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.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O problema de seqüenciamento da produção vem sendo estudado desde o início da década de 50 do século passado e tem recebido nestes últimos cinqüenta anos uma considerável atenção de pesquisadores de todo o mundo. Como resultado atualmente encontra-se disponível uma gama de métodos de otimização e aproximação voltados para solução deste tipo de problema, sendo que a aplicação destes métodos mostra-se limitada à solução de problemas padrões de seqüenciamento, os quais consideram um conjunto de simplificações que os distanciam dos problemas ocorrentes nos ambientes reais de produção. Nesta dissertação o problema de seqüenciamento da produção sob análise trata-se especificamente do problema ocorrente nas micro e pequenas empresas do setor de confecções situadas no município de Nova Friburgo, onde foi constatado que quase não há um planejamento prévio da produção e quando o mesmo ocorre é feito com base somente em informações empíricas sem a aplicação de nenhuma metodologia e sem o auxílio de qualquer ferramenta computacional. Tal falta de planejamento resulta em um mau aproveitamento dos recursos de produção e impede que a empresa possa produzir em maior escala, o que se mostra necessário já que usualmente a demanda supera a capacidade produtiva da maioria das empresas do setor de confecções, principalmente em se tratando do sub-setor de moda íntima o qual abrange a maioria das empresas do município de Nova Friburgo. Visando melhorar o potencial competitivo destas empresas, esta dissertação se propõe a modelar matematicamente o seu processo de produção e desenvolver uma ferramenta computacional para a programação da produção baseada no método Tabu Search. / The manufacturing scheduling problem has been investigated since the 50s of the past century, and has received in the last 50 years a lot of attention from researchers around the world. As a result of such research efforts a lot of approximation and optimization methods are now available for the solution of such problems. Nonetheless, the application of these methods has been limited to standard problems of scheduling which considers a member of simplifications that do not correspond to the practical situations found in real production sets. In the present dissertation the manufacturing scheduling problem is devoted to real small and companies of productions sector of Nova Friburgo, for which has been observed that there is almost no prior production planning made, and when it is performed it is based only on empirical information without the application of a methodology or the aid of a computational tool. Such lack of planning results in a poor use of the production resources and prevents the company to produce in a larger scale, which is necessary because usually the demand is larger than the production capability of the majority of the companies of productions sector, manly in the sub-sector of underwear which corresponds to the majority of the companies of Nova Friburgo. Seeking to enhance the competitive edge of such companies the present dissertation has the purpose of modeling the production process and develop a computational tool for the production scheduling based on the Tabu Search method.

Este trabalho tem como objetivo apresentar soluções de sistemas não-lineares com raízes múltiplas, através de um algoritmo híbrido. Para esta finalidade foi desenvolvido e implementado um algoritmo de busca aleatória baseado no método proposto por Luus e Jaakola (1973) como etapa de busca aleatória dos pontos iniciais, que são refinados através do algoritmo de Hooke e Jeeves. O diferencial deste trabalho foi propor um algoritmo híbrido, utilizando as características dos algoritmos Luus-Jaakola e Hooke e Jeeves como etapas de busca e refinamento respectivamente. Para isso, os algoritmos acima são encapsulados em funções no algoritmo híbrido. Além destas duas etapas, o algoritmo híbrido possui duas outras características importantes, que é a execução repetida até que se alcance um número suficiente de soluções distintas, que são então submetidas a um processo de classificação de soluções por intervalo, onde cada intervalo gera um conjunto de soluções próximas, que por sua vez, são submetidas à etapa final de minimização, resultando em apenas um valor de solução por classe. Desta forma cada classe produz uma única solução, que faz parte do conjunto final de soluções do problema, pois este algoritmo é aplicado a problemas com múltiplas soluções. Então, o algoritmo híbrido desenvolvido foi testado, tendo como padrão, vários problemas clássicos de programação não-linear, em especial os problemas irrestritos com múltiplas soluções. Após os testes, os resultados foram comparados com o algoritmo Luus-Jaakola, e o Método de Newton Intervalar / Bisseção Generalizada (IN/GB - Interval Newton/Generalized Bisection), com a finalidade de se obter uma análise quantitativa e qualitativa de seu desempenho. Por fim comprovou-se que o algortimo Híbrido obteve resultados superiores quando comparados com os demais. / This paper aims to present solutions for nonlinear systems with multiple roots, using a hybrid algorithm. For this purpose was developed and implemented an algorithm based on random search method proposed by Luus and Jaakola (1973) as a step in search of random starting points, which will be refined through the algorithm of Hooke and Jeeves. The differential of this work is to propose a hybrid algorithm, using the characteristics of the Luus-Jaakola algorithm and Hooke and Jeeves as a search and refinement stages respectively. For this, the above algorithms are encapsulated in functions in the hybrid algorithm. Besides these two steps, the hybrid algorithm has two other important characteristics, which is the execution repeated until to reach a sufficient number of distinct solutions, which is then undergo a process of classification of solutions by interval, where each interval generates a set solutions to close, which in turn is subject to the final stage of minimization, resulting in only one value per class of solution. Thus each class provides a unique solution, which is part of the final set of solutions of the problem, because this algorithm is applied to problems with multiple solutions. So, the hybrid algorithm developed was tested, with the standard, several problems of classical non-linear programming, in particular the unrestricted problems with multiple solutions. After the tests, the results were compared with algorithm Luus-Jaakola, and the Interval Newton/Generalized Bisection method (IN/GB), in order to obtain a quantitative and qualitative analysis of their performance. Finally it was found that the hybrid algortimo achieved higher when compared to the others.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / No presente trabalho, um algoritmo algébrico sequencial é utilizado para descrever a propagação de ondas acústicas ao longo de uma barra e utilizado na identificação de danos. Esse algoritmo é validado com base nos conficientes de sensibilidade dos ecos correspondentes aos diferentes cenários de danos apresentados. Na formulação do problema de identificação de dano, o campo de impedância generalizada, que minimiza o funcional definido como a distância entre o eco calculado e o eco experimental sintético é procurado. Os tempos de percurso da resposta, obtidos a partir de experimentos numéricos, são utilizados para identificar a posição, intensidade e forma do dano. Para simular dados corrompidos, diferentes níveis de ruído - variando de 30 a 0 dB - são introduzidos. O processo de identificação foi avaliado com os seguintes métodos de otimização: Otimização por Enxame de Partículas (PSO); Luus-Jaakola (LJ); Algoritmo de Colisão de Partículas (PCA); Algoritmos Genéticos (GA) e Recozimento Simulado (SA); e a hibridização desses métodos com o método determinístico de Levenberg-Marquardt. É mostrado que o processo de identificação de dano construído sobre a abordagem de propagação de ondas acústicas foi bem sucedido, mesmo para dados ruidosos altamente corrompidos. Os resultados dos casos testes são apresentados e algumas observações sobre as vantagens dos métodos determinísticos e estocásticos e sua combinação também são relatados. / In the present work, a sequential algorithm is used for describing the acoustic wave propagation along a bar and applied for damage identification purposes. The algorithm is validated based on the sensitivity coefficients of the corresponding echoes to the adressed damage scenarios. In the formulation of the damage identification problem, the generalized impedance field, that minimizes the functional defined as the distance between the calculated echo and the synthetic experimental one is sought. Time history responses, obtained from pulse-echo experiments, are used to identify damage position, severity and shape. In oder to account for noise corrupted data, different levels of signal to noise ratio - varying from 30 to 0 dB - are introduced. In the identification procedure the following optimization methods were applied: Particle Swarm Optimization (PSO); Luus-Jaakola (LJ); Particle Collision Algorithm (PCA); Genetic Algorithms (GA); and Simmulated Annealing (SA): and the hybridization of these methods with the deterministic Levenberg-Marquardt method. It is shown that the damage identification procedure built on the acoustic wave propagation approach was successful, even for highly corrupted noisy data. Test case results are presented and a few comments on the advantages of deterministic and stochastic methods and their combination are also reported.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In this work some classical methods for constrained nonlinear optimization are studied. The mathematical formulations for the optimization problem with equality and inequality constrained, convergence properties and algorithms are presented. Furthermore, optimality conditions of rst order (Karush-Kuhn-Tucker conditions) and of second order. These conditions are essential for the demonstration of many results. Among the methods studied, some techniques transform the original problem into an unconstrained problem (Penalty Methods, Augmented Lagrange Multipliers Method). In others methods, the original problem is modeled as one or as a sequence of quadratic subproblems subject to linear constraints (Quadratic Programming Method, Sequential Quadratic Programming Method). In order to illustrate and compare the performance of the methods studied, two nonlinear optimization problems are considered: a bi-dimensional problem and a problem of mass minimization of a coil spring. The obtained results are analyzed and confronted with each other. / Neste trabalho são estudados alguns métodos clássicos de otimização restrita não linear. São abordadas a formulação matemática para o problema de otimização com restrições de igualdade e desigualdade, propriedades de convergência e algoritmos. Além disso, são relatadas as condições de otimalidade de primeira ordem (condições de Karush-Kuhn-Tucker) e de segunda ordem. Estas condições são essenciais para a demonstração de muitos resultados. Dentre os métodos estudados, algumas técnicas transformam o problema original em um problema irrestrito (Métodos de Penalidade, Método dos Multiplicadores de Lagrange Aumentado). Em outros métodos, o problema original é modelado como um ou uma seqüência de subproblemas quadráticos sujeito _a restrições lineares (Método de Programação Quadrática, Método de Programação Quadrática Seqüencial). A fim de ilustrar e comparar o desempenho dos métodos estudados são considerados dois problemas de otimização não linear: um problema bidimensional e o problema de minimização da massa de uma mola helicoidal. Os resultados obtidos são examinados e confrontados entre si. / Mestre em Matemática