Infantile nystagmus is a condition that causes involuntary, bilateral and conjugate oscillations of the eyes, which are predominately restricted to the horizontal plane. In order to investigate the cause of nystagmus, computational models and nonlinear dynamics techniques have been used to model and analyse the oculomotor system. Computational models are important in making predictions and creating a quantitative framework for the analysis of the oculomotor system. Parameter estimation is a critical step in the construction and analysis of these models. A preliminary parameter estimation of a nonlinear dynamics model proposed by Broomhead et al. [1] has been shown to be able to simulate both normal rapid eye movements (i.e. saccades) and nystagmus oscillations. The application of nonlinear analysis to experimental jerk nystagmus recordings, has shown that the local dimensions number of the oscillation varies across the phase angle of the nystagmus cycle. It has been hypothesised that this is due to the impact of signal dependent noise (SDN) on the neural commands in the oculomotor system. The main aims of this study were: (i) to develop parameter estimation methods for the Broomhead et al. [1] model in order to explore its predictive capacity by fitting it to experimental recordings of nystagmus waveforms and saccades; (ii) to develop a stochastic oculomotor model and examine the hypothesis that noise on the neural commands could be the cause of the behavioural characteristics measured from experimental nystagmus time series using nonlinear analysis techniques. In this work, two parameter estimation methods were developed, one for fitting the model to the experimental nystagmus waveforms and one to saccades. By using the former method, we successfully fitted the model to experimental nystagmus waveforms. This fit allowed to find the specific parameter values that set the model to generate these waveforms. The types of the waveforms that we successfully fitted were asymmetric pseudo-cycloid, jerk and jerk with extended foveation. The fit of other types of nystagmus waveforms were not examined in this work. Moreover, the results showed which waveforms the model can generate almost perfectly and the waveform characteristics of a number of jerk waveforms which it cannot exactly generate. These characteristics were on a specific type of jerk nystagmus waveforms with a very extreme fast phase. The latter parameter estimation method allowed us to explore whether the model can generate horizontal saccades of different amplitudes with the same behaviour as observed experimentally. The results suggest that the model can generate the experimental saccadic velocity profiles of different saccadic amplitudes. However, the results show that best fittings of the model to the experimental data are when different model parameter values were used for different saccadic amplitude. Our parameter estimation methods are based on multi-objective genetic algorithms (MOGA), which have the advantage of optimising biological models with a multi-objective, high-dimensional and complex search space. However, the integration of these models, for a wide range of parameter combinations, is very computationally intensive for a single central processing unit (CPU). To overcome this obstacle, we accelerated the parameter estimation method by utilising the parallel capabilities of a graphics processing unit (GPU). Depending of the GPU model, this could provide a speedup of 30 compared to a midrange CPU. The stochastic model that we developed is based on the Broomhead et al. [1] model, with signal dependent noise (SDN) and constant noise (CN) added to the neural commands. We fitted the stochastic model to saccades and jerk nystagmus waveforms. It was found that SDN and CN can cause similar variability to the local dimensions number of the oscillation as found in the experimental jerk nystagmus waveforms and in the case of saccade generation the saccadic variability recorded experimentally. However, there are small differences in the simulated behaviour compared to the nystagmus experimental data. We hypothesise that these could be caused by the inability of the model to simulate exactly key jerk waveform characteristics. Moreover, the differences between the simulations and the experimental nystagmus waveforms indicate that the proposed model requires further expansion, and this could include other oculomotor subsystem(s).

In this thesis, we develop an evolutionary algorithm for approximating the Pareto frontier of multi-objective continuous and combinatorial optimization problems. The algorithm tries to evolve the population of solutions towards the Pareto frontier and distribute it over the frontier in order to maintain a well-spread representation. The fitness score of each solution is computed with a Tchebycheff distance function and non-dominating sorting approach. Each solution chooses its own favorable weights according to the Tchebycheff distance function. Some seed solutions at initial population and a crowding measure also help to achieve satisfactory results. In order to test the performance of our evolutionary algorithm, we use some continuous and combinatorial problems. The continuous test problems taken from the literature have special difficulties that an evolutionary algorithm has to deal with. Experimental results of our algorithm on these problems are provided. One of the combinatorial problems we address is the multi-objective knapsack problem. We carry out experiments on test data for this problem given in the literature. We work on two bi-criteria p-hub location problems and propose an evolutionary algorithm to approximate the Pareto frontiers of these problems. We test the performance of our algorithm on Turkish Postal System (PTT) data set (TPDS), AP (Australian Post) and CAB (US Civil Aeronautics Board) data sets. The main contribution of this thesis is in the field of developing a multi-objective evolutionary algorithm and applying it to a number of multi-objective continuous and combinatorial optimization problems.

A demanda criada pelos estudos biológicos resultou para predição da estrutura terciária de proteínas ser uma alternativa, uma vez que menos de 1% das sequências conhecidas possuem sua estrutura terciária determinada experimentalmente. As predições Ab initio foca nas funções baseadas da física, a qual se trata apenas das informações providas pela sequência primária. Por consequência, um espaço de busca com muitos mínimos locais ótimos deve ser pesquisado. Este cenário complexo evidencia uma carência de algoritmos eficientes para este espaço, tornando-se assim o principal obstáculo para este tipo de predição. A optimização Multi-Objetiva, principalmente os Algoritmos Evolutivos, vem sendo aplicados na predição da estrutura terciária já que na mesma se envolve um compromisso entre os objetivos. Este trabalho apresenta o framework ProtPred-PEO-GROMACS, ou simplesmente 3PG, que não somente faz predições com a mesma acurácia encontrada na literatura, mas também, permite investigar a predição por meio da manipulação de combinações de objetivos, tanto no aspecto energético quanto no estrutural. Além disso, o 3PG facilita a implementação de novas opções, métodos de análises e também novos algoritmos evolutivos. A fim de salientar a capacidade do 3PG, foi então discorrida uma comparação entre os algoritmos NSGA-II e SPEA2 aplicados na predição Ab initio da estrutura terciária de proteínas em seis combinações de objetivos. Ademais, o uso da técnica de refinamento por Dinâmica Molecular é avaliado. Os resultados foram adequados quando comparado com outras técnicas de predições: Algoritmos Evolutivo Multi-Objetivo, Replica Exchange Molecular Dynamics, PEP-FOLD e Folding@Home. / The demand created by biological studies resulted the structure prediction as an alternative, since less than 1% of the known protein primary sequences have their 3D structure experimentally determined. Ab initio predictions focus on physics-based functions, which regard only information about the primary sequence. As a consequence, a search space with several local optima must be sampled, leading to insucient sampling of this space, which is the main hindrance towards better predictions. Multi-Objective Optimization approaches, particularly the Evolutionary Algorithms, have been applied in protein structure prediction as it involves a compromise among conicting objectives. In this paper we present the ProtPred-PEO-GROMACS framework, or 3PG, which can not only make protein structure predictions with the same accuracy standards as those found in the literature, but also allows the study of protein structures by handling several energetic and structural objective combinations. Moreover, the 3PG framework facilitates the fast implementation of new objective options, method analysis and even new evolutionary algorithms. In this study, we perform a comparison between the NSGA-II and SPEA2 algorithms applied on six dierent combinations of objectives to the protein structure. Besides, the use of Molecular Dynamics simulations as a renement technique is assessed. The results were suitable when comparated with other prediction methodologies, such as: Multi-Objective Evolutionary Algorithms, Replica Exchange Molecular Dynamics, PEP-FOLD and Folding@Home.

Due to the complexity of multi-objective combinatorial optimization problems (MOCO), metaheuristics like multi-objective evolutionary algorithms (MOEA) are gaining importance to obtain a well-converged and well-dispersed Pareto-optimal frontier approximation. In this study, of the well-known MOCO problems, single-dimensional multi-objective knapsack problem and multi-objective assignment problem are taken into consideration. We develop a steady-state and elitist MOEA in order to approximate the Pareto-optimal frontiers. We utilize a territory concept in order to provide diversity over the Pareto-optimal frontiers of various problem instances. The motivation behind the territory definition is to attach the algorithm the advantage of fast execution by eliminating the need for an explicit diversity preserving operator. We also develop an interactive preference incorporation mechanism to converge to the regions that are of special interest for the decision maker by interacting with him/her during the optimization process.

A demanda criada pelos estudos biológicos resultou para predição da estrutura terciária de proteínas ser uma alternativa, uma vez que menos de 1% das sequências conhecidas possuem sua estrutura terciária determinada experimentalmente. As predições Ab initio foca nas funções baseadas da física, a qual se trata apenas das informações providas pela sequência primária. Por consequência, um espaço de busca com muitos mínimos locais ótimos deve ser pesquisado. Este cenário complexo evidencia uma carência de algoritmos eficientes para este espaço, tornando-se assim o principal obstáculo para este tipo de predição. A optimização Multi-Objetiva, principalmente os Algoritmos Evolutivos, vem sendo aplicados na predição da estrutura terciária já que na mesma se envolve um compromisso entre os objetivos. Este trabalho apresenta o framework ProtPred-PEO-GROMACS, ou simplesmente 3PG, que não somente faz predições com a mesma acurácia encontrada na literatura, mas também, permite investigar a predição por meio da manipulação de combinações de objetivos, tanto no aspecto energético quanto no estrutural. Além disso, o 3PG facilita a implementação de novas opções, métodos de análises e também novos algoritmos evolutivos. A fim de salientar a capacidade do 3PG, foi então discorrida uma comparação entre os algoritmos NSGA-II e SPEA2 aplicados na predição Ab initio da estrutura terciária de proteínas em seis combinações de objetivos. Ademais, o uso da técnica de refinamento por Dinâmica Molecular é avaliado. Os resultados foram adequados quando comparado com outras técnicas de predições: Algoritmos Evolutivo Multi-Objetivo, Replica Exchange Molecular Dynamics, PEP-FOLD e Folding@Home. / The demand created by biological studies resulted the structure prediction as an alternative, since less than 1% of the known protein primary sequences have their 3D structure experimentally determined. Ab initio predictions focus on physics-based functions, which regard only information about the primary sequence. As a consequence, a search space with several local optima must be sampled, leading to insucient sampling of this space, which is the main hindrance towards better predictions. Multi-Objective Optimization approaches, particularly the Evolutionary Algorithms, have been applied in protein structure prediction as it involves a compromise among conicting objectives. In this paper we present the ProtPred-PEO-GROMACS framework, or 3PG, which can not only make protein structure predictions with the same accuracy standards as those found in the literature, but also allows the study of protein structures by handling several energetic and structural objective combinations. Moreover, the 3PG framework facilitates the fast implementation of new objective options, method analysis and even new evolutionary algorithms. In this study, we perform a comparison between the NSGA-II and SPEA2 algorithms applied on six dierent combinations of objectives to the protein structure. Besides, the use of Molecular Dynamics simulations as a renement technique is assessed. The results were suitable when comparated with other prediction methodologies, such as: Multi-Objective Evolutionary Algorithms, Replica Exchange Molecular Dynamics, PEP-FOLD and Folding@Home.

Desenvolver um sistema de distribuição de energia confiável é certamente um desafio inerente aos profissionais do setor elétrico. Porém, os sistemas estão sujeitos a falhas e, sendo assim, o rápido restabelecimento traz a satisfação do cliente e reduz as compensações pagas pelas concessionárias de energia. Neste contexto a presente dissertação visa avaliar a metodologia para restabelecimento de energia denominada AEMT-H que se baseia em algoritmos evolutivos multi-objetivo se na estrutura de dados chamada Representação Nó- Profundidade (RNP). Esta avaliação ocorrerá através da aplicação do AEMT-H para obtenção de planos de restabelecimento de energia após a ocorrência de faltas simples no sistema COPEL da cidade de Londrina. Os resultados gerados serão avaliados estatisticamente e ainda subjetivamente pelos profissionais do COD da concessionária. Os algoritmos evolutivos têm apresentado resultados animadores para os problemas de restabelecimento de energia. Em especial, os resultados obtidos, quando da representação computacional de sistemas de distribuição de grande porte (com milhares de barras e chaves) através da RNP, possuem como característica o tempo de resposta da ordem de segundos, instigando a evolução das pesquisas para utilização desta metodologia inclusive em aplicativos de tempo real. O sistema de Londrina possui 30.156 barras, 2.660 chaves \"NF\", 250 chaves \"NA\" e atende um universo de mais de 231.000 consumidores ligados diretamente ao sistema de 13,8 kV ou, após os transformadores de distribuição, nas tensões de 220V e 127V. Neste sistema estão presentes 6 subestações 138 kV/13,8 kV e 64 circuitos alimentadores, totalizando uma capacidade de transformação de energia de 541,7 MVA. / The development of a reliable distribution system is certainly a challenge to electrical industry professionals. However, these systems are subject to failures and thus the fast restoration brings customer satisfaction and reduces the compensation paid by the electricity utilities. In this context, this dissertation aims to evaluate the methodology for service restoration called \"AEMT-H\", which is based on multi-objective evolutionary algorithms and in the data structure called Node Depth Encoding (NDE). This evaluation will occur by applying the \"AEMT-H\" to obtain service restoration plans considering the occurrence of simple faults in the COPEL system of the city of Londrina. The obtained results will bee valuated statistically and subjectively by professionals of the Distribution Operation Center. It is important to highlight that Evolutionary algorithms have shown promising results to treat the service restoration problem in distribution systems. In particular, the results obtained when using NDE tocomputationally represent the electrical topology of large distribution systems (with thousand of buses and switchers) are very interesting in terms of time processing (in the order of seconds). The system of Londrina has 30,156 buses, 2,660 switchers normally closed, 250 switchers normally opened and supplies a universe of more than 231,000 consumers connected directly to the system with voltage of 13.8 kV or, after distribution transformers, with voltages of 220V and 127V. This system contains 6 substations 138 kV/13,8 kV and 64 feeders, and a installed power of 541.7 MVA.

Esta tese estudou a aplicação de algoritmos evolucionários na análise multiobjetivo para gestão integrada de sistemas de recursos hídricos, bem como a sua integração à sistemas de suporte a decisão como o SSD AcquaNet e ModSim DSS. Dois algoritmos evolucionários multi-objetivo são desenvolvidos: MoDE-NS e MoPSO-NS e comparados ao NSGA-II. Os algoritmos foram desenvolvidos em forma de Sistema de Otimização que possibilita a análise de problemas multi-objetivo de forma generalizada com foco em sistemas de recursos hídricos. A possibilidade de integração com o SSD AcquaNet e o ModSim DSS via importação de rede de fluxo e a otimização conjunta, são apresentadas e exploradas. Uma ferramenta de visualização gráfica do conjunto de soluções não dominadas é incluída no Sistema de Otimização. Os algoritmos desenvolvidos foram aplicados a problemas de teste padrão para validação através da comparação de seus resultados ao NSGA-II. As possibilidades de aplicação do sistema de otimização e dos algoritmos evolucionários multi-objetivo foram exploradas inicialmente através de análise multi-objetivo do modelo chuva-vazão Smap com dois e cinco objetivos. Em seguida, a análise foi estendida a um sistema de recursos hídricos complexo, o Sistema Cantareira, responsável pelo abastecimento de aproximadamente metade da RMSP, que corresponde à aproximadamente 33 m³/s. A análise foi realizada comparando dois pares de funções objetivos envolvendo custos de energia elétrica, minimização de déficit no atendimento às demandas e minimização do desvio da qualidade da água em relação à Classe de enquadramento no rio Atibaia, a jusante do reservatório Atibainha e Cachoeira. Os resultados apontam que os algoritmos evolucionários multi-objetivo são aptos para aplicação na análise integrada de sistemas de recursos hídricos e representam uma boa alternativa aos métodos denominados clássicos, pelas suas características peculiares discutidas no trabalho. Algumas recomendações quanto ao uso dos algoritmos abordados para análise de problemas multi-objetivo foram apresentados. / This Thesis presents an application of evolutionary algorithms in multi-objective analysis for integrated management of water resources systems and their integration into decision support systems as AcquaNet and ModSim DSS. Two multi-objective evolutionary algorithms are developed: MoDE-NS-NS and MoPSO-NS and compared to NSGA-II. The algorithms are developed in the form of Optimization System which enables generalized multi-objective analysis with a focus on water resources systems. The possibilities for integration with AcquaNet and ModSim DSS, by importing network flow directly from them or by integrated optimization/simulation are also presented. A graphical visualization tool for the set of non-dominated solutions is also included in Optimization System. The algorithms are applied to common test problems set for validation by comparing its results to the NSGA-II. The possibilities of application of the developed Optimization System and multi-objective evolutionary algorithms are initially exploited by multi-objective analysis of a hydrological rainfall-runoff model Smap, with two and five objectives. Then, the analysis is extended to a complex water resources system, the Cantareira System, responsible for supplying nearly half of the Sao Paulo metro area, which corresponds to approximately 33 m³/s. The analysis is done by comparing two pairs of objective functions: minimization of demand shortage versus minimization of pumping cost and minimization of demand shortage versus minimization of the deviation from water quality standards. The results show that the multi-objective evolutionary algorithms are suitable for application to integrated analysis of water resources systems and represent a good alternative to the so called classical methods, for its peculiar characteristics discussed on this thesis. The MoDE-NS and MoPSO-NS developed, outperformed NSGA-II results, by obtaining a better coverage of the Pareto fronts especially on the water resources system case study.

Encontrar a configuração de mínimas perdas ôhmicas ou que forneça um adequado plano de restabelecimento aptos a ocorrência de faltas permanentes são problemas de natureza combinatorial, com múltiplos objetivos e restrições, que envolvem funções cujas características, em geral, dificultam o uso de técnicas de programação matemática. Algoritmos Evolutivos têm apresentado resultados animadores para esses problemas, especialmente quando aplicados em sistemas de distribuição de grande porte. Neste trabalho são propostas duas novas metodologias, baseadas em Algoritmos Evolutivos Multi-Objetivo, para reconfiguração de redes em sistemas de distribuição, que podem ser aplicadas para o tratamento dos problemas de redução de perdas ôhmicas e restabelecimento de energia em sistemas de grande porte (com milhares de barras, linhas e chaves). Para o desenvolvimento dessas metodologias, foi utilizado uma estrutura de dados para manipular grafos produzindo exclusivamente configurações radiais e conexas, chamada Representação Nó-profundidade. As metodologias propostas foram testadas para diversos sistemas, dentre os quais destaca-se um com 30:880 barras, tendo sido satisfatórios os resultados obtidos. Para o problema de restabelecimento de energia foram testados falta única e múltiplas faltas. / Find the distribution system configuration of minimum power losses or that provides an adequate service restoration plan is a combinatorial, multi-objective and multi constraint problems, which involves functions whose characteristics, in general, difficult the use of mathematical programming techniques. Evolutionary Algorithms have shown relevant results for these problems, especially for Large-Scale Distribution Systems. This work proposes two methodologies for network reconfiguration based on Multi-Objective Evolutionary Algorithms, which can be applied to treat the problems of power loss reduction and service restoration in large scale distribution systems (with thousands of buses, lines and switches). In order to develop these methodolgies, it was used a data structure to manipulate graphs producing exclusively radial and connected connections, called Node Depth Encoding. The proposed methodologies were successfully tested in several distribution systems, among them one with 30,880 buses. The problem of service restoration is analyzed considering cases of single and multiple faults.

Desenvolver um sistema de distribuição de energia confiável é certamente um desafio inerente aos profissionais do setor elétrico. Porém, os sistemas estão sujeitos a falhas e, sendo assim, o rápido restabelecimento traz a satisfação do cliente e reduz as compensações pagas pelas concessionárias de energia. Neste contexto a presente dissertação visa avaliar a metodologia para restabelecimento de energia denominada AEMT-H que se baseia em algoritmos evolutivos multi-objetivo se na estrutura de dados chamada Representação Nó- Profundidade (RNP). Esta avaliação ocorrerá através da aplicação do AEMT-H para obtenção de planos de restabelecimento de energia após a ocorrência de faltas simples no sistema COPEL da cidade de Londrina. Os resultados gerados serão avaliados estatisticamente e ainda subjetivamente pelos profissionais do COD da concessionária. Os algoritmos evolutivos têm apresentado resultados animadores para os problemas de restabelecimento de energia. Em especial, os resultados obtidos, quando da representação computacional de sistemas de distribuição de grande porte (com milhares de barras e chaves) através da RNP, possuem como característica o tempo de resposta da ordem de segundos, instigando a evolução das pesquisas para utilização desta metodologia inclusive em aplicativos de tempo real. O sistema de Londrina possui 30.156 barras, 2.660 chaves \"NF\", 250 chaves \"NA\" e atende um universo de mais de 231.000 consumidores ligados diretamente ao sistema de 13,8 kV ou, após os transformadores de distribuição, nas tensões de 220V e 127V. Neste sistema estão presentes 6 subestações 138 kV/13,8 kV e 64 circuitos alimentadores, totalizando uma capacidade de transformação de energia de 541,7 MVA. / The development of a reliable distribution system is certainly a challenge to electrical industry professionals. However, these systems are subject to failures and thus the fast restoration brings customer satisfaction and reduces the compensation paid by the electricity utilities. In this context, this dissertation aims to evaluate the methodology for service restoration called \"AEMT-H\", which is based on multi-objective evolutionary algorithms and in the data structure called Node Depth Encoding (NDE). This evaluation will occur by applying the \"AEMT-H\" to obtain service restoration plans considering the occurrence of simple faults in the COPEL system of the city of Londrina. The obtained results will bee valuated statistically and subjectively by professionals of the Distribution Operation Center. It is important to highlight that Evolutionary algorithms have shown promising results to treat the service restoration problem in distribution systems. In particular, the results obtained when using NDE tocomputationally represent the electrical topology of large distribution systems (with thousand of buses and switchers) are very interesting in terms of time processing (in the order of seconds). The system of Londrina has 30,156 buses, 2,660 switchers normally closed, 250 switchers normally opened and supplies a universe of more than 231,000 consumers connected directly to the system with voltage of 13.8 kV or, after distribution transformers, with voltages of 220V and 127V. This system contains 6 substations 138 kV/13,8 kV and 64 feeders, and a installed power of 541.7 MVA.

Encontrar a configuração de mínimas perdas ôhmicas ou que forneça um adequado plano de restabelecimento aptos a ocorrência de faltas permanentes são problemas de natureza combinatorial, com múltiplos objetivos e restrições, que envolvem funções cujas características, em geral, dificultam o uso de técnicas de programação matemática. Algoritmos Evolutivos têm apresentado resultados animadores para esses problemas, especialmente quando aplicados em sistemas de distribuição de grande porte. Neste trabalho são propostas duas novas metodologias, baseadas em Algoritmos Evolutivos Multi-Objetivo, para reconfiguração de redes em sistemas de distribuição, que podem ser aplicadas para o tratamento dos problemas de redução de perdas ôhmicas e restabelecimento de energia em sistemas de grande porte (com milhares de barras, linhas e chaves). Para o desenvolvimento dessas metodologias, foi utilizado uma estrutura de dados para manipular grafos produzindo exclusivamente configurações radiais e conexas, chamada Representação Nó-profundidade. As metodologias propostas foram testadas para diversos sistemas, dentre os quais destaca-se um com 30:880 barras, tendo sido satisfatórios os resultados obtidos. Para o problema de restabelecimento de energia foram testados falta única e múltiplas faltas. / Find the distribution system configuration of minimum power losses or that provides an adequate service restoration plan is a combinatorial, multi-objective and multi constraint problems, which involves functions whose characteristics, in general, difficult the use of mathematical programming techniques. Evolutionary Algorithms have shown relevant results for these problems, especially for Large-Scale Distribution Systems. This work proposes two methodologies for network reconfiguration based on Multi-Objective Evolutionary Algorithms, which can be applied to treat the problems of power loss reduction and service restoration in large scale distribution systems (with thousands of buses, lines and switches). In order to develop these methodolgies, it was used a data structure to manipulate graphs producing exclusively radial and connected connections, called Node Depth Encoding. The proposed methodologies were successfully tested in several distribution systems, among them one with 30,880 buses. The problem of service restoration is analyzed considering cases of single and multiple faults.