Orientador: Petronio Pulino / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação / Made available in DSpace on 2018-07-18T14:41:05Z (GMT). No. of bitstreams: 1 Fernandes_MarcioRodolfo_M.pdf: 1624138 bytes, checksum: 1f2e36443f86a6268e4f3177c6f75738 (MD5) Previous issue date: 1993 / Resumo: Não informado. / Abstract: Not informed. / Mestrado / Mestre em Matemática Aplicada

Orientador: Petronio Pulino / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Científica / Made available in DSpace on 2018-07-18T06:41:49Z (GMT). No. of bitstreams: 1 Hoffmann_JoaoNelson_M.pdf: 3134904 bytes, checksum: 5a2167d2394a399428b185c9b318b21d (MD5) Previous issue date: 1993 / Resumo: Um novo tratamento matemático é proposto ao método híbrido de simulação de cargas e diferenças finitas para o cálculo de campos eletrostáticos em domínios ilimitados, também aplicável ao método híbrido similar de simulação de cargas e elementos finitos. O problema de simulação de cargas é tratado com técnicas de quadrados mínimos, utilizando a decomposição QR da matriz retangular resultante, e o método de Gram-Schmidt clássico ou modificado. Para a resolução do problema de diferenças finitas é proposto o método dos Gradientes Conjugados Quadráticos com pré­condicionamento, incluindo as necessárias técnicas de esparsidade. o sistema acoplado de equações lineares é resolvido utilizando resultados da teoria do ponto fixo. São propostas ainda novas discretizações de conduzem condições contorno, que para as resultados mais precisos. Exemplos de aplicação são inclusos, com avaliação de resultados. / Abstract: A new mathematical treatment is proposed to the hybrid method of charge simulation and finite differences for the computation of unbounded electrostatic fields, also applicable to the similar hybrid method of charge simulation and finite elements. The charge simulation problem is solved by making use of the least squares technique, including the QR decomposition of the resulting rectangular matrix, and the classical or the modified Gram-Schmidt method. The Conjugate Gradient Squared method with a preconditioning technique is proposed for the solution of the finite difference problem, which is stored in the computer with adequate sparsity techniques. The resulting coupled system of linear equations is solved by making use of some results of the fixed point theory. New procedures are also suggested for the discretization of the boundary conditions, which lead to results of increased precision. Case studies are included and the results are analysed. / Mestrado / Mestre em Matemática Aplicada

Orientador: Jose Claudio Geromel / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Campinas / Made available in DSpace on 2018-07-14T21:57:53Z (GMT). No. of bitstreams: 1 Ferreira_PauloAugustoValente_M.pdf: 2428860 bytes, checksum: 1af93ffcf401295db4fcf9f7463678d4 (MD5) Previous issue date: 1983 / Resumo: Neste trabalho é proposto um novo método primal para a resolução de problemas de otimização que apresentem função objetivo com primeiras derivadas parciais contínuas e restrições lineares. O método baseia-se na técnica de projeção de gradiente proposta por Rosen [16] obtendo-se porém uma direção de pesquisa em que a contribuição das restrições de igualdade, permanentemente ativas, e desacoplada das restrições de desigualdade, cuja contribuição é variável a cada nova iteração do algoritmo. Inicialmente desenvolvido para problemas de otimização estática, o método proposto e em seguida estendido para problemas de otimização dinâmica e aplicado numericamente na resolução de um problema de geração hidroelétrica de energia. O trabalho inclui resultados computacionais que ilustram o desempenho do método. / Abstract: Not informed. / Mestrado / Mestre em Engenharia Elétrica

A capacidade de encontrar e aprender as melhores trajetórias que levam a um determinado objetivo proposto num ambiente e uma característica comum a maioria dos organismos que se movimentam. Dentre outras, essa e uma das capacidades que têm sido bastante estudadas nas ultimas décadas. Uma consequência direta deste estudo e a sua aplicação em sistemas artificiais capazes de se movimentar de maneira inteligente nos mais variados tipos de ambientes. Neste trabalho, realizamos uma abordagem múltipla do problema, onde procuramos estabelecer nexos entre modelos fisiológicos, baseados no conhecimento biológico disponível, e modelos de âmbito mais prático, como aqueles existentes na área da ciência da computação, mais especificamente da robótica. Os modelos estudados foram o aprendizado biológico baseado em células de posição e o método das funções potencias para planejamento de trajetórias. O objetivo nosso era unificar as duas idéias num formalismo de redes neurais. O processo de aprendizado de trajetórias pode ser simplificado e equacionado em um modelo matemático que pode ser utilizado no projeto de sistemas de navegação autônomos. Analisando o modelo de Blum e Abbott para navegação com células de posição, mostramos que o problema pode ser formulado como uma problema de aprendizado não-supervisionado onde a estatística de movimentação no meio passa ser o ingrediente principal. Demonstramos também que a probabilidade de ocupação de um determinado ponto no ambiente pode ser visto como um potencial que tem a propriedade de não apresentar mínimos locais, o que o torna equivalente ao potencial usado em técnicas de robótica como a das funções potencias. Formas de otimização do aprendizado no contexto deste modelo foram investigadas. No âmbito do armazenamento de múltiplos mapas de navegação, mostramos que e possível projetar uma rede neural capaz de armazenar e recuperar mapas navegacionais para diferentes ambientes usando o fato que um mapa de navegação pode ser descrito como o gradiente de uma função harmônica. A grande vantagem desta abordagem e que, apesar do baixo número de sinapses, o desempenho da rede e muito bom. Finalmente, estudamos a forma de um potencial que minimiza o tempo necessário para alcançar um objetivo proposto no ambiente. Para isso propomos o problema de navegação de um robô como sendo uma partícula difundindo em uma superfície potencial com um único ponto de mínimo. O nível de erro deste sistema pode ser modelado como uma temperatura. Os resultados mostram que superfície potencial tem uma estrutura ramificada.

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2006 / Inclui bibliografia / Este trabalho trata do problema de minimizar uma função não linear sujeita a restrições lineares de igualdade, min f(x) s.a Ax = b onde f(x) é uma função duas vezes continuamente diferenciável, A é uma matriz m × n, com m < n, de posto m, e b um vetor de

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2004 / Inclui bibliografia / Este trabalho trata do problema de minimizar uma função quadrática definida positiva sobre a solução de um sistema de equações lineares, o problema denominado de programação quadrática definida positiva. É assumido que a matriz do sistema é retangular, de / This work deals with the problem of minimizing a definite positive quadratic function over a solution set of linear equations, the so called positive definite quadratic programming. It is supposed that the matrix of the system is retangular, full rank, an / Disquete com título: Resultados dos experimentos numéricos

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2007 / Bibliografia: f. 77-79 / Este trabalho trata do problema de minimizar uma função quadrática sujeita a restrições lineares de igualdade que aparece em geral como um subproblema nos problemas de programação não linear com restrições. Uma grande variedade de algoritmos de otimização / This work deals with problem to minimize a quadratic function subject to linear equality constraints which appears in general like a subproblem on the problems of nonlinear quadratic programming with constrained. A large variety of algorithms for linearly

Submitted by Elizabete Silva (elizabete.silva@ufes.br) on 2015-01-07T15:21:15Z No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Dissertacao.texto.Marco Antonio.pdf: 5738444 bytes, checksum: 8dcb5a5e7f91b70e64d9ddc8cd025b94 (MD5) / Approved for entry into archive by Elizabete Silva (elizabete.silva@ufes.br) on 2015-01-07T16:46:30Z (GMT) No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Dissertacao.texto.Marco Antonio.pdf: 5738444 bytes, checksum: 8dcb5a5e7f91b70e64d9ddc8cd025b94 (MD5) / Made available in DSpace on 2015-01-07T16:46:30Z (GMT). No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Dissertacao.texto.Marco Antonio.pdf: 5738444 bytes, checksum: 8dcb5a5e7f91b70e64d9ddc8cd025b94 (MD5) Previous issue date: 2013 / Um algoritmo numérico foi criado para apresentar a solução da conversão termoquímica de um combustível sólido. O mesmo foi criado de forma a ser flexível e dependente do mecanismo de reação a ser representado. Para tanto, um sistema das equações características desse tipo de problema foi resolvido através de um método iterativo unido a matemática simbólica. Em função de não linearidades nas equações e por se tratar de pequenas partículas, será aplicado o método de Newton para reduzir o sistema de equações diferenciais parciais (EDP’s) para um sistema de equações diferenciais ordinárias (EDO’s). Tal processo redução é baseado na união desse método iterativo à diferenciação numérica, pois consegue incorporar nas EDO’s resultantes funções analíticas. O modelo reduzido será solucionado numericamente usando-se a técnica do gradiente bi-conjugado (BCG). Tal modelo promete ter taxa de convergência alta, se utilizando de um número baixo de iterações, além de apresentar alta velocidade na apresentação das soluções do novo sistema linear gerado. Além disso, o algoritmo se mostra independente do tamanho da malha constituidora. Para a validação, a massa normalizada será calculada e comparada com valores experimentais de termogravimetria encontrados na literatura, , e um teste com um mecanismo simplificado de reação será realizado. / A numerical algorithm was created to present the solution of the thermochemical conversion of a solid fuel. It was created in order to be flexible and very dependent of the reaction mechanism to be represented. Therefore, a system of characteristic equations of this problem was solved by an iterative method attached to symbolic mathematics. Due to nonlinearities in the equations and because it is small particles is applied Newton’s method to reduce the system of partial differential equations (PDE’s) for a system of ordinary differential equations (ODE’s). This process is based on the union of this iterative method for numerical differentiation because it can incorporate into ODE’s analytic functions. The reduced model is solved numerically using the technique of bi-conjugate gradient (BCG). This model promises to have high convergence rate if using a low number of iterations, and present high speed in the presentation of the new linear system solutions generated. Furthermore, the algorithm is shown independent of the size of the mesh. For validation, the normalized mass will be calculated and compared with experimental values found in the literature, and a test with a simplified mechanism for the reaction will be done.

A capacidade de encontrar e aprender as melhores trajetórias que levam a um determinado objetivo proposto num ambiente e uma característica comum a maioria dos organismos que se movimentam. Dentre outras, essa e uma das capacidades que têm sido bastante estudadas nas ultimas décadas. Uma consequência direta deste estudo e a sua aplicação em sistemas artificiais capazes de se movimentar de maneira inteligente nos mais variados tipos de ambientes. Neste trabalho, realizamos uma abordagem múltipla do problema, onde procuramos estabelecer nexos entre modelos fisiológicos, baseados no conhecimento biológico disponível, e modelos de âmbito mais prático, como aqueles existentes na área da ciência da computação, mais especificamente da robótica. Os modelos estudados foram o aprendizado biológico baseado em células de posição e o método das funções potencias para planejamento de trajetórias. O objetivo nosso era unificar as duas idéias num formalismo de redes neurais. O processo de aprendizado de trajetórias pode ser simplificado e equacionado em um modelo matemático que pode ser utilizado no projeto de sistemas de navegação autônomos. Analisando o modelo de Blum e Abbott para navegação com células de posição, mostramos que o problema pode ser formulado como uma problema de aprendizado não-supervisionado onde a estatística de movimentação no meio passa ser o ingrediente principal. Demonstramos também que a probabilidade de ocupação de um determinado ponto no ambiente pode ser visto como um potencial que tem a propriedade de não apresentar mínimos locais, o que o torna equivalente ao potencial usado em técnicas de robótica como a das funções potencias. Formas de otimização do aprendizado no contexto deste modelo foram investigadas. No âmbito do armazenamento de múltiplos mapas de navegação, mostramos que e possível projetar uma rede neural capaz de armazenar e recuperar mapas navegacionais para diferentes ambientes usando o fato que um mapa de navegação pode ser descrito como o gradiente de uma função harmônica. A grande vantagem desta abordagem e que, apesar do baixo número de sinapses, o desempenho da rede e muito bom. Finalmente, estudamos a forma de um potencial que minimiza o tempo necessário para alcançar um objetivo proposto no ambiente. Para isso propomos o problema de navegação de um robô como sendo uma partícula difundindo em uma superfície potencial com um único ponto de mínimo. O nível de erro deste sistema pode ser modelado como uma temperatura. Os resultados mostram que superfície potencial tem uma estrutura ramificada.

A capacidade de encontrar e aprender as melhores trajetórias que levam a um determinado objetivo proposto num ambiente e uma característica comum a maioria dos organismos que se movimentam. Dentre outras, essa e uma das capacidades que têm sido bastante estudadas nas ultimas décadas. Uma consequência direta deste estudo e a sua aplicação em sistemas artificiais capazes de se movimentar de maneira inteligente nos mais variados tipos de ambientes. Neste trabalho, realizamos uma abordagem múltipla do problema, onde procuramos estabelecer nexos entre modelos fisiológicos, baseados no conhecimento biológico disponível, e modelos de âmbito mais prático, como aqueles existentes na área da ciência da computação, mais especificamente da robótica. Os modelos estudados foram o aprendizado biológico baseado em células de posição e o método das funções potencias para planejamento de trajetórias. O objetivo nosso era unificar as duas idéias num formalismo de redes neurais. O processo de aprendizado de trajetórias pode ser simplificado e equacionado em um modelo matemático que pode ser utilizado no projeto de sistemas de navegação autônomos. Analisando o modelo de Blum e Abbott para navegação com células de posição, mostramos que o problema pode ser formulado como uma problema de aprendizado não-supervisionado onde a estatística de movimentação no meio passa ser o ingrediente principal. Demonstramos também que a probabilidade de ocupação de um determinado ponto no ambiente pode ser visto como um potencial que tem a propriedade de não apresentar mínimos locais, o que o torna equivalente ao potencial usado em técnicas de robótica como a das funções potencias. Formas de otimização do aprendizado no contexto deste modelo foram investigadas. No âmbito do armazenamento de múltiplos mapas de navegação, mostramos que e possível projetar uma rede neural capaz de armazenar e recuperar mapas navegacionais para diferentes ambientes usando o fato que um mapa de navegação pode ser descrito como o gradiente de uma função harmônica. A grande vantagem desta abordagem e que, apesar do baixo número de sinapses, o desempenho da rede e muito bom. Finalmente, estudamos a forma de um potencial que minimiza o tempo necessário para alcançar um objetivo proposto no ambiente. Para isso propomos o problema de navegação de um robô como sendo uma partícula difundindo em uma superfície potencial com um único ponto de mínimo. O nível de erro deste sistema pode ser modelado como uma temperatura. Os resultados mostram que superfície potencial tem uma estrutura ramificada.