tendem a estar mais próximas umas das outras. Assim, as operações nesta área particular são realizadas com cuidado e, para alcançar níveis desejáveis de segurança e eficiência, os procedimentos padrão são estabelecidos. Em alguns casos, no entanto, procedimentos padrão não podem ser seguidos e o sequenciamento da aeronave durante a aproximação, que é uma tarefa desafiadora por conta das restrições de manobras complexas, deve ser realizada pelo ATCo de forma a garantir separação mínima entre aeronaves e evitar voos através de cumulonimbus (CB). Finalmente, o principal objetivo de definir um segmento de chegada final ´e entregar o conjunto de aeronaves do setor final, da TMA, para a fase final do seu procedimento de pouso, ou seja, a aproximação final, considerando a eficiência e a segurança da operação. O objetivo desta pesquisa é propor um método paralelo baseado em enxame para otimizar o projeto final de segmentos de chegada de aeronaves, ou seja, rotas que conectem o setor final com o Fixo de Aproximação Inicial (IAF), considerando a presença de VANTs. Esse processo ´e conduzido a partir de duas perspectivas: a carga de trabalho do ATCo, que est´a relacionada à segurança, e a duração da sequenciamento, que está relacionado à eficiência. Além disso, são consideradas diferentes fases da integração de VANTs, ou seja, desde os primeiros estágios de sua integra¸c~ao at´e um estágio maduro de sua operação por meio do uso do Nível de Maturidade Tecnológica (TML), que é uma escala que mede a familiaridade entre o ATCo e a aeronave. Finalmente, as soluções consideram as restrições do espaço aéreo, como a separação mínima entre aeronaves e condições climáticas adversas, isto é, a presença de cumulonimbus (CB). Os experimentos realizados mostram que essa abordagem é capaz de criar soluções seguras e eficientes mesmo em situações com um grande número de aeronaves.

In the past few years, there has been a growth in Unmanned Aircraft Systems (UAS) numbers in segregated airspace. However, although there is an interest in integrating large UAS into non-segregated airspace, the safety challenges on its integration arise from the inclusion of new ways of reaching unsafe states into the airspace. Furthermore, Air Traffic Controllers (ATCo) aim to o?er appropriate levels of safety and efficiency and to solve issues present in complex situations. Although the UAS technology may be used in di?erent situations and brings several advantages to the airspace (e.g. efficiency), it may bring uncertainties due to the fact that ATCos may not be familiar with them. Throughout the years, this impact may be lower then it is nowadays due to the fact that the present lack of familiarity in the relationship between UAS and ATCo contributes to higher workload levels. Furthermore, Terminal Maneuvering Area (TMA), which composes the controlled airspace and in which the final sector in contained, is a critical control area normally established at the confluence of Air Traffic Service (ATS) routes in which the aircraft tend to be closer to each other. Thus, operations in this particular area are conducted carefully and, in order to achieve desirable levels of safety and efficiency, standard procedures are established. In some cases, however, standard procedures cannot be followed and the sequencing of the aircraft during the approach, which is a highly challenging task due to complex maneuvers constraints, must be performed by the ATCo in a manner to respect the minimum separation of aircraft and to avoid flights through cumulonimbus (CB). Finally, the main goal of defining a final arrival segment is to deliver the set of aircraft from the final sector of the TMA to the final phase of its landing procedure, i.e., the final approach, considering the operation efficiency and safety. The main objective of this research is to propose a parallel swarm-based method for optimizing final aircraft arrival segments design, i.e., routes that connects the final sector to the Initial Approach Fix (IAF), considering the UAS presence. This is conducted from two perspectives: ATCo workload, which is related to safety, and sequencing duration, which is related to efficiency. Furthermore, di?erent phases of UAS integration are considered, i.e., from early stages of its integration to a mature stage of its operation by means of the Technology Maturity Level (TML) usage, which is a scale that measure the familiarity between the ATCo with the aircraft. Finally, the solutions consider airspace restrictions such as minimum separation between aircraft and bad weather conditions, i.e., the presence of cumulonimbus (CB). The experiments conducted show that this approach is able to build safe and efficient solution even in situations with a high number of aircraft. / Nos últimos anos, houve um crescimento, no espaço aéreo segregado, nos números do Veículos Aéreos Não-Tripulados (VANT). No entanto, embora exista interesse em integrar grandes VANT em espaço aéreo não-segregado, os desafios de segurança decorrem da inclusão de novas formas de alcançar estados inseguros no espaço aéreo (ATCo) tem como objetivo oferecer níveis adequados de segurança e eficiência e resolver problemas presentes em situações complexas. Embora VANTs possam ser usados em diferentes situações e trazem várias vantagens para o espaço aéreo (por exemplo, eficiência), podem trazer incertezas devido ao fato de que os ATCos não estão familiarizados com essa tecnologia. Ao longo dos anos, esse impacto pode ser menor, e atualmente a falta de familiaridade na relação entre VANT e ATCo contribui para níveis mais altos de carga de trabalho. Além disso, a Área Terminal (TMA), que compõe o espaço aéreo controlado, é uma área de controle crítico normalmente estabelecida na confluência de rotas do Servi¸co de Tráfego Aéreo (ATS), nas quais as aeronaves tendem a estar mais próximas umas das outras. Assim, as operações nesta área particular são realizadas com cuidado e, para alcançar níveis desejáveis de segurança e eficiência, os procedimentos padrão são estabelecidos. Em alguns casos, no entanto, procedimentos padrão não podem ser seguidos e o sequenciamento da aeronave durante a aproximação, que é uma tarefa desafiadora por conta das restrições de manobras complexas, deve ser realizada pelo ATCo de forma a garantir separação mínima entre aeronaves e evitar voos através de cumulonimbus (CB). Finalmente, o principal objetivo de definir um segmento de chegada final ´e entregar o conjunto de aeronaves do setor final, da TMA, para a fase final do seu procedimento de pouso, ou seja, a aproximação final, considerando a eficiência e a segurança da operação. O objetivo desta pesquisa é propor um método paralelo baseado em enxame para otimizar o projeto final de segmentos de chegada de aeronaves, ou seja, rotas que conectem o setor final com o Fixo de Aproximação Inicial (IAF), considerando a presença de VANTs. Esse processo ´e conduzido a partir de duas perspectivas: a carga de trabalho do ATCo, que est´a relacionada à segurança, e a duração da sequenciamento, que está relacionado à eficiência. Além disso, são consideradas diferentes fases da integração de VANTs, ou seja, desde os primeiros estágios de sua integra¸c~ao at´e um estágio maduro de sua operação por meio do uso do Nível de Maturidade Tecnológica (TML), que é uma escala que mede a familiaridade entre o ATCo e a aeronave. Finalmente, as soluções consideram as restrições do espaço aéreo, como a separação mínima entre aeronaves e condições climáticas adversas, isto é, a presença de cumulonimbus (CB). Os experimentos realizados mostram que essa abordagem é capaz de criar soluções seguras e eficientes mesmo em situações com um grande número de aeronaves.

Dans cette thèse nous tentons de donner un sens mathématique à la proposition : le néocortex se construit un modèle de son environnement. Nous considérons que le néocortex est un réseau de neurones spikants dont la connectivité est soumise à une lente évolution appelée apprentissage. Dans le cas où le nombre de neurones est proche de l'infini, nous proposons une nouvelle méthode de champ-moyen afin de trouver une équation décrivant l'évolution du taux de décharge de populations de neurones. Nous étudions donc la dynamique de ce système moyennisé avec apprentissage. Dans le régime où l'apprentissage est beaucoup plus lent que l'activité du réseau nous pouvons utiliser des outils de moyennisation temporelle pour les systèmes lents/rapides. Dans ce cadre mathématique nous montrons que la connectivité du réseau converge toujours vers une unique valeur d'équilibre que nous pouvons calculer explicitement. Cette connectivité regroupe l'ensemble des connaissances du réseau à propos de son environnement. Nous comparons cette connectivité à l'équilibre avec les stimuli du réseau. Considérant que l'environnement est solution d'un système dynamique quelconque, il est possible de montrer que le réseau encode la totalité de l'information nécessaire à la définition de ce système dynamique. En effet nous montrons que la partie symétrique de la connectivité correspond à la variété sur laquelle est définie le système dynamique de l'environnement, alors que la partie anti-symétrique de la connectivité correspond au champ de vecteur définissant le système dynamique de l'environnement. Dans ce contexte il devient clair que le réseau agit comme un prédicteur de son environnement.

This thesis presents an extensive survey of 100,000 websites as the basis for understanding the deployment of cookies across the Internet. The survey indicates cookie deployment on the Internet is approaching universal levels. The survey identifies the presence of P3P policies and dynamic web technologies as major predictors of cookie usage, and a number of significant relationships are established between the origin of the web application and cookie deployment. Large associations are identified between third-party persistent cookie usage and a countrys e-business environment. Cookie collection testing (CCT), a strategy for testing web applications, is presented. Cookies maintained in a browser are explored in light of anti random testing techniques, culminating in the definition of seeding vectors as the basis for a scalable test suite. Essentially CCT seeks to verify web application robustness against the modificationintentional or otherwiseof an application's internal state variables. Automation of CCT is outlined through the definition of test oracles and evaluation criterion. Evolutionary adaptive random (eAR) testing is proposed for application to the cookie collection testing strategy. A simulation study is undertaken to evaluate eAR against the current state-of-the-art in adaptive random testingfixed size candidate set, restricted random testing, quasi-random testing, and random testing. eAR is demonstrated to be superior to the other techniques for block pattern simulations. For fault patterns of increased complexity, eAR is shown to be comparable to the other methods. An empirical investigation of CCT is undertaken. CCT is demonstrated to reveal defects within web applications, and is found to have a substantial fault-triggering rate. Furthermore, CCT is demonstrated to interact with the underlying application, not just the technological platform upon which an application is implemented. Both seeding and generated vectors are found to be useful in triggering defects. A synergetic relationship is found to exist between the seeding and generated vectors with respect to distinct fault detection. Finally, a large significant relationship is established between structural and content similarity measures of web application responses, with a composite of the two similarity measures observed to be superior in the detection of faults. / Software Engineering and Intelligent Systems