Made available in DSpace on 2014-07-29T15:01:46Z (GMT). No. of bitstreams: 1 Dissertacao_Maira de Carvalho.pdf: 846890 bytes, checksum: 1b876a63defdf3d8fc33aa92bba455c5 (MD5) Previous issue date: 2011-08-29 / CARVALHO, M. Calibration models of urban drainage using multiobjective evolutionary algorithms. 2011. Dissertation (Masters of Environmental Engineering) - Civil Engineering College, Post-Graduation Stricto Sensu Program in Environmental Engineering - Federal University of Goiás, Goiânia, Goiás, Brazil, 2011.. This study proposed to develop and implement a calibration routine hydrological models applied to urban drainage using multiobjective optimization techniques. To make this work possible model was adopted Storm Water Management Model (SWMM) and the computational algorithms developed in MATLAB environment using an evolutionary algorithm. The method was applied to two different levels of detail in representing the Arroyo Cancels basin, located in the urban area of Santa Maria-RS, submitted to the hydrological processes involved in the process of rainfall-runoff transformation in the search for optimal values of hydrological parameters the basin. Objective functions were defined and applied simultaneously in the calibration parameters. Worked with the simulation of events of low and high intensity settings for two discretization of the watershed, and other simple and subdivided into 18 sub-basins. The sensitivity analysis performed made it possible to check that the parameters that most influenced the basin were simple: Percentage of impervious area and outlet width. Regarding the results for the various watershed discretization can be seen that in most cases when working with a more detailed watershed they were better, except for some isolated events. Overall the model showed better results when high-intensity simulated events for the best compromise solutions, thus showing the importance of using a multiobjective model. / CARVALHO, M. Calibração de modelos de drenagem urbana utilizando algoritmos evolucionários multiobjetivo. 2011. Dissertação (Mestrado em Engenharia do Meio Ambiente) Escola de Engenharia Civil, Programa de Pós-Graduação Stricto Sensu em Engenharia do Meio Ambiente, Universidade Federal de Goiás, Goiânia, 2011. O presente trabalho propôs desenvolver e aplicar uma rotina de calibração de modelos hidrológicos aplicados a drenagem urbana empregando técnicas de otimização multiobjetivo. Para tornar possível a realização deste trabalho foi adotado o modelo Storm Water Management Model (SWMM) e as rotinas computacionais desenvolvidas em ambiente MATLAB, utilizando um algoritmo evolucionário. O método foi aplicado a dois diferentes níveis de detalhamento na representação da bacia do Arroio Cancela, localizada na zona urbana do município de Santa Maria-RS, na busca de valores ótimos de parâmetros hidrológicos da bacia. Foram definidas funções objetivo e aplicadas simultaneamente na calibração de parâmetros. Trabalhou-se com a simulação de eventos de baixa e alta intensidade para duas configurações de bacia hidrográfica, sendo simples e outra subdividida em 18 sub-bacias. A análise de sensibilidade realizada possibilitou a verificação de que os parâmetros que mais influenciaram na bacia simples foram: Porcentagem de área impermeável e Largura do escoamento. Em relação aos resultados para as diferentes configurações de discretização da bacia hidrográfica pode-se verificar que na maioria dos casos quando se trabalhou com uma bacia mais detalhada estes foram melhores, salvo alguns eventos isolados. No geral o modelo apresentou melhores resultados quando simulou eventos de alta intensidade para as soluções de melhor compromisso, assim mostrando a importância da utilização de um modelo multiobjetivo.

Submitted by JÚLIO HEBER SILVA (julioheber@yahoo.com.br) on 2017-11-03T13:22:18Z No. of bitstreams: 2 Dissertação - Layara de Paula Sousa Santos - 2017.pdf: 2403100 bytes, checksum: 73792e08ef369454156c844fd7e57d55 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-11-06T09:47:01Z (GMT) No. of bitstreams: 2 Dissertação - Layara de Paula Sousa Santos - 2017.pdf: 2403100 bytes, checksum: 73792e08ef369454156c844fd7e57d55 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-11-06T09:47:01Z (GMT). No. of bitstreams: 2 Dissertação - Layara de Paula Sousa Santos - 2017.pdf: 2403100 bytes, checksum: 73792e08ef369454156c844fd7e57d55 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-09-29 / Faced with urban population growth and the importance of water as a limited natural resource, there is a need to implement techniques to reduce the operational costs of water distribution systems and ensure adequate supply. The optimization of pump operation can be used to meet the demands of consumption with a lower energy cost, in addition to maximizing hydraulic reliability. In this work, a hybrid optimization / simulation model was developed based on the multiobjective genetic algorithms and the EPANET hydraulic simulator. The NSGA II (Nondominated Sorting Genetic Algorithm II) method was used to optimize the operation of variable rotation pumps, that is, the decision variables of the problem were the rotation of the pumps for each hour throughout the day. A modification of the original EPANET hydraulic simulator, which does not correctly compute the efficiency of variable-speed pumps, was employed so that the power of each pump, and consequently the cost of electric power, was calculated correctly. The representation of the system in the model was done by means of the configuration of the hypothetical network called ANYTOWN in the EPANET and implementation of the Multiobjective Evolutionary Algorithm, determination of the penalty coefficients and determination of genetic parameters and operators (population, generation number, mutation probability and probability of recombination). The validity test of the developed model was obtained through simulations performed with the input data, including the patterns of variation of the speed of rotation of the pumps. Non-dominated solutions (Pareto Front) were obtained considering first the negative pressure penalty at the nodes and, subsequently, the negative pressure penalties at the nodes and the closure / shutdown of tubes and / or pumps. All points found represent optimal operating solutions for the system considering the period of the last 24 hours for calculating the objective functions. The results obtained for the two previously defined objectives demonstrate the effectiveness of the model, since mainly with adoption of penalty 2, presents adequate pressures at the nodes and adequate water level in the reservoir, with the consequent saving of electric energy and increased hydraulic reliability. / Diante do crescimento populacional urbano e importância da água como recurso natural limitado, verifica-se a necessidade de implementar técnicas com a finalidade de reduzir os custos operacionais dos sistemas de distribuição de água e garantir abastecimento adequado. A otimização da operação de bombas pode ser utilizada com o propósito de atender as demandas de consumo com um menor custo energético, além de maximizar a confiabilidade hidráulica. Neste trabalho, um modelo híbrido de otimização/simulação foi desenvolvido tendo como suporte os algoritmos genéticos multiobjetivo e o simulador hidráulico EPANET. O método NSGA II (Non-dominated Sorting Genetic Algorithm II) foi utilizado para a otimização da operação de bombas de rotação variável, ou seja, as variáveis de decisão do problema foram a rotação das bombas para cada hora ao longo do dia. Uma modificação do simulador hidráulico EPANET original, que não computa corretamente o rendimento de bombas de rotação variável, foi empregada para que as potências de cada bomba e, consequentemente o custo da energia elétrica, fossem calculadas corretamente. Foi realizada a representação do sistema no modelo, por meio da configuração da rede hipotética denominada ANYTOWN no EPANET e implementação do Algoritmo Evolucionário Multiobjetivo, determinação dos coeficientes de penalidade e determinação dos parâmetros e operadores genéticos (população, número de geração, probabilidade de mutação e probabilidade de recombinação). O teste de validade do modelo desenvolvido foi obtido por meio das simulações realizadas com os dados de entrada, incluindo os padrões de variação da velocidade de rotação das bombas. Conjuntos de soluções não dominadas (Frente Pareto) foram obtidos considerando-se primeiramente a penalidade de pressão negativa nos nós e, posteriormente, as penalidades de pressão negativa nos nós e fechamento/desligamento de tubos e/ou bombas. Todos os pontos encontrados representam soluções operacionais ótimas para o sistema considerando-se o período das últimas 24 horas para o cálculo das funções objetivo. Os resultados obtidos para os dois objetivos previamente definidos demonstram a eficácia do modelo, visto que principalmente com adoção da penalidade 2, apresenta pressões adequadas nos nós e nível adequado de água no reservatório, com a consequente economia de energia elétrica e aumento da confiabilidade hidráulica.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2018-01-10T09:42:22Z No. of bitstreams: 2 Dissertação - Hélios Kárum de Oliveira Bastos - 2017.pdf: 2219804 bytes, checksum: ba853c18f7e7e2c65eb0a342d4a34640 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-01-10T09:42:46Z (GMT) No. of bitstreams: 2 Dissertação - Hélios Kárum de Oliveira Bastos - 2017.pdf: 2219804 bytes, checksum: ba853c18f7e7e2c65eb0a342d4a34640 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-01-10T09:42:46Z (GMT). No. of bitstreams: 2 Dissertação - Hélios Kárum de Oliveira Bastos - 2017.pdf: 2219804 bytes, checksum: ba853c18f7e7e2c65eb0a342d4a34640 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-08-24 / Multiobjective Optimization for feature and samples selection in double chromosome of integer representation and variable size for multivariate calibration} In several problems of regression, classification, prediction, approximation Optimization, the original data contain a large number of variables to obtain a better representation of the problem under consideration. However, a significant part of the variables may be irrelevant and redundant from the point of view of machine learning. Indeed, one of the challenges to be overcome is a selection of a subset of variables that has the best perform. One of the breakthroughs in this type of problem is the use of a multiobjective formulation that avoids the overlap of the model to the training data set. Another important point is the process of choosing the objects to be used in the learning stage. Generally, a selection of variables and treatment objects are treated separately and without dependence. This project proposes a multiobjective modeling to select variables and objects simultaneously using a genetic integer representation algorithm with variable size chromosomes. It is expected that a simultaneous selection of objects and variables on a multiobjective context produce better results in a traditional approach. As a case study this work utilized an analysis of near infrared (NIR) material on oil samples for the purpose of estimating the concentration of an interest properties such set was used in the competition conducted at the International Diffuse Reflectance Conference (IDRC) in the year 2014. / Em diversos problemas de regressão, classificação, previsão, aproximação e otimização, os dados originais contêm um grande número de variáveis introduzidas para se obter uma melhor representação do problema considerado. Entretanto, uma parte significativa destas variáveis podem ser irrelevantes e/ou redundantes do ponto de vista do aprendizado de máquina acerca do problema. Com efeito, um dos desafios a ser superados é a seleção de um subconjunto de variáveis que apresentem um melhor desempenho. Um dos avanços recentes neste tipo de problema está no uso de uma formulação multiobjetivo que evita o superajuste do modelo ao conjunto de dados de treinamento. Outro ponto importante refere-se ao processo de escolha adequada dos objetos a serem utilizados na etapa de aprendizado. Geralmente, a seleção de variáveis e de objetos de treinamento são tratados de forma separada e sem dependência. Este projeto propõe uma modelagem multiobjetivo para seleção de variáveis e objetos de forma simultânea utilizando-se de algoritmo genético de representação inteira com cromossomos de tamanho variáveis. Espera-se que a seleção simultânea de objetos e variáveis no contexto multiobjetivo produza melhores resultados em relação a abordagem tradicional. Como estudo de caso este trabalho utiliza dados obtidos por uma análise de material com ondas de infravermelho próximo (NIR) sobre amostras de petróleo com o propósito de estimar a concentração de uma propriedade de interesse, tal conjunto foi utilizado na competição realizada no International Diffuse Reflectance Conference (IDRC) (\url{http://cnirs.clubexpress.com/content.aspx?page_id=22&club_id=409746&module_id=19 0211}), no ano de 2015.

A crescente demanda por biocombustíveis e a concorrência dos combustíveis fósseis torna necessária a otimização dos meios já existentes e o desenvolvimento de novas tecnologias para produção de biocombustíveis, principalmente em projetos envolvendo biorreatores e fotobiorreatores (FBR) industriais. A dinâmica dos fluidos computacional (CFD) vem sendo utilizada em vários trabalhos para o estudo de parâmetros fluidodinâmicos que podem influenciar no rendimento dos processos químicos envolvidos, como tensão de cisalhamento, perfis de velocidade, tempo de residência e a influência da geometria sobre esses parâmetros. Contudo, não existe ainda um número abrangente de trabalhos que utilize técnicas de otimização acopladas com a resolução numérica do problema fluidodinâmico. Em alguns estudos, algoritmos de otimização são utilizados para determinar os melhores coeficientes das reações químicas. No entanto, não há estudos, até o momento, que reportem a otimização multiobjetivo simultânea dos parâmetros geométricos e do escoamento aplicados a equipamentos da indústria sucro-energética. Neste contexto, o presente trabalho de pesquisa tem como objetivo contribuir para o avanço científico e tecnológico através da implementação de um software aberto (PyCFD-O) que permita o acoplamento CFD-otimização e o desenvolvimento das bases de uma metodologia de projeto otimizado bem como de operação de biorreatores e FBRs de escala industrial. O PyCFD-O foi testado em dois estudos de caso que podem ser estendidos a um fermentador contínuo e um FBR. Os parâmetros geométricos de ambos os reatores foram otimizados de forma a minimizar simultaneamente a tensão de cisalhamento e a variância da distribuição do tempo de residência. O software PyCFD-O mostrou-se robusto, revelando que o processo global de otimização realiza de fato a busca pela fronteira de Pareto. Além da obtenção das geometrias otimizadas, também foram discutidos a influência dos parâmetros geométricos na hidrodinâmica do escoamento em ambos os casos. / The growing demand for biofuels and its competition with fossil fuels create the need to optimize the existing resources and development of new technologies for production of biofuels, particularly in projects involving industrial bioreactors and photobioreactors (PBR). Computational fluid dynamics (CFD) has been used in several studies for the study of fluid dynamics parameters that can influence the performance of the chemical process involved, such as shear stress, velocity profiles, residence time and the influence of these parameters on the reactor geometry. However, there are lacks of studies that utilize optimization techniques coupled with the numerical resolution of the fluid dynamic problem. The use of optimization algorithms has been reported in some cases, but there have not been reports on studies combining the optimization of flow parameters and multiobjective algorithms to choose ideal geometric parameters applied to the equipment of the sugar-energy industry. In this context, this research project aims to contribute to the advancement of scientific and technological knowledge trhough the implementation of open source software (PyCFD-O) for the CFD-optimization coupling and the development of the bases of a methodology for optimal design and operation of industrial scale bioreactors and PBR. The PyCFD-O software was tested in two case studies with characteristics that can be extended to a continuos fermenter and PBR. The geometric parameters of both reactors were simultaneously optimized in order to minimize the shear stress and the variance of residence time distribuition. The PyCFD-O software showed robustness, revealing that overall optimization process actually performs the search of Pareto frontier. In addition to the geometry optimization, the influence of the geometrical parameters of the hydrodynamic of the flow was discussed in both case studies.

RESUMO Simulações de aeroacústica computacional demandam uma quantidade considerável de tempo, o que torna complicada a realização de estudos paramétricos. O presente trabalho propõe uma metodologia viável para otimização aeroacústica. Através da análise numérica utilizando dinâmica dos fluidos computacional, foi estudada a aplicação de uma placa separadora desacoplada como método de controle passivo da esteira turbulenta de um cilindro e avaliou-se a irradiação de ruído causado pela interação do escoamento com ambos os corpos, empregando ferramentas de aeroacústica computacional baseadas no método de Ffowcs-Williams e Hawkings. Algumas abordagens distintas de metodologias de otimização de projeto foram aplicadas neste problema, com o objetivo de chegar a uma configuração otimizada que permita a redução do nível sonoro ao longe. Assim, utilizando uma ferramenta de otimização multidisciplinar, pode-se avaliar a capacidade de modelos heurísticos e a grande vantagem do emprego de algoritmos baseados em método de superfície de resposta quando aplicados em um problema não linear, pois requerem a avaliação de um menor número de alternativas para se obter um ponto ótimo. Além disso, foi possível identificar e agrupar os resultados em 5 clusters baseados em seus parâmetros geométricos, nível de pressão sonora global e o valor quadrático médio do coeficiente de arrasto, confirmando a eficiência da aplicação de placas separadoras longas desacopladas posicionadas próximas ao cilindro na estabilização da esteira turbulenta, enquanto que o posicionamento de placas acima de um espaçamento crítico aumentou o nível de pressão acústica irradiado devido à formação de vórtices no espaço entre o cilindro e a placa separadora. / Computational aeroacoustics simulations require a considerable amount of time, which makes the comparison of a large number of different geometric designs a difficult task. The goal of the present study is to provide a suitable methodology for aeroacustic optimization. By means of numerical analyses using computational fluid dynamics tools, the application of a detached splitter plate as a passive control method for the turbulent wake of a circular cylinder was investigated. The irradiation of noise caused by the interaction between the flow and both bodies was evaluated using computational aeroacoustics tools based on the Ffowcs-Williams and Hawkings method. Various design optimization methodologies were applied to this flow in order to achieve a possible optimal configuration, i.e., one which is capable of reducing the far field noise level without increasing the aerodynamic forces. Using a multidisciplinary optimization tool, it was possible to evaluate the behavior of heuristic optimization algorithms and the major advantage of algorithms based on response surface methods when applied to a nonlinear aeroacoustics problem, since they require a smaller number of calculated designs to reach the optimal configuration. In addition, it was possible to identify and group the outcomes into 5 clusters based on their geometric parameters, overall sound pressure level and drag coefficient, confirming the efficiency of the application of long detached splitter plates placed next to the cylinder in stabilizing the turbulent wake, whereas the positioning of splitter plates at a distance larger than a critical gap increased the overall sound pressure level radiated due to the formation of vortices in the gap.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-07-19T15:32:30Z No. of bitstreams: 1 felipegomesduque.pdf: 3507645 bytes, checksum: d7e6e84ea872f86ac2bd64caa361fce0 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-07-23T15:26:16Z (GMT) No. of bitstreams: 1 felipegomesduque.pdf: 3507645 bytes, checksum: d7e6e84ea872f86ac2bd64caa361fce0 (MD5) / Made available in DSpace on 2018-07-23T15:26:16Z (GMT). No. of bitstreams: 1 felipegomesduque.pdf: 3507645 bytes, checksum: d7e6e84ea872f86ac2bd64caa361fce0 (MD5) Previous issue date: 2018-04-12 / O presente trabalho propõe uma metodologia de planejamento de medição em Sistemas de Distribuição de Energia Elétrica (SDE) e um novo método para estimação de estados destes sistemas. Para tanto, a técnica metaheurística de otimização bio-inspirada denominada Modified Monkey Search (MMS) é proposta para alocação ótima de medidores inteligentes e unidades de medição fasorial. O modelo de otimização é multiobjetivo e visa a maximização da eficácia do processo de estimação de estados com o custo mínimo de investimento em sistemas de medição. O método de Pareto é associado ao algoritmo MMS para o tratamento adequado destes objetivos conflitantes considerando-se custos reais associados aos equipamentos de medição. Adicionalmente, um novo método de estimação de estados baseado na modelagem de um Fluxo de Potência Ótimo (FPO) modificado é proposto, cuja resolução é dada pelo Método de Pontos Interiores (MPI). O algoritmo MMS determina as variáveis discretas associadas aos tipos de equipamentos de medição, bem como aos locais de instalação dos mesmos no SDE. Estudos são realizados para comparar a nova metodologia de estimação de estados proposta com uma metodologia tradicional, bem como para comparar os resultados da metaheurística de otimização aplicada ao problema com outras técnicas desenvolvidas para esta finalidade. Os estudos são conduzidos com sistemas da literatura, além de um sistema real de médio porte de uma concessionária brasileira. / The present work proposes an approach for planning the measurement locations in Electric Distribution Systems (EDS) and a new method for static state estimation. The bio-inspired meta-heuristic optimization technique called Modified Monkey Search (MMS) is proposed for optimal allocation of smart meters and phasor measurement units. The optimization model is multiobjective and aims at maximizing the efficiency of the state estimation process with minimum measurement investment costs. The Pareto’s method is associated with the MMS algorithm for handling the conflicting objectives in a suitable manner by considering real costs related to measurement equipments. In addition, a new method for static state estimation based on the modeling of a modified Optimal Power Flow (OPF) is proposed, whose solution is given by the Interior Point Method (IPM). The MMS algorithm determines the discrete variables related to types and location of measurement equipments in the system. Studies are made to compare the new approach for static state estimation with a traditional method, as well as to compare the results from the meta-heuristic optimization applied to the problem with existing techniques. The studies are performed using systems from the literature, as will as a practical medium size distribution network from a Brazilian utility.

Orientador: Fernando José Von Zuben / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-26T06:49:07Z (GMT). No. of bitstreams: 1 Azevedo_CarlosRenatoBelo_D.pdf: 3449858 bytes, checksum: 7a1811aa772f1ae996e8851c60627b7c (MD5) Previous issue date: 2012 / Resumo: A presença de incerteza em resultados futuros pode levar a indecisões em processos de escolha, especialmente ao elicitar as importâncias relativas de múltiplos critérios de decisão e de desempenhos de curto vs. longo prazo. Algumas decisões, no entanto, devem ser tomadas sob informação incompleta, o que pode resultar em ações precipitadas com consequências imprevisíveis. Quando uma solução deve ser selecionada sob vários pontos de vista conflitantes para operar em ambientes ruidosos e variantes no tempo, implementar alternativas provisórias flexíveis pode ser fundamental para contornar a falta de informação completa, mantendo opções futuras em aberto. A engenharia antecipatória pode então ser considerada como a estratégia de conceber soluções flexíveis as quais permitem aos tomadores de decisão responder de forma robusta a cenários imprevisíveis. Essa estratégia pode, assim, mitigar os riscos de, sem intenção, se comprometer fortemente a alternativas incertas, ao mesmo tempo em que aumenta a adaptabilidade às mudanças futuras. Nesta tese, os papéis da antecipação e da flexibilidade na automação de processos de tomada de decisão sequencial com múltiplos critérios sob incerteza é investigado. O dilema de atribuir importâncias relativas aos critérios de decisão e a recompensas imediatas sob informação incompleta é então tratado pela antecipação autônoma de decisões flexíveis capazes de preservar ao máximo a diversidade de escolhas futuras. Uma metodologia de aprendizagem antecipatória on-line é então proposta para melhorar a variedade e qualidade dos conjuntos futuros de soluções de trade-off. Esse objetivo é alcançado por meio da previsão de conjuntos de máximo hipervolume esperado, para a qual as capacidades de antecipação de metaheurísticas multi-objetivo são incrementadas com rastreamento bayesiano em ambos os espaços de busca e dos objetivos. A metodologia foi aplicada para a obtenção de decisões de investimento, as quais levaram a melhoras significativas do hipervolume futuro de conjuntos de carteiras financeiras de trade-off avaliadas com dados de ações fora da amostra de treino, quando comparada a uma estratégia míope. Além disso, a tomada de decisões flexíveis para o rebalanceamento de carteiras foi confirmada como uma estratégia significativamente melhor do que a de escolher aleatoriamente uma decisão de investimento a partir da fronteira estocástica eficiente evoluída, em todos os mercados artificiais e reais testados. Finalmente, os resultados sugerem que a antecipação de opções flexíveis levou a composições de carteiras que se mostraram significativamente correlacionadas com as melhorias observadas no hipervolume futuro esperado, avaliado com dados fora das amostras de treino / Abstract: The presence of uncertainty in future outcomes can lead to indecision in choice processes, especially when eliciting the relative importances of multiple decision criteria and of long-term vs. near-term performance. Some decisions, however, must be taken under incomplete information, what may result in precipitated actions with unforeseen consequences. When a solution must be selected under multiple conflicting views for operating in time-varying and noisy environments, implementing flexible provisional alternatives can be critical to circumvent the lack of complete information by keeping future options open. Anticipatory engineering can be then regarded as the strategy of designing flexible solutions that enable decision makers to respond robustly to unpredictable scenarios. This strategy can thus mitigate the risks of strong unintended commitments to uncertain alternatives, while increasing adaptability to future changes. In this thesis, the roles of anticipation and of flexibility on automating sequential multiple criteria decision-making processes under uncertainty are investigated. The dilemma of assigning relative importances to decision criteria and to immediate rewards under incomplete information is then handled by autonomously anticipating flexible decisions predicted to maximally preserve diversity of future choices. An online anticipatory learning methodology is then proposed for improving the range and quality of future trade-off solution sets. This goal is achieved by predicting maximal expected hypervolume sets, for which the anticipation capabilities of multi-objective metaheuristics are augmented with Bayesian tracking in both the objective and search spaces. The methodology has been applied for obtaining investment decisions that are shown to significantly improve the future hypervolume of trade-off financial portfolios for out-of-sample stock data, when compared to a myopic strategy. Moreover, implementing flexible portfolio rebalancing decisions was confirmed as a significantly better strategy than to randomly choosing an investment decision from the evolved stochastic efficient frontier in all tested artificial and real-world markets. Finally, the results suggest that anticipating flexible choices has lead to portfolio compositions that are significantly correlated with the observed improvements in out-of-sample future expected hypervolume / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-01-15T14:16:25Z No. of bitstreams: 1 denisemanueldacostavargas.pdf: 16589539 bytes, checksum: 44a0869db27ffd5f8254f85fb69ab78c (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-01-25T17:40:31Z (GMT) No. of bitstreams: 1 denisemanueldacostavargas.pdf: 16589539 bytes, checksum: 44a0869db27ffd5f8254f85fb69ab78c (MD5) / Made available in DSpace on 2016-01-25T17:40:31Z (GMT). No. of bitstreams: 1 denisemanueldacostavargas.pdf: 16589539 bytes, checksum: 44a0869db27ffd5f8254f85fb69ab78c (MD5) Previous issue date: 2015-11-05 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Problemas de Otimização Multiobjetivo (POMs) com restrições são frequentes em diversas áreas das ciências e engenharia, entre elas a Otimização Estrutural (OE). Apesar da Evolução Diferencial (ED) ser uma metaheurística muito atraente na resolução de problemas do mundo real, há uma carência na literatura de discussões sobre o desempenho em POMs de OE. Na sua grande maioria os problemas de OE apresentam restrições. Nesta tese utiliza-se uma técnica para o tratamento de restrições chamada de APM (Adaptive Penalty Method) que tem histórico de bons resultados quando aplicada em problemas monobjetivo de OE. Pelo potencial da ED na resolução de problemas do mundo real e da técnica APM em OE, juntamente com a escassez de trabalhos envolvendo esses elementos em POMs de OE, essa tese apresenta um estudo de um algoritmo bem conhecido de ED acoplado à técnica APM nesses problemas. Experimentos computacionais considerando cenários sem e com inserção de informações de preferência do usuário foram realizados em problemas com variáveis continuas e discretas. Os resultados foram comparados aos encontrados na literatura, além dos obtidos pelo algoritmo que representa o estado da arte. Comparou-se também os resultados obtidos pelo mesmo algoritmo de ED adotado, porém sem ser acoplado à técnica APM, objetivando investigar sua influência no desempenho da combinação proposta. As vantagens e desvantagens do algoritmo proposto em cada cenário são apresentadas nessa tese, além de sugestões para trabalhos futuros. / Multiobjective Optimization Problems (MOPs) with constraints are common in many areas of science and engineering, such as Structural Optimization (SO). In spite of Differential Evolution (DE) being a very attractive metaheuristic in real-world problems, no work was found assessing its performance in SO MOPs. Most OE problems have constraints. This thesis uses the constraint handling technique called Adaptive Penalty Method (APM) that has a history of good results when applied in monobjective problems of SO. Due to the potential of DE in solving real world problems and APM in SO problems, and also with the lack of studies involving these elements in SO MOPs, this work presents a study of a well-known DE algorithm coupled to the APM technique in these problems. Computational experiments considering scenarios with and without inclusion of user preference information were performed in problems with continuous and discrete variables. The results were compared with those in the literature, in addition to those obtained by the algorithm that represents the state of the art. They were also compared to the results obtained by the same DE algorithm adopted, but without the APM technique, aiming at investigating the influence of the APM technique in their performance. The advantages and disadvantages of the proposed algorithm in each scenario are presented in this research, as well as suggestions for future works.

Na área de inteligência artificial existem algoritmos de aprendizado, notavelmente aqueles pertencentes à área de aprendizado de máquina AM , capazes de automatizar a extração do conhecimento implícito de um conjunto de dados. Dentre estes, os algoritmos de AM simbólico são aqueles que extraem um modelo de conhecimento inteligível, isto é, que pode ser facilmente interpretado pelo usuário. A utilização de AM simbólico é comum no contexto de classificação, no qual o modelo de conhecimento extraído é tal que descreve uma correlação entre um conjunto de atributos denominados premissas e um atributo particular denominado classe. Uma característica dos algoritmos de classificação é que, em geral, estes são utilizados visando principalmente a maximização das medidas de cobertura e precisão, focando a construção de um classificador genérico e preciso. Embora essa seja uma boa abordagem para automatizar processos de tomada de decisão, pode deixar a desejar quando o usuário tem o desejo de extrair um modelo de conhecimento que possa ser estudado e que possa ser útil para uma melhor compreensão do domínio. Tendo-se em vista esse cenário, o principal objetivo deste trabalho é pesquisar métodos de computação evolutiva multiobjetivo para a construção de regras de conhecimento individuais com base em critérios definidos pelo usuário. Para isso utiliza-se a biblioteca de classes e ambiente de construção de regras de conhecimento ECLE, cujo desenvolvimento remete a projetos anteriores. Outro objetivo deste trabalho consiste comparar os métodos de computação evolutiva pesquisados com métodos baseado em composição de rankings previamente existentes na ECLE. É mostrado que os métodos de computação evolutiva multiobjetivo apresentam melhores resultados que os métodos baseados em composição de rankings, tanto em termos de dominância e proximidade das soluções construídas com aquelas da fronteira Pareto-ótima quanto em termos de diversidade na fronteira de Pareto. Em otimização multiobjetivo, ambos os critérios são importantes, uma vez que o propósito da otimização multiobjetivo é fornecer não apenas uma, mas uma gama de soluções eficientes para o problema, das quais o usuário pode escolher uma ou mais soluções que apresentem os melhores compromissos entre os objetivos / Machine Learning algorithms are notable examples of Artificial Intelligence algorithms capable of automating the extraction of implicit knowledge from datasets. In particular, Symbolic Learning algorithms are those which yield an intelligible knowledge model, i.e., one which a user may easily read. The usage of Symbolic Learning is particularly common within the context of classification, which involves the extraction of knowledge such that the associated model describes correelation among a set of attributes named the premises and one specific attribute named the class. Classification algorithms usually target into creating knowledge models which maximize the measures of coverage and precision, leading to classifiers that tend to be generic and precise. Althought this constitutes a good approach to creating models that automate the decision making process, it may not yield equally good results when the user wishes to extract a knowledge model which could assist them into getting a better understanding of the domain. Having that in mind, it has been established as the main goal of this Masters thesis the research of multi-objective evolutionary computing methods to create individual knowledge rules maximizing sets of arbitrary user-defined criteria. This is achieved by employing the class library and knowledge rule construction environment ECLE, which had been developed during previous research work. A second goal of this Masters thesis is the comparison of the researched evolutionary computing methods against previously existing ranking composition methods in ECLE. It is shown in this Masters thesis that the employment of multi-objective evolutionary computing methods produces better results than those produced by the employment of ranking composition-based methods. This improvement is verified both in terms of solution dominance and proximity of the solution set to the Pareto-optimal front and in terms of Pareto-front diversity. Both criteria are important for evaluating the efficiency of multi-objective optimization algorithms, for the goal of multi-objective optimization is to provide a broad range of efficient solutions, so the user may pick one or more solutions which present the best trade-off among all objectives

Made available in DSpace on 2015-03-04T18:51:05Z (GMT). No. of bitstreams: 1 Dissert_MSc_JaquelineAngelo.pdf: 926474 bytes, checksum: da4b07a3aac6c41fe497e0351128bde1 (MD5) Previous issue date: 2008-07-24 / Coordenacao de Aperfeicoamento de Pessoal de Nivel Superior / This dissertation presents the BicriterionAnt, MACS and MONACO Ant Colony algorithms, available in literature, to solve the Multi-Objective Traveling Salesman Problem (MOTSP). The characteristics of the problem and of each algorithm used are presented. Those algorithms were tested in six bi-objective instances of MOTSP. Changes in the original algorithms were implemented to try to produce better results than the original ones. To validate the results and to measure the quality of the solutions, metrics of performance were used which help to identify the best non-dominated solution sets. / Esta dissertação apresenta os algoritmos BicriterionAnt, MACS e MONACO, disponíveis na literatura, baseados em colônia de formigas, para resolução do Problema do Caixeiro Viajante Multiobjetivo (PCVMO). São apresentadas as características do problema e de cada algoritmo utilizado. Estes algoritmos foram testados em seis instâncias bi-objetivo do PCVMO. Foram implementadas algumas alterações na estrutura original dos algoritmos na tentativa de produzir resultados melhores do que os algoritmos originais. Para a avaliação dos resultados e medição da qualidade das soluções, foram utilizadas métricas de desempenho que auxiliam na identificação dos melhores conjuntos de soluções não-dominadas.