Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2017-08-03T17:51:03Z No. of bitstreams: 1 2017_SergioAndresPertuzMendez.pdf: 6221181 bytes, checksum: 6ead5ebcb0f082dc125c61d6a2ea118d (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-09-15T15:21:34Z (GMT) No. of bitstreams: 1 2017_SergioAndresPertuzMendez.pdf: 6221181 bytes, checksum: 6ead5ebcb0f082dc125c61d6a2ea118d (MD5) / Made available in DSpace on 2017-09-15T15:21:34Z (GMT). No. of bitstreams: 1 2017_SergioAndresPertuzMendez.pdf: 6221181 bytes, checksum: 6ead5ebcb0f082dc125c61d6a2ea118d (MD5) Previous issue date: 2017-09-15 / Nos últimos anos grandes avanços tecnológicos formam feitos no campo da computação e áreas correlatas, o que permitiu o desenvolvimento de sistemas robóticos sofisticados como robôs biomiméticos. Esses robôs imitam sistemas biológicos que decorrem robustez e e ciência maiores se comparados com robôs convencionais quando usados em ambientes não estruturados. Por exemplo, uma mão robótica biomimética tem uma destreza e agilidade maior para executar tarefas de manipulação e agarres do que pinças convencionais. Desde os anos oitenta, o desenvolvimento de mãos robóticas biomiméticas é o foco de pesquisa de várias equipes de investigação no mundo. Na atualidade há um número vasto de trabalhos encaminhados à construção e controle dos mesmos, os quais tem o intuito de melhorar a destreza e o desempenho das mãos e incluem tópicos como projeto da mão, mecanismos de movimento para as juntas, plataformas embarcadas e estratégias de controle. Existem várias abordagens a nível computacional que ainda não têm sido exploradas neste tipo de robôs, por exemplo o uso de um chip FPGA para o aumento de desempenho das estratégias de controle dinâmico usadas nos mesmos. O presente trabalho descreve o desenvolvimento de uma arquitetura em hardware baseada em FPGA do controlador dinâmico de uma mão robótica, o qual é sintonizado usando algoritmos de otimização bioinspirada visando para atingir estabilidade de agarre. O projeto da mão robótica realizado neste trabalho inclui o uso de mecanismos para emular os movimentos de exão-extensão dos dedos. Os mecanismos foram otimizados visando minimizar o erro de trajetória usando a mão humana como referência. Os algoritmos bioinspirados PSO, DE e GA foram implementados para otimizar o mecanismo. 32 experimentos foram realizados para cada algoritmo a m de realizar uma análise estatística para determinar o mecanismo com o melhor resultado, o qual é implementado no projeto nal do mecanismo do dedo incluído no CAD da mão completa, o qual é descrito junto com o projeto eletrônico da plataforma. O projeto nal da mão é avaliado com análise cinemática e adaptações do teste de Kapandji. Em seguida o protótipo é fabricado e montado usando diversos processos de fabricação e prototipagem, tais como corte a jato de água, torneamento e impressão 3D. Logo após, foi projetado na plataforma Matlab/Simulink em alto nível o esquema de controle de impedância dos dedos o qual foi validado usando um simulador numérico do dedo para estudar o efeito do controlador no sistema sem colocar em risco a plataforma física. A sintonização do controlador é realizada usando o algoritmo de otimização bioinspirado PSO visando reduzir o tempo de estabilidade, o sobreimpulso e o tempo de subida. Seguidamente, esses resultados foram implementados em plataformas embarcadas nas linguagens de programação C e na linguagem de descrição de hardware HDL. Após ser avaliado, o esquema de controle foi implementado em C na plataforma Arduino e mapeado em FPGA na placa de desenvolvimento ZedBoard. Uma comparação numérica e analítica foi realizada em termos do desempenho e precisão das duas abordagens. O resultado da otimização do mecanismo de exão-extensão produziu um erro de 0.2660% e o uso deste mecanismo permitiu fabricar um protótipo com dimensões e peso similar a uma mão humana real. Além disso, o protótipo atingiu os dez níveis da adaptação do teste de Kapandji. Adicionalmente, a sintonização da estratégia de controle resultou no comportamento desejado, o qual é subamortecido e com um tempo de estabilização 355ms. Similarmente, os resultados da implementação em FPGA foram satisfatórios no sentido do desempenho do tempo de execução da estratégia de controle, o qual melhorou os resultados da implementação em Arduino e outros trabalhos correlatos no estado da arte. / In recent years, huge technological advances have been made in the eld of computing sciences and related areas, which has allowed the development of sophisticated robotic systems such as biomimetic robots. These robots mimic biological systems that result in greater robustness and e ciency compared to conventional robots when used in unstructured environments. For instance, a biomimetic robotic hand has greater dexterity and agility to perform manipulation tasks and grasp than conventional grippers. Since the 1980s, the development of biomimetic robotic hands has been the focus of many research teams all over the world. Nowadays several contributions regarding the construction and control of said systems, which aim to improve the dexterity and performance of the hands and include topics such as hand design, joint mechanisms, embedded platforms and control strategies. However, even with the great available knowledge, there are still no perfect robotic hands, therefore, there is still knowledge to be contributed in the scienti c community. There are several approaches at the computational level that have not yet been explored in this type of robots, for example, the use of a single FPGA chip to increase the performance of the dynamic control schemes used. This work describes the development of an FPGA-based hardware architecture of the dynamic controller in a robotic hand, which is tuned using bioinspired optimization algorithms applied to achieve stability of grasps. The robotic hand design performed in this work includes the use of mechanisms to emulate the exionextension movements of the ngers. The mechanisms were optimized to minimize the trajectory error using the human hand as reference. The bioinspired algorithms PSO, DE and GA were implemented to optimize the mechanism. 32 experiments are performed for each algorithm to perform a statistical analysis to determine 2 the best result. This optimized mechanism was implemented in the nal design of the nger mechanism included in the CAD of the complete hand, which is described together with the electronic design of the platform. The nal hand design is evaluated with kinematic analysis and Kapandji clinical test adaptations. The prototype was manufactured and assembled using various manufacturing and prototyping processes, such as water-jet cutting, turning and 3D printing. Afterwards, the nger impedance control scheme was designed on a high level platform using Matlab/Simulink, in addition to a numerical simulator of the nger for the study of the controller e ect on the system avoiding physical damage to the system. The controller was tuned using the PSO optimization algorithm aiming to reduce the stability time, the overshoot and the rise time. These results are then implemented on embedded platforms in both C and VHDL languages. After being evaluated, the control scheme is implemented in C on the Arduino platform and was manually mapped to FPGA on the ZedBoard development board. A numerical comparison between the two approaches was done in terms of performance and accuracy. The result of the optimization of the exion-extension mechanism produced an error of 0.2660% and the use of this mechanism allowed for manufacturing the prototype with dimensions and weight similar to a real human hand. The prototype reached the ten levels of the Kapandji test tting. In addition, the tuning of the control strategy resulted in the desired behavior, which is underdamped and with a stabilization time of 355ms. Similarly, the FPGA implementation results were satisfactory in the sense of the execution-time performance of the control strategy, which improved the implementation results in Arduino and other related work in the state of the art.

Aprendizado de máquina é uma área de pesquisa na qual se investiga como desenvolver sistemas capazes de aprender com a experiência. Muitos algoritmos de aprendizado possuem parâmetros cujos valores devem ser especificados pelo usuário. Em geral, esses valores influenciam diretamente no processo de aquisição do conhecimento, podendo gerar diferentes modelos. Recentemente, algoritmos de otimização bioinspirados têm sido aplicados com sucesso no ajuste de parâmetros de técnicas de aprendizado de máquina. Essas técnicas podem apresentar diferentes sensibilidades em relação aos valores escolhidos para seus parâmetros e diferentes algoritmos de ajuste de parâmetros podem apresentar desempenhos singulares. Esta dissertação investiga a utilização de algoritmos bioinspirados para o ajuste de parâmetros de redes neurais artificiais e máquinas de vetores de suporte em problemas de classificação. O objetivo dessa investigação é verificar quais são as técnicas que mais se beneficiam do ajuste de parâmetros e quais são os algoritmos mais eficientes para essas técnicas. Os resultados experimentais mostram que os algoritmos bioinspirados conseguem encontrar melhores clasificadores que outras abordagens. Porém, essa melhoria é estatisticamente significativa para alguns conjuntos de dados. Foi possível verificar que o uso dos valores padrão para os parâmetros das técnicas de classificação leva a desempenhos similares aos obtidos com os algoritmos bioinspirados. Entretanto, para alguns conjuntos de dados, o ajuste de parâmetros pode melhorar significativamente o desempenho dos classificadores / Machine learning is a research area whose main goal is to design computational systems capable of learning through experience. Many machine learning techniques have free parameters whose values are generally defined by the user. Usually, these values affect the knowledge acquisition process directly, resulting in different models. Recently, bioinspired optimization algorithms have been successfully applied to the parameter tuning of machine learning techniques. These techniques may present variable sensitivity to the selection of the values of its parameters and different parameter tuning algorithms may present different behaviors. This thesis investigates the use of bioinspired algorithms for the parameter tuning of artificial neural networks and support vector machines in classification problems. The goal of this thesis is to investigate which techniques benefits most from parameter tuning and which are the most efficient algorithms to use with these techniques. Experimental results show that these bioinspired algorithms can find better classifiers when compared to other approaches. However, this improvement is statistically significant only to some datasets. It was possible to verify that the use of standard parameter values for the classification techniques leads to similar performances to those obtained with the bioinspired algorithms. However, for some datasets, the parameter tuning may significantly improve a classifier performance

Aprendizado de máquina é uma área de pesquisa na qual se investiga como desenvolver sistemas capazes de aprender com a experiência. Muitos algoritmos de aprendizado possuem parâmetros cujos valores devem ser especificados pelo usuário. Em geral, esses valores influenciam diretamente no processo de aquisição do conhecimento, podendo gerar diferentes modelos. Recentemente, algoritmos de otimização bioinspirados têm sido aplicados com sucesso no ajuste de parâmetros de técnicas de aprendizado de máquina. Essas técnicas podem apresentar diferentes sensibilidades em relação aos valores escolhidos para seus parâmetros e diferentes algoritmos de ajuste de parâmetros podem apresentar desempenhos singulares. Esta dissertação investiga a utilização de algoritmos bioinspirados para o ajuste de parâmetros de redes neurais artificiais e máquinas de vetores de suporte em problemas de classificação. O objetivo dessa investigação é verificar quais são as técnicas que mais se beneficiam do ajuste de parâmetros e quais são os algoritmos mais eficientes para essas técnicas. Os resultados experimentais mostram que os algoritmos bioinspirados conseguem encontrar melhores clasificadores que outras abordagens. Porém, essa melhoria é estatisticamente significativa para alguns conjuntos de dados. Foi possível verificar que o uso dos valores padrão para os parâmetros das técnicas de classificação leva a desempenhos similares aos obtidos com os algoritmos bioinspirados. Entretanto, para alguns conjuntos de dados, o ajuste de parâmetros pode melhorar significativamente o desempenho dos classificadores / Machine learning is a research area whose main goal is to design computational systems capable of learning through experience. Many machine learning techniques have free parameters whose values are generally defined by the user. Usually, these values affect the knowledge acquisition process directly, resulting in different models. Recently, bioinspired optimization algorithms have been successfully applied to the parameter tuning of machine learning techniques. These techniques may present variable sensitivity to the selection of the values of its parameters and different parameter tuning algorithms may present different behaviors. This thesis investigates the use of bioinspired algorithms for the parameter tuning of artificial neural networks and support vector machines in classification problems. The goal of this thesis is to investigate which techniques benefits most from parameter tuning and which are the most efficient algorithms to use with these techniques. Experimental results show that these bioinspired algorithms can find better classifiers when compared to other approaches. However, this improvement is statistically significant only to some datasets. It was possible to verify that the use of standard parameter values for the classification techniques leads to similar performances to those obtained with the bioinspired algorithms. However, for some datasets, the parameter tuning may significantly improve a classifier performance

Submitted by Programa de P?s-Gradua??o Engenharia El?trica (ppgee@ifpb.edu.br) on 2018-04-17T14:29:25Z No. of bitstreams: 1 41- Aldeni Sud?rio de Sousa - ALGORITMO BIOINSPIRADO EM COL?NIA DE ABELHAS APLICADO NA SELE??O DE CARACTER?STICAS PARA DETEC??O DE DESVIOS VOCAIS.pdf: 1351824 bytes, checksum: 09fd69be675ff9f0dc04fae3523582cf (MD5) / Approved for entry into archive by Programa de P?s-Gradua??o Engenharia El?trica (ppgee@ifpb.edu.br) on 2018-04-17T14:30:31Z (GMT) No. of bitstreams: 1 41- Aldeni Sud?rio de Sousa - ALGORITMO BIOINSPIRADO EM COL?NIA DE ABELHAS APLICADO NA SELE??O DE CARACTER?STICAS PARA DETEC??O DE DESVIOS VOCAIS.pdf: 1351824 bytes, checksum: 09fd69be675ff9f0dc04fae3523582cf (MD5) / Made available in DSpace on 2018-04-17T14:30:31Z (GMT). No. of bitstreams: 1 41- Aldeni Sud?rio de Sousa - ALGORITMO BIOINSPIRADO EM COL?NIA DE ABELHAS APLICADO NA SELE??O DE CARACTER?STICAS PARA DETEC??O DE DESVIOS VOCAIS.pdf: 1351824 bytes, checksum: 09fd69be675ff9f0dc04fae3523582cf (MD5) Previous issue date: 2018-01-31 / A sele??o de caracter?sticas ? uma etapa importante, empregada em v?rias tarefas de reconhecimento de padr?es, para identificar os atributos mais significativos e descartar aqueles irrelevantes ou redundantes pertencentes a um conjunto original. Algoritmos bioinspirados, baseados no comportamento de organismos, s?o adequados para problemas de otimiza??o e v?m sendo, recentemente, empregados para a sele??o de caracter?sticas em v?rios dom?nios de problemas. Nesta pesquisa, a vers?o bin?ria do algoritmo bioinspirado em col?nia artificial de abelhas ? aplicado na sele??o de caracter?sticas para detec??o de desvios vocais, com o intuito de determinar quais medidas ac?sticas baseadas na an?lise da quantifica??o de recorr?ncia s?o relevantes para a discrimina??o entre vozes saud?veis e vozes com desvios vocais (soprosidade, rugosidade e tens?o). Os resultados apontam que, de forma geral, houve uma redu??o na quantidade de caracter?sticas utilizadas na classifica??o, empregando-se o classificador K-NN, com taxas de acur?cia superiores a 86%, apresentando competitividade quando comparados com outras abordagens.

[EN] In this research, a new model of computing is presented, within the framework of natural computing and computer models inspired by biology: Networks of Genetic Processors (NGP). This new model is based on the one hand, by the family of networks of bio-inspired processors, specifically Networks of Evolutionary Processors (NEP) and Networks of Splicing Processors (NSP), and on the other hand by Genetic Algorithms. We can define the new model as a network of biologically-inspired processors where operations used by processors are crossover and mutation. One of the major interests studying the NGP is the computational power of the operations of crossover and mutation acting together. The NEP is a complete model that uses operations of symbol mutation: insertion, substitution and deletion, the NSP is a complete model that uses splicing operations, but the NEP is no longer a complete model using only substitution operations, as it happens to the NSP if we restrict the context of its splicing rules to the empty context. The study of the new model presented here responds to what happens when we put together in a single model the substitution rules from the NEP (called mutation rules) and the splicing rules with empty context from the NSP (called crossover rules). When we work with networks of biologically-inspired processors there are two basic types of networks, accepting networks and generating networks. These types of networks are mainly used to work at a theoretical level or to solve decision problems. To work on a more practical level such as solving optimization problems, we propose a new type of network, Networks of Genetic processors as Parallel Genetic Algorithms, inspired by the Parallel Genetic Algorithms. In this work we prove the computational completeness of our new model by showing that it is equivalent to the Turing machine. We prove the computational completeness of Parallel Genetic Algorithms by using this result and the similarity between the NGP and Parallel Genetic Algorithms. Moreover, we propose a characterization of the Chomsky hierarchy by using the NGP. Here, we simulate every grammar in the language classes of the Chomsky's hierarchy by using a NGP with an small number of processors required for each simulation. Hence, it gives an appreciable idea of the descriptional complexity of the different families of languages. Finally, in this work there is an experimental study of the behavior of the model for the resolution of some practical problems. First, we design and implement a simulator that allows the execution of networks of Genetic Processors in any of its three defined types: accepting networks, generating networks or as Parallel Genetic Algorithms. This allows us to test the model with different optimization problems. Then, we make a study to see if the new model could solve NP problems in polynomial time. We use the decision problem of Hamiltonian cycle in a graph. Finally, we test the simulator with two optimization problems showing a good computational behavior. The problems are the Multidimensional Knapsack problem and the Traveling Salesman problem. / [ES] Desde la rama de la biocomputación, la computación con modelos inspirados en la biología, esta investigación presenta un nuevo modelo de computación: las Redes de Procesadores Genéticos (NGP). Este nuevo modelo parte, por un lado, de la familia de modelos de redes de procesadores, más concretamente de las Redes de Procesadores Evolutivos (NEP) y las Redes de Procesadores de Splicing (NSP), y por otra parte se inspira en los Algoritmos Genéticos. Así pues, se puede definir de manera informal el nuevo modelo como una red de procesadores bioinspirados donde las operaciones utilizadas por los procesadores son operaciones de cruce y mutación. Uno de los mayores intereses del estudio de las NGP es la capacidad conjunta de las operaciones de cruce y mutación, las NEP son un modelo completo que utiliza operaciones de evolución, es decir, inserción, substitución y borrado, las NSP son un modelo completo que utiliza operaciones de splicing, pero las NEP dejan de ser un modelo completo al usar sólo operaciones de substitución, al igual que le pasa a las NSP si restringimos el contexto de sus reglas de splicing a vacío. El estudio del nuevo modelo aquí presentado da respuesta a qué es lo que pasa cuando juntamos en un sólo modelo las operaciones de sustitución de las NEP (llamadas reglas de mutación) y las operaciones de splicing con contexto vacío de las NSP (llamadas reglas de cruce). Cuando se trabaja con redes de procesadores bioinspirados se definen principalmente dos tipos de redes, las redes aceptoras y las redes generadoras. Estos tipos de redes sirven principalmente para trabajar a un nivel teórico o para resolver problemas de decisión. Para trabajar a un nivel más práctico como por ejemplo con problemas de optimización, se propone un nuevo tipo de red, las Redes de Procesadores Genéticos como Algoritmos Genéticos Paralelos, llamadas así por inspirarse en los Algoritmos Genéticos Paralelos. A nivel teórico, se ha podido demostrar la completitud computacional del modelo, con lo que su potencia de computación se sitúa al mismo nivel que el de las maquinas de Turing. A raíz de este resultado y dada la gran similitud entre las NGP y los Algoritmos Genéticos Paralelos, en este trabajo se demuestra que éstos también son un modelo de computación completo. Por otra parte se ha podido realizar una caracterización de la jerarquía de Chomsky utilizando las NGP, para ello se simula cada una de las gramáticas que definen las cuatro familias de lenguajes de dicha jerarquía observando el mínimo número de procesadores necesarios para cada simulación, lo cual da una idea apreciable de la diferencia de complejidad entre las diferentes familias. No falta en este trabajo un estudio de la parte más práctica del modelo con la realización de algunas tareas. Primero se ha diseñado e implementado un simulador que permite la ejecución de Redes de Procesadores Genéticos en cualquiera de sus tres vertientes aquí definidas, como aceptoras, como generadoras o como Algoritmos Genéticos Paralelos, esto permite realizar pruebas con diferentes problemas de optimización. A continuación se ha realizado un estudio para ver si el nuevo modelo era capaz de resolver problemas NP en tiempo polinómico, para ello se ha trabajado con el problema de ver si existe algún ciclo Hamiltoniano en un grafo. Finalmente se ha probado el simulador con dos problemas de optimización en los que se ha detectado un buen comportamiento del mismo, los problemas utilizados han sido el problema de la mochila multidimensional y el problema del viajante de comercio. / [CA] Des de la branca de la biocomputació (la computació amb models inspirats amb la biologia) aquesta investigació presenta un nou model de computació: Les Xarxes de Processadors Genètics (NGP). Aquest nou model ve, d'una banda, de la família de models de xarxes de processadors, més concretament de les Xarxes de Processadors Evolutius (NEP) i de les Xarxes de Processadors de Splicing (NSP) i d'altra banda s'inspira als Algoritmes Genètics. Així doncs, es pot definir d'una manera informal el nou model com una xarxa de processadors bioinspirats on les operacions utilitzades per els processadors són operacions de creuament i mutació. Un dels elements més interessants de l'estudi de les NGP és la capacitat conjunta de les operacions de creuament i mutació, les NEP són un model complet que utilitza operacions evolutives, és a dir, insercions, substitucions i esborrats, les NSP són un model complet que utilitza operacions de splicing, però les NEP deixen de ser un model complet al gastar sols operacions de substitució, al igual que li passa a les NSP si restringim el context de les seues regles de splicing a buit. L'estudi del nou model presentat ací dóna resposta a què és el que passa quan ajuntem a un sol model les operacions de substitució de les NEP (anomenades regles de mutació) i les operacions de splicing amb context buit de les NSP (anomenades regles de creuament). Quan es treballa amb xarxes de processadors bioinspirats es defineixen principalment dos tipus de xarxes, les xarxes aceptores i les xarxes generadores. Aquests tipus de xarxes s'utilitzen principalment per a treballar a nivell teòric o per a resoldre problemes de decisió. Per treballar a un nivell més pràctic, com per exemple amb problemes d'optimització, es proposa un nou tipus de xarxa, les Xarxes de Processadors Genètics com Algoritmes Genètics Paral·lels, anomenats així per estar inspirats en els Algoritmes Genètics Paral·lels. A nivell teòric, s'ha pogut demostrar la completitut computacional del model, amb el que la seua potència computacional es situa al mateix nivell que les màquines de Turing. Degut a aquest resultat i donada la gran similitud entre les NGP i els Algoritmes genètics Paral·lels, en aquest treball es demostra que aquestos també són un model computacional complet. D'altra banda, s'ha pogut realitzar una caracterització de la jerarquia de Chomsky utilitzant les NGP, aquest procés es realitza simulant cada una de les gramàtiques que defineixen les quatre famílies de llenguatges d'aquesta jerarquia observant el mínim nombre de processadors necessaris per a cada simulació, el que ens dóna una idea apreciable de la diferència de complexitat entre les diferents famílies. No falta a aquest treball un estudi de la part més pràctica del model com la realització d'algunes tasques. Primer s'ha dissenyat i implementat un simulador que permet l'execució de Xarxes de Processadors Genètics a qualsevol de les seues tres varietats ací definides, com aceptores, com a generadores o com a Algoritmes Genètics Paral·lels, amb el que podem realitzar proves amb diferents problemes d'optimització. A continuació s'ha realitzat un estudi per vore si el nou model era capaç de resoldre problemes NP en un temps polinòmic, estudi que hem realitzat utilitzant el problema de saber si existeix algun cicle Hamiltonià en un graf. Finalment s'ha provat el simulador amb dos problemes d'optimització als que s'ha comprovat que té un bon comportament, els problemes utilitzats són el problema de la motxilla multidimensional i el problema del viatjant de comerç. / Campos Frances, M. (2016). REDES DE PROCESADORES GENÉTICOS [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/61452

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-17T12:23:49Z No. of bitstreams: 1 Tiago Martins Ribeiro.pdf: 2146814 bytes, checksum: c04c7e63303157b4345d0985576e1620 (MD5) / Made available in DSpace on 2017-04-17T12:23:49Z (GMT). No. of bitstreams: 1 Tiago Martins Ribeiro.pdf: 2146814 bytes, checksum: c04c7e63303157b4345d0985576e1620 (MD5) Previous issue date: 2017-02-20 / CAPES / Complex optimization problems have been studied over the years by researchers seeking better solutions, these studies have encouraged the development of several algorithms of artificial intelligence, and a part of them are bio-inspired methods, based on the behavior of populations. These algorithms target to develop techniques based on nature in search of solutions to these problems. In this work, was introduced as a purpose, an algorithm based on the behavior of locust swarms, the Locust Swarm Optimizer (LSO). The behavior of the desert locust is introduced highlighting the formation of clouds of attacks caused by a synthesized neurotransmitter monoamine, present on the insect, known as serotonin. Observing this behavior, the LSO was developed. It was compared to other known artificial intelligence techniques through 23 benchmark functions and also tested on an power system economical dispatch problem. From the point of view of the results and the ease of implementation, it can be concluded that the LSO algorithm is very competitive as compared to existing methods / Problemas complexos de otimização vêm sendo estudados ao longo dos anos por pesquisadores que buscam melhores soluções, estes estudos incentivaram o desenvolvimento de vários algoritmos de inteligência artificial, sendo que uma parte deles são métodos bioinspirados, baseados no comportamento de populações. Estes algoritmos têm como objetivo desenvolver técnicas baseadas na natureza em busca de soluções para estes problemas. Neste trabalho um algoritmo baseado no comportamento de enxames de gafanhotos-do-deserto, o Locust Swarm Optimizer (LSO), foi introduzido como objetivo. O comportamento do gafanhoto-do-deserto é apresentado destacando a formação de nuvens de ataques causada por uma monoamina neurotransmissora sintetizada, presente no inseto, conhecido por serotonina. Observando este comportamento, foi desenvolvido o LSO. Ele foi comparado com outras conhecidas técnicas de inteligência artificial através de 23 funções benchmarks e também, testado em um problema de despacho econômico. Do ponto de vista dos resultados e da facilidade de implementação, pode-se concluir que o algoritmo LSO é bastante competitivo comparado aos métodos atuais existentes.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2018-01-23T14:13:10Z No. of bitstreams: 1 PhelipeSenaOliveira_TESE.pdf: 2369727 bytes, checksum: 2bb1dad07260b4efd645c7028636e62f (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-01-24T15:05:44Z (GMT) No. of bitstreams: 1 PhelipeSenaOliveira_TESE.pdf: 2369727 bytes, checksum: 2bb1dad07260b4efd645c7028636e62f (MD5) / Made available in DSpace on 2018-01-24T15:05:44Z (GMT). No. of bitstreams: 1 PhelipeSenaOliveira_TESE.pdf: 2369727 bytes, checksum: 2bb1dad07260b4efd645c7028636e62f (MD5) Previous issue date: 2017-02-06 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico (CNPq) / As novas configura??es de dispositivos e circuitos de micro-ondas resulta em aumento de complexidade nos processos de desenvolvimento, particularmente nos casos de s?ntese. Antenas e superf?cies seletivas de frequ?ncia (Frequency Selective Surface - FSS) s?o estruturas muito importantes nos sistemas de comunica??es, que podem ser otimizadas pela atua??o dos algoritmos bioinspirados. Geralmente, para que os algoritmos bioinspirados auxiliem na otimiza??o dessas estruturas ? necess?ria a implementa??o de t?cnicas de an?lise num?rica como o M?todo dos Momentos ou Elementos Finitos. Diante da dificuldade de modelagem das t?cnicas descritas, ? comum a utiliza??o de uma fun??o de estima??o, como as Redes Neurais Artificiais, para substituir a an?lise num?rica. Embora encontre solu??es desejadas, as estima??es s?o realizadas ap?s um processo de treinamento efetuado atrav?s de uma base de dados. Cada estrutura de antena ou FSS exige uma base de dados espec?fica. Este trabalho prop?e uma t?cnica de otimiza??o baseado na utiliza??o de um algoritmo bioinspirado e um framework que realiza a integra??o do algoritmo ao software comercial ANSYS HFSS. O prop?sito ? realizar as simula??es das poss?veis solu??es durante a execu??o do algoritmo bioinspirado, e com isso, evitar o uso de uma base de dados, e assim, tornar a t?cnica eficiente e flex?vel com rela??o ?s altera??es nas estruturas de antenas ou FSS. Outro objetivo original deste trabalho ? a utiliza??o do algoritmo Social Spider Optimization ? SSO para a solu??o de problemas na ?rea de eletromagnetismo aplicado. Para comprovar a efic?cia da t?cnica proposta alguns projetos de antena e FSS s?o otimizados atrav?s de varia??es em seus par?metros estruturais. Os resultados obtidos na otimiza??o dos projetos dos circuitos s?o comparados com outras t?cnicas, tendo sido observado uma boa concord?ncia. / The new settings for devices and microwaves circuits result in an increase of complexity in the processes of development, specially in regards to the process of synthesis. Antennas and Frequency Selective Surfaces (FSS) are primordial in communication systems. Alternatively, these structures may be optimized through the usage of bio-inspired algorithms. Generally, in order for the bio-inspired algorithms to assist in the optimization of FSS structures, it is necessary to implement several numerical analysis techniques, such as the method of moments or finite elements. Because of the difficulty to model such methods, it has been turned common the usage of a point estimation function, such as artificial neural networks, to substitute the numerical analysis. Although these procedures end up encountering desirable solutions, the estimations are done after a training process conducted through a database. Additionally, every FSS antenna demands a specific database. This work proposes an optimization technique that relies on the usage of a bio-inspired algorithm and a framework (that provides the integration between the algorithm and the commercial software ANSS HFSS). The purpose of the work is to do simulations of possible solutions during the execution of the bio-inspired algorithm; therefore, avoiding the usage of the database; and so, make the technique flexible and efficient in relation to altering the antennas? structures or FSS. Furthermore, another objective of this work is the usage of the algorithm, namely Social Spider Optimization - SSO in the search for solutions in the field of applied electromagnetism. In order to prove the efficiency of the proposed techniques, some FSS? and antennas? projects are optimized through the variation of their structural parameters. In conclusion, the results that were obtained through the procedures previously shown, are compared to other techniques, resulting in a satisfying agreement rate.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2017-12-22T14:54:33Z No. of bitstreams: 1 patriciasilvaneves.pdf: 1941458 bytes, checksum: 16ab3b743d0b75134d320f08de292905 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-01-22T18:33:39Z (GMT) No. of bitstreams: 1 patriciasilvaneves.pdf: 1941458 bytes, checksum: 16ab3b743d0b75134d320f08de292905 (MD5) / Made available in DSpace on 2018-01-22T18:33:39Z (GMT). No. of bitstreams: 1 patriciasilvaneves.pdf: 1941458 bytes, checksum: 16ab3b743d0b75134d320f08de292905 (MD5) Previous issue date: 2017-08-31 / O presente trabalho apresenta a aplicação conjunta de uma técnica de otimização bioinspirada e de um Algoritmo Heurístico Construtivo (AHC) na resolução do problema de planejamento estático da expansão de sistemas de transmissão de energia elétrica. O algoritmo bioinspirado utilizado é uma versão modificada do Flower Pollination Algorithm (FPA), no qual foi introduzido o operador de seleção clonal, oriundo do Algoritmo de Seleção Clonal (CLONALG), com o objetivo de potencializar o processo de busca local do FPA. A versão modificada proposta neste trabalho foi nomeada de Clonal Flower Pollination Algorithm (CFPA). O CFPA realiza a otimização da expansão de sistemas de transmissão de energia elétrica, determinando, entre um conjunto de linhas (circuitos) de transmissão previamente definidas, quais devem ser construídas de modo a minimizar os custos de investimento e de operação do sistema elétrico, suprindo a demanda prevista para um dado horizonte de planejamento. De modo a aumentar a eficiência do processo de busca pelo CFPA, fez-se o uso de informações provenientes de um Algoritmo Heurístico Construtivo. Tais informações heurísticas são utilizadas na inicialização do CFPA e também na seleção de um conjunto reduzido das rotas mais relevantes à expansão, reduzindo o espaço de busca. Para aferir os resultados da metodologia proposta foram simulados os sistemas Garver, IEEE 24 Barras e o equivalente da região Sul do Brasil. Diante dos resultados, pode-se verificar que tanto a inclusão do operador de seleção clonal quanto as informações heurísticas foram capazes de aumentar a eficiência do FPA na resolução do problema aqui em estudo. / This work presents the application of a bio-inspired algorithm, together with a Heuristic Constructive Algorithm (HCA) in the solution of a power system static transmission expansion planning problem. The algorithm used is a modified version of the Flower Pollination Algorithm (FPA) that includes a clonal selection operator, from the clonal selection algorithm (CLONALG) that aims to improve the FPA local search process. The modified version proposed is entitled Clonal Flower Pollination Algorithm (CFPA). The CFPA realizes the power system transmission expansion planning, that is, it determines between a set of predefined transmission lines (circuits), which of them must be constructed in order to minimize the power systems investments and operation costs, while meeting the forecast demand in a given planning horizon. In order to increase the efficiency of the search process by the CFPA, information from an HCA has been utilized. That heuristic information has been used in the initialization process of the CFPA and also in the selection of a reduced set of most relevant lines candidates to the expansion plan, thus reducing the search space. To evaluate the results of the proposed methodology, the Garver, IEEE 24 Buses and South Brazilian Systems were simulated. Considering the results it can be verified that both the inclusion of the clonal selection algorithm and the heuristic information were able to increase the efficiency of the FPA in solving this problem.

[pt] Problemas reais de engenharia mecânica podem compreender tarefas de i) otimização multi-objetivo (MO) ou ii) regressão, classificação e predição. Os métodos baseados em inteligência artificial (AI) são bastante difundidos na resolução desses problemas por i) demandarem menor custo computacional e informações do domínio do problema para a resolução de uma MO, quando comparados com métodos de programação matemática, por exemplo; e ii) apresentarem melhores resultados com estrutura mais simples, adaptabilidade e interpretabilidade, em contraste com outros métodos. Sendo assim, o presente trabalho busca i) otimizar um controle proporcional-integral-derivativo (PID) aplicado a um sistema de frenagem anti-travamento de rodas (ABS) e o projeto de trocadores de calor de placas aletadas (PFHE) e casco-tubo (STHE) através de métodos de otimização baseados AI, buscando o desenvolvimento de novas versões dos métodos aplicados, e.g. multi-objective salp swarm algorithm (MSSA) e multi-objective heuristic Kalman algorithm (MOHKA), que melhorem a performance da otimização; ii) desenvolver um sistema de detecção de vazamento em dutos (LDS) sensível ao roubo de combustível a partir do treinamento de árvores de decisão (DTs) com features baseadas no tempo e na análise de componentes principais (PCA), ambas exraídas de dados de transiente de pressão de operação normal do duto e de roubo de combustível; iii) constituir um guia de aplicação para problemas de MO de controle e projeto, processo de extração de features e treinamento de classificadores baseados em aprendizado de máquina (MLCs), através de aprendizado supervisionado; e, por fim iv) demonstrar o potencial das técnicas baseadas em AI. / [en] Real-world mechanical engineering problems may comprise tasks of i) multi-objective optimization (MO) or ii) regression, classification and prediction. The use of artificial intelligence (AI) based methods for solving these problems are widespread for i) demanding less computational cost and problem domain information to solve the MO, when compared with mathematical programming for an example; and ii) presenting better results with simpler structure, adaptability and interpretability, in contrast to other methods. Therefore, the present work seeks to i) optimize a proportional-integral-derivative control (PID) applied to an anti-lock braking system (ABS) and the heat exchanger design of plate-fin (PFHE) and shell-tube (STHE) types through AI based optimization methods, seeking to develop new versions of the applied methods, e.g. multi-objective salp swarm algorithm (MSSA) and multi-objective heuristic Kalman algorithm (MOHKA), which enhance the optimization performance; ii) develop a pipeline leak detection system (LDS) sensitive to fuel theft by training decision trees (DTs) with features based on time and principal component analysis (PCA), both extracted from pressure transient data of regular pipeline operation and fuel theft; iii) constitute an application guide for control and design MO problems, feature extraction process and machine learning classifiers (MLCs) training through supervised learning; and, finally, iv) demonstrate the potential of AI-based techniques.

Tesis por compendio / [ES] La energía, la comunicación y la informática son componentes fundamentales de la sociedad moderna, ya que sientan las bases para el desarrollo tecnológico y el crecimiento económico. La estrecha interrelación entre estos pilares se ha hecho cada vez más evidente en los últimos años, a medida que los avances en computación y análisis de datos han permitido nuevos enfoques de gestión y sostenibilidad de la energía. En este contexto, el uso eficiente de la energía se ha convertido en un objetivo clave para los investigadores, los responsables políticos y las empresas por igual. Al aprovechar el poder de las técnicas informáticas y de aprendizaje automático (ML), es posible destacar los desafíos de asegurar los sistemas de energía y optimizar el uso de la energía, lo que lleva a la necesidad de técnicas avanzadas como algoritmos bio-inspirados y redes neuronales. Esta tesis doctoral tiene como objetivo analizar los programas y estrategias de gestión de la carga, el consumo y la demanda en el panorama energético actual. El núcleo central presenta un estudio exhaustivo sobre la integración de algoritmos bio-inspirados, como la optimización de enjambres de partículas (PSO) y los modelos de redes neuronales artificiales (ANN) en los sistemas de gestión de la carga para hacer frente a los retos de la gestión de la carga y utilizar la energía de forma eficiente y segura. El cuerpo principal de esta tesis comprende tres publicaciones científicas, cada una de las cuales corresponde a una etapa distinta dentro del marco general de investigación de este estudio: la primera etapa propone un sistema de monitorización de bajo coste para aplicaciones energéticas que introduce un sistema SCADA basado en web rentable que era un del 80% más barato que una solución similar. La arquitectura de bajo coste propuesta, diseñada para bancos de pruebas de microrredes, ofrece monitorización en tiempo real, accesibilidad remota y control fácil de usar para aplicaciones académicas y de investigación. La segunda etapa combina la optimización híbrida de enjambre de partículas (PSO) en cascada con redes neuronales feed-forward para pronosticar y optimizar con precisión la demanda de energía en una microrred en AC, mejorando la integración de fuentes de energía renovables como gasificación de biomasa. Los resultados muestran que el modelo PSO-ANN propuesto tiene un rendimiento un 23,2% mejor en términos de MSE que los modelos de RNA de retropropagación feed-forward (FF-BP) y propagación directa en cascada (CF-P). La tercera y última etapa se centró en un sistema inteligente de gestión de la carga reforzado con criptografía híbrida para garantizar la comunicación protegida y la privacidad de los datos, abordando así de manera efectiva los desafíos de seguridad energética en entornos residenciales. Los resultados mostraron que el modelo propuesto de Gestión de Carga aplicado a Sistemas Residenciales de Seguridad (SRS-LM) fue un 37% mejor en rendimiento (costo de energía, utilización de energía, tiempo computacional) y con una reducción de carga máxima del 60% en comparación con un modelo de Medidor de Energía Inteligente Universal (USEM). / [CA] L'energia, la comunicació i la informàtica són components fonamentals de la societat moderna, ja que establixen les bases per al desenvolupament tecnològic i el creixement econòmic. L'estreta interrelació entre estos pilars s'ha fet cada vegada més evident en els últims anys, a mesura que els avanços en computació i anàlisi de dades han permés nous enfocaments de gestió i sostenibilitat de l'energia. En este context, l'ús eficient de l'energia s'ha convertit en un objectiu clau per als investigadors, els responsables polítics i les empreses per igual. En aprofitar el poder de les tècniques informàtiques i d'aprenentatge automàtic (ML), és possible destacar els desafiaments d'assegurar els sistemes d'energia i optimitzar l'ús de l'energia, la qual cosa porta a la necessitat de tècniques avançades com a algorismes bio-inspirats i xarxes neuronals. Esta tesi doctoral té com a objectiu analitzar els programes i estratègies de gestió de la càrrega, el consum i la demanda en el panorama energètic actual. El nucli central presenta un estudi exhaustiu sobre la integració d'algorismes bio-inspirats, com l'optimització d'eixams de partícules (PSO) i els models de xarxes neuronals artificials (ANN) en els sistemes de gestió de la càrrega per a fer front als reptes de la gestió de la càrrega i utilitzar l'energia de manera eficient i segura. El cos principal d'esta tesi comprén tres publicacions científiques, cadascuna de les quals correspon a una etapa diferent dins del marc general d'investigació d'este estudi: la primera etapa proposa un sistema de monitoratge de baix cost per a aplicacions energètiques que introduïx un sistema SCADA basat en web rendible que era un del 80% més barat que una solució similar. L'arquitectura de baix cost proposada, dissenyada per a bancs de proves de microxarxes, oferix monitoratge en temps real, accessibilitat remota i control fàcil d'usar per a aplicacions acadèmiques i d'investigació. La segona etapa combina l'optimització híbrida d'eixam de partícules (PSO) en cascada amb xarxes neuronals feed-forward per a pronosticar i optimitzar amb precisió la demanda d'energia en una microxarxa en AC, millorant la integració de fonts d'energia renovables com a gasificació de biomassa. Els resultats mostren que el model PSO-ANN proposat té un rendiment un 23,2% millor en termes de MSE que els models d'RNA de retropropagació feed-forward (FF-BP) i propagació directa en cascada (CF-P). La tercera i última etapa es va centrar en un sistema intel·ligent de gestió de la càrrega reforçat amb criptografia híbrida per a garantir la comunicació protegida i la privacitat de les dades, abordant així de manera efectiva els desafiaments de seguretat energètica en entorns residencials. Els resultats van mostrar que el model proposat de Gestió de Càrrega aplicat a Sistemes Residencials de Seguretat (SRS-LM) va ser un 37% millor en rendiment (cost d'energia, utilització d'energia, temps computacional) i amb una reducció de càrrega màxima del 60% en comparació amb un model de Mesurador d'Energia Intel·ligent Universal (USEM). / [EN] Energy, communication, and computing are critical components of modern society, providing the foundation for technological development and economic growth. The close interrelation between these pillars has become increasingly apparent in recent years, as computing and data analysis advances have enabled new energy management and sustainability approaches. In this context, efficient energy usage has become a key focus for researchers, policymakers, and businesses alike. By harnessing the power of computing and machine learning (ML) techniques, it is possible to highlight the challenges of securing energy systems and optimizing energy usage, leading to the need for advanced techniques such as bio-inspired algorithms and neural networks. This doctoral thesis aims to analyse load consumption and demand management programs and strategies in the current energy landscape. The central core presents an study on integrating bio-inspired algorithms, such as particle swarm optimization (PSO) and artificial neural networks (ANN) models in load management systems to meet load management challenges and use energy efficiently and securely. The main body of this thesis comprises three scientific publications, each corresponding to a distinct stage within the overarching research framework of this study: the first stage covers the proposal of a low-cost architecture in energy systems introducing a cost-effective web-based SCADA system that was over 80% cheaper than a similar solution. The proposed low-cost architecture, tailored for microgrid testbeds, offers real-time monitoring, remote accessibility, and user-friendly control for academic and research applications. The second stage combined a cascade hybrid Particle Swarm Optimization (PSO) with feed-forward neural networks to accurately forecast and optimize energy demand in an AC microgrid, notably enhancing the integration of renewable energy sources like biomass gasification. The results showed that the proposed PSO-ANN model performs 23.2% better in terms of MSE than Feedforward Backpropagation (FF-BP) and Cascade forward propagation (CF-P) ANN models. The third and final stage focused on a smart load management system fortified with hybrid cryptography to ensure protected communication and data privacy, thereby effectively addressing energy security challenges in residential settings. Results showed that the proposed Security Residential System Load Management (SRS-LM) model was 37% better in performance (power cost, power utilization, computational time) and with a 60% peak load reduction compared to a Universal Smart Energy Meter (USEM) model. / Chiñas Palacios, CD. (2024). Bio-Inspired Algorithms and Artificial Neural Networks Applied to Smart Load Management Systems to Optimize Energy Usage [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203128 / Compendio