Made available in DSpace on 2016-08-29T15:33:10Z (GMT). No. of bitstreams: 1 tese_3333_.pdf: 639269 bytes, checksum: 2e2d8e69eaf0520741e923a1fc118e3d (MD5) Previous issue date: 2009-08-31 / Agrupamentos de dados é uma tarefa que divide um conjunto de dados em subconjuntos de forma que elementos associados a um mesmo grupo sejam mais similares entre si do que em relação a elementos de outros grupos. Essa tarefa pode ser considerada como uma tarefa de otimização, uma vez que pretende-se encontrar a melhor combinação de partições dentre todas as combinações possíveis. Uma abordagem que pode ser aplicada para resolver o problema de agrupamento é o uso de metaheurísticas, que são procedimentos capazes de escapar de ótimos locais. Este trabalho apresenta uma proposta de Algoritmo Genético Híbrido cuja população inicial é gerada por técnicas de agrupamento e metaheurísticas, com objetivo de direcionar a busca para soluções mais próximas do ótimo global.

Orientador: Daniela Renata Cantane / Resumo: Originadas na década de 1970, as Infecções Hospitalares vêm cada vez mais tomando proporções colossais, acarretando óbito em cerca de 30% dos pacientes em Unidades de Terapia Intensiva (UTI). Os pacientes diagnosticados com a infecções permanecem muito tempo internados, gerando um custo muito alto para os hospitais. No ambiente hospitalar a bactéria Acinetobacter baumannii a principal responsável por tais infecções, devido a sua facilidade de sobreviver em ambientes secos e úmidos, podendo sobreviver tanto no organismo humano, quanto nos ambientes que os profissionais da saúde entram em contato (computadores, equipamentos médicos, etc). Os principais vetores desta bactéria são os próprios agentes de saúde, visto que os pacientes na UTI estão todos acamados. No entanto, medidas de higienização extremamente necessárias para conter surtos da infecções o. Por outro lado, devido as emergências nestas unidades, muitas vezes não há tempo hábil para tais procedimentos. Visto que impossível uma medida total de higienização e uma taxa nula de contato da equipe de trabalho com o ambiente em UTIs, importante conhecer quais são as mínimas medidas necessárias para a diminuição de infecções hospitalares. Neste contexto, o objetivo deste trabalho propor e analisar um modelo que descreva a dinâmica de transmissão da infecção dentro de uma UTI, considerando pacientes e profissionais da saúde, assim como, propor um modelo de otimização visando determinar quais as mínimas medidas de higienização... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Originated in the 1970s, Hospital Infections come every time more taking colossal proportions, causing death in about 30% of patients in Intensive Care Units (ICU). Patients diagnosed with infections remain long hospitalized, generating a very high cost for hospitals. In the hospital environment, Acinetobacter baumannii is the main responsible for such infections due to their ease of survival in dry and humid, and can survive both in the human body and in the environments that health workers contact (computers, medical equipment, etc.). The main vectors of this bacterium are the health agents themselves, since the patients in the ICU are all bedridden. However, hygiene measures are extremely necessary to contain outbreaks of infection. On the other hand, due to emergencies in these units, there is often no time for such procedures. Since a total sanitation measure and it is important to know the minimum measures necessary for the decrease of infections. In this context, the objective xiii of this work is to propose and analyze a model that describes the dynamics of transmission of infection within an ICU, considering patients and health professionals, as well as to propose an optimization model aiming to determine the minimum hygienic measures are needed to minimize the number of infected patients. A Variable Neighborhood Search Metaheuristic was proposed to solve the optimization model. For validation of the models were carried out computational simulations. These simulation... (Complete abstract click electronic access below) / Mestre

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-05-09T16:17:46Z No. of bitstreams: 1 Vinicius José Schmidt_.pdf: 1328036 bytes, checksum: 6da7dd7865c3b2470fda338536aa5d69 (MD5) / Made available in DSpace on 2016-05-09T16:17:46Z (GMT). No. of bitstreams: 1 Vinicius José Schmidt_.pdf: 1328036 bytes, checksum: 6da7dd7865c3b2470fda338536aa5d69 (MD5) Previous issue date: 2016-02-29 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho apresenta um modelo de metaheurística baseado em interação social de agentes inteligentes, utilizando-se do aprendizado social reproduzido por uma população de agentes para alcançar a otimização de problemas. O método aqui descrito é focado em interação social de seres humanos, tais como: comparação de status social, tendência da sociedade baseada nas pessoas mais influentes, troca de conhecimento, pessoas menos influentes seguindo os mais influentes no seu grupo e a busca de uma pessoa pelo local onde ela alcança seu melhor desempenho. A influência de um agente é medida através de seu status social, sendo assim, cada agente possui um raio de influência proporcional ao seu status. Esses conceitos foram modelados para a criação da técnica, sendo o aprendizado entre agentes ocorrido quando um agente menos influente encontra-se na região de influência de um agente mais bem-sucedido que ele. Resultados de testes, tanto de benchmark quanto de problemas reais, são apresentados e discutidos. Os testes indicam que a metaheurística é um modelo populacional promissor. / This work presents a metaheuristic model based on intelligent agents social interaction, using the social learning of a population of agents to achieve problems optimization. The method described here is based on humans social interaction, such as: comparison of social status, trend of society based on the most influential people, knowledge exchange, less influential people following the ones with most influential in their group and the search of a person where he achieves its best performance. An agent’s influence is measured through its social status, therefore, each agent have an influence radius proportional to its status. These concepts were modeled to create the technique, the learning among agents occurs when a less influential agent is located inside the influence region of an agent with more social status than him. Tests results, benchmark and real life problems, are presented and discussed. Those tests indicate that the model is a promising population metaheuristic.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-07-25T17:21:34Z No. of bitstreams: 1 RaphaelSantos.pdf: 3718930 bytes, checksum: df335fd5562e8156000972c282fe9724 (MD5) / Made available in DSpace on 2017-07-25T17:21:34Z (GMT). No. of bitstreams: 1 RaphaelSantos.pdf: 3718930 bytes, checksum: df335fd5562e8156000972c282fe9724 (MD5) Previous issue date: 2016-08-17 / Autonomous exploration, in robotics, can be defined as the act of moving into an unknown environment, at priori, while building up a map of the environment. A great deal of literature describes several problems that are relate to the strategy exploration: perception, location, trajectory control and mapping. This work aims to present an autonomous exploration algorithm based on metaheuristics. Therefore, the problem of autonomous exploration of mobile robots is formulated as an optimization problem, providing data for metaheuristics that are able to search points in the space of solutions that represent positions on the map under construction that best meet the objectives of the exploration. Metaheuristics are approximate methods that guarantee sufficiently good solutions to optimization problems. The proposal was implemented and incorporated as an optimization module in a simultaneous location and mapping system that was run on the Robot Operating System environment and proved to be able to guide a simulated robot without human intervention. Two optimization metaheuristics were implemented to guide target to simulated robot: Genetic Algorithm and Firefly Algorithm. Both algorithms have achieved good results, however the second one was able to guide robot by best trajectories. / Exploração autônoma, em robótica, pode ser definida como o ato de mover-se em um ambiente, a princípio desconhecido, enquanto constrói-se um mapa deste ambiente. Uma grande parte da literatura relata vários problemas que se relacionam com a estratégia de exploração: percepção, localização, trajetória, controle e mapeamento. Este trabalho visa apresentar um algoritmo de exploração autonoma baseado em metaheurísticas. Para tanto, o problema de exploração autônoma de robôs móveis é formulado como um problema de otimização, fornecendo dados para que metaheurísticas sejam capazes de buscar pontos no espaço de soluções que representam posições no mapa em construção que melhor satisfaçam os objetivos da exploração. Metaheuristicas são metodos aproximados que garantem soluções suficientemente boas para problemas de otimização. A proposta foi implementada e incorporada como um módulo de otimização em um sistema de localização e mapeamento simultâneos que foi executado em ambiente Robot Operating System e mostrou-se capaz de guiar um robô simulado sem intervenção humana. As metaheurísticas usadas foram o Algoritmo Genético e o Algoritmo de Vagalumes. Ambos os algoritmos obtiveram bons resultados, no entanto o Algoritmo de Vagalumes guiou o robô por trajetórias melhores.

No description available.

Submitted by Lara Oliveira (lara@ufersa.edu.br) on 2017-04-17T22:15:28Z No. of bitstreams: 1 AlexsandroTSS_DISSERT.pdf: 2805904 bytes, checksum: d89eac5a3d1bbff746e28effc0f94ba8 (MD5) / Approved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2017-04-26T12:14:12Z (GMT) No. of bitstreams: 1 AlexsandroTSS_DISSERT.pdf: 2805904 bytes, checksum: d89eac5a3d1bbff746e28effc0f94ba8 (MD5) / Approved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2017-04-26T12:16:44Z (GMT) No. of bitstreams: 1 AlexsandroTSS_DISSERT.pdf: 2805904 bytes, checksum: d89eac5a3d1bbff746e28effc0f94ba8 (MD5) / Made available in DSpace on 2017-04-26T12:19:14Z (GMT). No. of bitstreams: 1 AlexsandroTSS_DISSERT.pdf: 2805904 bytes, checksum: d89eac5a3d1bbff746e28effc0f94ba8 (MD5) Previous issue date: 2016-07-20 / The use of metaheuristics for solving combinatorial optimization problems belong to NP-Hard class is becoming increasingly common, and second Temponi (2007 apud RIBEIRO, 1996) a metaheurist should be modeled according to the problem she was designed to solve. This most often requires many changes when you have to apply the same metaheuristic to various types of combinatorial optimization problems. In this work we propose a framework for use of a hybrid metaheuristic proposed by Almeida (2014) who used the GRASP Reactive along with a reinforcement learning technique (called GR-learning). Specifically, the Q-learning algorithm that was used to learn over which the iterations value for the parameter α (alpha) used during the construction phase of GRASP. The GR-Learning was used to solve the problem of p-centers applied to Public Security in the city of Mossoró/RN. To validate the effectiveness of the framework proposed it was used to solve two classical problems of combinatorial optimi-zation: The Hub Location Problem (HLP), and the Cutting Stock Problem (CSP). To validate the results obtained we used instances with results known in the literature and in addition has created an instance with data from the Brazilian airline industry. The results showed that the proposed framework was quite competitive when compared to other results of different algo-rithms known in the literature as got great value in almost all instances of HLP as well as new values (better than those obtained with other algorithms known in the literature) for some ins-tances of CSP / A utilização de metaheurísticas para resolução de problemas de otimização combinatória per-tencentes à classe NP-Difícil vem se tornando cada vez mais comum, e segundo Temponi (2007 apud RIBEIRO, 1996) uma metaheurística deve ser modelada de acordo com o proble-ma que ela foi projetada para resolver. Isto na maioria vezes requer muitas alterações quando se tem que aplicar uma mesma metaheurística a diversos tipos de problemas de otimização combinatória. Neste trabalho foi proposto um framework para utilização de uma metaheurísti-ca híbrida proposta por Almeida (2014) que utilizou a metaheurística GRASP Reativo junta-mente com uma técnica de aprendizagem por reforço (denominada GR-Learning). Especifi-camente, o algoritmo Q-learning, que foi utilizado para aprender com o passar das iterações qual valor para o parâmetro α (alfa) utilizar durante a fase de construção da GRASP. O GR-Learning foi utilizado para resolver o problema dos p-Centros aplicado a Segurança Pública na Cidade de Mossoró/RN. Para validar a eficácia do framework proposto o mesmo foi utili-zado para resolver dois problemas clássicos de otimização combinatória: O Problema de Lo-calização de Hubs (do inglês Hub Location Problem - HLP) e o Problema de Corte e Estoque – PCE (do inglês Cutting Stock Problem - CSP). Para validação dos resultados obtidos foram utilizadas instâncias com resultados já conhecidos na literatura e adicionalmente foi criada uma instância com dados do setor aeroviário Brasileiro. Os resultados obtidos mostraram que o framework proposto foi bastante competitivo quando comparado a outros resultados de di-versos algoritmos já conhecidos na literatura, pois obteve o valor ótimo em quase todas as instâncias do HLP como também novos valores (melhores que os obtidos com outros algorit-mos já conhecido na literatura) para algumas instâncias do CSP / 2017-04-17

Optimization is a large area of knowledge concerned with the need of a better use of resources and activities, becoming indispensable in the solution of several problems which arise from the study and formulation of real-world problems. Furthermore, the constraints that must be respected for each situation introduce in the methodologies of optimization an additional complication. Differential Evolution, which in its original formulation is applied only to unconstrained optimization problems in continuous space, also provides good results when applied to constrained optimization with discrete and continuous variables. This work presents the necessary improvements to Differential Evolution for its proper application to this class of problems, and proposes a new combination of techniques for this application, as well as a mechanism for dynamic selection of the appropriate variant of the technique. The initial proposal is a combination of Differential Evolution with a technique of adaptive penalty (APM) and the second proposal concerns the dynamic selection of variants during the search process. Several computational experiments are carried out confirming the competitiveness of the proposed algorithms. / A otimização é uma grande área de conhecimento voltada para a necessidade de um melhor aproveitamento de recursos e atividades, tornando-se indispensável na resolução de grande parte dos problemas oriundos de estudos e formulações de problemas reais. Além disso, as restrições que devem ser respeitadas para cada situação introduzem nas metodologias de otimização um complicador adicional. A Evolução Diferencial, que em sua formulação original é aplicada somente a problemas de otimização irrestrita e em espaços contínuos, apresenta também bons resultados quando aplicada à otimização restrita com variáveis contínuas e discretas. Este trabalho apresenta os aperfeiçoamentos necessários à Evolução Diferencial para sua adequada aplicação sobre essa classe de problemas, além de propor uma nova combinação de técnicas para essa aplicação, bem como um mecanismo de seleção dinâmica da variante adequada da técnica. A proposta inicial é a combinação da Evolução Diferencial com uma técnica adaptativa de penalização (APM) e a segunda proposta visa a seleção dinâmica de variantes durante o processo de busca. Vários experimentos computacionais são executados confirmando a competitividade dos algoritmos propostos.

Made available in DSpace on 2016-12-23T14:33:40Z (GMT). No. of bitstreams: 1 projeto de dissertacao banestes.pdf: 405648 bytes, checksum: 123869407ef32303b7f08104239d0c73 (MD5) Previous issue date: 2009-08-26 / The multi-mode resource constrained project scheduling problem (MMRCPSP), is an extension of the resource constrained project scheduling problem (RCPSP), where the activities should be implemented in one of their modes, respecting their precedence and resource constraints. The difficulty of solving the problem, due to its complexity, together with its great practical applicability, because several problem of various areas can be solved by MMRCPSP, have attracted the attention of researchers which has developed several methods to solve the same. In this work two procedures have been proposed, one based on the metaheuristic Simulated Annealing (Simulated Annealing) and the other on Variable Neighborhood Search (Search in Variable Neighborhood), testing them, with instances of the library PSPLIB to verify the quality of the results / O problema de escalonamento de projetos com restrição de recursos e múltiplos modos de processamento, em inglês multi-mode resource-constrained project scheduling problem (MMRCPSP), é uma extensão do problema de escalonamento de projetos com restrição de recursos, resource-constrained project scheduling problem (RCPSP), onde as atividades devem ser executadas em um dos seus modos disponíveis, respeitando suas restrições de precedência e disponibilidade dos recursos renováveis e não renováveis. A inerente dificuldade da resolução do problema, dada a sua complexidade, junto com a sua grande aplicabilidade prática, pois diversos problemas de várias áreas podem ser resolvidos via MMRCPSP, tem atraído a atenção de pesquisadores que vem desenvolvendo vários métodos para a resolução do mesmo. Neste trabalho dois procedimentos de resolução foram propostos, um baseado na metaheurística Simulated Annealing (Recozimento Simulado) e o outro em Variable Neighborhood Search (Busca em Vizinhança Variável), testando-os com as instâncias da biblioteca PSPLIB para se verificar a qualidade das respostas obtidas.

Submitted by Rosa Assis (rosa_assis@yahoo.com.br) on 2017-08-07T18:49:46Z No. of bitstreams: 2 Fabio Razzo Galuppo.pdf: 3338860 bytes, checksum: d84e913fc4ebb0c6ca47cc250287a998 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Paola Damato (repositorio@mackenzie.br) on 2017-09-25T15:24:35Z (GMT) No. of bitstreams: 2 Fabio Razzo Galuppo.pdf: 3338860 bytes, checksum: d84e913fc4ebb0c6ca47cc250287a998 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-09-25T15:24:35Z (GMT). No. of bitstreams: 2 Fabio Razzo Galuppo.pdf: 3338860 bytes, checksum: d84e913fc4ebb0c6ca47cc250287a998 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2014-02-19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This work has as its essence the application of techniques collectively called parallel metaheuristic in the context of a Travelling Salesman Problem (TSP), one of the most important problems in combinatorial optimization. The approach of this work contains a compositional proposal that allows the creation of pipelines to address the problem. These techniques extracted from the Parallel Computing associated with the search algorithms of Arti cial Intelligence allow great opportunities for exploring the state space of the problem in question. Using the proposed combinations, good solutions or even optimal solutions will emerge within a satisfactory processing time, allowing its application in real-world problems. It is essential to revisit the existing solutions and provide the best alternatives for the industry to solve the TSP using contemporary computing capabilities and varieties of available equipments. In this work, are included the implementation, analysis and measurement algorithms applied to the referenced context. / Esta obra tem como essência a aplicação das ténicas denominadas coletivamente de metaheurí stica paralela no contexto do Problema do Caixeiro Viajante (PCV), um dos problemas de otimização combinatória mais importantes. A abordagem desta obra contém uma proposta composicional que permite a criação de pipelines para endereçar o problema. Estas técnicas extraídas da Computação Paralela associadas aos algoritmos de busca da Inteligência Arti cial possibilitam grandes oportunidades para a exploração do espaço de estados do problema em questão. Usando as combinações propostas, boas soluções ou, até mesmo ótimas soluções, emergirão dentro de um tempo de processamento satisfató rio, possibilitando suas aplicações na resolução de problemas reais semelhantes. É fundamental revisitar as soluções existentes e fornecer para a indústria as melhores opções para resolução do PCV utilizando as capacidades computacionais contemporâneas e as variedades de equipamentos disponíveis. Nesta obra, estão incluídos a implementação, a análise e a medição de algoritmos aplicados ao contexto referenciado.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2015-12-16T14:48:47Z No. of bitstreams: 1 ezequieldasilvaoliveira.pdf: 3924049 bytes, checksum: 2e25250cd277eeed6b8f5625283b8b69 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2015-12-16T15:15:57Z (GMT) No. of bitstreams: 1 ezequieldasilvaoliveira.pdf: 3924049 bytes, checksum: 2e25250cd277eeed6b8f5625283b8b69 (MD5) / Made available in DSpace on 2015-12-16T15:15:57Z (GMT). No. of bitstreams: 1 ezequieldasilvaoliveira.pdf: 3924049 bytes, checksum: 2e25250cd277eeed6b8f5625283b8b69 (MD5) Previous issue date: 2015-08-07 / O atendimento à demanda requer um uso eficiente do sistema geração sem afetar sua confiabilidade. Para o sistema termoelétrico o uso eficiente está diretamente relacionado com a queima de combustível e, consequentemente, com o custo de operação. Portanto, a minimização deste custo é obtida a partir da alocação da potência ativa a ser gerada para cada termoelétrica, que configura um problema de otimização denominado de Despacho Econômico (DE). Este trabalho aborda de forma real o problema do Despacho Econômico, devido a consideração das características que ocorrem durante a geração de energia elétrica. Estas características são as restrições de Zonas de Operação Proibidas (ZOP), Múltiplo Combustível (MC) e o efeito de ponto de válvula, que torna o problema do Despacho Econômico num problema não convexo e descontínuo. A proposta deste trabalho é a adoção de duas metaheurísticas bioinspiradas para resolver o problema do Despacho Econômico com características reais de operação. As técnicas bioinspiradas que são utilizadas consistem na: (i) Otimização via Enxame de Partículas e (ii) otimização baseada no fenômeno da ecolocalização do morcego, denominado Algoritmo do Morcego. Ambas as metaheurísticas são implementadas noMATLAB® e para a otimização do problema não linear e não convexo do Despacho Econômico é utilizado o modelo LINGO. Os resultados obtidos através das técnicas bioinspiradas aplicadas ao estudos de casos, são comparados comos encontrados na literatura especializada e, por fim, é feito a análise da eficiência das metaheurísticas utilizadas, cujo Algoritmo do Morcego apresenta o melhor desempenho. / The demand supply requires efficient use of generation system without affecting its reliability. For the thermoelectric systemits efficient use is directly related with fuel burn and, consequently, with cost operation. Therefore, to minimize this cost is obtained from the allocation of active power to be generated for each thermoelectric, which sets up an optimization problem called Economic Dispatch (DE). Thiswork considers a realway of the Economic Dispatch problemdue consideration of the characteristics that occur during eletricity generation. These features are restrictions Prohibited Operating Zones (POZ), multiple fuel and the valve-point effect, which makes the Economic Dispatch problem in non-convex and discontinuous problem. The proposal this work is adopting two bioinspired metaheuristics to solve the EconomicDispatch problemwith real operating characteristics. The bioinspired techniques that are used consist of: (i) Particle Swarm Optimization and (ii) Optimization based on bat echolocation phenomenon, called Bat Algorithm. Both metaheuristics are implemented in MATLAB® and for optimization of non-linear and non-convex problem is used LINGO model. The results obtained through the bioinspired techniques applied the study cases, are compared with those found in literature and, finally, is made the analysis of the efficiency of metaheuristics used, which Bat Algorithm has the best performance.