Made available in DSpace on 2014-07-29T14:57:46Z (GMT). No. of bitstreams: 1 dissertacao_jean.pdf: 321149 bytes, checksum: 11c9f94be02284e8412d026b60b596d0 (MD5) Previous issue date: 2010-08-16 / The Course Scheduling is a hard resolution problem, found in most of the learning institutions. Just like the others timetabling problems, the Course Scheduling have a strong associative characteristic, that means that its resolution is made of associations between events and resources. In the educational case, the lectures are events, while the teachers workload are resources. Techniques and methods have being used on the solution of these kind of problems, however is small the number of universities using software based solutions. This work is a starting point to software based solutions applied to the Federal University of Goiás. / O Agendamento Semanal de Aulas é um problema de difícil resolução enfrentado em grande maioria das instituições de ensino. Assim como os demais problemas de timetabling, possui como característica principal a sua natureza associativa, ou seja, sua resolução envolve a associação entre uma certa quantidade de recursos e eventos que utilizarão tais recursos. Especificamente em relação ao problema em questão, as aulas a serem ministradas podem ser caracterizadas como eventos, enquanto que a carga horária dos professores envolvidos podem ser vistas como recursos disponíveis (Programação de Horários de Aulas). Técnicas e métodos de grande relevância na ciência da computação estão relacionados na pesquisa e na solução destes tipos de problemas, contudo, a utilização de tais tecnologias no cotidiano de escolas e universidades ainda é pequena. Neste contexto, propõe-se uma abordagem para a resolução de Problemas de Programação de Horários, incluindo o Problema de Alocação de Professores a Disciplinas, e utiliza-se o Instituto de Informática da Universidade Federal de Goiás como um estudo de caso para tal.

Submitted by Cássia Santos (cassia.bcufg@gmail.com) on 2017-06-19T13:06:19Z No. of bitstreams: 2 Dissertação - Fernando Henrique Fernandes de Camargo - 2017.pdf: 1478139 bytes, checksum: 1a8dae23d70a76b9e72b96aae929d85e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-07-10T12:28:25Z (GMT) No. of bitstreams: 2 Dissertação - Fernando Henrique Fernandes de Camargo - 2017.pdf: 1478139 bytes, checksum: 1a8dae23d70a76b9e72b96aae929d85e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-07-10T12:28:25Z (GMT). No. of bitstreams: 2 Dissertação - Fernando Henrique Fernandes de Camargo - 2017.pdf: 1478139 bytes, checksum: 1a8dae23d70a76b9e72b96aae929d85e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-03-20 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / For countries like Brazil, which has hybrid resources as the major source of electricity, the optimization of the operation of the hydroelectric plants is extremely important and it’s being studied recurrently. Adopting a known temporal decomposition model of this optimization problem, this dissertation is proposed to compare the best multiobjective algorithms of the current literature, applying them to the medium term planning of hydroelectric plants. After several experiments, two algorithms are selected as the best options. / Para um país como o Brasil, que tem seus recursos hídricos como maior fonte de geração de energia elétrica, a otimização da operação das usinas hidrelétricas é extremamente importante e vem sendo estudada de maneira recorrente. Adotando um conhecido modelo de decomposição temporal desse problema de otimização, esta dissertação propôe-se a realizar uma comparação entre os melhores algoritmos de otimização multiobjetivo da literatura atual, aplicado-os ao planejamento de médio prazo de usinas hidrelétricas. Após diversos experimentos realizados, dois algoritmos são selecionados como as melhores opções.

Uma hiper-heurística é uma heurística que pode ser utilizada para lidar com qualquer problema de otimização, desde que a ela sejam fornecidos alguns parâmetros, como estruturas e abstrações, relacionados ao problema considerado. As hiper-heurísticas têm sido aplicadas a alguns problemas práticos e apresentadas como métodos de grande potencial, no que diz respeito à capacidade de possibilitar o desenvolvimento, em tempo bastante reduzido, de algoritmos capazes de lidar satisfatoriamente, do ponto de vista prático, com problemas de otimização complexos e pouco conhecidos. No entanto, é difícil situar as hiper-heurísticas em algum nível de qualidade e avaliar a robustez dessas abordagens caso não as apliquemos a problemas para os quais existam diversas instâncias disponíveis publicamente e já experimentadas por algoritmos relevantes. Este trabalho procura dar alguns passos importantes rumo a essas avaliações, além de ampliar o conjunto das hiper-heurísticas, compreender o impacto de algumas alternativas naturais de desenvolvimento e estabelecer comparações entre os resultados obtidos por diferentes métodos, o que ainda nos permite confrontar as duas diferentes classes de hiper-heurísticas que identificamos. Com essas finalidades em mente, desenvolvemos 3 novas hiper-heurísticas e implementamos 2 das hiper-heurísticas mais importantes criadas por outros autores. Para estas últimas, experimentamos ainda algumas extensões e modificações. Os dois métodos hiper-heurísticos selecionados podem ser vistos como respectivos representantes de duas classes distintas, que aparentemente englobam todas as hiper-heurísticas já desenvolvidas e nos permitem denominar cada um desses métodos como \"hiper-heurística de busca direta por entornos\" ou como \"hiper-heurística evolutiva indireta\". Implementamos cada hiper-heurística como uma biblioteca (em linguagem C), de forma a evidenciar e estimular a independência entre o nível em que se encontra a hiper-heurística e aquele onde se apresentam as estruturas e abstrações diretamente relacionadas ao problema considerado. Naturalmente, essa separação é de ingente importância para possibilitar a reutilização imediata das hiper-heurísticas e garantir que nelas haja total ausência de informações relativas a um problema de otimização específico. / A hyperheuristic is a heuristic that can be used to handle any optimization problem, provided that the algorithm is fed with some parameters, as structures and abstractions, related to the problem at hand. Hyperheuristics have been applied to some practical problems and presented as methods with great potential to allow the quick development of algorithms that are able to successfully deal, from a practical standpoint, with complex ill-known optimization problems. However, it\'s difficult to position hyperheuristics at some quality level and evaluate their robustness without applying them to problems for which there are many instances available in the public domain and already attacked by worthy algorithms. This work aims to give some important steps towards that process of evaluation, additionally increasing the number of available hyperheuristics, studying the impact of some natural development alternatives and comparing the results obtained by different methods, what also enables us to confront the two classes of hyperheuristics that we have identified. With those purposes in mind, we have developed 3 original hyperheuristics and implemented 2 of the most important hyperheuristics created by other authors. For those latter two approaches, we have also experimented with some modifications and extensions. The two methods we have chosen for implementation may be seen as respectively representing two distinct classes, which seem to contain all hyperheuristics developed so far and that allow us to classify any of these methods as either being a \"direct neighbourhood search hyperheuristic\" or an \"indirect evolutive hyperheuristic\". We have implemented each hyperheuristic as a library (in the C language), so as to clearly show and estimulate the independence between the level where the hyperheuristic is and that to which the structures and abstractions directly related to the problem at hand belong. Obviously, this separation of concerns is extremely important to make the immediate reuse of hyperheuristics possible and enforce in them the complete absence of information from a specific optimization problem.

O problema do caixeiro viajante (PCV) é um problema clássico de otimização que possui diversas variações, aplicações e instâncias. Encontrar a solução ótima para muitas instâncias desse problema é geralmente muito difícil devido o alto custo computacional. Vários métodos de otimização, conhecidos como meta-heurísticas (MHs), são capazes de encontrar boas soluções para o PCV. Muitos algoritmos baseados em diversas MHs têm sido propostos e investigados para diferentes variações do PCV. Como não existe um algoritmo universal que encontre a melhor solução para todas as instâncias de um problema, diferentes MHs podem prover a melhor solução para diferentes instâncias do PCV. Desse modo, a seleção a priori da MH que produza a melhor solução para uma dada instância é uma tarefa difícil. A pesquisa desenvolvida nesta tese investiga o uso de abordagens de meta-aprendizado para selecionar as MHs mais promissoras para novas instâncias de PCV. Essas abordagens induzem meta-modelos preditivos a partir do treinamento das técnicas de aprendizado de máquina em um conjunto de meta-dados. Cada meta-exemplo, em nosso conjunto de meta-dados, representa uma instância de PCV descrita por características (meta-atributos) do PCV e pelo desempenho das MHs (meta-atributo alvo) para essa instância. Os meta-modelos induzidos são usados para indicar os valores do meta-atributo alvo para novas instâncias do PCV. Vários experimentos foram realizados durante a investigação desta pesquisa e resultados importantes foram obtidos / The traveling salesman problem (TSP) is a classical optimization problem that has several variations, applications and instances. To find the optimal solution for many instances of this problem is usually a very hard task due to high computational cost. Various optimization methods, known as metaheuristics (MHs), are capable to generate good solutions for the TSP. Many algorithms based on different MHs have been proposed and investigated for different variations of the TSP. Different MHs can provide the best optimization solution for different TSP instances, since there is no a universal algorithm able to find the best solution for all instances. Thus, a priori selection of the MH that produces the best solution for a given instance is a hard task. The research developed in this thesis investigates the use of meta-learning approaches to select the most promising MHs for new TSP instances. These approaches induce predictive meta-models from the training of machine learning techniques on a set of meta-data. In our meta-data, each meta-example is a TSP instance described by problem characteristics (meta-features) and performance of MHs (target meta-features) for this instance. The induced meta-models are used to indicate the values of the target meta-feature for new TSP instances. During the investigation of this research, several experiments were performed and important results were obtained

Esta tese de doutorado apresenta modelos matemáticos de problemas de dimensionamento de lotes para planejamento da produção na indústria de embalagens de vidro, que são essenciais em qualquer cadeia de produção, pois são responsáveis por proteger e conservar os produtos (alimentos e bebidas). Na literatura científica são raros os trabalhos que abordam estudos sobre problemas combinados de dimensionamento de lotes e planejamentos da produção em indústrias de embalagens de vidro. Com a finalidade de preencher esta lacuna, a presente tese tem por objetivo propor modelos inéditos e métodos de resolução aplicáveis em problemas nas indústrias de embalagens de vidro. Dessa forma, propõem-se dois modelos baseados em problemas reais para a construção ou reforma de forno(s), denominados de Problema de Instalação de um Novo Forno e Problema de Instalação de Múltiplos Fornos, que verificam a capacidade de fusão e as configurações das máquinas instaladas. Outros dois modelos são desenvolvidos a partir de estudos de casos referentes ao planejamento e ao controle da produção de ampolas de garrafas térmicas. No primeiro estudo, considera-se o máximo da produção líquida e no segundo, minimiza-se os set-up, sendo que em ambos os casos a realidade de uma fábrica é refletida. A complexidade desses modelos contribui para o uso de métodos heurísticos e meta-heurísticos como técnicas para resolução dos mesmos. No entanto, considera-se também a avaliação da associação desses métodos ao uso de programação matemática. Para isso, modelos matemáticos são propostos dentro do contexto das indústrias consideradas. Desta forma, uma heurística de Filtro Guloso e as meta-heurísticas como o Algoritmo Genético Simples, o Algoritmo Genético Multi-Populacional e o Algoritmo Genético Modificado são utilizados na determinação das variáveis inteiras presentes nos modelos matemáticos. Além disso, utiliza-se um método exato, por meio da ferramenta CPLEX, para determinar as variáveis contínuas. Os estudos são conduzidos a partir de dados fornecidos por indústrias localizadas no Brasil e em Portugal. Portanto, os resultados colaboram com o estado da arte nessa área de pesquisa e com o processo de fabricação industrial de embalagens de vidro. / This doctoral dissertation presents mathematical models of lot-sizing problems for production planning in the glass containers industry, which are essential in any production chain, as they are responsible for protecting and conserving products (food and beverages). In the scientific literature, studies addressing combined problems of batch sizing and production planning in glass containers industries are rare. In order to fill this gap, this thesis aims to propose novel models and resolution methods applicable to problems in the glass containers industry. Thus, we propose two models based on real problems for the construction or remodelling of the furnace (s), called New Furnace Installation Problem and Multiple Furnace Installation Problem, which verify fusibility and configurations of installed machines. We developed two other models from case studies regarding the planning and control of the production of thermos vials. In the first study, we consider the maximum net production; in the second, we minimize the set-up. Both cases reflect the reality of a factory. The complexity of these models contributes to the use of heuristic and metaheuristic methods as techniques for their resolution. However, we also consider the evaluation of the association of these methods with the use of mathematical programming. For this, we propose mathematical models within the context of the considered industries. Thus, a Greedy Filter heuristic and metaheuristics such as the Simple Genetic Algorithm, the Multi-Population Genetic Algorithm and the Modified Genetic Algorithm are used to determine the integer variables present in mathematical models. Besides, we use an exact method from CPLEX tool to determine continuous variables. The studies are conducted from data provided by industries located in Brazil and Portugal. Therefore, the results collaborate with state of the art in this research area and with the industrial glass containers manufacturing process.

O problema do caixeiro viajante (PCV) é um problema clássico de otimização que possui diversas variações, aplicações e instâncias. Encontrar a solução ótima para muitas instâncias desse problema é geralmente muito difícil devido o alto custo computacional. Vários métodos de otimização, conhecidos como meta-heurísticas (MHs), são capazes de encontrar boas soluções para o PCV. Muitos algoritmos baseados em diversas MHs têm sido propostos e investigados para diferentes variações do PCV. Como não existe um algoritmo universal que encontre a melhor solução para todas as instâncias de um problema, diferentes MHs podem prover a melhor solução para diferentes instâncias do PCV. Desse modo, a seleção a priori da MH que produza a melhor solução para uma dada instância é uma tarefa difícil. A pesquisa desenvolvida nesta tese investiga o uso de abordagens de meta-aprendizado para selecionar as MHs mais promissoras para novas instâncias de PCV. Essas abordagens induzem meta-modelos preditivos a partir do treinamento das técnicas de aprendizado de máquina em um conjunto de meta-dados. Cada meta-exemplo, em nosso conjunto de meta-dados, representa uma instância de PCV descrita por características (meta-atributos) do PCV e pelo desempenho das MHs (meta-atributo alvo) para essa instância. Os meta-modelos induzidos são usados para indicar os valores do meta-atributo alvo para novas instâncias do PCV. Vários experimentos foram realizados durante a investigação desta pesquisa e resultados importantes foram obtidos / The traveling salesman problem (TSP) is a classical optimization problem that has several variations, applications and instances. To find the optimal solution for many instances of this problem is usually a very hard task due to high computational cost. Various optimization methods, known as metaheuristics (MHs), are capable to generate good solutions for the TSP. Many algorithms based on different MHs have been proposed and investigated for different variations of the TSP. Different MHs can provide the best optimization solution for different TSP instances, since there is no a universal algorithm able to find the best solution for all instances. Thus, a priori selection of the MH that produces the best solution for a given instance is a hard task. The research developed in this thesis investigates the use of meta-learning approaches to select the most promising MHs for new TSP instances. These approaches induce predictive meta-models from the training of machine learning techniques on a set of meta-data. In our meta-data, each meta-example is a TSP instance described by problem characteristics (meta-features) and performance of MHs (target meta-features) for this instance. The induced meta-models are used to indicate the values of the target meta-feature for new TSP instances. During the investigation of this research, several experiments were performed and important results were obtained

Submitted by Nadir Basilio (nadirsb@uninove.br) on 2016-07-01T14:58:21Z No. of bitstreams: 1 Marisa Carla Voigt Gava.pdf: 1946904 bytes, checksum: 369bf987709311eddcb1f66a7c5fad55 (MD5) / Made available in DSpace on 2016-07-01T14:58:21Z (GMT). No. of bitstreams: 1 Marisa Carla Voigt Gava.pdf: 1946904 bytes, checksum: 369bf987709311eddcb1f66a7c5fad55 (MD5) Previous issue date: 2016-02-29 / The cutting problem involves cutting larger objects into smaller items with the aim of minimizing waste. The objects can be raw materials, such as rolls of paper, glass sheets, metal plates, steel, aluminum or wood. The items represent the shape to be cut and may be described as concave or convex irregular geometries. The cut of raw material is an industrial process which has attracted the attention of many researchers, since it can generate large waste, increasing the production cost. Nevertheless, the set of possible solutions to this problem has a large number of combinations and, therefore, its computational complexity is considered NP-Hard. In this work, we proposed an approach based on Genetic Algorithm (GA) and Digital Image Processing (DIP) to deal with the problem of to cut rectangular plates (objects) in equal parts (items) with irregular shapes, categorized in the literature as 2D-I-IIPP. The aim is to maximize the number of items to be cut into the available area of the object in order to reduce waste and thus adding economic gains to the cutting process. In this approach the object and the items are represented as digital images. The GA is responsible for generating possible solutions (sets of translations and orientations of items). The evaluation of each solution generated by GA is performed by a RPID algorithm, which basically detects overlaps between the items placed on the object and calculates the quality of solution. To develop the proposed approach it was used the programming language C/C++ in addition to GAlib and Proeikon libraries. Based on computational experiments conducted the results indicate that the proposed approach is a good alternative to solve the problem investigated. / O problema de corte consiste em cortar objetos maiores em itens menores com o objetivo de minimizar as sobras. Os objetos podem ser matérias-primas, tais como bobinas de papel, folhas de vidro, placas de metal, aço, alumínio ou madeira. Os itens representam o formato que deverá ser cortado e podem ser descritos como de geometrias irregulares côncavas ou convexas. O corte de matéria-prima é um processo industrial que tem atraído a atenção de muitos pesquisadores, visto que pode gerar grandes desperdícios, elevando o custo da produção. Não obstante, o conjunto de possíveis soluções para esse tipo de problema possui um grande número de combinações e, por esse motivo, sua complexidade computacional é considerada NP-Hard. Neste trabalho é proposta uma abordagem baseada em Algoritmo Genético (AG) e Processamento de Imagens Digitais para lidar com o problema de cortar placas retangulares (objetos) em peças idênticas (itens) com formas irregulares, categorizado na literatura como 2D-I-IIPP. O objetivo é maximizar o número de itens a serem cortados na área disponível do objeto, visando diminuir os desperdícios e, consequentemente, agregando ganhos econômicos ao processo de corte. Nesta abordagem tanto os objetos como os itens são representados como imagens digitais. O AG é responsável por gerar as possíveis soluções (conjuntos de translações e orientações dos itens). A avaliação de cada solução gerada pelo AG é realizada por um algoritmo de Processamento de Imagens Digitais que basicamente detecta as sobreposições entre os itens posicionados sobre o objeto e calcula a qualidade da solução. Para desenvolver a abordagem proposta foi utilizada a linguagem de programação C/C++, além das bibliotecas GAlib e Proeikon. Os resultados obtidos nos experimentos computacionais realizados indicam que a abordagem proposta é uma boa alternativa para solução do problema investigado.

Orientador: Rubén Augusto Romero Lázaro / Resumo: Neste projeto de pesquisa, é abordado o problema otimização de grade horária. O tipo de problema de grade horária abordado é aquele que tem o enunciado e a estrutura de dados apresentado no site da Competição Internacional de Otimização do Problema de Grade Horária. Esse problema pode ser modelado como sendo um problema de Programação Linear Binária de grande porte. Entretanto, os solvers comerciais disponíveis, como o CPLEX, não tem a capacidade de encontrar as soluções ótimas das 20 instâncias mostradas no site da Competição Internacional de Otimização do Problema de Grade Horária. Neste trabalho foi desenvolvido um algoritmo VNS especializado para resolver o problema de otimização de grade horária. A parcela inovadora da proposta está relacionado com o uso da lógica de partição para encontrar a melhor solução vizinha da solução corrente de forma eficiente e para uma estrutura de vizinhança complexa e formada por muitos elementos. Dessa forma, a proposta de otimização se tornou muito eficiente na resolução das 20 instâncias cujos dados se encontram no site da Competição Internacional de Otimização do Problema de Grade Horária. / Abstract: In this research project, we address the optimization timetabling problem. The type of timetabling problem addressed is one that has the statement and data structure displayed on the site of the International Competition of Optimization of the Timetabling Problem. This problem can be modeled as a large Binary Linear Programming Problem. However, the commercial solvers available, such as CPLEX, do not have the ability to nd the optimal solutions from the 20 instances shown on the site of the International Competition of Optimization of the timetabling Problem. In this work a specialized VNS algorithm was developed to solve the optimization of Timetabling Problem . The innovative part of the proposal is related to the use of partition logic to nd the best neighborhood solution of the current solution e ciently and to a structure of complex neighborhood formed by many elements. In this way, the optimization proposal became very e cient in the resolution of the 20 instances whose data were found on the website of the International Competition for Optimization of the Timetabling Problem. / Doutor

Submitted by Patrícia Cerveira (pcerveira1@gmail.com) on 2017-06-13T15:56:56Z No. of bitstreams: 1 Rene_Cruz_Freire.pdf: 5170376 bytes, checksum: 8c6b6dd8986d23b53ae99ba90dd69ef5 (MD5) / Approved for entry into archive by Biblioteca da Escola de Engenharia (bee@ndc.uff.br) on 2017-06-29T16:38:47Z (GMT) No. of bitstreams: 1 Rene_Cruz_Freire.pdf: 5170376 bytes, checksum: 8c6b6dd8986d23b53ae99ba90dd69ef5 (MD5) / Made available in DSpace on 2017-06-29T16:38:47Z (GMT). No. of bitstreams: 1 Rene_Cruz_Freire.pdf: 5170376 bytes, checksum: 8c6b6dd8986d23b53ae99ba90dd69ef5 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Um dos temas de alta relevância para a sociedade atual é a qualidade do suprimento de energia elétrica, que deve ser ininterrupto, seguro e econômico. Para tal, é primordial que o sistema de potência esteja preparado para um possível defeito de algum equipamento da rede, mantendo a operação dentro dos patamares seguros, evitando os blecautes e todas as suas consequências para a sociedade. Isso pode ser feito através do redespacho das unidades geradoras, de modo a encontrar um ponto de operação que concilie segurança e economicidade, dois objetivos conflitantes, enquanto busca se afastar o mínimo possível do ponto de operação previamente estabelecido, via planejamento eletroenergético, para o sistema de potência em questão. Trata-se de uma abordagem multiobjetiva do Fluxo de Potência Ótimo com Restrições de Segurança (FPORS) que pode ser solucionada com uma abordagem de Computação Evolucionária (CE) com viés multiobjetivo. Neste trabalho, foram implementadas e comparadas duas meta-heurísticas evolutivas multiobjetivo: Nondominated Sorting Genetic Algorithm II (NSGA-II) e o Multi-objective Evolutionary Particle Swarm Optimization (MOEPSO). Os resultados dessas heurísticas também foram comparados com a abordagem mono-objetivo do mesmo problema. Os algoritmos foram implementados no MATLAB® e testados em um sistema-teste que simula as condições do Sistema Interligado Nacional (SIN). As heurísticas multiobjetivo foram comparadas através da metodologia de análise da Fronteira de Pareto (FP), onde é analisado qual método concilia melhor os objetivos de economia e segurança. Na primeira análise o NSGA-II saiu-se melhor, entretanto após a implementação de melhorias no algoritmo, o MOEPSO mostrou desempenho superior na segunda análise. Nas duas análises, o viés multiobjetivo mostrou-se superior ao mono-objetivo, na comparação através do critério de agregação de objetivos. Em relação ao tempo de simulação de cada método, o MOEPSO foi superior na primeira análise, já na segunda análise foi implementado um refinamento baseado no Fluxo de Potência Linearizado no FPORS, que baixou o tempo de simulação das duas heurísticas multiobjetivas em comparação com a primeira análise, e o MOEPSO teve o menor tempo de simulação. Na comparação com o viés mono-objetivo, apenas o NSGA-II teve tempo médio de simulação maior que o método mono-objetivo na primeira análise. Na segunda análise, todas as heurísticas multiobjetivo possuíam tempo de simulação menores que o método mono-objetivo. / One of the topics of high relevance to the today’s society is the quality of electric power supply, which must be uninterrupted, safe and economical. To this end, it is essential that the power system be prepared for a possible defect of some equipment from the network while maintaining operation within safe levels, avoiding blackouts and all its consequences for society. This can be done by redispatch of generating units, in order to find an operation point which conciliate security and economy, two conflicting objectives, while seeking to depart as little as possible of the operation point previously established in the energy planning for the power system in question. This is a multi-objective approach to Security Constrained Optimal Power Flow (SCOPF) that can be solved with an approach of Evolutionary Computation with multi-objective bias. In this work we were implemented and compared two multi-objective evolutionary meta-heuristics: Nondominated Sorting Genetic Algorithm II (NSGA-II) and Multi-objective Evolutionary Particle Swarm Optimization (MOEPSO). The results of these heuristics were also compared with mono-objective approach to the same problem. The algorithms were implemented in MATLAB® and tested in a test-case that simulates the conditions of the Brazilian Sistema Interligado Nacional (National Interconnected System). The multi-objective heuristics were compared using the analysis methodology of the Pareto Frontier, where is analyzed which method is better to conciliate the economy and security objectives. In the first analysis the NSGA-II fared better, but after the implementation of improvements in the algorithm, the MOEPSO showed superior performance in the second analisys. In both analyzes, the multi-objective bias was superior to the mono-objective bias, in the comparison through objectives aggregation criteria. Concerning the simulation time of each method, the MOEPSO was superior in the first analysis, but in the second analysis was implemented a refinement based on DC Load Flow, which lowered the simulation time of the two multi-objective heuristics compared with the first analysis, and the MOEPSO had the shortest time simulation. Compared to the mono-objective bias, only the NSGA-II had an average time simulation greater than the mono-objective method in the first analysis. In the second analysis, all multi-objectives heuristics had simulation time smaller than the mono-objective method.

Submitted by Franciele Moreira (francielemoreyra@gmail.com) on 2018-10-30T13:30:59Z No. of bitstreams: 2 Dissertação - Diogo Machado de Freitas - 2018.pdf: 1477764 bytes, checksum: 73759c5ece96bf48ffd4d698f14026b9 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-10-30T13:41:38Z (GMT) No. of bitstreams: 2 Dissertação - Diogo Machado de Freitas - 2018.pdf: 1477764 bytes, checksum: 73759c5ece96bf48ffd4d698f14026b9 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-10-30T13:41:38Z (GMT). No. of bitstreams: 2 Dissertação - Diogo Machado de Freitas - 2018.pdf: 1477764 bytes, checksum: 73759c5ece96bf48ffd4d698f14026b9 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-09-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Fault Localization is one stage of the software life cycle, which demands important resources such as time and effort spent on a project. There are several initiatives towards the automation of the fault localization process and the reduction of the associated resources. Many techniques are based on heuristics that use information obtained (spectrum) from the execution of test cases, in order to measure the suspiciousness of each program element to be defective. Spectrum data generally refers to code coverage and test results (positive or negative). The present work presents two approaches based on the Genetic Programming algorithm for the problem of Fault Localization: a method to compose a new heuristic from a set of existing ones; and a method for constructing heuristics based on data from program mutation analysis. The innovative aspects of both methods refer to the joint investigation of: (i) specialization of heuristics for certain programs; (ii) application of an evolutionary approach to the generation of heuristics with non-linear equations; (iii) creation of heuristics based on the combination of traditional heuristics; (iv) use of coverage and mutation spectra extracted from the test activity; (v) analyzing and comparing the efficacy of methods that use coverage and mutation spectra for fault localization; and (vi) quality analysis of the mutation spectra as a data source for fault localization. The results have pointed to the competitiveness of both approaches in their contexts. / Localização de Defeitos é uma etapa do ciclo de vida de software, que demanda recursos importantes tais como o tempo e o esforço gastos em um projeto. Existem diversas iniciativas na direção da automação do processo de localização de defeitos e da redução dos recursos associados. Muitas técnicas são baseadas heurísticas que utilizam informação obtida (espectro) a partir da execução de casos de teste, visando a medir a suspeita de cada elemento de programa para ser defeituoso. Os dados de espectro referem-se, em geral, à cobertura de código e aos resultados dos teste (positivo ou negativo). O presente trabalho apresenta duas abordagens baseadas no algoritmo Programação Genética para o problema de Localização de Defeitos: um método para compor automaticamente novas heurísticas a partir de um conjunto de heurísticas existentes; e um método para a construção de heurísticas baseadas em dados oriundos da análise de mutação de programas. Os aspectos inovadores de ambos os métodos referem-se à investigação conjunta de: (i) especialização de heurísticas para determinados programas; (ii) aplicação de abordagem evolutiva para a geração de heurísticas com equações não lineares; (iii) criação de heurísticas a partir da combinação de heurísticas tradicionais; (iv) uso de espectro de cobertura e de mutação extraídos da atividade de teste; (v) análise e comparação da eficácia de métodos que usam os espectros de cobertura e de mutação para a localização de defeitos; e (vi) análise da qualidade dos espectros de mutação como fonte de dados para a localização de defeitos. Os resultados apontaram competitividade de ambas as abordagens em seus contextos.