Orientador: Prof. Dr. Wagner Tanaka Botelho / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Ciência da Computação, 2016. / A robotica movel tem se desenvolvido fortemente nas ultimas decadas. Os estudos de robôs com pernas, em especial, ganham destaque pela capacidade de transpor obstaculos com maior efetividade em relação aos demais meios de locomoção. Aliado a este estudo, encontra-se a robotica bioinspirada, que faz uso de elementos funcionais da natureza como inspiração para a robótica. A construção do prototipo do TB-Horse II, objetivo principal deste trabalho, é um robô quadrupede bioinspirado no cavalo. Este robô possui diversas aplicações, como por exemplo, no resgate de feridos, no transporte de cargas frágeis, entre outras. Entretanto, antes do seu desenvolvimento, foi realizado o estudo, análise e simulação do projeto em CAD-3D proposto na primeira vers~ao do robô, conhecida como TB-Horse I. Após a análise, juntamente com o estudo da biodinâmica do cavalo, foi poss'vel propor um novo projeto mecânico estrutural, simulado no Virtual Robot Experimentation Platform (V-REP) e desenvolvido no Autodesk Inventor, conhecido como TB-Horse II. A estabilidade do TB-Horse II foi analisada e validada no V-REP. O tamanho das pernas foi investigado e dois métodos matematicos foram propostos com base nos dados reais da locomoção do cavalo. O cavalo possui diversos tipos de andamentos, sendo a marcha a locomoção o utilizada neste trabalho. Neste estudo, pode-se concluir que o TB-Horse II teve maior estabilidade quando as pernas da frente são maiores que as traseiras. Além disso, o projeto eletrînico foi simulado no Proteus. Finalmente, o protótipo do TB-Horse II foi construído e validado no mundo real, em um terreno plano e sem obstáculos, juntamente com os circuitos eletrônicos. Vale ressaltar que uma estrutura de apoio foi construção para auxiliar na validação do TB-Horse II durante os experimentos. Este robô tem como pontos fortes uma estrutura mais parecida com o cavalo real e aliado a bioinspirac~ao o movimento, possibilita um controle maior da sua estabilidade. / The mobile robotics has been strongly developed in recent decades. The robots with legs are highlighted by the ability to overpass obstacles more eectively compared with other types of locomotion. The bio-inspired robotics use functional elements of natures for inspiration. The development of the TB-Horse II prototype is the main target of this work. It is a bio-inspired quadruped robot with biological features of horse locomotion. The robot can be used to rescue injured people, to carry fragile loads, among others applications. However, before its construction, it was necessary to analyze and simulate the CAD-3D structural mechanical design already developed in the rst version of the robot, called TB-Horse I. After that, and also with the study of horse biodynamic, it was possible to propose the TB-Horse II. The mechanical design of this robot has similarity with real horse, and also the stability is controlled because of its bio-inspiration. This robot was simulated in the Virtual Robot Experimentation Platform (V-REP), the mechanical structure was designed in the Autodesk Inventor and the electronic project was proposed and simulated using the Proteus software, before its implementation. The stability analysis of the robot was validated in V-REP. The leg length was investigated and two methods were proposed based on the real data of the horse's locomotion. It is important to point out that horse has dierent types of locomotion. However, the gait is used in the simulation and real experiment. Based on the results obtained, it is possible to conclude that the TB-Horse II had more stability when the front legs are longer than the rear legs. Finally, the robot prototype was developed and the experimental validation was realized on a at ground without obstacles. In order to avoid the robot to fall over unsafe and prevent it from being damaged in the experiments, a support structure was developed.

Técnicas de Agrupamento vêm obtendo bons resultados quando utilizados em diversos problemas de análise de dados, como, por exemplo, a análise de dados de expressão gênica. Porém, uma mesma técnica de agrupamento utilizada em um mesmo conjunto de dados pode resultar em diferentes formas de agrupar esses dados, devido aos possíveis agrupamentos iniciais ou à utilização de diferentes valores para seus parâmetros livres. Assim, a obtenção de um bom agrupamento pode ser visto como um processo de otimização. Esse processo procura escolher bons agrupamentos iniciais e encontrar o melhor conjunto de valores para os parâmetros livres. Por serem métodos de busca global, Algoritmos Genéticos podem ser utilizados durante esse processo de otimização. O objetivo desse projeto de pesquisa é investigar a utilização de Técnicas de Agrupamento em conjunto com Algoritmos Genéticos para aprimorar a qualidade dos grupos encontrados por algoritmos de agrupamento, principalmente o k-médias. Esta investigação será realizada utilizando como aplicação a análise de dados de expressão gênica. Essa dissertação de mestrado apresenta uma revisão bibliográfica sobre os temas abordados no projeto, a descrição da metodologia utilizada, seu desenvolvimento e uma análise dos resultados obtidos. / Clustering techniques have been obtaining good results when used in several data analysis problems, like, for example, gene expression data analysis. However, the same clustering technique used for the same data set can result in different ways of clustering the data, due to the possible initial clustering or the use of different values for the free parameters. Thus, the obtainment of a good clustering can be seen as an optimization process. This process tries to obtain good clustering by selecting the best values for the free parameters. For being global search methods, Genetic Algorithms have been successfully used during the optimization process. The goal of this research project is to investigate the use of clustering techniques together with Genetic Algorithms to improve the quality of the clusters found by clustering algorithms, mainly the k-means. This investigation was carried out using as application the analysis of gene expression data, a Bioinformatics problem. This dissertation presents a bibliographic review of the issues covered in the project, the description of the methodology followed, its development and an analysis of the results obtained.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-01-06T14:13:40Z No. of bitstreams: 1 isabelamirandademendonca.pdf: 2220110 bytes, checksum: 5dc0f4e3929098da2984e16872a06681 (MD5) / Approved for entry into archive by Diamantino Mayra (mayra.diamantino@ufjf.edu.br) on 2017-01-31T11:27:02Z (GMT) No. of bitstreams: 1 isabelamirandademendonca.pdf: 2220110 bytes, checksum: 5dc0f4e3929098da2984e16872a06681 (MD5) / Made available in DSpace on 2017-01-31T11:27:02Z (GMT). No. of bitstreams: 1 isabelamirandademendonca.pdf: 2220110 bytes, checksum: 5dc0f4e3929098da2984e16872a06681 (MD5) Previous issue date: 2016-08-19 / Este trabalho apresenta uma nova estratégia visando à redução do espaço de busca e à inicialização do processo de otimização multimodal para resolução do problema de planejamento estático da expansão de sistemas de transmissão de energia elétrica. Para tanto, a metodologia proposta faz uso de um algoritmo heurístico construtivo baseado em índices de sensibilidade, no qual as decisões de expansão são relaxadas e representadas através da função tangente hiperbólica. Através da consideração de diferentes inclinações da função tangente hiperbólica, dentro de um intervalo previamente determinado, associadas aos principais índices de sensibilidade existentes na literatura é possível extrair um conjunto reduzido de alternativas de expansão. Sendo assim, com base nas informações heurísticas obtidas, é utilizado um algoritmo bioinspirado visando obter de um plano final de expansão para sistemas de transmissão de energia elétrica. A rede de transmissão de energia elétrica é representada por um modelo linearizado de fluxo de carga. Os planos finais de expansão obtidos pela metodologia proposta foram satisfatórios, mostrando que a utilização da função tangente hiperbólica agregada às heurísticas adotadas resultaram em uma estratégia eficiente de decisão. Foram analisados os sistemas Garver, IEEE 24 barras, Sul Brasileiro de 46 barras, e o Colombiano de 93 barras. Os resultados obtidos pela a metodologia proposta foram satisfatórios e de excelente qualidade. / This thesis presents a new strategy aimed at the search space reduction and initialization of the multimodal optimization process to solve the problem of static expansion planning of electric power transmission systems. The proposed methodology uses a constructive heuristic algorithm based on sensitivity indices, in which the expansion decisions are relaxed and represented through the hyperbolic tangent function. By considering different slopes of the hyperbolic tangent function, within a predetermined range, associated with the main existing sensitivity indices in the literature, it is possible to extract a reduced set of expansion alternatives. Thus, based on the heuristic information obtained, a bio-inspired algorithm is used to obtain a final expansion plan for electric power transmission systems. The electric power transmission network is represented by a linear load flow. The final expansion plans obtained by the proposed methodology were satisfactory, showing that the use of the hyperbolic tangent function added to the adopted heuristics yielded an effective decision strategy. The Garver system, IEEE 24 bus system, real equivalent system in southern Brazil 46 bus and real Colombian system 93 bus were analyzed. The results obtained by the proposed method were satisfactory with excellent quality.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-03-10T13:26:21Z No. of bitstreams: 1 jorgefelipebarbosamota.pdf: 2249566 bytes, checksum: 432c0da8b02f3dd942bb9fb9af4add75 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-03-13T18:36:13Z (GMT) No. of bitstreams: 1 jorgefelipebarbosamota.pdf: 2249566 bytes, checksum: 432c0da8b02f3dd942bb9fb9af4add75 (MD5) / Made available in DSpace on 2017-03-13T18:36:13Z (GMT). No. of bitstreams: 1 jorgefelipebarbosamota.pdf: 2249566 bytes, checksum: 432c0da8b02f3dd942bb9fb9af4add75 (MD5) Previous issue date: 2016-09-09 / As concessionárias de energia são obrigadas a aplicar parte de sua receita operacional líquida na execução de projetos de eficiência energética, de acordo com a Agência Nacional de Energia Elétrica (ANEEL). O projeto do tipo baixa renda é parte desse portfólio de projetos possíveis e capta a maior parte dessa aplicação. Dessa forma, torna-se de suma importância a criação de uma metodologia para dimensionar os projetos dessa tipologia e direcionar as tomadas de decisões das concessionárias de energia do Brasil. Métodos de otimização bioinspirados tratam de problemas combinatórios e não lineares, caso do equacionamento matemático do cálculo da relação custo benefício de projetos de eficiência energética de tipologia baixa renda. O presente trabalho propõe a aplicação de dois métodos de otimização reconhecidos, a otimização por colônia de formigas, ou Ant Colony Optimization (ACO), e a otimização por enxame de partículas, ou Particle Swarm Optimization (PSO), para calcular e otimizar a relação custo benefício de projetos de eficiência energética regulatórios do tipo baixa renda. Sendo assim, aplica métodos computacionais bioinspirados no dimensionamento dos projetos de eficiência energética, além de otimizar esses projetos, obtendo o melhor resultado operacional, do ponto de vista da eficiência energética, com o melhor custo para a sociedade. / The electricity utilities are required to invest part of its net operating income in the implementation of energy efficiency projects, according to the National Electric Energy Agency (ANEEL). The low-income type design is part of portfolio of possible projects and captures most of this application. Thus, it becomes very important to create a methodology to scale projects of this type and direct decision making of utilities in Brazil. Bioinspired optimization methods deal with combinatorial and nonlinear problems, if the mathematical equations for calculating the cost benefit rate of energy efficiency projects in low-income type. This paper proposes two recognized bioinspired optimization methods, the Ant Colony Optimization (ACO) and the Particle Swarm Optimization (PSO) to calculate and optimize the cost effectiveness of energy efficiency regulatory projects, the low-income type. Thus, propose a scientific methods of sizing of the energy efficiency projects, while optimizing these projects, obtaining the best operating result, from the point of view of energy efficiency with the best cost to society.

Detecção de outliers é uma tarefa fundamental para descoberta de conhecimento em mineração de dados. Cujo objetivo é identificar as amostras de dados que desviam acentuadamente dos padrões apresentados num conjunto de dados. Neste trabalho, apresentamos uma nova técnica de detecção de outliers baseada em caminhada determinística do turista. Especificamente um caminhante é iniciado para cada exemplar de dado, variando-se o tamanho da memória, assim, um exemplar recebe uma alta pontuação de outlier ao participar em poucos atratores, enquanto que receberá uma baixa pontuação no caso de participar numa grande quantidade de atratores. Os resultados experimentais em cenários artificiais e reais evidenciaram um bom desempenho do método proposto. Em comparação com os métodos clássicos, o método proposto apresenta as seguintes características salientes: 1) Identifica os outliers através da determinação de estruturas no espaço de dados ao invés de considerar apenas características físicas, como distância, similaridade e densidade. 2) É capaz de detectar outliers internos, situados em regiões entre dois ou mais agrupamentos. 3) Com a variação do valor de memória, os caminhantes conseguem extrair tanto características locais, quanto globais do conjunto de dados. 4) O método proposto é determinístico, não exigindo diversas execuções (em contraste às técnicas estocásticas). Além disso, neste trabalho caracterizamos, pela primeira vez, que as dinâmicas exibidas pela caminhada do turista podem gerar atratores complexos, com diversos cruzamentos. Sendo que estes podem revelar estruturas ainda mais detalhadas e consequentemente melhorar a detecção dos outliers. / Outlier detection is a fundamental task for knowledge discovery in data mining. It aims to detect data items that deviate from the general pattern of a given data set. In this work, we present a new outlier detection technique using tourist walks. Specifically, starting from each data sample and varying the memory size, a data sample gets a higher outlier score if it participates in few tourist walk attractors, while it gets a low score if it participates in a large number of attractors. Experimental results on artificial and real data sets show good performance of the proposed method. In comparison to classical methods, the proposed one shows the following salient features: 1) It finds out outliers by identifying the structure of the input data set instead of considering only physical features, such as distance, similarity or density. 2) It can detect not only external outliers as classical methods do, but also internal outliers staying among various normal data groups. 3) By varying the memory size, the tourist walks can characterize both local and global structures of the data set. 4) The proposed method is a deterministic technique. Therefore, only one run is sufficient, in contrast to stochastic techniques, which require many runs. Moreover, in this work, we find, for the first time, that tourist walks can generate complex attractors in various crossing shapes. Such complex attractors reveal data structures in more details. Consequently, it can improve the outlier detection.

Um dos grandes mistérios da ciência é compreender como sistemas nervosos são capazes de realizar as extraordinárias operações computacionais que realizam. Provavelmente, encéfalos são as estruturas nas quais energia e matéria estão organizadas da forma mais complexa no universo. Central na computação cerebral está o conceito de neurônio. A forma como neurônios computam é motivo de intensa investigação científica. Um consenso atual é que neurônios formam grupos transientes (assembleias) a fim de representar coisas, de realizar operações computacionais, e de executar processos cognitivos; embora os mecanismos que fundamentam a computação por assembleias ainda não seja bem compreendido. Aqui é proposta uma forma pela qual se explica como computação por assembleias pode acontecer. Dois componentes são fundamentais para formação de coalizões neurais: a relação temporal entre grupos de neurônios e o fator de acoplamento entre eles. Assembleias pressupõe neurônios pulsantes; portanto, simulamos computação por assembleias em redes neurais pulsantes. A abordagem usada nesta tese é funcional; apresentamos um arcabouço teórico sobre propriedades, princípios, e dinâmicas que permitem operações computacionais por coalizões neurais. É apresentado na tese que: (i) quando neurônios formam assembleias está implícito que um tipo de função lógica estocástica ocorre, (ii) assembleias podem formar grupos com feedback, criando grupos biestáveis, (iii) grupos biestáveis criam representações internas dos eventos que os criaram, (iv) assembleias podem se ramificar e também dissolver outras assembleias, o que dá origem a algoritmos complexos. Esta é uma investigação inicial sobre computação em assembleias neurais, e há muito a ser feito. Nesta tese apresentamos os conceitos basais para esta nova abordagem. Há um conjunto de programas nos apêndices que permitem ao leitor simular formações de assembleias, ramificações, inibições, reverberações, entre outras propriedades e componentes de nossa proposta. / One of the greatest mysteries in science is to comprehend how brains are capable of realizing the extraordinary computational operations they do. Probably, brains are the structures in which matter and energy are organized in the most complex way in the Universe. Central to the brain computation is the concept of neuron. How neurons compute is motive of intensive scientific investigation. A prevailing consensus is that neurons form transient groups (assemblies) in order to represent things, for realizing computational operations, and for executing cognitive processes; although the mechanisms that substantiate such computation by neural assemblies are not yet well understood. In this thesis we propose a form that explains how neural assembly computation may occur. It is shown that two components are fundamentals for neural coalition formation: the temporal relation among neural groups, and the coupling factor among them. In this sense, neural assemblies presuppose spiking neurons; therefore, here we simulate assembly computing using spiking neural networks. In this thesis it is presented basically a functional approach; thus, it presents a theoretical approach concerning the properties, principles, characteristics, and components that allow the computational operations in neural coalitions. It is presented in the thesis that: (i) as neurons form assemblies it is implicit that a kind of stochastic logic function occurs; (ii) assemblies may form groups that feedback each other, creating bistable groups; (iii) bistable groups internally represent the event that created them; (iv) assemblies may branch and dissolve other assemblies, what give rise to complex algorithms. This is an initial investigation about neural assembly computing and there is a lot to be done; however, in this thesis we present the basal concepts for this new approach. There are programs in the appendices that allow the reader to simulate assembly formation, branching, inhibition, reverberation, among other properties and components in our proposal.

Um dos grandes mistérios da ciência é compreender como sistemas nervosos são capazes de realizar as extraordinárias operações computacionais que realizam. Provavelmente, encéfalos são as estruturas nas quais energia e matéria estão organizadas da forma mais complexa no universo. Central na computação cerebral está o conceito de neurônio. A forma como neurônios computam é motivo de intensa investigação científica. Um consenso atual é que neurônios formam grupos transientes (assembleias) a fim de representar coisas, de realizar operações computacionais, e de executar processos cognitivos; embora os mecanismos que fundamentam a computação por assembleias ainda não seja bem compreendido. Aqui é proposta uma forma pela qual se explica como computação por assembleias pode acontecer. Dois componentes são fundamentais para formação de coalizões neurais: a relação temporal entre grupos de neurônios e o fator de acoplamento entre eles. Assembleias pressupõe neurônios pulsantes; portanto, simulamos computação por assembleias em redes neurais pulsantes. A abordagem usada nesta tese é funcional; apresentamos um arcabouço teórico sobre propriedades, princípios, e dinâmicas que permitem operações computacionais por coalizões neurais. É apresentado na tese que: (i) quando neurônios formam assembleias está implícito que um tipo de função lógica estocástica ocorre, (ii) assembleias podem formar grupos com feedback, criando grupos biestáveis, (iii) grupos biestáveis criam representações internas dos eventos que os criaram, (iv) assembleias podem se ramificar e também dissolver outras assembleias, o que dá origem a algoritmos complexos. Esta é uma investigação inicial sobre computação em assembleias neurais, e há muito a ser feito. Nesta tese apresentamos os conceitos basais para esta nova abordagem. Há um conjunto de programas nos apêndices que permitem ao leitor simular formações de assembleias, ramificações, inibições, reverberações, entre outras propriedades e componentes de nossa proposta. / One of the greatest mysteries in science is to comprehend how brains are capable of realizing the extraordinary computational operations they do. Probably, brains are the structures in which matter and energy are organized in the most complex way in the Universe. Central to the brain computation is the concept of neuron. How neurons compute is motive of intensive scientific investigation. A prevailing consensus is that neurons form transient groups (assemblies) in order to represent things, for realizing computational operations, and for executing cognitive processes; although the mechanisms that substantiate such computation by neural assemblies are not yet well understood. In this thesis we propose a form that explains how neural assembly computation may occur. It is shown that two components are fundamentals for neural coalition formation: the temporal relation among neural groups, and the coupling factor among them. In this sense, neural assemblies presuppose spiking neurons; therefore, here we simulate assembly computing using spiking neural networks. In this thesis it is presented basically a functional approach; thus, it presents a theoretical approach concerning the properties, principles, characteristics, and components that allow the computational operations in neural coalitions. It is presented in the thesis that: (i) as neurons form assemblies it is implicit that a kind of stochastic logic function occurs; (ii) assemblies may form groups that feedback each other, creating bistable groups; (iii) bistable groups internally represent the event that created them; (iv) assemblies may branch and dissolve other assemblies, what give rise to complex algorithms. This is an initial investigation about neural assembly computing and there is a lot to be done; however, in this thesis we present the basal concepts for this new approach. There are programs in the appendices that allow the reader to simulate assembly formation, branching, inhibition, reverberation, among other properties and components in our proposal.

Detecção de outliers é uma tarefa fundamental para descoberta de conhecimento em mineração de dados. Cujo objetivo é identificar as amostras de dados que desviam acentuadamente dos padrões apresentados num conjunto de dados. Neste trabalho, apresentamos uma nova técnica de detecção de outliers baseada em caminhada determinística do turista. Especificamente um caminhante é iniciado para cada exemplar de dado, variando-se o tamanho da memória, assim, um exemplar recebe uma alta pontuação de outlier ao participar em poucos atratores, enquanto que receberá uma baixa pontuação no caso de participar numa grande quantidade de atratores. Os resultados experimentais em cenários artificiais e reais evidenciaram um bom desempenho do método proposto. Em comparação com os métodos clássicos, o método proposto apresenta as seguintes características salientes: 1) Identifica os outliers através da determinação de estruturas no espaço de dados ao invés de considerar apenas características físicas, como distância, similaridade e densidade. 2) É capaz de detectar outliers internos, situados em regiões entre dois ou mais agrupamentos. 3) Com a variação do valor de memória, os caminhantes conseguem extrair tanto características locais, quanto globais do conjunto de dados. 4) O método proposto é determinístico, não exigindo diversas execuções (em contraste às técnicas estocásticas). Além disso, neste trabalho caracterizamos, pela primeira vez, que as dinâmicas exibidas pela caminhada do turista podem gerar atratores complexos, com diversos cruzamentos. Sendo que estes podem revelar estruturas ainda mais detalhadas e consequentemente melhorar a detecção dos outliers. / Outlier detection is a fundamental task for knowledge discovery in data mining. It aims to detect data items that deviate from the general pattern of a given data set. In this work, we present a new outlier detection technique using tourist walks. Specifically, starting from each data sample and varying the memory size, a data sample gets a higher outlier score if it participates in few tourist walk attractors, while it gets a low score if it participates in a large number of attractors. Experimental results on artificial and real data sets show good performance of the proposed method. In comparison to classical methods, the proposed one shows the following salient features: 1) It finds out outliers by identifying the structure of the input data set instead of considering only physical features, such as distance, similarity or density. 2) It can detect not only external outliers as classical methods do, but also internal outliers staying among various normal data groups. 3) By varying the memory size, the tourist walks can characterize both local and global structures of the data set. 4) The proposed method is a deterministic technique. Therefore, only one run is sufficient, in contrast to stochastic techniques, which require many runs. Moreover, in this work, we find, for the first time, that tourist walks can generate complex attractors in various crossing shapes. Such complex attractors reveal data structures in more details. Consequently, it can improve the outlier detection.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-04-06T18:38:52Z No. of bitstreams: 1 franciscocarlosrodriguescoelho.pdf: 4497321 bytes, checksum: 84c61f06bc2ac3aae79f57fc04d6cb0f (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-04-24T03:52:25Z (GMT) No. of bitstreams: 1 franciscocarlosrodriguescoelho.pdf: 4497321 bytes, checksum: 84c61f06bc2ac3aae79f57fc04d6cb0f (MD5) / Made available in DSpace on 2016-04-24T03:52:25Z (GMT). No. of bitstreams: 1 franciscocarlosrodriguescoelho.pdf: 4497321 bytes, checksum: 84c61f06bc2ac3aae79f57fc04d6cb0f (MD5) Previous issue date: 2013-08-16 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A alocação de geração distribuída em sistemas de distribuição de energia elétrica consiste em definir a localização ótima para instalação de centrais geradoras distribuídas no sistema e a quantidade de potência que deverá ser injetada por estas centrais, de modo a minimizar as perdas técnicas inerentes aos sistemas de distribuição. Este é um problema de otimização de difícil solução e que apresenta implicações ambientais e econômicas. A técnica de otimização empregada nesta pesquisa para determinar a alocação dos geradores distribuídos é recente, sendo a mesma bioinspirada. Ela se baseia na ecolocalização de morcegos e foi desenvolvida em 2010 pelo pesquisador Xin-She Yang. Esta técnica de otimização agrega em sua constituição conhecimento prévio adquirido por outras técnicas de otimização, como enxame de partículas e busca harmônica, utilizando assim, as vantagens inerentes a cada uma destas ferramentas. Esta característica confere à otimização via ecolocalização uma expectativa de sucesso em problemas de difícil solução, com características combinatórias, que é o caso do problema em estudo. Com o intuito de melhorar o desempenho da técnica de otimização em questão, foi proposta uma etapa adicional em sua constituição. Esta alteração no algoritmo original se mostrou eficiente nas simulações realizadas, pois o mecanismo de busca modificado alcançou resultados de melhor qualidade com maior frequência, tanto em sua validação, onde foram utilizadas funções matemáticas não convexas, como na aplicação do método ao problema referente à alocação de geração distribuída em sistemas de distribuição de energia elétrica. Utilizando-se três sistemas teste, de trinta e três, de cinquenta e de sessenta e nove barras, foram realizados testes com alocação exclusiva de potência ativa e reativa, e também alocação simultânea destes dois tipos de potência, sendo que os resultados obtidos foram comparados com resultados presentes na literatura especializada. Além das perdas, fatores como perfil de tensão resultante nas barras e trajetória de convergência do algoritmo inspirado na ecolocalização de morcegos foram analisados para a avaliação da metodologia de otimização empregada nesta pesquisa. / The optimal distributed generation placement in electrical power systems is a complex problem involving environmental and economical issues. The solution to this problem consists of choosing the optimum location of distributed power plants, and to define the amount of power that must be injected by these plants in order to minimize technical losses in electrical distribution systems. The optimization technique utilized in this work to determine the placement of distributed generators is recent. It was developed in 2010 by Xin-She Yang. The optimization procedure is inspired by the echolocation of bats phenomenon, and uses some previous knowledge from others techniques, like Particle Swarm Optimization and Harmony Search, combining their advantages. This feature gives the Bat-Inspired Algorithm an expectation of success on difficult problems, such as the combinatorial problem under study. In order to improve the performance of the optimization technique an additional step was proposed in its search engine. Endowed with this change, the algorithm has achieved better results more frequently. Nonconvex benchmark mathematical functions were used, as well as in its application on distributed generation placement. Using three different bus systems (33, 50 and 69 busses), simulations were performed placing real and reactive Power separately, and those two kind of Power together. The produced results were compared to specialized literature. Real power losses, bus voltage and convergence trajectory indicates the level of success reached by the optimization technique utilized in this research work.

Redes Bayesianas Dinâmicas (DBNs) são modelos capazes de representar um sistema dinâmico por meio de uma rede complexa que codifica as independências estatísticas condicionais entre os seus estados internos. Entre seus métodos de aprendizagem estrutural a partir de dados, o uso daqueles baseados em teoria de informação têm ganhado bastante espaço nos últimos anos, devido às suas vantages de serem livres de modelo e permitirem uma aprendizagem offline a partir de medidas em múltiplas repetições do experimento. No entanto, resta uma exploração dos paralelos entre a área de aprendizagem de DBNs e aquela interessada em realizar medidas de transferência de informação entre elementos de um sistema neural, principalmente por meio de transferência de entropia (TE). O presente trabalho busca, assim, aproximar estes dois focos de pesquisa, identificando suas equivalências e tratando de alguns dos desafios relacionados à sua implementação em identificação de sistemas neurais. Nota-se que uma das maiores dificuldades relacionadas ao uso de teoria de informação em sistemas multivariados concerne a alta dimensionalidade das funções de distribuição de probabilidade, exigindo grandes quantidades de dados observados simultaneamente. Não obstante, a aplicação de DBNs e transferência de entropia em sistemas de tempo contínuo também envolve considerações sobre a discretização dos sistemas no tempo, o que implica na necessidade de relaxamento da suposição da propriedade de Markov de primeira ordem (presente na definição de DBNs), e leva, assim, à proposta de redes Bayesianas dinâmicas de altas ordens (HO-DBNs). Além de realizar uma revisão das principais propostas para a solução destas dificuldades, o trabalho primeiramente propõe que, sob a suposição de um sistema com elementos se comportando de forma igual, os valores das medidas baseadas em teoria de informação com baixa dimensionalidade podem ser utilizados para a aprendizagem de estruturas de rede. Isso é mostrado a partir do uso de informação mútua par a par para a aprendizagem de redes Bayesianas simuladas com distribuições de probabilidade condicional fixas. No que concerne o uso de HO-DBNs, também se propõe um algoritmo baseado em otimização por enxame de partículas (PSO) para percorrer o espaço de busca de estruturas de HO-DBNs de forma mais eficiente. Em seguida, duas aplicações de modelagem de DBNs com uso de teoria de informação são exploradas na área de sistemas neurais, tendo em vista a obtenção de conhecimento acerca de conectividade funcional e até uma aplicação futura em engenharia bioinspirada. Os desafios apresentados anteriormente são, assim, exemplificados, junto com algumas propostas de solução. A primeira área diz respeito à elicitação de conectividade funcional entre as sub-áreas do hipocampo, no cérebro humano, a partir de dados de ressonância magnética funcional (fMRI) de alta resolução. A partir de uma análise seed-to-voxel em grupo, regiões de interesse (ROIs) são identificadas e um modelo inicial de DBN é proposto, que é coerente com alguns estudos já feitos na literatura. A segunda área de aplicação concerne a conectividade neural do sistema neuromotor do gafanhoto, a partir de gravações intracelulares de potencial sináptico em neurônios sensores, motores e interneurônios, sob estimulação com um fórceps no órgão femoral cordotonal (FeCO). Embora um modelo completo de DBN ainda não seja possível devido à ausência de gravações simultâneas suficientes, os atrasos de transferência de entropia entre o estímulo e a resposta nos neurônios motores são obtidos e integrados a partir de uma análise Bayesiana, dado também um pré-processamento com análise de espectro singular (SSA) que, ao remover a não-estacionariedade do sinal (que se deve a fatores extrínsecos ao sistema), aumentou consideravelmente a quantidade de amostras disponíveis. Tais resultados, ao ajudar a reduzir o espaço de busca de DBNs, também servem para direcionar futuros experimentos e pesquisas na área. / Dynamic Bayesian Networks (DBNs) are models capable of representing a dynamical system by means of a complex network which codifies statistical conditional independencies between their internal states. Among their strucutural learning methods based on data, the use of ones based on information theory are gaining ground in recent years, due to their advantages of being model-free and permitting offline learning from multiple repetitions of an experiment. However, there still remains an exploration of the parallels between the areas of DBN structure learning and those interested in obtaining measures of information transfer between elements of neural systems, mainly through transfer entropy (TE). Thus, the current work seeks to approximate these two foci of research by identifying some of their equivalences and challenges related to their usage in neural systems identification. It is noted that one of the main difficulties related to the use of information theory in multivariate neural systems concerns the high dimensionality of the probability distribution functions, requiring thus great quantities of data observed simultaneously. Furthermore, the application of DBNs and transfer entropy on continuous time systems also involves considerations about their discretization on time, which implies the necessity of relaxing the first order Markov property (instrinsinc to the definition of DBNs), and thus leads to the proposal of high-order dynamic Bayesian networks (HO-DBNs). Besides performing a review on the main proposals for solving these difficulties, this work first proposes that, under the supposition of a system with elements behaving in a similar way, the values of information theory based measures with low dimensions can be employed for learning network structures. This is shown with the use of pairwise mutual information for learning simulated Bayesian networks with fixed conditional probability distributions. And concerning the use of HO-DBNs, an algorithm based on PSO is proposed in order to pass through their search space more efficiently. Next, two applications of DBN modeling with information theory are explored in the field of neural systems, in view of obtaining knowledge about functional connectivity and even of a future application of bioinspired engineering. The challenged presented earlier are then exemplified along with some proposals of solutions. The first field regards the elicitation of functional connectivity between hippocampal subfields on the human brain based of high resolution fMRI data. Starting from a seed-to-voxel group analysis, regions of interest (ROIs) are identified and an initial DBN model is proposed, which is coherent with some studies already conducted in the literature. The second field of application concerns the neural connectivity between the neuromotor system of the locust, based on intracellular synaptic potential recordings on sensory neurons, interneurons and motor neurons under stimulation by a forceps in the femoral chordotonal organ (FeCO). Although a complete DBN model is still not possible due to the absence of sufficient and simultaneous recordings, the transfer entropy delays between stimulus and responses on the motor neuros are obtained and integrated by a Bayesian analysis, given also a pre-processing based on Singular Spectrum Analysis (SSA) which, by removing the nonstationarity characteristics of the signal (which are due to extrinsic factors on the system), considerably increased the number of available samples for learning. Such results, by helping to reduce the search space of DBNs, also direct further experiments and studies on this field.