Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-04-10T14:45:47Z No. of bitstreams: 2 TESE Leonardo Correia de Oliveira.pdf: 3656025 bytes, checksum: cb1ba3fda275ebf235130bdfe3486c17 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-04-10T14:45:47Z (GMT). No. of bitstreams: 2 TESE Leonardo Correia de Oliveira.pdf: 3656025 bytes, checksum: cb1ba3fda275ebf235130bdfe3486c17 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-06-06 / Os algoritmos de busca global seriam os mais indicados para realizar o processo de otimização da produção de reservatórios de petróleo, devido às características do problema, sendo uma das principais, a multimodalidade. No entanto, a necessidade de um número elevado de avaliações de função torna essa alternativa impraticável, principalmente à medida que a complexidade do problema cresce, pois, a convergência se dá de forma lenta, apesar da solução ser “identificada” nas primeiras iterações. Essa característica representa um dos principais aspectos negativos destes algoritmos, e é alvo de inúmeras pesquisas na área. Sabe-se que os algoritmos de busca local são bastante eficazes no processo de convergência para a obtenção da solução ótima, porém, o resultado está relacionado com o ponto inicial fornecido, ou seja, várias tentativas com pontos iniciais diferentes são necessárias para encontrar um resultado global, e ainda assim sem garantias. Na tentativa de combinar as características positivas dos algoritmos de otimização para resolver problemas de gerenciamento de reservatórios de petróleo, uniobjetivo e multiobjetivo, algumas estratégias híbridas são consideradas. Os processos adotados realizam a busca em duas etapas. Na primeira etapa é utilizado um algoritmo evolucionário, para identificar a provável região de localização das soluções globais, e, na segunda etapa, um algoritmo baseado em programação matemática, para refinar as soluções encontradas na etapa anterior. Para melhorar o desempenho das estratégias, algumas metodologias para manipulação de restrições são empregadas com o intuito de auxiliar a busca realizada pelos algoritmos evolucionários, que possuem dificuldades em lidar com problemas restritos. Na engenharia de um modo geral, os métodos aproximados são extensivamente utilizados de forma a obter soluções para os problemas complexos nos quais os engenheiros lidam no dia a dia. Nesse trabalho são adotadas funções substitutas com a finalidade de obter uma resposta computacional mais rápida, e também um comportamento mais suave e/ou simplificado das funções que são de custo computacional elevado. O fator essencial na aproximação é substituir as funções de alta fidelidade por funções mais simples de serem calculadas e usá-las durante o processo de otimização. O emprego dos modelos substitutos com as estratégias híbridas são aplicadas de forma distinta em cada etapa da otimização. De maneira geral, os problemas de otimização da explotação de um campo de petróleo estão relacionados à produção propriamente dita ou a economia do projeto. Nos estudos apresentados são tratados problemas dos dois tipos, onde o objetivo relacionado aos aspectos econômicos está presente nos problemas uniobjetivo e os relacionados a produção propriamente dita estão presentes no problema multiobjetivo. As combinações sugeridas apresentam resultados bastante satisfatórios, com a consistência verificada dos mesmos.

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-02-20Bitstream added on 2014-06-13T19:28:05Z : No. of bitstreams: 1 zini_eoc_me_ilha.pdf: 1142984 bytes, checksum: 4ff93a7fe459a5a56e15da26b7a6dd45 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Este trabalho apresenta uma metodologia composta de duas fases para resolver problemas de otimização com restrições usando uma estratégia multiobjetivo. Na primeira fase, o esforço concentra-se em encontrar, pelo menos, uma solução factível, descartando completamente a função objetivo. Na segunda fase, aborda-se o problema como biobjetivo, onde se busca a otimização da função objetivo original e maximizar o cumprimento das restrições. Na fase um propõe-se uma estratégia baseada na diminuição progressiva da tolerância de aceitação das restrições complexas para encontrar soluções factíveis. O desempenho do algoritmo é validado através de 11 casos testes bastantes conhecidos na literatura especializada. / This work presents a two-phase framework for solving constrained optimization problems using a multi-objective strategy. In the first phase, the objective function is completely disregarded and entire search effort is directed toward finding a single feasible solution. In the second phase, the problem is treated as a bi-objective optimization problem, where the technique converts constrained optimization to a two-objective optimization: one is the original objective function; the other is the degree function violating the constraints. In the first phase a methodology based on progressive decrease of the tolerance of acceptance of complex constrains is proposed in order to find feasible solutions. The approach is tested on 11 well-know benchmark functions.