A busca de soluções para a mobilidade urbana que minimizem a agressão do setor de tráfego e transportes ao meio ambiente está cada vez maior. Os veículos elétricos se posicionam como uma alternativa interessante, pois reduzem a emissão de gases poluentes na atmosfera, a poluição sonora e o consumo de petróleo. No entanto, sua limitada autonomia e a escassez de postos de recarga intimidam sua adoção. Por conta disso, políticas governamentais de incentivo têm sido desenvolvidas para a oferta de benefícios a quem optar por um veículo elétrico. Estima-se que dentro de poucas décadas toda a frota urbana será substituída por veículos dessa natureza. Por isso, é importante entender as mudanças no tempo de viagem e no consumo de energia oriundos da inclusão de veículos elétricos em cenários de tráfego. Trabalhos anteriores estudaram as diferenças entre os mecanismos internos de veículos convencionais e elétricos na determinação destas mudanças. Porém, dadas as características destes últimos, motoristas de veículos elétricos se preocupam com a economia de energia e podem optar por rotas diferentes. Logo, uma análise completa destes impactos deve considerar uma nova distribuição de tráfego. Este trabalho propõe um método biobjetivo de alocação de tráfego que considera o tempo de viagem e o consumo de energia para determinar a distribuição de veículos elétricos em cenários de tráfego urbano. Duas estratégias de distribuição de fluxo são propostas como mecanismos de escolha de rotas. Como parte da alocação de tráfego, é proposto um algoritmo biobjetivo de caminhos mínimos para veículos elétricos. A abordagem apresentada foi aplicada a três cenários distintos, onde percebeu-se uma diminuição de até 80% no consumo total de energia. Em cenários com congestionamento, observou-se um aumento de 10% no tempo de viagem. Já em cenários sem congestionamento o tempo de viagem diminuiu cerca de 2%. A recuperação de energia representa quase 6% da economia total dos veículos elétricos. Além disso, experimentos mostraram que investimentos na eficiência dos veículos elétricos podem resultar em uma economia de até 15% de energia. / The search for urban mobility solutions that minimize the aggression to the environment is increasing. Electric vehicles are an attractive alternative because they reduce greenhouse gas emissions, noise pollution, and oil consumption. However, their limited autonomy and the lack of charging stations restrict their popularization. Therefore, government incentive policies have been developed in order to offer benefits to those who choose an electric vehicle. It is estimated that the entire urban fleet will be replaced by these vehicles in a few decades. Therefore, it is important to understand the changes in travel time and energy consumption from the inclusion of electric vehicles in traffic scenarios. Previous works determined these changes by studying the differences between the internal engine of conventional and electric vehicles. However, given the characteristics of the latter, drivers of electric vehicles care about saving energy and may want to choose different routes. Thus, a complete analysis of these impacts should consider a redistribution of traffic. This work proposes a bi-objective traffic assignment method that considers the travel time and the energy consumption to determine the distribution of electric vehicles in urban traffic scenarios. We introduce two strategies for flow distribution as models of route choice. As a procedure of the traffic assignment method, we propose a bi-objective shortest path algorithm for electric vehicles. Our approach was applied to three different scenarios, which resulted in a decrease of up to 80% in total energy consumption. In congested scenarios, we observe an increase of about 10% in average travel time. In uncongested scenarios, travel time decreases about 2%. Energy recovery is almost 6% of the total savings of electric vehicles. Moreover, experiments have shown that investments in the efficiency of electric vehicles can result in up to 15% of energy savings.

General Purpose computing on Graphic Processing Unit (GPGPU) gained atten- tion in 2006 with NVIDIA’s first Tesla Graphic Processing Unit (GPU) which could perform high performance computing. Ever since, researchers have been working on software and hardware techniques to improve the efficiency of running general purpose applications on GPUs. The efficiency can be evaluated using metrics such as energy consumption and throughput and is defined based on the requirements of the system. I define it as obtaining high throughput by consuming minimum energy. GPUs are equipped with a large number of processing units, a high memory bandwidth, and different types of on-chip memory and caches. To run efficiently, an application should maximize the utilization of GPU resources. Therefore, a good correspondence between the computing and memory resources of the GPU and those of application is critical. Since an application’s requirements are fixed, the GPU’s configuration should be tuned to these requirements. Having models to study and predict the power consumption and throughput of running a GPGPU application on a given GPU configuration can help achieve high efficiency. The main purpose of this dissertation is to find a GPU configuration that best matches the requirements of a given application. I propose three models that predict a GPU configuration that runs an application with maximum throughput while consuming minimum energy. The first model is a fast, low-cost and effective approach to optimize resource allocation in future GPUs. The model finds the optimal GPU configuration for different available chip real-estate budgets . The second model considers the power consumption and throughput of a GPGPU application as functions of the GPU configuration parameters. The proposed model accurately predicts the power consumption and throughput of the modeled GPGPU application. I then propose to accelerate the process of building the model using optimization techniques and quantum annealing. I use the proposed model to explore the GPU configuration space of different applications. I apply multiobjective optimization technique to find the configurations that offer minimum power consumption and maximum throughput. Finally, using clustering and classification techniques, I develop models to re- late the power consumption and throughput of GPGPU applications to the code attributes. Both models could accurately predict the optimum configuration for any given GPGPU application. To build these models I have used different machine learning techniques and optimization methods such as Pareto Front and Knapsack optimization problem. I validated the model produced results with simulation results and showed that the models make accurate predictions. These models could be used by GPGPU programmers to identify the architectural parameters that most affect an application’s power consumption and throughput. This information could be translated into software optimization opportunities. Also, these models can be implemented as part of a compiler to help it to make the best optimization decisions. Moreover, GPU manufacturers could gain insight on architectural parameters which would profit GPGPU applications the most in terms of power and performance and hence invest on these. / Graduate

Orientador: José Roberto Sanches Mantovani / Resumo: O planejamento de sistemas de distribuição consiste em encontrar uma configuração otimizada, a um baixo custo, que permita manter a qualidade e confiabilidade do fornecimento de energia. Fontes de Geração Distribuída (GD) quando inseridas na rede alteram as suas características físicas e operacionais e tornam o problema de planejamento de curto prazo mais complexo para ser resolvido. Portanto, é importante desenvolver ferramentas computacionais eficientes para reduzir custos e o tempo na tomada de decisão para o setor de planejamento das empresas, indicando onde, quando e quais os tipos de componentes devem ser instalados e/ou substituídos nas redes de distribuição na presença de fontes de GD. Neste trabalho propõe-se uma metodologia para o planejamento de curto prazo para alocação das fontes de GD do tipo eólica (considerando as incertezas presentes neste tipo de fonte primária de energia), alocação de bancos de capacitores, dispositivos de proteção e controle, bem como a possibilidade de recondutoramento e troca de estruturas da rede de distribuição, mantendo-se os índices de qualidade para o fornecimento de energia dentro dos padrões estabelecidos pela agência reguladora. O problema de planejamento de curto prazo é formulado como um modelo de programação inteira multiobjetivo, o qual consiste em minimizar os custos de investimento e perdas técnicas na rede (energia não suprida e perdas ôhmicas nos condutores) e está sujeito a restrições físicas, econômicas e operacionais. ... (Resumo completo, clicar acesso eletrônico abaixo) / Doutor

Orientador: Antonio Roberto Balbo / Banca: Aparecido Nilceu Marana / Banca: Helenice de Oliveira F. Silva / Resumo: O Brasil é o maior produtor de cana-de-açúcar do mundo. Mas, existe uma grande preocupação com o sistema de colheita utilizado nesta cultura, pois é prática comum a colheita manual com a pré-queima do palhiço. Autoridades brasileiras têm aprovado leis proibindo a queimada nos canaviais. Entretanto, a colheita mecanizada, com cana-de-açúcar crua, cria novos problemas com a permanência do resíduo no solo. Assim, muitos estudos têm sido propostos para o uso deste resíduo para geração de energia. A maior dificuldade no uso desta biomassa está no custo de coletar e transferir o resíduo, do campo para o centro de processamento. Para análise da viabilidade deste sistema há a necessidade de um estudo do balanço de energia envolvido, devido ao grande número de maquinário utilizado no processo. O objetivo deste trabalho é investigar modelos matemáticos que auxiliem na escolha das variedades de cana-de-açúcar a serem implantadas, de forma a minimizar o custo de coleta da biomassa residual e avaliar o balanço de energia gerado, adicionado restrições sobre a produção de sacarose e limitações da área para plantio e considerando as distâncias entre os talhões e o centro de processamento. Para isto, técnicas de programação linear e inteira 0-1 foram utilizadas. A busca de soluções para problemas de programação inteira com grande número de variáveis e restrições é de difícil resolução, mas os resultados apresentados mostram que a utilização d eum procedimento híbrido envolvendo o método Primal-Dual de Pontos Interiores e o método Branch and Bound promove uma boa performance computacional, apresentando soluções confiáveis. Assim, o uso deste procedimento é viável para o auxílio na seleção de variedades, otimizando o custo do uso da biomassa residual de colheita ou o balanço de geração de energia / Abstract: It is that Brazil is the world's largest sugar cane producer. But there is great concern about the harvesting system used in this culture, because it is a common practice to burn the straw before the barvest. Brazilian authorities have approved laws prohibiting the burning in the sugar cane fields. However, with mechanized harvesting of sugar cane raw creates new problems with the accumulation of the waste biomass in the ground. Many studies have been proposed to use this waste for energy generation. The greatest difficulty to use this biomass is in the cost of collect and transfer the residues from the field to the the processing center. To analyze the feasibility of this system, it is necessary a study of the involved energy balance, because of the large number of machines in the process. The aim of this study is to investigate mathematical models that help on choosing varieties of sugar cane to be planted, to minimize the cost of collect of residual biomass and to analyze the balance of power generated, adding restrictions on the production on the production of sucrose and limitations on the area for planting and considering the distances among the plots the processing center. To this, techniques of 0-1 integer linear programming were used. The search for solutions to integer programming problems with many variables and constraints its very hard, but the results show that the use of a hybrid procedure involving the Primal-Dual Interior Point method and Branch and Bound method promotes good performance computing, with reliable solutions. Thus, the use of this procedure is feasible to help on select of varieties, optimizing the cost of collect of the waste biomass or the the balance of power generation / Mestre

Submitted by RODRIGO RODRIGUES DA CUNHA PAIVA null (rodrigorcp@hotmail.com) on 2017-01-27T17:19:53Z No. of bitstreams: 1 Tese_Rodrigo_Paiva.pdf: 2424828 bytes, checksum: 304f20862a283a2556f7f0f3576eb60e (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-01-31T15:33:23Z (GMT) No. of bitstreams: 1 paiva_rrc_dr_ilha.pdf: 2424828 bytes, checksum: 304f20862a283a2556f7f0f3576eb60e (MD5) / Made available in DSpace on 2017-01-31T15:33:24Z (GMT). No. of bitstreams: 1 paiva_rrc_dr_ilha.pdf: 2424828 bytes, checksum: 304f20862a283a2556f7f0f3576eb60e (MD5) Previous issue date: 2016-12-09 / O planejamento de sistemas de distribuição consiste em encontrar uma configuração otimizada, a um baixo custo, que permita manter a qualidade e confiabilidade do fornecimento de energia. Fontes de Geração Distribuída (GD) quando inseridas na rede alteram as suas características físicas e operacionais e tornam o problema de planejamento de curto prazo mais complexo para ser resolvido. Portanto, é importante desenvolver ferramentas computacionais eficientes para reduzir custos e o tempo na tomada de decisão para o setor de planejamento das empresas, indicando onde, quando e quais os tipos de componentes devem ser instalados e/ou substituídos nas redes de distribuição na presença de fontes de GD. Neste trabalho propõe-se uma metodologia para o planejamento de curto prazo para alocação das fontes de GD do tipo eólica (considerando as incertezas presentes neste tipo de fonte primária de energia), alocação de bancos de capacitores, dispositivos de proteção e controle, bem como a possibilidade de recondutoramento e troca de estruturas da rede de distribuição, mantendo-se os índices de qualidade para o fornecimento de energia dentro dos padrões estabelecidos pela agência reguladora. O problema de planejamento de curto prazo é formulado como um modelo de programação inteira multiobjetivo, o qual consiste em minimizar os custos de investimento e perdas técnicas na rede (energia não suprida e perdas ôhmicas nos condutores) e está sujeito a restrições físicas, econômicas e operacionais. Este problema é resolvido através de um algoritmo genético multiobjetivo baseado no Non-dominated Sorting Genetic Algorithm (NSGA-II), e a metodologia proposta e implementada foi testada em um sistema de distribuição real de 135 barras, e os resultados obtidos mostram eficácia e robustez da metodologia proposta. / The planning of distribution systems consists of finding an optimized configuration, at a low cost, which allows to maintain the quality and reliability of the power supply. Distributed Generation (DG) sources, when inserted into the network, change their physical and operational characteristics and make the short-term planning problem more complex to be solved. Hence, it is important to develop efficient computational tools aiming to reduce costs and the impact of time limits on decision making for the utility planning sector, indicating where, when and what types of components should be installed and / or replaced in distribution networks in the presence of sources. Accordingly, this work proposes a new methodology for the short-term planning which considers the allocation of wind-type DG sources (considering the uncertainties present in this type of primary energy source capacitor banks, protection and control devices, as well as the possibility of reconnecting and exchanging structures of the distribution network, maintaining the quality indices for the supply of energy within the standards established by the regulatory agency. The short-term planning problem is formulated as an integer multiobjective programming model, which consists of minimizing the investment costs and technical losses in the network (energy not supplied and ohmic losses in the conductors) by subjecting to physical, economic and operational constraints. Thus, this problem is solved here by using a multiobjective genetic algorithm based on the Non-dominated Sorting Genetic Algorithm (NSGA-II). In order to testthe proposed methodology, a real distribution system, containing 135-buses, is implemented and analyzed. In short, the obtained results demonstrate its efficacy and robustness in light of the proposed methodology.

Este trabalho apresenta um modelo de otimização multiobjetivo aplicado ao projeto de concepção de submarinos convencionais (i.e. de propulsão dieselelétrica). Um modelo de síntese que permite a estimativa de pesos, volume, velocidade, carga elétrica e outras características de interesse para a o projeto de concepção é formulado. O modelo de síntese é integrado a um modelo de otimização multiobjetivo baseado em algoritmos genéticos (especificamente, o algoritmo NSGA II). A otimização multiobjetivo consiste na maximização da efetividade militar do submarino e na minimização de seu custo. A efetividade militar do submarino é representada por uma Medida Geral de Efetividade (OMOE) estabelecida por meio do Processo Analítico Hierárquico (AHP). O Custo Básico de Construção (BCC) do submarino é estimado a partir dos seus grupos de peso. Ao fim do processo de otimização, é estabelecida uma Fronteira de Pareto composta por soluções não dominadas. Uma dessas soluções é selecionada para refinamento preliminar e os resultados são discutidos. Subsidiariamente, esta dissertação apresenta discussão sucinta sobre aspectos históricos e operativos relacionados a submarinos, bem como sobre sua metodologia de projeto. Alguns conceitos de Arquitetura Naval, aplicada ao projeto dessas embarcações, são também abordados. / This thesis presents a multi-objective optimization model applied to concept design of conventional submarines (i.e. diesel-electric powered boats). A synthesis model that allows the estimation of weights, volume, speed, electrical load and other design features of interest is formulated. The synthesis model is integrated with a multi-objective optimization model based on genetic algorithms (specifically, the NSGA II algorithm). The multi-objective optimization consists of maximizing the submarine\'s military effectiveness and minimizing its cost. The military effectiveness is represented by an Overall Measure of Effectiveness (OMOE) established via the Analytic Hierarchy Process (AHP). The submarine\'s Basic Construction Cost (BCC) is estimated from its weight groups. At the end of the optimization process, a Pareto Front composed of non-dominated solutions is established. One of these solutions is selected for preliminary refinement and the results are discussed. This work also presents succinct discussion about submarine historical and operational aspects and design methodology. Some Naval Architectural concepts, applied to submarine design, are also discussed.

O alinhamento de seqüências biológicas é uma operação básica em Bioinformática, já que serve como base para outros processos como, por exemplo, a determinação da estrutura tridimensional das proteínas. Dada a grande quantidade de dados presentes nas seqüencias, são usadas técnicas matemáticas e de computação para realizar esta tarefa. Tradicionalmente, o Problema de Alinhamento de Seqüências Biológicas é formulado como um problema de otimização de objetivo simples, onde alinhamento de maior semelhança, conforme um esquema de pontuação, é procurado. A Otimização Multi-Objetivo aborda os problemas de otimização que possuem vários critérios a serem atingidos. Para este tipo de problema, existe um conjunto de soluções que representam um "compromiso" entre os objetivos. Uma técnica que se aplica com sucesso neste contexto são os Algoritmos Evolutivos, inspirados na Teoria da Evolução de Darwin, que trabalham com uma população de soluções que vão evoluindo até atingirem um critério de convergência ou de parada. Este trabalho formula o Problema de Alinhamento de Seqüências Biológicas como um Problema de Otimização Multi-Objetivo, para encontrar um conjunto de soluções que representem um compromisso entre a extensão e a qualidade das soluções. Aplicou-se vários modelos de Algoritmos Evolutivos para Otimização Multi-Objetivo. O desempenho de cada modelo foi avaliado por métricas de performance encontradas na literatura. / The Biological Sequence Alignment is a basic operation in Bioinformatics since it serves as a basis for other processes, i.e. determination of the protein's three-dimensional structure. Due to the large amount of data involved, mathematical and computational methods have been used to solve this problem. Traditionally, the Biological Alignment Sequence Problem is formulated as a single optimization problem. Each solution has a score that reflects the similarity between sequences. Then, the optimization process looks for the best score solution. The Multi-Objective Optimization solves problems with multiple objectives that must be reached. Frequently, there is a solution set that represents a trade-off between the objectives. Evolutionary Algorithms, which are inspired by Darwin's Evolution Theory, have been applied with success in solving this kind of problems. This work formulates the Biological Sequence Alignment as a Multi-Objective Optimization Problem in order to find a set of solutions that represent a trade-off between the extension and the quality of the solutions. Several models of Evolutionary Algorithms for Multi-Objetive Optimization have been applied and were evaluated using several performance metrics found in the literature.

A busca de soluções para a mobilidade urbana que minimizem a agressão do setor de tráfego e transportes ao meio ambiente está cada vez maior. Os veículos elétricos se posicionam como uma alternativa interessante, pois reduzem a emissão de gases poluentes na atmosfera, a poluição sonora e o consumo de petróleo. No entanto, sua limitada autonomia e a escassez de postos de recarga intimidam sua adoção. Por conta disso, políticas governamentais de incentivo têm sido desenvolvidas para a oferta de benefícios a quem optar por um veículo elétrico. Estima-se que dentro de poucas décadas toda a frota urbana será substituída por veículos dessa natureza. Por isso, é importante entender as mudanças no tempo de viagem e no consumo de energia oriundos da inclusão de veículos elétricos em cenários de tráfego. Trabalhos anteriores estudaram as diferenças entre os mecanismos internos de veículos convencionais e elétricos na determinação destas mudanças. Porém, dadas as características destes últimos, motoristas de veículos elétricos se preocupam com a economia de energia e podem optar por rotas diferentes. Logo, uma análise completa destes impactos deve considerar uma nova distribuição de tráfego. Este trabalho propõe um método biobjetivo de alocação de tráfego que considera o tempo de viagem e o consumo de energia para determinar a distribuição de veículos elétricos em cenários de tráfego urbano. Duas estratégias de distribuição de fluxo são propostas como mecanismos de escolha de rotas. Como parte da alocação de tráfego, é proposto um algoritmo biobjetivo de caminhos mínimos para veículos elétricos. A abordagem apresentada foi aplicada a três cenários distintos, onde percebeu-se uma diminuição de até 80% no consumo total de energia. Em cenários com congestionamento, observou-se um aumento de 10% no tempo de viagem. Já em cenários sem congestionamento o tempo de viagem diminuiu cerca de 2%. A recuperação de energia representa quase 6% da economia total dos veículos elétricos. Além disso, experimentos mostraram que investimentos na eficiência dos veículos elétricos podem resultar em uma economia de até 15% de energia. / The search for urban mobility solutions that minimize the aggression to the environment is increasing. Electric vehicles are an attractive alternative because they reduce greenhouse gas emissions, noise pollution, and oil consumption. However, their limited autonomy and the lack of charging stations restrict their popularization. Therefore, government incentive policies have been developed in order to offer benefits to those who choose an electric vehicle. It is estimated that the entire urban fleet will be replaced by these vehicles in a few decades. Therefore, it is important to understand the changes in travel time and energy consumption from the inclusion of electric vehicles in traffic scenarios. Previous works determined these changes by studying the differences between the internal engine of conventional and electric vehicles. However, given the characteristics of the latter, drivers of electric vehicles care about saving energy and may want to choose different routes. Thus, a complete analysis of these impacts should consider a redistribution of traffic. This work proposes a bi-objective traffic assignment method that considers the travel time and the energy consumption to determine the distribution of electric vehicles in urban traffic scenarios. We introduce two strategies for flow distribution as models of route choice. As a procedure of the traffic assignment method, we propose a bi-objective shortest path algorithm for electric vehicles. Our approach was applied to three different scenarios, which resulted in a decrease of up to 80% in total energy consumption. In congested scenarios, we observe an increase of about 10% in average travel time. In uncongested scenarios, travel time decreases about 2%. Energy recovery is almost 6% of the total savings of electric vehicles. Moreover, experiments have shown that investments in the efficiency of electric vehicles can result in up to 15% of energy savings.

Em sentido geral, a quimiotaxia é o movimento dirigido que desenvolvem alguns seres vivos em resposta aos gradientes químicos presentes no seu ambiente. Uma bactéria é um organismo unicelular que usa a quimiotaxia como mecanismo de mobilização para encontrar os nutrientes de que precisa para sobreviver e para escapar de ambientes nocivos. Evoluída durante milhões de anos pela natureza, a quimiotaxia de bactérias é um processo altamente otimizado de busca e exploração em espaços desconhecidos. Graças aos avanços no campo da computação, as estratégias quimiotácticas das bactérias e sua excelente capacidade de busca podem ser modeladas, simuladas e emuladas para desenvolver métodos de otimização inspirados na natureza que sejam uma alternativa aos métodos já existentes. Neste trabalho, desenvolvem-se dois algoritmos baseados em estratégias quimiotácticas de bactérias: o BCBTOA (Bacterial Chemotaxis Based Topology Optimization Algorithm) e o BCMOA (Bacterial Chemotaxis Multiobjective Optimization Algorithm) os quais são um algoritmo de otimização topológica e um algoritmo de otimização multi-objetivo, respectivamente. O desempenho dos algoritmos é avaliado mediante a sua aplicação à solução de diversos problemas de prova e os resultados são comparados com os de outros algoritmos atualmente relevantes. O algoritmo de otimização multi-objetivo desenvolvido, também foi aplicado na solução de três problemas de otimização de projeto mecânico de eixos. Os resultados obtidos e os analise comparativos feitos, permitem concluir que os algoritmos desenvolvidos são altamente competitivos e demonstram o potencial do processo de quimiotaxia de bactérias como fonte de inspiração de algoritmos de otimização distribuída, contribuindo assim, a dar resposta à constante demanda por técnicas de otimização mais eficazes e robustas. / In general, chemotaxis is the biased movement developed by certain living organisms as a response to chemical gradients present in their environment. A bacterium is a unicellular organism that uses chemotaxis as a mechanism for mobilization that allows it to find nutrients needed to survive and to escape from harmful environments. Millions of years of natural evolution became bacterial chemotaxis a highly optimized process in searching and exploration of unknown spaces. Thanks to advances in the computing field, bacterial chemotactical strategies and its excellent ability in searching can be modeled, simulated and emulated developing bio-inspired optimization methods as alternatives to classical methods. Two algorithms based on bacterial chemotactical strategies were designed, developed and implemented in this work: i) the topology optimization algorithm, BCBTOA (Bacterial Chemotaxis Based Topology Optimization Algorithm) and ii) the multi-objective optimization algorithm, BCMOA (Bacterial Chemotaxis Multiobjective Optimization Algorithm). Algorithms performances were evaluated by their applications in the solution of benchmark problems and the results obtained were compared with other algorithms also relevant today. The BCMOA developed here was also applied in the solution of three mechanical design problems. The results obtained as well as the comparative analysis conducted lead to conclude that the algorithms developed were competitive. This also demonstrates the potential of bacterial chemotaxis as a process in which distributed optimization techniques can be inspired.

The shipping industry is very large and ships require a substantial amount of fuel. However, fuel consumption is not the only concern. Time of arrival, safety concerns, distance travelled etc. are also of importance and these objectives might be inherently conflicting. This thesis aims to demonstrate multi-objective optimization and Pareto navigation for application in voyage planning. In order to perform this optimization, models of weather, ocean conditions, ship dynamics and propulsion system are needed. Statistical methods for estimation of resistance experienced in calm and rough sea are used. An earlier developed framework is adopted to perform the optimization and Pareto navigation. The results show that it is a suitable approach in voyage planning. A strength of the interactive Pareto navigation is the overview of the solution space presented to the decision maker and the control of the spread of the objective space. Another benefit is the possibilities of assigning specific values on objectives and setting thresholds in order to narrow down the solution space. The numerical results reinforces the trend of slow steaming to decrease fuel consumption.