Petrobras / A inspeção radiográfica de juntas soldadas de tubulações é a atividade minuciosa e cuidadosa de observar imagens radiográficas de juntas soldadas em busca de pequenos defeitos e descontinuidades que possam comprometer a resistência mecânica dessas juntas. Como toda atividade que requer atenção constante, a inspeção radiográfica está sujeita a erros principalmente devido a fadiga visual e distrações naturais devido a repetitividade e monotonia inerentes à essa atividade. No presente trabalho, apresentam-se duas metodologias que têm por objetivo o auxílio e a automação da atividade de inspeção: a detecção automática dos cordões de solda nas radiografias e o realce das descontinuidades; compondo entre outras funcionalidades, um aplicativo completo de auxílio na inspeção radiográfica que agrega ainda a possibilidade de automação do processamento dessas imagens através da construção de rotinas e sua posterior aplicação a um conjunto de imagens semelhantes. Os resultados obtidos na detecção automática do cordão de solda são promissores, sendo possível, através da metodologia proposta, detectar cordões provenientes diferentes técnicas de ensaios radiográficos usuais. Quanto aos resultados do realce das descontinuidades, apesar de estes ainda não levarem a uma inspeção completamente autônoma e não supervisionada, apresentam resultados melhores do que aqueles existentes atualmente na literatura, principalmente quanto a correlação entre contraste visual do resultado do realce e a probabilidade de ocorrência de descontinuidades nas regiões demarcadas. Por fim, o realce das descontinuidades em conjunto com um aplicativo completo e iterativo contribui para uma maior leveza na atividade de inspeção, com o que se espera uma expressiva redução das taxas de erro devido à fadiga visual e um aumento considerável da produtividade através da automação das rotinas mais repetitivas de processamento digital a que as imagens radiográficas são submetidas durante sua inspeção. / The weld bead radiographic inspection is the activity of meticulously observe a radiographic image looking for small defects and discontinuities in the welded joints that can compromise the mechanical resistance of that joints. As any other activity than requires constant attention, the weld bead inspection is error prone due to visual fatigue, repetition and others distractions inherent to these activity. In this work, two new methodologies for help in the inspection activities are presented: the automatic detection of the weld bead and the highlighting of the weld bead discontinuities. Those that, among others functionalities, are included in a complete software solution for help in the weld bead inspection. Including the feature of macro programing for automation of the most common image processing routines and further processing bath of images in an automatic way. The results from the automatic weld bead detection is beyond the satisfactory, detecting weld bead from all the usual radiographic techniques. About the results of the highlight of the discontinuities, although that are not suited for a complete non supervised weld bead inspection, their correlation among intensity and the probability of the presence of a discontinuity is very well suited for discontinuities highlighting, a helpful tool in weld bead inspection. In conclusion, the proposed methodologies. combined with a fully featured interactive software solution, a lot contribute for the weld bead inspection activity, a decreased error rate due to visual fatigue and a better overall performance due to the automation of the most common procedures involved in this activity.

Submitted by CARLOS FRANCISCO SABILLON ANTUNEZ (cfsa27@gmail.com) on 2018-05-23T00:13:45Z No. of bitstreams: 1 20180522ATeseCarlos.pdf: 6005665 bytes, checksum: cc46f4ea50bb15771fa5c7f3ce3f8107 (MD5) / Approved for entry into archive by Cristina Alexandra de Godoy null (cristina@adm.feis.unesp.br) on 2018-05-24T14:51:28Z (GMT) No. of bitstreams: 1 sabillonantunez_cf_dr_ilha.pdf: 6416516 bytes, checksum: 8832a0c7772aecb5081e9daa768de603 (MD5) / Made available in DSpace on 2018-05-24T14:51:28Z (GMT). No. of bitstreams: 1 sabillonantunez_cf_dr_ilha.pdf: 6416516 bytes, checksum: 8832a0c7772aecb5081e9daa768de603 (MD5) Previous issue date: 2018-03-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / As redes de distribuição de energia elétrica devem estar preparadas para fornecer um serviço econômico e confiável a todos os clientes, bem como para integrar tecnologias relacionadas à geração distribuída, armazenamento de energia e veículos elétricos. Uma representação adequada da operação das redes de distribuição, considerando as tecnologias de redes inteligentes, é fundamental para atingir esses objetivos. Este trabalho apresenta formulações matemáticas para a operação em regime permanente das redes de distribuição, que consideram o desequilíbrio de redes trifásicas. Modelos matemáticos da operação de dispositivos relacionados à redes inteligentes presentes em redes de distribuição são desenvolvidos (e.g., dispositivos de controle volt-var, sistemas de armazenamento de energia e veículos elétricos). Além disso, características relacionadas à dependência da tensão das cargas, geração distribuída e limites térmico e de tensão também estão incluídos. Essas formulações constituem um marco matemático para a análise de otimização da operação das redes de distribuição de energia elétrica, o que possibilita modelar os processos de tomada de decisões. Objetivos diferentes relacionados a aspectos técnicos e/ou econômicos podem ser almejados dentro deste marco; Além disso, a extensão para otimização multi-período e multi-cenário é discutida. Os modelos apresentados são construídos com base em formulações de programação linear inteira mista, evitando o uso de formulações não-lineares inteiras mistas convencionais. A aplicação do marco apresentado é ilustrada em abordagens de controle para coordenação de carregamento de veículos elétricos, controle de magnitude de tensão e controle de geração distribuída renovável. Diversos métodos são desenvolvidos, com base no marco de otimização matemática, para otimizar a operação de sistemas de distribuição desbalanceados, considerando não apenas diferentes penetrações de veículos elétricos e fontes de energia renováveis, mas também a presença de sistemas de armazenamento e dispositivos de controle volt-var. A este respeito, o agendamento dinâmico e a otimização multi-período de janela rolante são frequentemente usados para alcançar uma operação ótima na rede. A eficácia e robustez das metodologias, bem como a confiabilidade do marco de otimização matemática, são verificados usando vários sistemas de teste (e.g., 123-node, 34-node e 178-node) com nós de média e baixa tensão, diferentes janelas de controle e várias disponibilidades de controle relacionadas aos dispositivos de rede inteligente. / Electric distribution networks should be prepared to provide an economic and reliable service to all customers, as well as to integrate technologies related to distributed generation, energy storage, and plug-in electric vehicles. A proper representation of the electric distribution network operation, taking into account smart grid technologies, is key to accomplish these goals. This work presents mathematical formulations for the steady-state operation of electric distribution networks, which consider the unbalance of three-phase grids. Mathematical models of the operation of smart grid-related devices present in electric distribution networks are developed (e.g., volt-var control devices, energy storage systems, and plug-in electric vehicles). Furthermore, features related to the voltage dependency of loads, distributed generation, and voltage and thermal limits are also included. These formulations constitute a mathematical framework for optimization analysis of the electric distribution network operation, which could assist planners in decision-making processes. Different objectives related to technical and/or economic aspects can be pursued within the framework; in addition, the extension to multi-period and multi-scenario optimization is discussed. The presented models are built based on mixed integer linear programming formulations, avoiding the use of conventional mixed integer nonlinear formulations. The application of the presented framework is illustrated throughout control approaches for plug-in electric vehicle charging coordination, voltage magnitude control, and renewable distributed generation control. Several methods are developed, based on this framework, to optimize the operation of unbalanced distribution systems considering not only different penetrations of electric vehicles and renewable energy sources but also the presence of storage systems and volt-var control devices. In this regard, dynamic scheduling and rolling multi-period optimization are often used to achieve optimal economic operation in the grid. The effective and robustness of the methodologies, as well as the reliability of the mathematical framework, are verified using many test systems (e.g., 123-node, 34-node, and 178-node) with medium and low voltage nodes, different operation control time frames, and several control availabilities related to the smart grid devices.

Muitos problemas de otimização reais apresentam mais de uma função-objetivo. Quando os objetivos são conflitantes, estratégias especializadas são necessárias, como é o caso dos algoritmos evolutivos multiobjetivo (MOEAs, do inglês Multi-objective Optimization Evolutionary Algorithms). Entretanto, se a avaliação das funções-objetivo é custosa (alto custo computacional ou econômico) muitos MOEAs propostos são impraticáveis. Uma alternativa pode ser a utilização de um modelo de aprendizado de máquina que aproxima o cálculo do fitness (surrogate) no algoritmo de otimização. Este trabalho propõe e investiga uma plataforma chamada ELMOEA/D que agrega MOEAs do estado da arte baseados em decomposição de objetivos (MOEA/D) e máquinas de aprendizado extremo (ELMs, do inglês Extreme Learning Machines) como modelos surrogate. A plataforma proposta é testada com diferentes variantes do algoritmo MOEA/D e apresenta bons resultados em problemas benchmark, comparada a um algoritmo da literatura que também utiliza MOEA/D mas modelos surrogates baseados em redes com função de base radial. A plataforma ELMOEA/D também é testada no Problema de Predição de Estrutura de Proteínas (PPEP). Apesar dos resultados alcançados pela proposta não serem tão animadores quanto aqueles obtidos nos benchmarks (quando comparados os algoritmos com e sem surrogates), diversos aspectos da proposta e do problema são explorados. Por fim, a plataforma ELMOEA/D é aplicada a uma formulação alternativa do PPEP com sete objetivos e, com estes resultados, várias direções para trabalhos futuros são apontadas. / Many real optimization problems have more than one objective function. When the objectives are in conflict, there is a need for specialized strategies, as is the case of the Multi-objective Optimization Evolutionary Algorithms (MOEAs). However, if the functions evaluation is expensive (high computational or economical costs) many proposed MOEAs are impractical. An alternative might be the use of a machine learning model to approximate the fitness function (surrogates) in the optimization algorithm. This work proposes and investigates a framework called ELMOEA/D that aggregates state-of-the-art MOEAs based on decomposition of objectives (MOEA/D) and extreme learning machines as surrogate models. The proposed framework is tested with different MOEA/D variants and show good results in benchmark problems, compared to a literature algorithm that also encompasses MOEA/D but uses surrogate models based on radial basis function networks. The ELMOEA/D framework is also applied to the protein structure prediction problem (PSPP). Despite the fact that the results achieved by the proposed approach were not as encouraging as the ones achieved in the benchmarks (when the algorithms with and without surrogates are compared), many aspects of both algorithm and problem are explored. Finally, the ELMOEA/D framework is applied to an alternative formulation of the PSPP and the results lead to various directions for future works.

CAPES / As crescentes preocupações com as questões ambientais têm levado à consideração de alternativas na mobilidade e transporte urbanos. Dentre as opções disponíveis, os ônibus elétricos movidos a bateria têm sido bastante considerados em termos de flexibilidade, sustentabilidade e emissão de poluentes. Estes ônibus possuem um sistema plug-in de recarga (PEV) que permite sua circulação sem a necessidade de alimentação constante por vias exclusivas. Entretanto, devido à necessidade de recarga das baterias, o número e posicionamento das estações de recarga tem papel fundamental na viabilização da operação deste sistema de transporte. Este trabalho apresenta um modelo de simulação de eventos discretos que captura o padrão de movimentação dos ônibus e respectivo consumo de energia. Uma estratégia de otimização que utiliza um algoritmo genético biobjetivo é então associada à simulação (otimização com simulação) para minimizar tanto o número de estações de recarga quanto o tempo extra necessário para recarga dos ônibus. Foram utilizados dados reais de demanda de passageiros, velocidade dos ônibus, distâncias, relevos, entre outros, do sistema de transporte da cidade de Curitiba. Os parâmetros de mobilidade dos ônibus estão baseados em dados reais adquiridos, filtrados e analisados através de um sistema informatizado da empresa que controla o sistema público e urbanização da cidade para um total de seis linhas expressas. O modelo utilizado para o consumo de energia dos ônibus é baseado no cálculo da energia necessária para movimentar um ônibus, levando em conta diferentes carregamentos e forças de resistência ao movimento. Nas paradas que possuem estações de recarga, considera-se recarga rápida da bateria ajustada para os parâmetros típicos de um ônibus elétrico. Os resultados mostram diferentes arranjos para o número de estações de recarga e atrasos nos itinerários programados, assim como os níveis de operação das baterias. / Growing concerns with environmental issues have resulted in considering alternatives for urban mobility and public transportation. Among the available options, battery- powered electric buses have been fairly considered in terms of flexibility, sustainability and emission of pollutants. These buses have a plug-in recharge system (PEV) that allows their driving in exclusive lanes without providing external power. However, recharge of batteries is necessary, and the number and placement of charging stations have a fundamental role in the operation of this transport system. This work presents a discrete event simulation model that captures the pattern of bus dynamics and its corresponding energy consumption. An optimization strategy that utilizes a biobjective genetic algorithm is then associated with the simulation (simulation with optimization) to minimize both the number of charging stations and average extra time needed to recharge batteries. Information for passenger demand, bus speed, distances, road elevations, among others, have been obtained from the Curitiba public transportation system. The parameters of buses’ mobility are based on real data acquired, filtered and analyzed for six express lines from raw data provided by a computational system of a company that controls the public transportation system and urban area of the city. The mathematical model used to compute the power consumption of a bus is based on the energy required to run it, taking into account different loadings and friction forces. Fast battery recharge with typical parameters of an electric bus is considered at bus stops with charging stations. The results show different arrangements for the number of recharge stations and delays in the bus schedule, as well as the corresponding energy levels of batteries.

Presently, companies live a reality of rapid economic transformations generated by globalization. The growth of the products and services international trade, the constant exchange of information and the cultural interchange challenge administrators to define new paths for their companies. This dynamics and the increasing competitiveness demand new knowledge and abilities from professionals. In this way, new technologies are researched in order to improve operational efficiency. The Brazilian oil industry in particular has invested in applied research, as well as on development and technological qualification to keep its competitiveness in the international market. Many are the problems that must still be studied in this production sector. Among these, and due their importance, the problems of products storage and transference can be pointed out. This work approaches a scheduling problem that involves diesel oil storage and distribution in an oil refinery. The Mixed Integer Linear Programming (MILP) techniques with representation in the discrete and continuous time were used. The models that were developed were solved by the LINGO 8.0 software, using the branch and bound algorithm. However, due to their combinatorial nature, the expended computational time used for thesolution was excessive. Thus, four new methodologies were developed: Hybrid Steady State Genetic Algorithm (HSSGA) and Transgenetic ProtoG Algorithm, both integrated to Linear Programming (LP), for the representation of discrete time; simulation with optimization using the Genetic Algorithm (GA) and simulation with optimization using the Transgenetic ProtoG Algorithm, for the representation of continuous time. The results obtained through several tests with these new methodologies have shown that they can reach good results in an acceptable computational time. The two techniques for the representation of discrete time have shown satisfactory performance in terms of quality of solution and computational time. Among these, the methodology that uses the Transgenetic ProtoG Algorithm showed the best results. Also, the simulator with optimization using GA and the one that used the Transgenetic ProtoG Algorithm for the representation of continuous time were adequate to substitute the resolution through PLIM, because they reach solutions with a reduced computational time when compared with the time used for the solution with branch and bound. / As empresas vivem hoje uma realidade de transformações econômicas advindas da globalização. O crescimento do comércio internacional de produtos e serviços, a troca constante de informações e o intercâmbio cultural vêm desafiando os administradores a definir novos rumos para suas empresas. Esta dinâmica e a crescente competitividade exigem novos conhecimentos e habilidades dos profissionais. Desta forma, buscam-se novas tecnologias para conseguir-se a melhoria da eficiência operacional. Em especial, a indústria petrolífera brasileira tem investido na pesquisa aplicada, desenvolvimento e capacitação tecnológica para manter-se competitiva no mercado internacional. Muitos são os problemas que ainda devem ser estudados neste setor produtivo. Dentre estes, pode-se destacar os problemas de transferência e estocagem de produtos. Este trabalho aborda um problema de programação da produção (scheduling) envolvendo estocagem e distribuição de diesel em uma refinaria de petróleo. Para solucionar este problema foram utilizados a princípio modelos de Programação Linear Inteira Mista (PLIM) com abordagens para a representação no tempo discreto e contínuo. Os modelos desenvolvidos foram resolvidos com o uso do aplicativo computacional LINGO 8.0 através do algoritmo branch and bound. Devido à natureza combinatorial destes, o tempo computacional despendido na resolução mostrou-se excessivo. Desta forma, foram desenvolvidas quatro novas metodologias buscando amenizar este problema: Algoritmo Genético de Estado Estacionário Híbrido (AGEEH) e Algoritmo Transgenético ProtoG integrados à Programação Linear (PL) para a representação de tempo discreto; simulação com otimização através de Algoritmo Genético (AG) e simulação com otimização através de Algoritmo Transgenético ProtoG na representação de tempo contínuo. Os resultados obtidos através de vários testes com as novas metodologias mostraram que estas podem encontrar bons resultados em tempo computacional aceitável. Para a representação de tempo discreto as duas abordagens obtiveram desempenho satisfatório em termos de qualidade de solução e tempo computacional. Dentre estas, a metodologia que utilizou o Algoritmo Transgenético ProtoG apresentou os melhores resultados. Ainda, o simulador com otimização usando AG e o que utilizou Algoritmo Transgenético ProtoG na representação de tempo contínuo mostraram-se adequados para substituir a resolução através de PLIM por encontrar soluções com tempo computacional muito aquém do tempo despendido na resolução com o branch and bound.

ANEEL / Em sistemas de distribuição de energia elétrica é comum o desenvolvimento de projetos que busquem a melhoria dos índices de equilíbrio de cargas, carregamento de transformadores e quedas de tensão ao longo dos circuitos da rede secundária. O presente trabalho apresenta modelos matemáticos de Programação Linear Inteira Mista (PLIM) para quatro das intervenções técnicas usualmente praticadas com vistas a estas melhorias: balanceamento de carga, troca de condutor, divisão de circuito e remanejamento de carga. Os modelos respeitam aspectos técnicos, elétricos e considerações operacionais dos especialistas na busca de soluções que minimizem o investimento necessário para restabelecimento destes índices. Um método linear simplificado para o cálculo elétrico, baseado no Backward-Forward Sweep (BFS), é proposto a fim de incluir restrições sobre níveis de tensão diretamente nos modelos. A realização conjunta das intervenções é sugerida em uma proposta de integração de modelos por encadeamento de soluções. Para desenvolvimento dos modelos PLIM criou-se o ambiente de modelagem Gusek, interface para o solver livre GLPK. Os modelos foram implementados em uma ferramenta de apoio à tomada de decisão para projetos de melhoria de rede. Resultados são apresentados através de estudos de caso com dados de circuitos reais. / In eletric power distribution systems it is common to develop projects to improve the levels of load balancing, transformer loading and voltage drops along secondary network circuits. This paper presents Mixed Integer Linear Programming (MILP) mathematical models for adressing four technical interventions usually undertaken to achieve these improvements: load balancing, conductor changing, circuit split, and load relocation. These models comply with technical and electrical aspects and satisfy operational considerations from specialists in finding solutions that minimize the required investment for restoration of circuit levels. A simplified linear power flow method, based on the Backward-Forward Sweep (BFS), is proposed to include voltage levels constraints into the models. The combination of interventions is suggested in a proposal for integration of models by chaining solutions. To develop the MILP models the GUSEK modeling environment was created as an interface for the GLPK free solver. The models were implemented in a decision-making support tool for network improvement projects. Results are presented through case studies with data from real circuits.

A Inteligência de Enxame (Swarm Intelligence) é uma área de estudos que busca soluções para problemas de otimização utilizando-se de técnicas computacionais inspiradas no comportamento social emergente encontrado na biologia. A metaheurística Particle Swarm Optimization (PSO) é relativamente nova e foi inspirada no comportamento social de bandos de pássaros. PSO tem apresentado bons resultados em alguns trabalhos recentes de otimização discreta, apesar de ter sido concebido originalmente para a otimização de problemas contínuos. Este trabalho trata o Problema de Atribuição de Tarefas - Task Assignment Problem (TAP), e apresenta uma aplicação: o problema de alocação de táxis e clientes, cujo objetivo da otimização está em minimizar a distância percorrida pela frota. Primeiramente, o problema é resolvido em um cenário estático, com duas versões do PSO discreto: a primeira abordagem é baseada em codificação binária e a segunda utiliza permutações para codificar as soluções. Os resultados obtidos mostram que a segunda abordagem é superior à primeira em termos de qualidade das soluções e tempo computacional, e é capaz de encontrar as soluções ótimas para o problema nas instâncias para as quais os valores ótimos são conhecidos. A partir disto, o algoritmo é adaptado para a otimização do problema em um ambiente dinâmico, com a aplicação de diferentes estratégias de resposta às mudanças. Os novos resultados mostram que a combinação de algumas abordagens habilita o algoritmo PSO a obter boas soluções ao longo da ocorrência de mudanças nas variáveis de decisão problema, em todas as instâncias testadas, com diferentes tamanhos e escalas de mudança. / Swarm Intelligence searches for solutions to optimization problems using computational techniques inspired in the emerging social behavior found in biology. The metaheuristic Particle Swarm Optimization (PSO) is relatively new and can be considered a metaphor of bird flocks. PSO has shown good results in some recent works of discrete optimization, despite it has been originally designed for continuous optimization problems. This paper deals with the Task Assignment Problem (TAP), and presents an application: the optimization problem of allocation of taxis and customers, whose goal is to minimize the distance traveled by the fleet. The problem is solved in a static scenario with two versions of the discrete PSO: the first approach that is based on a binary codification and the second one which uses permutations to encode the solution. The obtained results show that the second approach is superior than the first one in terms of quality of the solutions and computational time, and it is capable of achieving the known optimal values in the tested instances of the problem. From this, the algorithm is adapted for the optimization of the problem in a dynamic environment, with the application of different strategies to respond to changes. The new results show that some combination of approaches enables the PSO algorithm to achieve good solutions along the occurrence of changes in decision variables problem, in all instances tested, with different sizes and scales of change.

Este trabalho insere-se na área de pesquisa de sistemas de transporte inteligente e mobilidade urbana buscando um cenário onde a infraestrutura rodoviária é capaz de monitorar um tráfego exclusivo de veículos inteligentes que não dependem de motoristas para serem guiados. A principal contribuição do trabalho é o desenvolvimento de uma solução matemática para otimizar o gerenciamento microscópico centralizado do tráfego de veículos inteligentes em trechos (segmentos) de rodovia. Para isto é apresentado um modelo de otimização baseado em Programação Linear Inteira Mista (MILP), que determina um plano ótimo de trajetórias individuais dos veículos em uma evolução de tráfego. O objetivo é reduzir o tempo de viagem individualmente e assegurar fluidez do tráfego. O modelo considera componentes essenciais do sistema dinâmico viário como topografia da pista, regras de trânsito e a curva de aceleração máxima de cada veículo. São contempladas várias situações de tráfego, tais como ultrapassagens, inclinação na pista, obstáculos e redutores de velocidade. Os resultados indicaram uma média de 20,5 segundos para o cálculo de um cenário com 6 veículos e 11 intervalos de tempo. Como o modelo MILP não tem solução em tempo computacional aceitável para aplicação real, também é proposto um algoritmo de simulação baseado em heurísticas o qual busca reduzir esse tempo de cálculo em detrimento da otimalidade da solução. O algoritmo reproduz o comportamento de um motorista que tenta manter sempre um valor de velocidade escolhido previamente, e por isso é forçado a ultrapassar outros veículos quando obstruído ao longo do trajeto. O resultado do algoritmo tem importância adicional, pois serve de referência para resolver o problema da prioridade nas ultrapassagens. Também são propostos novos indicadores para a avaliação microscópica de qualidade de tráfego. Finalmente, são apresentados resultados de testes em simulações a fim de avaliar e validar o modelo e o algoritmo. / This work focus on the research area of intelligent transportation systems and urban mobility. It considers a scenario where the roadside infrastructure is capable of monitoring traffic composed by 100% of intelligent vehicles that do not rely on drivers to be guided. The main contribution of this work is the development of a mathematical solution to optimize the centralized management of intelligent microscopic vehicular traffic in parts (segments) of highway. Therefore an optimization model based on Mixed Integer Linear Programming (MILP) is presented. The model determines individual trajectories plans of vehicles in a traffic evolution. The objective is to reduce the travel time individually and ensure traffic flow. The model considers essential components of the dynamic highway system, such as, topography of the lane, traffic rules and acceleration curve for each vehicle. Many traffic situations are considered, such as, overtaking, slopes, obstacles and speed reducers. The results indicated an average of 20.5 seconds to calculate a scenario with 6 vehicles and 11 time intervals. As the MILP model has no solution in acceptable computational time for real application, it is proposed an algorithm based on heuristic simulation which seeks to reduce the computation time at the expense of optimality of the solution. The algorithm reproduces the behavior of a driver who always tries to maintain a preselected velocity value, and is therefore forced to overtake other vehicles when blocked along the path. The result of the algorithm has additional importance because it serves as a reference for solving the problem of priority when overtaking. New indicators for microscopic evaluation of quality traffic are also proposed. Finally, test results are presented on simulations to evaluate and validate the model and algorithm.

Esta tese apresenta um novo protocolo de roteamento voltado para as Redes Tolerantes a Atrasos que exibem comportamentos complexos e dinâmicos. O protocolo proposto chama-se Cultural GrAnt (do inglês Cultural Greedy Ant) uma vez que este utiliza um sistema híbrido composto por um Algoritmo Cultural (AC) e uma versão gulosa da meta-heurística de Otimização por Colônia de Formigas (ACO). No Cultural GrAnt, o ACO representa o espaço populacional de um AC e utiliza uma regra de transição gulosa de modo a intensificar bons caminhos já encontrados ou explorar novos caminhos através da seleção, dentre um conjunto de candidatos, dos nós encaminhadores de mensagens mais promissores. A principal motivação para o uso do ACO é tirar proveito da sua busca baseada em população de indivíduos e da adaptação da sua estrutura de aprendizado. O AC obtém informações durante o processo evolucionário e as utiliza para guiar a população e, então, acelerar o aprendizado enquanto provê soluções mais eficientes. Considerando informações de funções heurísticas, concentração de feromônio e conhecimentos armazenados no espaço de crenças do AC, o protocolo Cultural GrAnt inclui três módulos: roteamento; escalonamento; e gerenciamento de buffer. Esse é o primeiro protocolo de roteamento que emprega ACO e AC de modo a: inferir os melhores encaminhadores de mensagens através de informações oportunistas sobre a conectividade social entre os nós; determinar os melhores caminhos que uma mensagem deve seguir para eventualmente alcançar o seu destino final, enquanto limita o número de replicações e descartes de mensagens na rede; determinar a ordem de escalonamento das mensagens; e gerenciar o espaço de armazenamento do buffer dos nós. O protocolo Cultural GrAnt é comparado com os protocolos Epidêmico e PROPHET em dois cenários de mobilidade distintos: um modelo de movimento baseado em atividades, onde simula-se o dia-a-dia de pessoas em suas atividades de trabalho, lazer e descanso; e um modelo de movimento baseado em comunidades de pessoas. Os resultados de simulações obtidos através do simulador ONE mostram que em ambos os cenários, o protocolo Cultural GrAnt alcança uma taxa mais alta de entrega de mensagens, uma replicação menor de mensagens e um número menor de mensagens descartadas se comparado com os protocolos Epidêmico e PROPHET. / This work presents a new routing protocol for complex and dynamic Delay Tolerant Networks (DTN). The proposed protocol is called Cultural GrAnt (Greedy Ant), as it uses a hybrid system composed of a Cultural Algorithm and a greedy version of the Ant Colony Optimization (ACO) metaheuristic. In Cultural GrAnt, ACO represents the population space of the cultural algorithm and uses a greedy transition rule to either exploit previously found good paths or explore new paths by selecting, among a set of candidates, the most promising message forwarders. The main motivation for using ACO is to take advantage of its population-based search and adaptive learning framework. Conversely, CA gathers information during the evolutionary process and uses it to guide the population and thus accelerate learning while providing more efficient solutions. Considering information from heuristic functions, pheromone concentration, and knowledge stored in the CA belief space, the Cultural GrAnt protocol includes three modules: routing, scheduling, and buffer management. To the best of our knowledge, this is the first routing protocol that employs both ACO and CA to infer the best message forwarders using opportunistic information about social connectivity between nodes, determine the best paths a message must follow to eventually reach its destination while limiting message replications and droppings, and perform message transmission scheduling and buffer space management. Cultural GrAnt is compared to the Epidemic and PROPHET protocols in two different mobility scenarios: an activity-based movement model, which simulates the daily lives of people in their work, leisure and rest activities; and a community-based movement model. Simulation results obtained by the ONE simulator show that, in both scenarios, Cultural GrAnt achieves a higher delivery ratio, lower message replication, and fewer dropped messages than Epidemic and PROPHET.

Muitos problemas de otimização reais apresentam mais de uma função-objetivo. Quando os objetivos são conflitantes, estratégias especializadas são necessárias, como é o caso dos algoritmos evolutivos multiobjetivo (MOEAs, do inglês Multi-objective Optimization Evolutionary Algorithms). Entretanto, se a avaliação das funções-objetivo é custosa (alto custo computacional ou econômico) muitos MOEAs propostos são impraticáveis. Uma alternativa pode ser a utilização de um modelo de aprendizado de máquina que aproxima o cálculo do fitness (surrogate) no algoritmo de otimização. Este trabalho propõe e investiga uma plataforma chamada ELMOEA/D que agrega MOEAs do estado da arte baseados em decomposição de objetivos (MOEA/D) e máquinas de aprendizado extremo (ELMs, do inglês Extreme Learning Machines) como modelos surrogate. A plataforma proposta é testada com diferentes variantes do algoritmo MOEA/D e apresenta bons resultados em problemas benchmark, comparada a um algoritmo da literatura que também utiliza MOEA/D mas modelos surrogates baseados em redes com função de base radial. A plataforma ELMOEA/D também é testada no Problema de Predição de Estrutura de Proteínas (PPEP). Apesar dos resultados alcançados pela proposta não serem tão animadores quanto aqueles obtidos nos benchmarks (quando comparados os algoritmos com e sem surrogates), diversos aspectos da proposta e do problema são explorados. Por fim, a plataforma ELMOEA/D é aplicada a uma formulação alternativa do PPEP com sete objetivos e, com estes resultados, várias direções para trabalhos futuros são apontadas. / Many real optimization problems have more than one objective function. When the objectives are in conflict, there is a need for specialized strategies, as is the case of the Multi-objective Optimization Evolutionary Algorithms (MOEAs). However, if the functions evaluation is expensive (high computational or economical costs) many proposed MOEAs are impractical. An alternative might be the use of a machine learning model to approximate the fitness function (surrogates) in the optimization algorithm. This work proposes and investigates a framework called ELMOEA/D that aggregates state-of-the-art MOEAs based on decomposition of objectives (MOEA/D) and extreme learning machines as surrogate models. The proposed framework is tested with different MOEA/D variants and show good results in benchmark problems, compared to a literature algorithm that also encompasses MOEA/D but uses surrogate models based on radial basis function networks. The ELMOEA/D framework is also applied to the protein structure prediction problem (PSPP). Despite the fact that the results achieved by the proposed approach were not as encouraging as the ones achieved in the benchmarks (when the algorithms with and without surrogates are compared), many aspects of both algorithm and problem are explored. Finally, the ELMOEA/D framework is applied to an alternative formulation of the PSPP and the results lead to various directions for future works.