O presente trabalho otimizou os parâmetros concentrados do sistema de suspensão de um modelo de veículo completo, representando um automóvel de passeio que trafega a uma velocidade constante por um determinado perfil de pista previsto na norma ISO 8608, 1995, através da utilização de um algoritmo meta-heurístico de otimização multiobjetivo. Duas rotinas numérico-computacionais foram desenvolvidas, visando realizar tal otimização tanto no domínio do tempo quanto no domínio da frequência. A utilização de algoritmos meta-heurísticos vem ganhando espaço na otimização de sistemas mecânicos, proporcionando rapidez e precisão na obtenção de resultados ótimos. Ao se combinar um algoritmo de otimização a um modelo que represente satisfatoriamente um sistema mecânico, obtém-se uma ferramenta indicadora dos parâmetros de máxima eficiência do sistema, que pode ser utilizada em inúmeras aplicações. Pretendeu-se, com a integração de rotinas de análise dinâmica nos domínios do tempo e da frequência ao algoritmo genético de otimização multiobjetivo NSGA-II, desenvolvido por Deb et al., 2002, a obtenção de duas fronteiras ótimas de Pareto. Estas fronteiras consistem no conjunto de soluções não dominadas que minimizam as seguintes funções objetivo: o valor RMS ponderado da aceleração vertical do assento do motorista, o valor RMS da média do fator de amplificação dinâmica das quatro rodas do modelo e o máximo deslocamento relativo entre cada roda e a carroceria. O método proposto por Shinozuka e Jan, 1972, é utilizado para a obtenção do perfil de irregularidades da pista no domínio do tempo a partir das equações de densidade espectral de potência (PSD) que representam as diferentes classes de pavimentos. O método de Newmark, 1959, é utilizado para resolver a equação diferencial de movimento no domínio do tempo e obter a resposta dinâmica do modelo a tais irregularidades. O comportamento dinâmico do modelo de veículo no domínio da frequência foi obtido através da utilização da função de resposta em frequência (FRF) do modelo de veículo analisado. Os resultados demonstraram a capacidade de ambas as rotinas de análise dinâmica desenvolvidas de produzir resultados consistentes com os encontrados na literatura, bem como a capacidade dos algoritmos de otimização implementados de fornecer fronteiras ótimas de Pareto para os problemas propostos. / The proposed work optimized the concentrated parameters of a full-vehicle model’s suspension system, being that model representative of a passenger car which travels at a constant speed on a certain road profile provided by the ISO 8608, 1995, standard, using a multi-objective meta-heuristic optimization algorithm. Two numerical-computational routines were developed, seeking to perform said optimization for both the time and frequency domains. The use of meta-heuristic algorithms has been increasing in mechanical systems optimization, providing speed and accuracy in obtaining an optimal result. Combining an optimization algorithm with a model that satisfactorily represents a mechanical system yields a tool that indicates the system’s maximum efficiency parameters, which can be used in numerous applications. It was intended, with the integration of the dynamic analysis routines to the multi-objective genetic optimization algorithm NSGA-II, developed by Deb et al., 2002, the obtainment of two Pareto-optimal fronts. These fronts consist in the set of non-dominated solutions that minimize the following objective functions: the weighted RMS value of the driver’s seat vertical acceleration, the mean RMS value of the model wheel’s dynamic amplification factor, and the maximum relative displacement between each wheel and the body of the vehicle model. The method proposed by Shinozuka and Jan, 1972, is used to obtain the road irregularity profile in the time domain from the power spectral density (PSD) equations that represent the different pavement classes. The Newmark’s method (1959) is used to solve the differential motion equation in the time domain, in order to obtain the vehicle model’s responses to these irregularities. The dynamic behavior of the vehicle model in the frequency domain was obtained through the use of the frequency response function (FRF) of the analyzed model. The results showed the capacity of both the dynamic analysis routines developed in generating results that are consistent with those found in literature, as well as the capacity of the optimization algorithms implemented in providing Pareto optimal fronts to the proposed problems.

Orientador: Rubén Augusto Romero Lázaro / Resumo: The purpose of this research is to develop a tool for optimization in power system distribution that uses meta-heuristic based on a multi-start methodology to reconfigure and allocate fixed and switched capacitor banks to obtain the radial topology that presents the lowest operating cost. To find initial radial topologies for system reconfiguration, the Prim algorithm was applied and to the current solution an improvement process called “neighborhood search” was performed. The improved system is subjected to a capacitor allocation algorithm showing that it is possible to get a radial topology that presents more economic cost of operation. As a proposal of the multi-start methodology, the procedure is repeated until a desired stop criterion, then several solutions are generated and the best one can be the solution of the problem. All programs were written in C ++ and applied to systems of 69 nodes, 84 nodes and 135 nodes. / Mestre

Submitted by MÁRCIO MASATOSHI MONTSUTSUMI null (montsujp@gmail.com) on 2017-01-25T16:40:08Z No. of bitstreams: 1 Dissertação_Márcio.pdf: 1995959 bytes, checksum: 8aa82a70776b8de6528f15a91ec55e78 (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-01-27T12:45:18Z (GMT) No. of bitstreams: 1 montsutsumi_mm_me_ilha.pdf: 1995959 bytes, checksum: 8aa82a70776b8de6528f15a91ec55e78 (MD5) / Made available in DSpace on 2017-01-27T12:45:18Z (GMT). No. of bitstreams: 1 montsutsumi_mm_me_ilha.pdf: 1995959 bytes, checksum: 8aa82a70776b8de6528f15a91ec55e78 (MD5) Previous issue date: 2017-01-18 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / O objetivo deste trabalho é desenvolver uma ferramenta para otimização de sistema de distribuição que utiliza uma meta-heurística baseada em uma metodologia multipartida para reconfigurar e alocar bancos de capacitores fixos e chaveados para obter a topologia radial que apresente o menor custo de operação. Para encontrar topologias iniciais radiais na reconfiguração do sistema foi aplicado o algoritmo de Prim e com a solução obtida realizouse um processo de melhoria denominado busca pela vizinhança. O sistema melhorado é submetido a um algoritmo de alocação de bancos de capacitores mostrando que é possível obter uma topologia radial que apresenta mais econômico custo de operação. Como proposta da metodologia multipartida o procedimento é repetido até um critério de parada definido, assim são geradas diversas soluções e a melhor delas será a solução do problema. Todos os programas foram escritos em linguagem C++, e aplicado em sistemas de 69 barras, 84 barras e 135 barras. / The purpose of this research is to develop a tool for optimization in power system distribution that uses meta-heuristic based on a multi-start methodology to reconfigure and allocate fixed and switched capacitor banks to obtain the radial topology that presents the lowest operating cost. To find initial radial topologies for system reconfiguration, the Prim algorithm was applied and to the current solution an improvement process called “neighborhood search” was performed. The improved system is subjected to a capacitor allocation algorithm showing that it is possible to get a radial topology that presents more economic cost of operation. As a proposal of the multi-start methodology, the procedure is repeated until a desired stop criterion, then several solutions are generated and the best one can be the solution of the problem. All programs were written in C ++ and applied to systems of 69 nodes, 84 nodes and 135 nodes. / CNPq: 130695/2015-7

O presente trabalho otimizou os parâmetros concentrados do sistema de suspensão de um modelo de veículo completo, representando um automóvel de passeio que trafega a uma velocidade constante por um determinado perfil de pista previsto na norma ISO 8608, 1995, através da utilização de um algoritmo meta-heurístico de otimização multiobjetivo. Duas rotinas numérico-computacionais foram desenvolvidas, visando realizar tal otimização tanto no domínio do tempo quanto no domínio da frequência. A utilização de algoritmos meta-heurísticos vem ganhando espaço na otimização de sistemas mecânicos, proporcionando rapidez e precisão na obtenção de resultados ótimos. Ao se combinar um algoritmo de otimização a um modelo que represente satisfatoriamente um sistema mecânico, obtém-se uma ferramenta indicadora dos parâmetros de máxima eficiência do sistema, que pode ser utilizada em inúmeras aplicações. Pretendeu-se, com a integração de rotinas de análise dinâmica nos domínios do tempo e da frequência ao algoritmo genético de otimização multiobjetivo NSGA-II, desenvolvido por Deb et al., 2002, a obtenção de duas fronteiras ótimas de Pareto. Estas fronteiras consistem no conjunto de soluções não dominadas que minimizam as seguintes funções objetivo: o valor RMS ponderado da aceleração vertical do assento do motorista, o valor RMS da média do fator de amplificação dinâmica das quatro rodas do modelo e o máximo deslocamento relativo entre cada roda e a carroceria. O método proposto por Shinozuka e Jan, 1972, é utilizado para a obtenção do perfil de irregularidades da pista no domínio do tempo a partir das equações de densidade espectral de potência (PSD) que representam as diferentes classes de pavimentos. O método de Newmark, 1959, é utilizado para resolver a equação diferencial de movimento no domínio do tempo e obter a resposta dinâmica do modelo a tais irregularidades. O comportamento dinâmico do modelo de veículo no domínio da frequência foi obtido através da utilização da função de resposta em frequência (FRF) do modelo de veículo analisado. Os resultados demonstraram a capacidade de ambas as rotinas de análise dinâmica desenvolvidas de produzir resultados consistentes com os encontrados na literatura, bem como a capacidade dos algoritmos de otimização implementados de fornecer fronteiras ótimas de Pareto para os problemas propostos. / The proposed work optimized the concentrated parameters of a full-vehicle model’s suspension system, being that model representative of a passenger car which travels at a constant speed on a certain road profile provided by the ISO 8608, 1995, standard, using a multi-objective meta-heuristic optimization algorithm. Two numerical-computational routines were developed, seeking to perform said optimization for both the time and frequency domains. The use of meta-heuristic algorithms has been increasing in mechanical systems optimization, providing speed and accuracy in obtaining an optimal result. Combining an optimization algorithm with a model that satisfactorily represents a mechanical system yields a tool that indicates the system’s maximum efficiency parameters, which can be used in numerous applications. It was intended, with the integration of the dynamic analysis routines to the multi-objective genetic optimization algorithm NSGA-II, developed by Deb et al., 2002, the obtainment of two Pareto-optimal fronts. These fronts consist in the set of non-dominated solutions that minimize the following objective functions: the weighted RMS value of the driver’s seat vertical acceleration, the mean RMS value of the model wheel’s dynamic amplification factor, and the maximum relative displacement between each wheel and the body of the vehicle model. The method proposed by Shinozuka and Jan, 1972, is used to obtain the road irregularity profile in the time domain from the power spectral density (PSD) equations that represent the different pavement classes. The Newmark’s method (1959) is used to solve the differential motion equation in the time domain, in order to obtain the vehicle model’s responses to these irregularities. The dynamic behavior of the vehicle model in the frequency domain was obtained through the use of the frequency response function (FRF) of the analyzed model. The results showed the capacity of both the dynamic analysis routines developed in generating results that are consistent with those found in literature, as well as the capacity of the optimization algorithms implemented in providing Pareto optimal fronts to the proposed problems.

Submitted by JÚLIO HEBER SILVA (julioheber@yahoo.com.br) on 2017-08-31T17:54:58Z No. of bitstreams: 2 Dissertação - Edson da Silva Ramos - 2017.pdf: 3997839 bytes, checksum: 46c0db17187cdc3a0d29e581ce8b11f0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-09-15T13:42:24Z (GMT) No. of bitstreams: 2 Dissertação - Edson da Silva Ramos - 2017.pdf: 3997839 bytes, checksum: 46c0db17187cdc3a0d29e581ce8b11f0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-09-15T13:42:24Z (GMT). No. of bitstreams: 2 Dissertação - Edson da Silva Ramos - 2017.pdf: 3997839 bytes, checksum: 46c0db17187cdc3a0d29e581ce8b11f0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-09-15 / The problem of planning the hydrothermal systems is complex, dynamic, stochastic, interconnected and nonlinear. In this work this problem is treated to meet one goal: minimize the use of water tank during a scenario of natural river flows lean period. This paper presents the application of meta-heuristics mono-objective of this problem, using a set of eight real plants in the National Interconnected System during the period of five years. The algorithms used were: PSO, ABeePSO, LSSPSO and KFPSO. The experiments were compared to studies using Nonlinear Programming and it appears that this work presents a simulation model and optimization for flexible hydrothermal system and highly adaptable to the use of different meta-heuristics allowing the researcher to apply different algorithms and compare the results between them. / O problema do planejamento da operação de sistemas hidrotérmicos é complexo, dinâmico, estocástico, interconectado e não linear. Nesse trabalho esse problema é tratado de forma a atender um objetivo: minimizar o uso do reservatório de água durante um cenário de período de escassez de vazão natural dos rios. Este trabalho apresenta a aplicação de meta-heurísticas mono-objetivo a esse problema, utilizando um conjunto de oito usinas reais do Sistema Interligado Nacional durante o período de cinco anos. Os algoritmos utilizados foram: PSO, ABeePSO, LSSPSO e KFPSO. Os experimentos realizados foram comparados com estudos que utilizaram Programação Não Linear. E conclui-se que esse trabalho apresenta um modelo de simulação e otimização para sistema hidrotérmicos flexível e altamente adaptável para o uso de diversas meta-heurísticas possibilitando o pesquisador aplicar diferentes algoritmos e comparar esses resultados entre os mesmos.

Made available in DSpace on 2016-03-15T19:37:43Z (GMT). No. of bitstreams: 1 Luiz Antonio Carraro.pdf: 1226702 bytes, checksum: 3cef29694a4e26f233b0aae16da69cf0 (MD5) Previous issue date: 2012-02-16 / Universidade Presbiteriana Mackenzie / A container is a broadly used solution for the cargo storage to be transported between ports, playing a central role in international trade. Consequently, ships grew in size in order to maximize their container transportation capacity in each trip. Due to increasing demand, container terminals face the challenges of increasing their service capacity and optimizing the loading and unloading time of ships. Optimization problems, such as these, often present features that make it impossible to obtain closed analytical solutions, requiring iterative search procedures in high-dimensional spaces, or subject to a combinatorial explosion of possible solutions. This dissertation presents the proposal of a novel meta-heuristic based on the Clonal Selection Algorithm, named MRC, to minimize the number of reshuffles in operations involving piles of containers. The performance of the proposed model was evaluated through simulations and results comparison with those obtained by algorithms from the literature under the same test conditions. The results obtained show that MRC is competitive in terms of minimizing the need of reshuffles, besides presenting a reduced processing time compared with models of similar performance. / A utilização de contêineres é uma solução amplamente adotada para o armazenamento da carga a ser transportada entre portos, tornando-se de grande importância no comércio internacional e, consequentemente, navios cresceram de tamanho com o objetivo de transportar a maior quantidade possível de contêineres em cada viagem. Devido à crescente demanda, terminais de contêineres enfrentam os desafios de aumentar a sua capacidade de atendimento e otimizar os tempos de carregamento e descarregamento de navios. Problemas de otimização como estes geralmente apresentam características que inviabilizam a obtenção de soluções analíticas fechadas, requerendo processos iterativos de busca em espaços de dimensão muitas vezes elevada, ou ainda sujeitos a explosão combinatória de possíveis soluções. Esta dissertação apresenta a proposta de uma meta-heurística bioinspirada baseada no Algoritmo de Seleção Clonal para a minimização de rearranjos em operações que envolvem pilhas de contêineres, denominado MRC. O desempenho do algoritmo foi avaliado por meio de simulações e comparação dos resultados com os obtidos por algoritmos da literatura sob as mesmas condições de teste. Os resultados obtidos permitem concluir que o MRC possui resultados competitivos em termos de minimização de rearranjos, além de apresentar um tempo de processamento reduzido quando comparado aos modelos tradicionalmente empregados na solução desse tipo de problema.

L'optimisation difficile représente une classe de problèmes dont la résolution ne peut être obtenue par une méthode exacte en un temps polynomial.Trouver une solution en un temps raisonnable oblige à trouver un compromis quant à son exactitude.Les métaheuristiques sont une classe d'algorithmes permettant de résoudre de tels problèmes, de manière générique et efficiente (i.e. trouver une solution satisfaisante selon des critères définis: temps, erreur, etc.).Le premier chapitre de cette thèse est notamment consacré à la description de cette problématique et à l'étude détaillée de deux familles de métaheuristiques à population, les algorithmes évolutionnaires et les algorithmes d'intelligence en essaim.Afin de proposer une approche innovante dans le domaine des métaheuristiques, ce premier chapitre présente également la notion d'analyse de sensibilité.L'analyse de sensibilité permet d'évaluer l'influence des paramètres d'une fonction sur son résultat.Son étude caractérise globalement le comportement de la fonction à optimiser (linéarité, influence, corrélation, etc.) sur son espace de recherche.L'incorporation d'une méthode d'analyse de sensibilité au sein d'une métaheuristique permet d'orienter sa recherche le long des dimensions les plus prometteuses.Deux algorithmes réunissant ces notions sont proposés aux deuxième et troisième chapitres.Pour le premier algorithme, ABC-Morris, la méthode de Morris est introduite dans la métaheuristique de colonie d'abeilles artificielles (ABC).Cette inclusion est dédiée, les méthodes reposant sur deux équations similaires.Afin de généraliser l'approche, une nouvelle méthode, NN-LCC, est ensuite développée et son intégration générique est illustrée sur deux métaheuristiques, ABC avec taux de modification et évolution différentielle.L'efficacité des approches proposées est testée sur le jeu de données de la conférence CEC 2013. L'étude se réalise en deux parties: une analyse classique de la méthode vis-à-vis de plusieurs algorithmes de la littérature, puis vis-à-vis de l'algorithme d'origine en désactivant un ensemble de dimensions, provoquant une forte disparité des influences / Hard optimization stands for a class of problems which solutions cannot be found by an exact method, with a polynomial complexity.Finding the solution in an acceptable time requires compromises about its accuracy.Metaheuristics are high-level algorithms that solve these kind of problems. They are generic and efficient (i.e. they find an acceptable solution according to defined criteria such as time, error, etc.).The first chapter of this thesis is partially dedicated to the state-of-the-art of these issues, especially the study of two families of population based metaheuristics: evolutionnary algorithms and swarm intelligence based algorithms.In order to propose an innovative approach in metaheuristics research field, sensitivity analysis is presented in a second part of this chapter.Sensitivity analysis aims at evaluating arameters influence on a function response. Its study characterises globally a objective function behavior (linearity, non linearity, influence, etc.), over its search space.Including a sensitivity analysis method in a metaheuristic enhances its seach capabilities along most promising dimensions.Two algorithms, binding these two concepts, are proposed in second and third parts.In the first one, ABC-Morris, Morris method is included in artificial bee colony algorithm.This encapsulation is dedicated because of the similarity of their bare bone equations, With the aim of generalizing the approach, a new method is developped and its generic integration is illustrated on two metaheuristics.The efficiency of the two methods is tested on the CEC 2013 conference benchmark. The study contains two steps: an usual performance analysis of the method, on this benchmark, regarding several state-of-the-art algorithms and the comparison with its original version when influences are uneven deactivating a subset of dimensions

Optimising task allocation in networked systems helps in utilising available resources. When working with unstable and heterogeneous networks, task scheduling can be used to optimise task completion time, energy efficiency and system reliability. The dynamic nature of networks also means that the optimal schedule is subject to change over time. The heterogeneity and variability in network design also complicate the translation of setups from one network to another. Discrete Particle Swarm Optimisation (DPSO) is a metaheuristic that can be used to find solutions to task scheduling. This thesis will explore how DPSO can be used to optimise job scheduling in an unstable network. The purpose is to find solutions for networks like the ones used on trains. This in turn is done to facilitate trajectory planning calculations. Through the use of an artificial neural network, we estimate job scheduling costs. These costs are then used by our DPSO meta heuristic to explore a solution space of potential scheduling. The results focus on the optimisation of batch sizes in relation to network reliability and latency. We simulate a series of unstable and heterogeneous networks and compare completion time. The baseline comparison is the case where scheduling is done by evenly distributing jobs at fixed sizes. The performance of the different approaches is then analysed with regards to usability in real-life scenarios on vehicles. Our results show a noticeable increase in performance within a wide range of network set-ups. This is at the cost of long search times for the DPSO algorithm. We conclude that under the right circumstances, the method can be used to significantly speed up distributed calculations at the cost of requiring significant ahead of time calculations. We recommend future explorations into DPSO starting states to speed up convergence as well as benchmarks of real-life performance. / Optimering av arbetsfördelning i nätverk kan öka användandet av tillgängliga resurser. I instabila heterogena nätverk kan schemaläggning användas för att optimera beräkningstid, energieffektivitet och systemstabilitet. Då nätverk består av sammankopplade resurser innebär det också att vad som är ett optimalt schema kan komma att ändras över tid. Bredden av nätverkskonfigurationer gör också att det kan vara svårt att överföra och applicera ett schema från en konfiguration till en annan. Diskret Particle Swarm Optimisation (DPSO) är en meta heuristisk metod som kan användas för att ta fram lösningar till schemaläggningsproblem. Den här uppsatsen kommer utforska hur DPSO kan användas för att optimera schemaläggning för instabila nätverk. Syftet är att hitta en lösning för nätverk under liknande begränsningar som de som återfinns på tåg. Detta för att i sin tur facilitera planerandet av optimala banor. Genom användandet av ett artificiellt neuralt nätverk (ANN) uppskattar vi schemaläggningskostnaden. Denna kostnad används sedan av DPSO heuristiken för att utforska en lösningsrymd med potentiella scheman. Våra resultat fokuserar på optimeringen av grupperingsstorleken av distribuerade problem i relation till robusthet och letens. Vi simulerar ett flertal instabila och heterogena nätverk och jämför deras prestanda. Utgångspunkten för jämförelsen är schemaläggning där uppgifter distribueras jämnt i bestämda gruperingsstorlekar. Prestandan analyseras sedan i relation till användbarheten i verkliga scenarion. Våra resultat visar på en signifikant ökning i prestanda inom ett brett spann av nätverkskonfigurationer. Det här är på bekostnad av långa söktider för DPSO algoritmen. Vår slutsats är att under rätt förutsättningar kan metoden användas för att snabba upp distribuerade beräkningar förutsatt att beräkningarna för schemaläggningen görs i förväg. Vi rekommenderar vidare utforskande av DPSO algoritmens parametrar för att snabba upp konvergens, samt undersökande av algoritmens prestanda i verkliga miljöer.

No description available.

Esta Dissertação aborda o Problema de Alocação de Aulas a Salas (PAAS), também conhecido como Problema de Alocação de Salas (PAS). As instituições de ensino superior, no começo de seus calendários letivos, resolvem um PAAS ao determinar os espaços a serem utilizados para as atividades didáticas. Porém, em muitas destas instituições o PAAS é ainda resolvido manualmente, gerando altas cargas de trabalho para os responsáveis. Neste trabalho, o Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP) foi tomado como caso de estudo para o PAAS. Um modelo de programação matemática inteiro é proposto e abordado por técnicas de resolução exata, metaheurísticas mono-objetivo e uma abordagem multi-objetivo. Uma estrutura de vizinhança proposta obteve resultados comparáveis à da metodologia exata, para um tempo fixo de execução. Demonstra-se que, a abordagem multi-objetivo é uma possibilidade de contornar algumas dificuldades clássicas do problema, como incertezas sobre a escolha dos pesos das métricas. Os métodos de solução propostos para o problema fornecem, aos responsáveis, bons instrumentos de auxílio à tomada de decisão para o PAAS. / This Dissertation addresses the Classroom Assignment Problem (CAP). All Higher Education Institutes, at the schoolyear\'s begin, faces a CAP to define where the classes will be taught. However, many of those still solves this problem manually, demanding high efforts from the responsible staff. In this study, the Universidade de São Paulo\'s (USP) Instituto de Ciências Matemáticas e de Computação (ICMC) was tackled as study case for the CAP. An Integer Programming Model is proposed and tackled by exact methods, meta-heuristics and a multi-objective approach. A novel neighborhood operator is proposed for the local search and obtains good results, even comparable to the exact method. The multi-objective approach is shown to overcome some of the classical adversity of the mono-objective approach, e.g., choosing weights to quality metric. Those CAP\'s proposed solution methods, gives the responsible staff a good decision making support.