Este trabalho trata do problema de otimização do resultado para uma empresa (maximização da receita) que presta o serviço de transporte de carga conteinerizada por via marítima num cenário onde a demanda dos clientes supera a oferta de capacidade disponível. No trabalho são descritas as características do problema da escolha do mix de carga em um horizonte de planejamento típico de várias semanas (tipicamente de 6 a 8) com detalhamento diário, ou seja, caracterizando um problema de múltiplos períodos. Também são consideradas as restrições de peso e de volume dos navios utilizados e disponibilidade de contêineres. A proposta é maximizar o retorno gerado pelo transporte através da escolha do conjunto de clientes que apresentem a melhor rentabilidade total dentre um universo definido em um processo mensal de levantamento de demanda. Contribuem para o aumento da complexidade da modelagem do problema a necessidade de utilização de variáveis inteiras em função da escolha de cada carga de cada cliente, considerando também vários navios em múltiplas rotas e programação do reposicionamento de contêineres vazios em conjunto com os cheios. Para a resolução deste problema foi desenvolvida uma heurística para a solução do modelo matemático que analisa a rentabilidade relativa de cada carga segundo critérios de ocupação (volume e peso) dos navios. A partir daí, as cargas mais rentáveis são alocadas e são verificadas as restrições de capacidade do navio utilizado e a disponibilidade de contêineres vazios em um processo interativo, onde são analisadas as opções de reposicionamento dos contêineres vazios até a obtenção da solução ou recusa da carga. A heurística proposta permite considerar diferentes critérios de rentabilidade dos clientes e cargas, tendo sido aplicada a um problema real para a sua validação. Os resultados obtidos mostram uma oportunidade de melhoria no processo atual tanto no aspecto de aumento da lucratividade do negócio, objetivo principal do trabalho, como em outras questões como a programação antecipada do reposicionamento dos contêineres vazios e a flexibilização do espaço alocado para esta movimentação. / This work presents a problem of profit optimization (revenue maximization) in container shipment company by maritime modal in a scenario where demand surplus the available capacity. In this work is described the characteristics of cargo mix problem in a multiple planning period of several weeks (typically from 6 to 8) with diary scheduling, which means that it turns to a multiple period problem. It is also considered the weight and volume restrictions of the boats and availability of containers. The proposal is to maximize the return generated by the transportation service by choosing the set of clients that generates the bigger profitability in a major group defined in a monthly process of demand evaluation. The complexity of the problem is enhanced by the utilization of integer variables, because of the need of choosing each client and its cargo, also considering that it may be more than one ship in multiple routes and the empty containers transportation along with the cargo. For the solution of the problem, it was developed a heuristic for the solution of the mathematical model that analyses the profitability of each client according to occupation (volume and weight) of the ships. From this moment on, the most profitable cargos are allocated and the restriction of capacity of the ships and availability of empty containers are in a interactive process until the solution is found or the client discharged. This method was tested in a real problem of a maritime transportation company, comparing the various profitability criteria of the clients and cargos. The obtained results show an opportunity of actual process improvement concerning the profitability of the business, main objective of this work, as in the anticipation of the empty containers repositioning and flexibilization of the space allocated to this operation.

Modelos de Markov ocultos (MMOs) são uma ferramenta importante em matemática aplicada e estatística. Eles se baseiam em dois processos estocásticos. O primeiro é uma cadeia de Markov, que não é observada diretamente. O segundo é observável e sua distribuição depende do estado na cadeia de Markov. Supomos que os processos são discretos no tempo e assumem um número finito de estados. Para extrair informações dos MMOs, é necessário estimar seus parâmetros. Diversos algoritmos locais têm sido utilizados nas últimas décadas para essa tarefa. Nosso trabalho estuda a estimação de parâmetros em modelos de Markov ocultos, do ponto de vista da otimização global. Desenvolvemos algoritmos capazes de encontrar, em uma execução bem sucedida, todos os estimadores de máxima verossimilhança globais de um modelo de Markov oculto. Para tanto, usamos aritmética intervalar. Essa aritmética permite explorar sistematicamente o espaço paramétrico, excluindo regiões que não contém soluções. O cálculo da função objetivo é feito através da recursão \\textit, descrita na literatura estatística. Modificamos a extensão intervalar natural dessa recursão usando programação linear. Nossa abordagem é mais eficiente e produz intervalos mais estreitos do que a implementação padrão. Experimentos mostram ganhos de 16 a 250 vezes, de acordo com a complexidade do modelo. Revisamos os algoritmos locais, tendo em vista sua aplicação em métodos globais. Comparamos os algoritmos de Baum-Welch, pontos interiores e gradientes projetados espectrais. Concluímos que o método de Baum-Welch é o mais indicado como auxiliar em otimização global. Modificamos o \\textit{interval branch and bound} para resolver a estimação de modelos com eficiência. Usamos as condições KKT e as simetrias do problema na construção de testes para reduzir ou excluir caixas. Implementamos procedimentos de aceleração da convergência, como o método de Newton intervalar e propagação de restrições e da função objetivo. Nosso algoritmo foi escrito em \\textit{C++}, usando programação genérica. Mostramos que nossa implementação dá resultados tão bons quanto o resolvedor global BARON, porém com mais eficiência. Em média, nosso algoritmo é capaz de resolver $50\\%$ mais problemas no mesmo período de tempo. Concluímos estudando aspectos qualitativos dos MMOs com mistura Bernoulli. Plotamos todos os máximos globais detectados em instâncias com poucas observações e apresentamos novos limitantes superiores da verossimilhança baseados na divisão de uma amostra grande em grupos menores. / Hidden Markov models(HMMs) are an important tool in statistics and applied mathematics. Our work deals with processes formed by two discrete time and finite state space stochastic processes. The first process is a Markov chain and is not directly observed. On the other hand, the second process is observable and its distribution depends on the current state of the hidden component. In order to extract conclusions from a Hidden Markov Model we must estimate the parameters that defines it. Several local algorithms has been used to handle with this task. We present a global optimization approach based on interval arithmetic to maximize the likelihood function. Interval arithmetic allow us to explore parametric space systematically, discarding regions which cannot contain global maxima. We evaluate the objective function and its derivatives by the so called backward recursion and show that is possible to obtain sharper interval extensions for such functions using linear programming. Numerical experiments shows that our approach is $16$ to $250$ times more efficient than standard implementations. We also study local optimization algorithms hidden Markov model estimation. We compare Baum-Welch procedure with interior points and spectral projected gradients. We conclude that Baum-Welch is the best option as a sub-algorithm in a global optimization framework. We improve the well known interval branch and bound algorithm to take advantages on the problem structure. We derive new exclusion tests, based on its KKT conditions and symmetries. We implement our approach in C++, under generic programming paradigm. We show that our implementation is compatible with global optimization solver BARON in terms of precision. We also show that our algorithm is faster than BARON. In average, we can handle with $50\\%$ more problems within the same amount of time. We conclude studying qualitative aspects of Bernoulli hidden Markov models. We plot all global maxima found in small observations instances and show a new upper bound of the likelihood based on splitting observations in small groups.

Circuitos integrados analógicos são essenciais em sistemas eletrônicos modernos, sendo responsáveis por tarefas como conversão analógica/digital e digital/analógica, comunicação por radiofrequência, filtragem, etc. O projeto deste tipo de circuito e sistema é de grande complexidade uma vez que deve atender a especificações de desempenho cada vez mais exigentes e ter um tempo de projeto reduzido a fim de não comprometer o tempo total dos projetos de sinal misto. Diversas ferramentas são propostas na literatura visando auxiliar o projetista a aumentar sua produtividade. Apesar disso, devido à forte interligação entre etapas, o fluxo de projeto de circuitos integrados analógicos ainda é, tradicionalmente, realizado utilizando-se apenas cálculos manuais e posterior ajuste fino através de softwares de simulação elétrica. Neste trabalho, são estudadas técnicas de síntese de circuitos analógicos utilizando métodos modernos de otimização em nível de circuito e sistema. Após este estudo, é proposto um novo algoritmo de Simulated Annealing/Simulated Quenching, incluindo um mecanismo para utilização do operador de crossover considerando informações de múltiplos objetivos. É realizada a hibridização entre o algoritmo desenvolvido e um algoritmo de Particle Swarm Optimization para criação de um segundo algoritmo capaz de realizar a busca pela fronteira de Pareto. As características dos algoritmos propostos foram elaboradas visando a síntese de circuitos integrados analógicos, no entanto, resultados indicam que eles também têm excelente desempenho em comparação com diversos algoritmos atuais do tipo sem derivada para determinados problemas matemáticos. A generalidade dos métodos modernos de otimização permite que variações da mesma técnica sejam utilizadas em nível de circuito (dimensionamento e polarização de componentes do circuito) e de sistema (tradução de especificações de sistema em especificações de blocos). Dessa forma, são propostas técnicas para a criação de uma ferramenta de síntese em nível de sistema e circuito utilizando métodos modernos de otimização. Uma interface através de arquivos texto de entrada foi desenvolvida para tornar a ferramenta versátil e poder ser utilizada para uma grande variedade de tipos de circuitos eletrônicos. Para validar o algoritmo e a ferramenta na síntese em nível de circuito, foram sintetizados circuitos em tecnologia 0,35 µm, 180 nm e 130 nm. Entre eles, foram sintetizados amplificadores do tipo Miller, amplificadores do tipo folded cascode complementar, amplificadores de baixo ruído operando em 2,45 GHz e fontes de referência. Comparações utilizando o teste não paramétrico de Mann-Whitney-Wilcoxon mostram que o algoritmo proposto tem melhor desempenho que os demais algoritmos comparados para os casos estudados. Comparações com projetos manuais e outras ferramentas confirmam a eficácia dos algoritmos e ferramenta. Para validação da ferramenta em nível de sistema, foram sintetizados filtros do tipo Gm-C. / Analog integrated circuits are very important in modern electronic systems, performing tasks such as analog to digital conversion, digital to analog conversion, radio frequency communication, filtering and others. The design of this type of circuit requires attending to several performance specifications as well as a time specification in order to avoid compromising the overall design time of mixed signal projects. Several tools are proposed in the literature in order to aid the designer, however the traditional design flow for analog integrated circuits is usually accomplished using only hand calculations and adjusts through the use of electrical simulators. In this work, techniques for analog design synthesis for circuit and system level are studied. An optimization algorithm is proposed based on Simulated Annealing/Simulated Quenching with a mechanism for using the crossover operator considering multiobjective information. An hybrid algorithm combining the proposed algorithm with Particle Swarm Optimization was created to properly explore the Pareto front The characteristics of the algorithms are made to enable the synthesis of analog integrated circuits, however, tests indicate they have excellent performance in comparison with many other derivative-free algorithms when applied to certain mathematical problems. The generality of modern optimization methods allow that variations of the same techniques can be used in circuit level (sizing and biasing of circuit components) and in system level (translation of system specifications to block specifications). Therefore, techniques for the creation of a circuit-level and system-level tool are developed. An interface using spice-like text files as inputs is developed to allow the designer to use the tool for a wide range of electronic circuits. In order to validate the proposed algorithms and circuit level tool, circuits were synthesized in 0.35 m, 180 nm and 130 nm. The synthesized circuits included Miller amplifiers, complementary folded cascode amplifiers, low noise amplifiers operating at 2.45 GHz and voltage reference circuits. Comparisons using the non-parametric Mann-Whitney-Wilcoxon test showed that the proposed algorithm has better performance than the compared algorithms for the studied cases. At the system level, syntheses of Gm-C filters were performed to validate the tool.

Orientador: Paulo Augusto Valente Ferreira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-26T07:28:50Z (GMT). No. of bitstreams: 1 Santos_IedaMariaAntunesdos_M.pdf: 574923 bytes, checksum: c12026b92ae45a86f10301a71da54f45 (MD5) Previous issue date: 2014 / Resumo: Esta dissertação aborda o problema de, dado um conjunto de razões de funções afins, maximizar o valor da menor das razões sobre uma região viável politópica. Para problemas nesta formulação, que generaliza a Otimização Linear-Fracionária e estende as suas aplicações em Matemática, Engenharia e Economia, existem de algoritmos de Otimização Global eficientes. Nesta dissertação estes algoritmos são revistos e aplicados a um problema específico de Alocação de Potência em Sistemas de Comunicação. Testes computacionais demonstram que os algoritmos propostos são mais eficientes do que os disponíveis atualmente na literatura para a aplicação considerada / Abstract: This dissertation considers the problem of, given a set of ratios of affine functions, maximizing the smallest ratio over a polytopic feasible region. For problems in this formulation, which generalizes the Linear-Fractional Optimization problem and extends its applications in Mathematics, Engineering and Economy, there exist efficient Global Optimization algorithms. In this dissertation these algorithms are reviewed and applied to a specific Power Allocation problem in Communication Systems. Computational tests show that the proposed algorithms are more efficient than the currently available in the literatura for the application considered / Mestrado / Telecomunicações e Telemática / Mestre em Engenharia Elétrica

Orientador: Paulo Augusto Valente Ferreira / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-21T14:52:27Z (GMT). No. of bitstreams: 1 Ashtiani_AlirezaMohebi_D.pdf: 1381601 bytes, checksum: 9ae82bd53a7cf70422fed2348416f8f0 (MD5) Previous issue date: 2012 / Resumo: Muitos problemas práticos em Engenharia, Economia e Planejamento são modelados de maneira conveniente como problemas de Otimização Global. Esta tese tem como objetivo principal apresentar novas técnicas de Otimização Global com foco na resolução de duas importantes classes de problemas: problemas de Programação Multiplicativa Generalizada, os quais envolvem a minimização e a maximização de uma soma finita de produtos de funções convexas e côncavas, respectivamente, e problemas de Programação Fracionária Generalizada, os quais, por sua vez, envolvem a minimização e a maximização de uma soma finita de razões de funções convexa-côncava ou côncava-convexa, respectivamente. Na tese demonstra-se que todos estes problemas podem ser eficientemente resolvidos por um mesmo algoritmo de aproximação externa, a partir da reformulação dos problemas como problemas com infinitas restrições lineares de desigualdade. Um algoritmo baseado em enumeração de restrições e um algoritmo de aproximação externa combinado a uma técnica branch-and-bound são usados para resolver globalmente problemas de Programação Multiplicativa. Em seguida, as mesmas técnicas são empregadas na resolução de problemas de Programação Fracionária. Experiências computacionais atestam a viabilidade e a eficiência dos métodos de Otimização Global propostos, os quais também são facilmente programáveis a partir de pacotes de otimização disponíveis comercialmente / Abstract: Many practical problems in Engineering, Economics and Planning are modeled in a convenient way by Global Optimization problems. The principal objective of this thesis is to introduce new global optimization techniques with focus on the resolution of two important classes of problems: Generalized Multiplicative Programming Problems, in which involve the minimization and maximization of a finite sum of products of convex and concave functions, respectively, and Generalized Fractional Programming Problems, in which, in turn, involve the minimization and maximization of a finite sum of convex-concave and concave-convex ratio functions, respectively. The thesis demonstrates that all these problems can be efficiently solved by the same outer approximation algorithm, from the reformulation of the problems as problems with infinite linear inequality constraints. An algorithm based on a constraint enumeration and an outer approximation algorithm together with a branch-and-bound technique are used to globally solve Multiplicative Programming problems. Then, the same techniques are employed in the resolution of Fractional Programming problems. Computational experiments certify the viability and efficiency of the proposed Global Optimization methods, which are also easily programmable through commercially available optimization packages / Doutorado / Automação / Doutor em Engenharia Elétrica

Submitted by Luiza Maria Pereira de Oliveira (luiza.oliveira@ufpe.br) on 2017-07-12T14:35:17Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO Diogo da Silva Severo.pdf: 871898 bytes, checksum: d5d7499d1a7c7d0838db7f6fc9dd682b (MD5) / Made available in DSpace on 2017-07-12T14:35:17Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO Diogo da Silva Severo.pdf: 871898 bytes, checksum: d5d7499d1a7c7d0838db7f6fc9dd682b (MD5) Previous issue date: 2013-08-15 / Redes Neurais Artificiais foram inspiradas nas redes neurais biológicas e as principais semelhanças compartilhadas por ambas são: capacidade de processamento de informação de forma paralela e distribuída, presença de unidades de processamento simples e capacidade de aprendizado através de exemplos. Entretanto, as redes neurais artificiais não apresentam uma característica inerente às redes neurais biológicas: modularização. Em contraste com as redes neurais artificiais, nosso cérebro apresenta áreas especializadas distintas responsáveis por tarefas específicas como visão, audição e fala, por exemplo. Com o intuito de aproximar ainda mais as redes neurais artificiais das redes neurais biológicas, foram propostas as redes neurais modulares. Tais redes tiram proveito da modularização para superar as redes neurais simples quando lidam com problemas complexos. Um conceito crucial relacionado ao uso de redes neurais modulares é a decomposição. A decomposição trata da divisão do problema original em vários subproblemas, menores e mais simples de serem resolvidos. Cada subproblema é tratado por um especialista (rede neural simples) específico. Ao solucionar seus respectivos subproblemas, cada módulo faz uso de todo o conjunto original de características para treinar seus especialistas. Entretanto, é esperado que diferentes módulos requeiram diferentes características para realizar suas tarefas. Dessa forma, é importante escolher quais características melhor preservam a informação discriminatória entre classes necessária à tarefa de classificação de cada módulo. Este trabalho propõe uma arquitetura de rede neural modular que seleciona um conjunto específico de características por módulo, sendo este um tópico pouco explorado na literatura uma vez que, em sua maioria, os trabalhos envolvendo redes neurais modulares não realizam seleção de características para cada módulo específico. O procedimento de seleção de características é um método de otimização global baseado no PSO binário. Outra contribuição do presente trabalho é um método híbrido de seleção e ponderação de características baseado no PSO binário. Foram realizados experimentos com bases de dados públicas e os resultados mostraram que a arquitetura proposta obteve melhores taxas de classificação ou taxas iguais, porém, fazendo uso de menos características quando comparadas a redes neurais modulares que não realizam a seleção de características por módulo. Os experimentos realizados com o método híbrido de seleção e ponderação de características baseado em otimização por enxame de partículas mostraram taxas de classificação superiores às taxas obtidas pelos métodos que serviram de comparação. / Artificial Neural Networks were inspired by biological neural networks and the major similarities shared by both are: the ability to process information in a parallel and istributed way, the presence of simple processing units and the ability for learning through examples. However, artificial neural networks do not present an inherent characteristic of biological neural networks: modularization. In contrast to artifical neural networks, our brain has distinct specialized areas for specific tasks such as vision, hearing and speech, for example. With the aim of bringing even more artificial neural networks to biological neural networks, modular neural networks were proposed. Such networks take advantage of modularization to outperform the simple neural networks when dealing with complex problems. A crucial concept related to the use of neural networks is the task decomposition. The task decomposition divides the original problem into several subproblems, smaller and simpler to resolve. Each subproblem is handled by a specific expert (simple neural network). To solve their subproblems, each module makes use of the whole set of features to train its expert. Nevertheless, it is expected that different modules require different features to perform their tasks. Thus, it is important to choose which features better preserve the discriminant information among classes for each module. This work proposes a modular neural network architecture that selects a specific set of features per module. This approach is a topic little explored in literature since in most cases research involving modular neural networks do not perform feature selection for each particular module. The feature selection procedure is an optimization method based on the binary particle swarm optimization. Another contribution of this work is a hybrid feature selection and weighting method based on binary PSO. Experiments were carried out on public datasets and the results show that the proposed architecture achieved better accuracy rates or equal rates, however, using less features when compared to modular neural networks that do not select features per module. Experiments with the hybrid feature selection and weighting method based on optimization particle swarm show better accuracy rates when compared to other hybrids methods used in this work as comparison methods.

Neste trabalho, consideramos uma nova parametrização para o problema de empacotar a maior quantidade possível de círculos idênticos uma região elíptica dada. Apresentamos algoritmos com propriedades de convergência global e algumas estratégias heurísticas. Ilustramos com experimentos numéricos extensivos cada uma das estratégias utilizadas / In this work we consider a new parametrization for the problem of packing the maximum number of identical circles within a given elliptical region. We present algorithms with global convergence properties and some heuristic strategies. We illustrate each described strategy with extensive numerical experiments

O Serviço de Gerenciamento de Fluxo de Tráfego Aéreo (ATFM) estabelece um controle de fluxo seguro, ordenado e eficiente de acordo com a capacidade da infraestrutura e dos serviços de controle. O Gerenciamento ´e realizado com o auxílio de sistemas automatizados. Tais sistemas implementam programas que ajustam a demanda de voos à capacidade do espaço aéreo. Algoritmos simples podem sugerir medidas ATFM para solucionar a saturação em um conjunto restrito de elementos regulados (aeródromos, regiões do espaço aéreo, fixos ou aerovias). A natureza interconectada dos elementos regulados, que compõem o fluxo de tráfego aéreo, demanda uma abordagem mais abrangente para atingir o uso ótimo desses recursos, uma vez que outros problemas podem surgir quando a otimização local é aplicada a um elemento sem levar em conta seus elementos relacionados. Nem sempre há a necessidade do planejamento estratégico ser um ótimo global, uma vez que cenários viáveis e sub-ótimos encontrados com menor custo computacional podem representar soluções satisfatórias. O aumento da demanda do tráfego aéreo, no entanto, tem fomentado a aplicação de programas de geração de medidas ATFM mais complexos. Esta pesquisa implementou um programa de otimização global para a geração de medidas ATFM em cenários de larga escala do mundo real. O problema ´e modelado como um problema de programa¸c~ao inteira e o modelo adotado ´e abrangente, pois prevê atraso em solo, em voo, alteração de velocidade e rerroteamento. O programa é capaz de balancear o fluxo atendendo restrições de capacidade dos aeródromos e dos setores. Além disso, foi desenvolvida uma interface de visualização e edição de dados para os cenários estudados. Dados de voos no espaço aéreo brasileiro foram processados e utilizados para testar a solução implementada e mostraram a viabilidade do método. A utilização de um programa de otimização que leva em conta mais restrições potencialmente irá contribuir com o aumento de eficiência no uso da infraestrutura e do espaço aéreo de forma segura. / The Air Traffic Flow Management Service (ATFM) establishes a secure, orderly and efficient flow control according to the capacity of the infrastructure and control services. The Management is performed with the aid of automated systems. Such systems implement programs that adjust the flight demand to the airspace capacity. Simple algorithms might suggest ATFM measures to resolve saturation in a restricted set of regulated elements (aerodromes, airspace regions, fixes or airways). The interconnected nature of the regulated elements that make up the air traffic flow requires a more comprehensive approach to achieve optimum use of these resources, since other problems can arise when local optimization is applied to an element without regard to its related elements. There is not always a need for strategic planning to be a global optimum, since feasible and sub-optimal scenarios encountered at lower computational cost might represent satisfactory solutions. The increase in air traffic demand, however, has encouraged the application of programs to generate more complex ATFM measures. This research implemented a global optimization program for the generation of ATFM measures in large-scale real-world scenarios. The problem is modeled as an integer programming problem and the adopted model is comprehensive, since it provides ground and airborne delays, change of speed and re-routing. The program is able to balance the flow by meeting capacity constraints of the aerodromes and sectors. In addition, a visualization and data editing interface was developed for the studied scenarios. Flight data in Brazilian airspace were processed and used to test the implemented solution and the viability of the method was shown. The use of an optimization program that takes into account more constraints will potentially contribute to increase the efficiency in use of infrastructure and airspace in a secure manner.

Diante do moderno paradigma de projeto otimizado de grandes sistemas de engenharia, este trabalho apresenta um ambiente de projeto que inclui uma série de inovações que permitem otimizar problemas multidisciplinares utilizando colaboração remota pela Internet. Muitos trabalhos têm sido desenvolvidos nesse sentido, o que motivou uma parceria internacional entre o Departamento de Engenharia Naval da Universidade de São Paulo e a Ecole Centrale de Nantes. O objetivo desta parceria foi unir a experiência brasileira em projetos de sistemas complexos de engenharia com a experiência francesa em otimização multidisciplinar. Sendo este trabalho fruto de uma colaboração internacional, é importante ter em mente a obrigação existente para que a pesquisa desenvolvida atenda a ambas as expectativas. O objetivo é, a um só tempo, viabilizar a integração de subsistemas conhecidos em um ambiente de projeto que permita a otimização multidisciplinar de sistemas complexos de engenharia e desenvolver contribuições pontuais relevantes no uso de superfícies de resposta, projeto distribuído e no desenvolvimento de estratégias de otimização multidisciplinares. O relatório apresentará uma descrição do problema, seguida da revisão bibliográfica sobre os principais assuntos envolvidos na pesquisa. A descrição do trabalho desenvolvido ocupará os dois próximos capítulos. No primeiro, o trabalho é apresentado privilegiando a visão global do sistema e a integração dos diferentes subsistemas desenvolvidos em um enfoque claramente influenciado pela tradicional visão sistêmica da Engenharia Naval. No capítulo seguinte as principais contribuições pontuais desenvolvidas são detalhadas ao estilo Francês. Por fim é apresentada a aplicação deste trabalho em diversos problemas matemáticos e de engenharia. / Facing the modern paradigm of optimized projects of large engineering systems, this research work presents a project environment that includes a series of innovations that allow the optimization of multidisciplinary problems using remote collaboration through the internet. Many research works have been done around this subject, which have motivated an international partnership between the Departamento de Engenharia Naval da Universidade de Sao Paulo and Ecole Centrale de Nantes. The objective of this partnership was mix the Brazilian expertise in design of engineering systems with the French expertise in multidisciplinary optimization. Being the result of an international collaboration, it is important to keep in mind the existing compromise to fulfill both expectations. The objective is altogether to make the integration of known systems viable in a project environment that allows multidisciplinary optimization of complex engineering systems with the creation of focused contributions that are relevant on the use of response surfaces, design collaborative and on the development of strategies of multidisciplinary optimization. The report will present a description of the problem, followed by a bibliographic revision about the main issues involved in the research. The description of the work is covered on the two following chapters. On the first one, the work approaches a global view of the system and the integration of different developed sub-systems under a perspective clearly influenced by the traditional systemic vision of Naval Engineering. On the next chapter, the main punctual contributions are detailed in the French style. Finally, the application of this work is presented in several mathematical and engineering problems.

Vários problemas do mundo real podem ser modelados como problemas de otimização global, os quais são comuns em diversos campos da Engenharia e Ciência. Em geral, problemas complexos e de larga-escala não podem ser resolvidos de forma eficiente por técnicas determinísticas. Desse modo, algoritmos probabilísticos, como as metaheurísticas, têm sido amplamente empregados para otimização global. Duas das principais dificuldades nesses problemas são escapar de regiões sub-ótimas e evitar convergência prematura do algoritmo. À medida que a complexidade do problema aumenta, devido a um grande número de variáveis ou de regiões sub-ótimas, o tempo computacional torna-se grande e a possibilidade de que o algoritmo encontre o ótimo global diminui consideravelmente. Para solucionar esses problemas, propõe-se o uso de técnicas de aumento ou melhoria de eficiência. Com essas técnicas, buscase desenvolver estratégias que sejam aplicáveis a diversos algoritmos de otimização global, ao invés de criar um novo algoritmo de otimização ou um algoritmo híbrido. No contexto de problemas contínuos, foram desenvolvidas técnicas para determinação de uma ou mais regiões promissoras do espaço de busca, que contenham uma grande quantidade de soluções de alta qualidade, com maior chance de conterem o ótimo global. Duas das principais técnicas propostas, o Algoritmo de Otimização de Domínio (DOA) e a arquitetura de Amostragem Inteligente (SS), foram testadas com sucesso significativo em vários problemas de otimização global utilizados para benchmark na literatura. A aplicação do DOA para metaheurísticas produziu melhoria de desempenho em 50% dos problemas testados. Por outro lado, a aplicação da SS produziu reduções de 80% da quantidade de avaliações da função objetivo, bem como aumentou a taxa de sucesso em encontrar o ótimo global. Em relação a problemas discretos (binários), foram abordados problemas nos quais existem correlações entre as variáveis, que devem ser identificadas por um modelo probabilístico. Das duas técnicas de aumento de eficiência propostas para esses problemas, a técnica denominada Gerenciamento do Tamanho da População (PSM) possibilita a construção de modelos probabilísticos mais representativos. Com o PSM foi possível atingir uma redução de cerca de 50% na quantidade de avaliações, mantendo a taxa de sucesso em 100%. Em resumo, as técnicas de aumento de eficiência propostas mostramse capazes de aumentar significativamente o desempenho de metaheurísticas, tanto para problemas contínuos quanto para discretos / Several real-world problems from various fields of Science and Engineering can be modeled as global optimization problems. In general, complex and large-scale problems can not be solved eficiently by exact techniques. In this context, Probabilistic algorithms, such as metaheuristics, have shown relevant results. Nevertheless, as the complexity of the problem increases, due to a large number of variables or several regions of the search space with sub-optimal solutions, the running time augments and the probability that the metaheuristics will find the global optimum is significantly reduced. To improve the performance of metaheuristics applied to these problems, new eficiency-enhancement techniques (EETs) are proposed in this thesis. These EETs can be applied to different types of global optimization algorithms, rather than creating a new or a hybrid optimization algorithm. For continuous problems, the proposed EETs are the Domain Optimization Algorithm (DOA) and the Smart Sampling (SS) architecture. In fact, they are pre-processing algorithms that determine one or more promising regions of the search-space, containing a large amount of high-quality solutions, with higher chance of containing the global optimum. The DOA and SS were tested with signicant success in several global optimization problems used as benchmark in the literature. The application of DOA to metaheuristics produced a performance improvement in 50% of problems tested. On the other hand, the application of SS have produced reductions of 80% of the evaluations of the objective function, as well as increased the success rate of finding the global optimum. For discrete problems (binary), we focused on metaheuristics that use probabilistic models to identify correlations among variables that are frequent in complex problems. The main EET proposed for discrete problems is called Population Size Management (PSM), which improves the probabilistic models constructed by such algorithms. The PSM produced a reduction of 50% of function evaluations maintaining the success rate of 100%. In summary, the results show that the proposed EETs can significantly increase the performance of metaheuristics for both discrete and continuous problems