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

Made available in DSpace on 2014-06-11T19:30:50Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-12-19Bitstream added on 2014-06-13T20:21:17Z : No. of bitstreams: 1 escobarzuluaga_ah_dr_ilha.pdf: 1508525 bytes, checksum: b6e7b58056f84298f2b063ead5371a59 (MD5) / Fundação de Ensino Pesquisa e Extensão de Ilha Solteira (FEPISA) / O principal objetivo deste estudo é realizar uma análise de aspectos críticos que surgem na modelagem matemática do problema de planejamento da expansão de sistemas de transmissão a longo prazo, assim como o desenvolvimento de ferramentas computacionais para a prova de novos modelos e metodologias que possam contribuir na solução do problema de planejamento de sistemas de transmissão de energia elétrica considerando as condições dos sistemas modernos de energia elétrica. Com esta metodologia, busca-se obter uma rede de transmissão mais eficiente, e com o menor custo possível, que se adapte as novas exigências produzidas pela introdução da desregulação nos sistemas elétricos. Para isto combinam-se três aspectos: rede futura livre de congestionamento, desplanificação e incerteza na geração e na demanda futura, os quais são manipuladas desde a perspectiva mono-objetivo e multiobjetivo. A possibilidade de eliminar completamente o congestionamento na rede de transmissão é analisada através da inclusão no modelo de todos os cenários de geração factíveis futuros, e não somente alguns cenários como outros estudos. Considerar uma operação sem congestionamento para o futuro está associado a grandes custos de investimento. Para atenuar este grande custo uma opção é incluir a possibilidade de desplanificação e a inclusão dos efeitos das incertezas presentes na geração e na demanda futura no problema de planejamento. O problema de planejamento de sistemas de transmissão é um problema de programação não linear inteira mista (PNLIM) quando é usado o modelo DC. Praticamente todos os algoritmos usados para resolver este problema utilizam uma sub-rotina de programação linear (PL) para resolver problemas de PL resultantes do algoritmo de solucão do problema de planejamento, os quais são denominados... / The main goal for this study is to do an analysis of the critical issues that appear in the mathematical modeling of the transmission system expansion planning problem, when long term is considered. A methodology was developed and a computational tool, to solve the transmission expansion planning in modern electrical systems. With this methodology more efficient electrical networks are obtained, at low investment costs. This is accomplished taking into account three important aspects: open access, or congestion-free planning, uncertainty in demand and generation, and de-planning. The problem is solved using mono-objective and multi-objective methodologies. For this investigation, congestion-free transmission networks should consider all the future and feasible scenarios of generation, unlike some papers, where only a few scenarios are taken in to account. This feature is associated to high investment costs. Lower costs are often obtained by the inclusion of uncertainty in future demand and future generation. The transmission system expansion planning problem is a no-linear integer-mixed programming problem (PNLIM) when the DC model is used. Practically, all the algorithms used in the solution process, for this problem, use one subroutine of linear programming (PL) for solved the PL problems that result during the solution process, in the denominated operative problem. The solution of the PL’s is the part of the problem that requires the biggest computational effort, because during the solution process is necessary to solved thousands or millions of PL’s, for high size problems. the PNLIM problem is solved through the combination of a meta-heuristic method and a linear programming method. The meta-heuristic method solves the denominated investment problem and the PL the denominated operational problem. The transmission planning problem considering multiples generation scenarios... (Complete abstract click electronic access below)

Submitted by EDUARDO MACHADO SILVA (eduardodz@outlook.com) on 2018-06-02T22:50:24Z No. of bitstreams: 1 Eduardo_Final.pdf: 7020230 bytes, checksum: 17f5f419806417111d44cacbf46f3f0d (MD5) / Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2018-06-04T16:05:04Z (GMT) No. of bitstreams: 1 silva_em_me_sjrp.pdf: 7020230 bytes, checksum: 17f5f419806417111d44cacbf46f3f0d (MD5) / Made available in DSpace on 2018-06-04T16:05:04Z (GMT). No. of bitstreams: 1 silva_em_me_sjrp.pdf: 7020230 bytes, checksum: 17f5f419806417111d44cacbf46f3f0d (MD5) Previous issue date: 2018-04-06 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O Reconhecimento facial é uma das tecnologias biométricas mais utilizadas em sistemas automatizados que necessitam garantir a identidade de uma pessoa para acesso autorizado e monitoramento. A grande aceitação do uso da face tem várias vantagens sobre outras tecnologias biométricas: ela é natural, não exige equipamentos sofisticados, a aquisição de dados é baseada em abordagens não invasivas, e pode ser feito a distância, de maneira cooperativa ou não. Embora muitos estudos em reconhecimento facial tenham sido feitos, problemas com variação de iluminação, poses com oclusão facial, expressão facial e envelhecimento ainda são desafios, pois influenciam a performance dos sistemas de reconhecimento facial e motivam o desenvolvimento de novos sistemas de reconhecimento que lidam com esses problemas e sejam mais confiáveis. Este trabalho tem como objetivo avaliar a técnica de Padrões Localmente Mapeados em Multiescala (MSLMP) para o reconhecimento facial. Técnicas baseadas em algoritmos genéticos e processamento de imagens foram usadas para obter melhores resultados. Os resultados obtidos chegam a 100% de acurácia para alguns banco de dados. A base de dados MUCT ´e, em particular, bastante complexa, ela foi criada em 2010 com o objetivo de aumentar a quantidade de bancos de dados disponíveis com alta variação de iluminação, idade, posições e etnias, e por isso, ´e um banco de dados difícil quanto ao reconhecimento automático de faces. Uma nova técnica de processamento baseada na média dos níveis de cinza da base foi desenvolvida. / Facial recognition is one of the most used biometric technologies in automated systems which ensure a person’s identity for authorized access and monitoring. The acceptance of face use has several advantages over other biometric technologies: it is natural, it does not require sophisticated equipment, data acquisition is based on non-invasive approaches, and can it be done remotely, cooperatively or not. Although many facial recognition studies have been done, problems with light variation, facial occlusion, position, expression, and aging are still challenges, because they influence the performance of facial recognition systems and motivate the development of more reliable recognition systems that deal with these problems. This work aim to evaluate the Multi-scale Local Mapped Pattern (MSLMP) technique for the facial recognition. Techniques based on genetic algorithms and image processing were applied to increase the performance of the method. The obtained results reach up to 100% of accuracy for some databases. A very difficult database to deal is the MUCT database which was created in 2010 with aim of providing images with high variation of lighting, age, positions and ethnicities in the facial biometry literature, which makes it a highly difficult base in relation to automated recognition. A new processing technique was developed based on the average gray levels of the images of the database.

[pt] Um dos principais desafios da ciência da computação é conseguir que um computador execute uma tarefa que precisa ser feita, sem dizer-lhe como fazê-la. A Programação Genética (PG) aborda este desafio a partir de uma declaração de alto nível sobre o que é necessário ser feito e cria um programa de computador para resolver o problema automaticamente. Nesta dissertação, é desenvolvida uma extensão do modelo de Programação Genética Linear com Inspiração Quântica (PGLIQ) com melhorias na eficiência e eficácia na busca de soluções. Para tal, primeiro o algoritmo é estruturado em um sistema de paralelização heterogênea visando à aceleração por Unidades de Processamento Gráfico e a execução em múltiplos processadores CPU, maximizando a velocidade dos processos, além de utilizar técnicas otimizadas para reduzir os tempos de transferências de dados. Segundo, utilizam-se as técnicas de Visualização Gráfica que interpretam a estrutura e os processos que o algoritmo evolui para entender o efeito da paralelização do modelo e o comportamento da PGLIQ. Na implementação da paralelização heterogênea, são utilizados os recursos de computação paralela como Message Passing Interface (MPI) e Open Multi-Processing (OpenMP), que são de vital importância quando se trabalha com multi-processos. Além de representar graficamente os parametros da PGLIQ, visualizando-se o comportamento ao longo das gerações, uma visualização 3D para casos de robôtica evolutiva é apresentada, na qual as ferramentas de simulação dinâmica como Bullet SDK e o motor gráfico OGRE para a renderização são utilizadas. / [en] One of the main challenges of computer science is to get a computer execute a task that must be done, without telling it how to do it. Genetic Programming (GP) deals with this challenge from a high level statement of what is needed to be done and creates a computer program to solve the problem automatically. In this dissertation we developed an extension of Quantum-Inspired Linear Genetic Programming Model (QILGP), aiming to improve its efficiency and effectiveness in the search for solutions. For this, first the algorithm is structured in a Heterogeneous Parallelism System, Aiming to accelerated using Graphics Processing Units GPU and multiple CPU processors, reducing the timing of data transfers while maximizing the speed of the processes. Second, using the techniques of Graphic Visualization which interpret the structure and the processes that the algorithm evolves, understanding the behavior of QILGP. We used the highperformance features such as Message Passing Interface (MPI) and Open Multi- Processing (OpenMP), which are of vital importance when working with multiprocesses, as it is necessary to design a topology that has multiple levels of parallelism to avoid delaying the process for transferring the data to a local computer where the visualization is projected. In addition to graphically represent the parameters of PGLIQ devising the behavior over generations, a 3D visualization for cases of evolutionary robotics is presented, in which the tools of dynamic simulation as Bullet SDK and graphics engine OGRE for rendering are used . This visualization is used as a tool for a case study in this dissertation.

Diversas atividades humanas são fortemente dependentes do clima e da sua variabilidade, especialmente aquelas relacionadas ao uso da água. A operação integrada de reservatórios com múltiplos usos requer uma série de decisões que definem quanta água deve ser alocada, ao longo do tempo para cada um dos usos, e quais os volumes dos reservatórios a serem mantidos. O conhecimento antecipado das condições climáticas resulta de vital importância para os operadores de reservatórios, pois o insumo dos reservatórios é a vazão dos rios, que por sua vez é dependente de condições atmosféricas e hidrológicas em diferentes escalas de tempo e espaço. A pesquisa trata sobre três importantes elementos de subsídio à tomada de decisão na operação de reservatórios baseada na previsão de variáveis hidrológicas: (a) as previsões de vazão de curto prazo; (b) as previsões de precipitação de longo prazo e (c) as medidas de desempenho das previsões. O reservatório de Furnas, localizado na bacia do Rio Grande, em Minas Gerais, foi selecionado como estudo de caso devido, principalmente, à disponibilidade de previsões quantitativas de chuva e pela importância desse reservatório na região analisada. A previsão de curto prazo de vazão com base na precipitação foi estimada com um modelo empírico (rede neural artificial) e a previsão de precipitação foi obtida pelo modelo regional ETA. Uma metodologia de treinamento e validação da rede neural artificial foi desenvolvida utilizando previsões perfeitas de chuva (considerando a chuva observada como previsão) e utilizando o maior número de dados disponíveis, favorecendo a representatividade dos resultados obtidos. A metodologia empírica alcançou os desempenhos obtidos com um modelo hidrológico conceitual, mostrando-se menos sensitiva aos erros na previsão quantitativa de precipitação nessa bacia. Os resultados obtidos mostraram que as previsões de vazão utilizando modelos empíricos e conceituais e incorporando previsões quantitativas de precipitação são melhores que a metodologia utilizada pelo ONS no local de estudo. A redução dos erros de previsão relativos à metodologia empregada pelo ONS foi em torno de 20% quando usadas previsões quantitativas de precipitação definidas pelo modelo regional ETA e superiores a 50% quando usadas previsões perfeitas de precipitação. Embora essas últimas previsões nunca possam ser obtidas na prática, os resultados sugerem o quanto o incremento do desempenho das previsões quantitativas de chuva melhoraria as previsões de vazão. A previsão de precipitação de longo prazo para a bacia analisada foi também estimada com um modelo empírico de redes neurais artificiais e utilizando índices climáticos como variáveis de entrada. Nesse sentido, foram estimadas previsões de precipitação acumulada no período mais chuvoso (DJF) utilizando índices climáticos associados a fenômenos climáticos, como o El Niño - Oscilação Sul e a Oscilação Decadal do Pacífico, e a modos de variabilidade climática, como a Oscilação do Atlântico Norte e o Modo Anular do Hemisfério Sul. Apesar das redes neurais artificiais terem sido aplicadas em diversos problemas relacionados a hidrometeorologia, a aplicação dessas técnicas na previsão de precipitação de longo prazo é ainda rara. Os resultados obtidos nesse trabalho mostraram que consideráveis reduções dos erros da previsão relativos ao uso apenas da média climatológica como previsão podem ser obtidos com a metodologia utilizada. Foram obtidas reduções dos erros de, no mínimo 50%, e chegando até um valor próximo a 75% nos diferentes testes efetuados no estudo de caso. Uma medida de desempenho da previsão foi desenvolvida baseada no uso de tabelas de contingência e levando em conta a utilidade da previsão. Essa medida de desempenho foi calculada com base nos resultados do uso das previsões por um modelo de operação de reservatório, e não apenas na comparação de vazões previstas e observadas. Nos testes realizados durante essa pesquisa, ficou evidente que não existe uma relação unívoca entre qualidade das previsões e utilidade das previsões. No entanto, em função de comportamentos particulares das previsões, tendências foram encontradas, como por exemplo nos modelos cuja previsão apresenta apenas defasagem. Nesses modelos, a utilidade das previsões tende a crescer na medida que a qualidade das mesmas aumenta. Por fim, uma das grandes virtudes da medida de desempenho desenvolvida nesse trabalho foi sua capacidade de distinguir o desempenho de modelos que apresentaram a mesma qualidade. / Several human activities are strongly dependent on climate and its variability, especially those related to water use. The operation of multi-purpose reservoirs systems defines how much water should be allocated and the reservoir storage volumes to be maintained, over time. Knowing in advance the weather conditions helps the decision making process, as the major inputs to reservoirs are the streamflows, which are dependent on atmospheric and hydrological conditions at different time-space scales. This research deals with three important aspects towards the decision making process of multi-purpose reservoir operation based on forecast of hydrological variables: (a) short-term streamflow forecast, (b) long-range precipitation forecast and (c) performance measures. The Furnas reservoir on the Rio Grande basin was selected as the case study, primarily because of the availability of quantitative precipitation forecasts from the Brazilian Center for Weather Prediction and Climate Studies and due to its importance in the Brazilian hydropower generation system. Short-term streamflow forecasts were estimated by an empirical model (artificial neural network – ANN) and incorporating forecast of rainfall. Quantitative precipitation forecasts (QPFs), defined by the ETA regional model, were used as inputs to the ANN models. A methodology for training and validating the ANN models was developed using perfect precipitation forecasts (i.e., using the observed precipitation as if it was a forecast) and considering the largest number of available samples, in order to increase the representativeness of the results. The empirical methodology achieved the performance obtained with a conceptual hydrological model and seemed to be less sensitive to precipitation forecast error relative to the conceptual hydrological model. Although limited to one reservoir, the results obtained show that streamflow forecasting using empirical and conceptual models and incorporating QPFs performs better than the methodology used by ONS. Reduction in the forecast errors relative to the ONS method was about 20% when using QPFs provided by ETA model, and greater than 50% when using the perfect precipitation forecast. Although the latter can never be achieved in practice, these results suggest that improving QPFs would lead to better forecasts of reservoir inflows. Long-range precipitation forecast was also estimated by an empirical model based on artificial neural networks and using climate indices as input variables. The output variable is the summer (DJF) precipitation over the Furnas watershed. It was estimated using climate indices related to climatic phenomena such as El Niño - Southern Oscillation and the Pacific Decadal Oscillation and modes of climate variability, such as the North Atlantic Oscillation and the Southern Annular Mode. Despite of ANN has been applied in several problems of hydrometeorological areas, the application of such technique for long-range precipitation forecast is still rare. The results obtained demonstrate how the methodology for seasonal precipitation forecast based on ANN can be particularly helpful, with the use of available time series of climate indices. Reductions in the forecast errors achieved by using only the climatological mean as forecast were considerable, being at least of 50% and reaching values close to 75% in several tests. A performance measure based on the use of contingency tables was developed taking into account the utility of the forecast. This performance measure was calculated based on the results of the use of the forecasts by a reservoir operation model, and not only by comparing streamflow observed and forecast. The performed tests show that there is no unequivocal relationship between quality and utility of the forecasts. However, when the forecast has a particular behavior, trends were found in the relationship between utility and quality of the forecast, such as models that generate streamflow forecast with lags in comparison to the observed values. In these models, the utility of the forecasts tends to enhance as the quality increases. Finally, the ability to distinguish the performance of forecast models having similar quality was one of the main merits of the performance measure developed in this research.

Diversas atividades humanas são fortemente dependentes do clima e da sua variabilidade, especialmente aquelas relacionadas ao uso da água. A operação integrada de reservatórios com múltiplos usos requer uma série de decisões que definem quanta água deve ser alocada, ao longo do tempo para cada um dos usos, e quais os volumes dos reservatórios a serem mantidos. O conhecimento antecipado das condições climáticas resulta de vital importância para os operadores de reservatórios, pois o insumo dos reservatórios é a vazão dos rios, que por sua vez é dependente de condições atmosféricas e hidrológicas em diferentes escalas de tempo e espaço. A pesquisa trata sobre três importantes elementos de subsídio à tomada de decisão na operação de reservatórios baseada na previsão de variáveis hidrológicas: (a) as previsões de vazão de curto prazo; (b) as previsões de precipitação de longo prazo e (c) as medidas de desempenho das previsões. O reservatório de Furnas, localizado na bacia do Rio Grande, em Minas Gerais, foi selecionado como estudo de caso devido, principalmente, à disponibilidade de previsões quantitativas de chuva e pela importância desse reservatório na região analisada. A previsão de curto prazo de vazão com base na precipitação foi estimada com um modelo empírico (rede neural artificial) e a previsão de precipitação foi obtida pelo modelo regional ETA. Uma metodologia de treinamento e validação da rede neural artificial foi desenvolvida utilizando previsões perfeitas de chuva (considerando a chuva observada como previsão) e utilizando o maior número de dados disponíveis, favorecendo a representatividade dos resultados obtidos. A metodologia empírica alcançou os desempenhos obtidos com um modelo hidrológico conceitual, mostrando-se menos sensitiva aos erros na previsão quantitativa de precipitação nessa bacia. Os resultados obtidos mostraram que as previsões de vazão utilizando modelos empíricos e conceituais e incorporando previsões quantitativas de precipitação são melhores que a metodologia utilizada pelo ONS no local de estudo. A redução dos erros de previsão relativos à metodologia empregada pelo ONS foi em torno de 20% quando usadas previsões quantitativas de precipitação definidas pelo modelo regional ETA e superiores a 50% quando usadas previsões perfeitas de precipitação. Embora essas últimas previsões nunca possam ser obtidas na prática, os resultados sugerem o quanto o incremento do desempenho das previsões quantitativas de chuva melhoraria as previsões de vazão. A previsão de precipitação de longo prazo para a bacia analisada foi também estimada com um modelo empírico de redes neurais artificiais e utilizando índices climáticos como variáveis de entrada. Nesse sentido, foram estimadas previsões de precipitação acumulada no período mais chuvoso (DJF) utilizando índices climáticos associados a fenômenos climáticos, como o El Niño - Oscilação Sul e a Oscilação Decadal do Pacífico, e a modos de variabilidade climática, como a Oscilação do Atlântico Norte e o Modo Anular do Hemisfério Sul. Apesar das redes neurais artificiais terem sido aplicadas em diversos problemas relacionados a hidrometeorologia, a aplicação dessas técnicas na previsão de precipitação de longo prazo é ainda rara. Os resultados obtidos nesse trabalho mostraram que consideráveis reduções dos erros da previsão relativos ao uso apenas da média climatológica como previsão podem ser obtidos com a metodologia utilizada. Foram obtidas reduções dos erros de, no mínimo 50%, e chegando até um valor próximo a 75% nos diferentes testes efetuados no estudo de caso. Uma medida de desempenho da previsão foi desenvolvida baseada no uso de tabelas de contingência e levando em conta a utilidade da previsão. Essa medida de desempenho foi calculada com base nos resultados do uso das previsões por um modelo de operação de reservatório, e não apenas na comparação de vazões previstas e observadas. Nos testes realizados durante essa pesquisa, ficou evidente que não existe uma relação unívoca entre qualidade das previsões e utilidade das previsões. No entanto, em função de comportamentos particulares das previsões, tendências foram encontradas, como por exemplo nos modelos cuja previsão apresenta apenas defasagem. Nesses modelos, a utilidade das previsões tende a crescer na medida que a qualidade das mesmas aumenta. Por fim, uma das grandes virtudes da medida de desempenho desenvolvida nesse trabalho foi sua capacidade de distinguir o desempenho de modelos que apresentaram a mesma qualidade. / Several human activities are strongly dependent on climate and its variability, especially those related to water use. The operation of multi-purpose reservoirs systems defines how much water should be allocated and the reservoir storage volumes to be maintained, over time. Knowing in advance the weather conditions helps the decision making process, as the major inputs to reservoirs are the streamflows, which are dependent on atmospheric and hydrological conditions at different time-space scales. This research deals with three important aspects towards the decision making process of multi-purpose reservoir operation based on forecast of hydrological variables: (a) short-term streamflow forecast, (b) long-range precipitation forecast and (c) performance measures. The Furnas reservoir on the Rio Grande basin was selected as the case study, primarily because of the availability of quantitative precipitation forecasts from the Brazilian Center for Weather Prediction and Climate Studies and due to its importance in the Brazilian hydropower generation system. Short-term streamflow forecasts were estimated by an empirical model (artificial neural network – ANN) and incorporating forecast of rainfall. Quantitative precipitation forecasts (QPFs), defined by the ETA regional model, were used as inputs to the ANN models. A methodology for training and validating the ANN models was developed using perfect precipitation forecasts (i.e., using the observed precipitation as if it was a forecast) and considering the largest number of available samples, in order to increase the representativeness of the results. The empirical methodology achieved the performance obtained with a conceptual hydrological model and seemed to be less sensitive to precipitation forecast error relative to the conceptual hydrological model. Although limited to one reservoir, the results obtained show that streamflow forecasting using empirical and conceptual models and incorporating QPFs performs better than the methodology used by ONS. Reduction in the forecast errors relative to the ONS method was about 20% when using QPFs provided by ETA model, and greater than 50% when using the perfect precipitation forecast. Although the latter can never be achieved in practice, these results suggest that improving QPFs would lead to better forecasts of reservoir inflows. Long-range precipitation forecast was also estimated by an empirical model based on artificial neural networks and using climate indices as input variables. The output variable is the summer (DJF) precipitation over the Furnas watershed. It was estimated using climate indices related to climatic phenomena such as El Niño - Southern Oscillation and the Pacific Decadal Oscillation and modes of climate variability, such as the North Atlantic Oscillation and the Southern Annular Mode. Despite of ANN has been applied in several problems of hydrometeorological areas, the application of such technique for long-range precipitation forecast is still rare. The results obtained demonstrate how the methodology for seasonal precipitation forecast based on ANN can be particularly helpful, with the use of available time series of climate indices. Reductions in the forecast errors achieved by using only the climatological mean as forecast were considerable, being at least of 50% and reaching values close to 75% in several tests. A performance measure based on the use of contingency tables was developed taking into account the utility of the forecast. This performance measure was calculated based on the results of the use of the forecasts by a reservoir operation model, and not only by comparing streamflow observed and forecast. The performed tests show that there is no unequivocal relationship between quality and utility of the forecasts. However, when the forecast has a particular behavior, trends were found in the relationship between utility and quality of the forecast, such as models that generate streamflow forecast with lags in comparison to the observed values. In these models, the utility of the forecasts tends to enhance as the quality increases. Finally, the ability to distinguish the performance of forecast models having similar quality was one of the main merits of the performance measure developed in this research.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-10-04T22:42:26Z No. of bitstreams: 1 WandersonLaerteDeOliveiraCarvalho_DISSERT.pdf: 1338180 bytes, checksum: ab85e7ead71c427d2515347edf5bb1bb (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-10-13T23:34:51Z (GMT) No. of bitstreams: 1 WandersonLaerteDeOliveiraCarvalho_DISSERT.pdf: 1338180 bytes, checksum: ab85e7ead71c427d2515347edf5bb1bb (MD5) / Made available in DSpace on 2017-10-13T23:34:51Z (GMT). No. of bitstreams: 1 WandersonLaerteDeOliveiraCarvalho_DISSERT.pdf: 1338180 bytes, checksum: ab85e7ead71c427d2515347edf5bb1bb (MD5) Previous issue date: 2017-02-09 / O algoritmo gen?tico ? um processo iterativo de busca, utilizado para encontraro m?ximo global no dom??nio de fun??es n?o convencionais. Esse algoritmo se baseiaem fundamentos naturalistas, evoluindo uma amostra de candidatos a m?ximo globala cada itera??o. Essa evolu??o ? consequ?ncia de tr?s operadores (Sele??o, Muta??oe Cruzamento) que vasculham o dom??nio da fun??o e ao mesmo tempo selecionam osmelhores candidatos obtidos. Nesse estudo, apresentaremos uma cadeia de Markovque modela a evolu??o desse algoritmo, e demonstraremos algumas propriedades dessacadeia que justificam a converg?ncia do algoritmo. Realizaremos uma simula??o paramodelar o efeito da parametriza??o do algoritmo em sua velocidade de converg?ncia,estimada pelo n?mero de itera??es at? obten??o do m?ximo global. Nessas simula??esobservaremos esse efeito em fun??es: unidimensionais, bidimensionais, com um ?nicom?ximo local (o m?ximo global) e com v?rios m?ximos locais. Finalmente, esse tra-balho apresenta resultados que questionam a relev?ncia do operador cruzamento nasfun??es estudadas e argumentos para acreditar que o operador muta??o otimiza a ve-locidade de converg?ncia do algoritmo quando ocorre com probabilidade de muta??opr?xima a 0, 2).

Fundação de Amparo a Pesquisa do Estado de Minas Gerais / In the last few decades, the application of optimization in engineering problems has grown considerably. There are various optimization methods and the performance of each one depends on the type of problem considered. The natural methods, which are based on probabilistic rules, have been widely studied. The purpose of this work is to present a detailed study of the natural optimization method called Differential Evolution and its strategies. A theoretical formulation is presented. In this work, a revision of Genetic Algorithms and Simulated Annealing is made. These techniques are employed to compare their results to those obtained with Differential Evolution. Classic mathematical functions and some problems of engineering are used in order to verify the efficiency of the studied technique. The Differential Evolution is applied with effectiveness in multi-objective optimization problems with and without the presence of constraints including two complex robotic problems. / Nas últimas décadas, a aplicação de otimização em problemas de engenharia tem crescido consideravelmente. Existem muitos métodos de otimização e o desempenho de cada um deles depende do tipo de problema considerado. Os métodos naturais, que se baseiam em regras probabilísticas, têm sido amplamente estudados. O objetivo deste trabalho é apresentar um estudo detalhado do método de otimização natural denominado Evolução Diferencial e suas estratégias, apresentando sua fundamentação teórica. Neste trabalho é realizada uma revisão de Algoritmos Genéticos e Recozimento Simulado. Estas técnicas são utilizadas para comparar os resultados por elas obtidos com os calculados aplicando Evolução Diferencial. Para verificar a eficiência do método estudado, são utilizados funções matemáticas clássicas e alguns problemas de engenharia. A Evolução Diferencial é aplicada com eficiência em problemas de otimização multi-objetivo, na presença ou não de restrições, incluindo dois problemas complexos em robótica. / Mestre em Engenharia Mecânica

Parallel computing is a powerful way to reduce the computation time and to improve the quality of solutions of evolutionary algorithms (EAs). At first, parallel evolutionary algorithms (PEAs) ran on very expensive and not easily available parallel machines. As multicore processors become ubiquitous, the improved performance available to parallel programs is a great motivation to computationally demanding EAs to turn into parallel programs and exploit the power of multicores. The parallel implementation brings more factors to influence performance, and consequently adds more complexity on PEAs evaluations. Statistics can help in this task and guarantee the significance and correct conclusions with minimum tests, provided that the correct design of experiments is applied. This work presents a methodology that guarantees the correct estimation of speedups and applies a factorial design on the analysis of PEAs performance. As a case study, the influence of migration related parameters on the performance of a parallel evolutionary algorithm solving two benchmark problems executed on a multicore processor is evaluated. / A computação paralela é um modo poderoso de reduzir o tempo de processamento e de melhorar a qualidade das soluções dos algoritmos evolutivos (AE). No princípio, os AE paralelos (AEP) eram executados em máquinas paralelas caras e pouco disponíveis. Desde que os processadores multicore tornaram-se largamente disponíveis, sua capacidade de processamento paralelo é um grande incentivo para que os AE, programas exigentes de poder computacional, sejam paralelizados e explorem ao máximo a capacidade de processamento dos multicore. A implementação paralela traz mais fatores que podem influenciar a performance dos AEP e adiciona mais complexidade na avaliação desses algoritmos. A estatística pode ajudar nessa tarefa e garantir conclusões corretas e significativas, com o mínimo de testes, se for aplicado o planejamento de experimentos adequado. Neste trabalho é apresentada uma metodologia de experimentação com AEP. Essa metodologia garante a correta estimação do speedup e aplica ao planejamento fatorial na análise dos fatores que influenciam o desempenho. Como estudo de caso, um algoritmo genético, denominado AGP-I, foi paralelizado segundo o modelo de ilhas. O AGP-I foi executado em plataformas com diferentes processadores multicore na resolução de duas funções de teste. A metodologia de experimentação com AEP foi aplicada para se determinar a influência dos fatores relacionados à migração no desempenho do AGP-I. / Doutor em Ciências

Modelos para aprendizado não supervisionado podem fornecer restrições complementares úteis para melhorar a capacidade de generalização de classificadores. Baseando-se nessa premissa, um algoritmo existente, denominado de C3E (Consensus between Classification and Clustering Ensembles), recebe como entradas estimativas de distribuições de probabilidades de classes para objetos de um conjunto alvo, bem como uma matriz de similaridades entre esses objetos. Tal matriz é tipicamente construída por agregadores de agrupadores de dados, enquanto que as distribuições de probabilidades de classes são obtidas por um agregador de classificadores induzidos por um conjunto de treinamento. Como resultado, o C3E fornece estimativas refinadas das distribuições de probabilidades de classes como uma forma de consenso entre classificadores e agrupadores. A ideia subjacente é de que objetos similares são mais propensos a compartilharem o mesmo rótulo de classe. Nesta tese, uma versão mais simples do algoritmo C3E, baseada em uma função de perda quadrática (C3E-SL), foi investigada em uma abordagem que permitiu a estimação automática (a partir dos dados) de seus parâmetros críticos. Tal abordagem faz uso de um nova estratégia evolutiva concebida especialmente para tornar o C3E-SL mais prático e flexível, abrindo caminho para que variantes do algoritmo pudessem ser desenvolvidas. Em particular, para lidar com a escassez de dados rotulados, um novo algoritmo que realiza aprendizado semissupervisionado foi proposto. Seu mecanismo explora estruturas intrínsecas dos dados a partir do C3E-SL em um procedimento de autotreinamento (self-training). Esta noção também inspirou a concepção de um outro algoritmo baseado em aprendizado ativo (active learning), o qual é capaz de se autoadaptar para aprender novas classes que possam surgir durante a predição de novos dados. Uma extensa análise experimental, focada em problemas do mundo real, mostrou que os algoritmos propostos são bastante úteis e promissores. A combinação de classificadores e agrupadores resultou em modelos de classificação com grande potencial prático e que são menos dependentes do usuário ou do especialista de domínio. Os resultados alcançados foram tipicamente melhores em comparação com os obtidos por classificadores tradicionalmente usados. / Unsupervised learning models can provide a variety of supplementary constraints to improve the generalization capability of classifiers. Based on this assumption, an existing algorithm, named C3E (from Consensus between Classification and Clustering Ensembles), receives as inputs class probability distribution estimates for objects in a target set as well as a similarity matrix. Such a similarity matrix is typically built from clusterers induced on the target set, whereas the class probability distributions are obtained by an ensemble of classifiers induced from a training set. As a result, C3E provides refined estimates of the class probability distributions, from the consensus between classifiers and clusterers. The underlying idea is that similar new objects in the target set are more likely to share the same class label. In this thesis, a simpler version of the C3E algorithm, based on a Squared Loss function (C3E-SL), was investigated from an approach that enables the automatic estimation (from data) of its critical parameters. This approach uses a new evolutionary strategy designed to make C3E-SL more practical and flexible, making room for the development of variants of the algorithm. To address the scarcity of labeled data, a new algorithm that performs semi-supervised learning was proposed. Its mechanism exploits the intrinsic structure of the data by using the C3E-SL algorithm in a self-training procedure. Such a notion inspired the development of another algorithm based on active learning, which is able to self-adapt to learn new classes that may emerge when classifying new data. An extensive experimental analysis, focused on real-world problems, showed that the proposed algorithms are quite useful and promising. The combination of supervised and unsupervised learning yielded classifiers of great practical value and that are less dependent on user-defined parameters. The achieved results were typically better than those obtained by traditional classifiers.