Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2018-03-12T20:41:14Z No. of bitstreams: 1 AlcemyGabrielVitorSeverino_DISSERT.pdf: 2366907 bytes, checksum: 9c123928f1facabf2097d270c1a468ad (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-03-19T11:45:04Z (GMT) No. of bitstreams: 1 AlcemyGabrielVitorSeverino_DISSERT.pdf: 2366907 bytes, checksum: 9c123928f1facabf2097d270c1a468ad (MD5) / Made available in DSpace on 2018-03-19T11:45:04Z (GMT). No. of bitstreams: 1 AlcemyGabrielVitorSeverino_DISSERT.pdf: 2366907 bytes, checksum: 9c123928f1facabf2097d270c1a468ad (MD5) Previous issue date: 2017-12-08 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / A identifica??o de sistemas tem como objetivo determinar modelos matem?ticos capazes de descrever suas caracter?sticas din?micas a partir de observa??es. Geralmente, o processo de identifica??o ? dividido nas seguintes etapas: i) coleta de dados experimentais, ii) determina??o da estrutura do modelo, iii) estima??o de par?metros e iv) valida??o do modelo. Neste trabalho investiga-se o problema da determina??o de estruturas. A partir de t?cnicas de otimiza??o conhecidas como meta-heur?sticas, foi desenvolvido um algoritmo para determina??o da estrutura de modelos NARX polinomiais. Diferente dos m?todos tradicionais, as meta-heur?sticas utilizam um conjunto de poss?veis solu??es e estrat?gias, geralmente baseadas na natureza, para encontrar a solu??o do caso aplicado. Dentre as t?cnicas estudadas est?o o algoritmo gen?tico, a otimiza??o por enxame de part?culas e o algoritmo do morcego. A metodologia proposta foi aplicada na identifica??o de tr?s exemplos experimentais: um aquecedor el?trico, um conversor buck e uma v?lvula pneum?tica. Os resultados demonstram que meta-heur?sticas podem ser aplicadas no problema da sele??o de estruturas em modelos NARX polinomiais. / System identification has the goal to determine mathematical models to describe dynamic characteristics of systems from observations. The identification process is generally divided into the following steps: i) experimental data collection, ii) determination of model structure, iii) parameter estimation and iv) model validation. In this work, the problem determining of structures is investigated. An algorithm was developed to determine the structure of polynomial NARX models using optimization techniques known as meta-heuristics. Unlike traditional methods, metaheuristics use a set of possible solutions and strategies, usually based on nature, to find the solution of the case applied. Among the techniques studied are the genetic algorithm, the particle swarm optimization, and the bat algorithm. The methodology proposed in this work was applied to identify three experimental examples: an electric heater, a buck converter and a pneumatic valve. The results demonstrate that metaheuristics can be applied to the problem of the selection of polynomial NARX model structures.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2018-03-12T13:20:55Z No. of bitstreams: 1 AndreHenriqueMatiasPires_DISSERT.pdf: 5565361 bytes, checksum: f5665a81cdc1abafd016753cfb9016e6 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-03-13T20:49:03Z (GMT) No. of bitstreams: 1 AndreHenriqueMatiasPires_DISSERT.pdf: 5565361 bytes, checksum: f5665a81cdc1abafd016753cfb9016e6 (MD5) / Made available in DSpace on 2018-03-13T20:49:03Z (GMT). No. of bitstreams: 1 AndreHenriqueMatiasPires_DISSERT.pdf: 5565361 bytes, checksum: f5665a81cdc1abafd016753cfb9016e6 (MD5) Previous issue date: 2017-12-06 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O controle de sistemas din?micos apresenta-se como um desafio. Os m?todos tradicionalmente utilizados na sintonia apresentam a dificuldade em expressar as especifica??es pretendidas e conseguir encontrar controladores que atendam a esses requerimentos, sobretudo quando o caso exige controladores mais complexos, como no caso de problemas MIMO (Multiple Input Multiple Output). Devido ? crescente competitividade na ind?stria, torna-se imprescind?vel utilizar t?cnicas de sintonia mais eficientes e que de fato consigam encontrar controladores com desempenho pretendido. Pode-se, para isso, utilizar meta-heur?sticas, como Particle Swarm Optimization (PSO), Algoritmo Gen?tico (AG) e Algoritmo do Vagalume(AV) para a obten??o dos par?metros do controlador de acordo com uma fun??o de avalia??o, a qual deve conseguir, de fato, codificar o qu?o bom ? um dado controlador, expressando de forma adequada as especifica??es desejadas, de modo que a meta-heur?stica empregada consiga encontrar o controlador que melhor satisfa?a tal fun??o. Em vista disso, prop?e-se a utiliza??o da an?lise wavelet multin?veis, j? muito presente na literatura, voltada para outras aplica??es, sobretudo na an?lise de sinais, sons e imagens, para a confec??o de um ?ndice a ser utilizado como fun??o de avalia??o na otimiza??o de controladores. A an?lise wavelet permite a apreens?o de informa??es do comportamento e forma do sinal, informando frequ?ncia de um sinal ao longo do tempo, caracter?stica que pode ser desej?vel, na avalia??o e projeto de controladores sendo, assim, poss?vel avaliar separadamente o desempenho do transit?rio e do regime permanente. Foi feito um estudo de caso, encontrando o controle otimizado de um sistema MIMO de quatro tanques acoplados. Foi feito um estudo comparativo com outras fun??es de avalia??o apresentadas na literatura e com o m?todo do LGR (Lugar Geom?trico das Raizes). Os controladores implementados apresentaram o desempenho esperado, e aquele encontrado utilizando o ?ndice proposto presentou melhor desempenho. / The control of dynamic systems is a challenge, the methods traditionally used in tuning present the difficulty in expressing the desired specifications and being able to find controllers that produce these requirements, especially when the case requires more complex controllers, as in the case of Multiple Input Multiple Output (MIMO) problems. Due to the increasing competitiveness in the industry, it becomes imperative to use more efficient tuning techniques and that in fact can find controllers with the desired performance. For this, one can use metaheuristics, such as Particle Swarm Optimization (PSO), Genetic Algorithm (AG) and Vagalume Algorithm (AV) to obtain the parameters of the controller according to a fitness function, which should in fact code how good a given controller is, adequately expressing the desired specifications, so that the metaheuristic employed can find the optimal controller, which best satisfies the chosen fitness function. Therefore, it is proposed to use the multilevel wavelet analysis, already present in the literature, focused on other applications, especially in the analysis of signals, sounds and images, for the creation of an index to be used as a fitness function in control optimization. Wavelet analysis allows to capture information on the behavior and shape of the signal by informing the frequency of a signal over time, a characteristic that may be desirable, in the evaluation and design of controllers and, thus, it is possible to separately evaluate the transient and steady-state performances. A case study will be done, finding control of a MIMO system of four coupled tanks. A comparative study was made with other fitness functions presented in the literature and with the LGR (Geometric Place of Roots) method. The implemented controllers presented the expected performance, and the one found using the proposed index presented better performance.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-04-17T21:35:20Z No. of bitstreams: 1 AntoninoAlvesFeitosaNeto_TESE.pdf: 1592913 bytes, checksum: abef6d747d95842e55a8f4f5a5d73859 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-04-18T22:17:06Z (GMT) No. of bitstreams: 1 AntoninoAlvesFeitosaNeto_TESE.pdf: 1592913 bytes, checksum: abef6d747d95842e55a8f4f5a5d73859 (MD5) / Made available in DSpace on 2017-04-18T22:17:06Z (GMT). No. of bitstreams: 1 AntoninoAlvesFeitosaNeto_TESE.pdf: 1592913 bytes, checksum: abef6d747d95842e55a8f4f5a5d73859 (MD5) Previous issue date: 2016-12-09 / Este trabalho aborda a constru??o de comit?s de classifica??o atrav?s t?cnicas metaheur?sticas de otimiza??o tradicionais de h?bridas. O problema de classifica??o de padr?es ? tratado como um problema de otimiza??o procurando encontrar o subconjunto de atributos e classificadores do problema que minimize o erro de classifica??o do comit?. Os comit?s s?o gerados a partir da combina??o das t?cnicas de k-NN, ?rvore de Decis?o e Naive Bayes utilizando o voto majorit?rio. Os atributos dos classificadores base s?o modificados pelas metaheur?sticas de algoritmos gen?ticos, algoritmos mem?ticos, PSO, ACO, M?ltiplos Rein?cios, GRASP, Simulated Annealing, Busca Tabu, ILS e VNS. Tamb?m s?o aplicados algoritmos provenientes da arquiteturas de metaheur?sticas h?bridas AMHM e MAGMA. S?o desenvolvidos algoritmos dessas metaheur?sticas nas vers?es mono e multi-objetivo. S?o realizados experimentos em diferentes cen?rios mono e multiobjetivo otimizando o erro de classifica??o e as medidas de boa e m? diversidade. O objetivo ? verificar se adicionar as medidas de diversidade como objetivos de otimiza??o resulta em comit?s mais acurados. Assim, a contribui??o desse trabalho ? determinar se as medidas de boa e m? diversidade podem ser utilizadas em t?cnicas de otimiza??o mono e multiobjetivo como objetivos de otimiza??o para constru??o de comit?s de classificadores mais acurados que aqueles constru?dos pelo mesmo processo, por?m utilizando somente a acur?cia de classifica??o como objetivo de otimiza??o. Verificamos que as metaheur?sticas desenvolvidas apresentam melhores resultados que as t?cnicas cl?ssicas de gera??o de comit?s, isto ?, Bagging, Boosting e Sele??o Rand?mica. Verificamos tamb?m que na maioria das metaheur?sticas o uso das medidas de diversidade como objetivos de otimiza??o n?o auxilia na gera??o de comit?s mais acurados que quando utilizado somente o erro de classifica??o como objetivo de otimiza??o obtendo nos melhores cen?rios resultados n?o estatisticamente diferentes. / This work deals with the construction of classification committees using traditional and hybrid meta-heuristics of optimization techniques. The problem of pattenr classification is treated as an optimization problem, trying to find the subset of attributes and classifiers of the problem that minimizes the classification error of the committee. Committees are generated by combining the techniques of k-NN, Decision Tree and Naive Bayes using the majority vote. The attributes of the base classifiers are modified by the metaheuristics of genetic algorithms, memetic algorithms, PSO, ACO, Multi Start, GRASP, Simulated Annealing, Tabu Search, ILS and VNS. We also apply algorithms from AMHM and MAGMA hybrid metaheuristics architectures. Algorithms of these metaheuristics are developed in mono and multi-objective versions. Experiments are performed in different mono and multiobjective scenarios optimizing classification error and measures of good and bad diversity. The goal is to verify that adding diversity measures as optimization goals results in more accurate committees. Thus, the contribution of this work is to determine if the measures of good and bad diversity can be used in mono and multiobjective optimization techniques as objectives of optimization for the construction of committees of classifiers more accurate than those constructed by the same process, but using only the accuracy classification as an optimization objective. We have verified that the developed metaheuristics present better results than the classic generation techniques of committees, ie, Bagging, Boosting and Random Selection. We also verified that in the majority of metaheuristics the use of diversity measures as optimization objectives does not help to generate more accurate committees than when only the classification error, obtaining in the best scenarios non statistically different results.

Made available in DSpace on 2014-12-17T14:53:00Z (GMT). No. of bitstreams: 1 VanessaDSF_DISSERT.pdf: 862759 bytes, checksum: d1e5a8faf841592d593e48b4f4218e61 (MD5) Previous issue date: 2011-07-13 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / This paper aims to propose a hybrid meta-heuristics for the Heterogeneous Fleet Vehicle Routing Problem (HVRP), which is a combinatorial optimization problem NP-hard, and is characterized by the use of a limited fleet consists of different vehicles with different capacities. The hybrid method developed makes use of a memetic algorithm associated with the component optimizer Vocabulary Building. The resulting hybrid meta-heuristic was implemented in the programming language C + + and computational experiments generated good results in relation to meta-heuristic applied in isolation, proving the efficiency of the proposed method. / O presente trabalho visa propor uma meta-heur?stica h?brida para o Problema de Roteamento de Ve?culos com Frotas Heterog?neas (PRVFH), que ? um problema de otimiza??o combinat?ria NP-dif?cil, e que se caracteriza pelo uso de uma frota limitada composta por ve?culos distintos com capacidades distintas. O m?todo h?brido desenvolvido utiliza-se de um algoritmo mem?tico associado ao componente otimizador Vocabulary Building. A meta-heur?stica h?brida resultante foi implementada na linguagem de programa??o C++ e os experimentos computacionais geraram bons resultados em rela??o ? meta-heur?stica aplicada isoladamente, comprovando a efici?ncia do m?todo proposto.