Made available in DSpace on 2016-03-15T19:37:43Z (GMT). No. of bitstreams: 1 Luiz Antonio Carraro.pdf: 1226702 bytes, checksum: 3cef29694a4e26f233b0aae16da69cf0 (MD5) Previous issue date: 2012-02-16 / Universidade Presbiteriana Mackenzie / A container is a broadly used solution for the cargo storage to be transported between ports, playing a central role in international trade. Consequently, ships grew in size in order to maximize their container transportation capacity in each trip. Due to increasing demand, container terminals face the challenges of increasing their service capacity and optimizing the loading and unloading time of ships. Optimization problems, such as these, often present features that make it impossible to obtain closed analytical solutions, requiring iterative search procedures in high-dimensional spaces, or subject to a combinatorial explosion of possible solutions. This dissertation presents the proposal of a novel meta-heuristic based on the Clonal Selection Algorithm, named MRC, to minimize the number of reshuffles in operations involving piles of containers. The performance of the proposed model was evaluated through simulations and results comparison with those obtained by algorithms from the literature under the same test conditions. The results obtained show that MRC is competitive in terms of minimizing the need of reshuffles, besides presenting a reduced processing time compared with models of similar performance. / A utilização de contêineres é uma solução amplamente adotada para o armazenamento da carga a ser transportada entre portos, tornando-se de grande importância no comércio internacional e, consequentemente, navios cresceram de tamanho com o objetivo de transportar a maior quantidade possível de contêineres em cada viagem. Devido à crescente demanda, terminais de contêineres enfrentam os desafios de aumentar a sua capacidade de atendimento e otimizar os tempos de carregamento e descarregamento de navios. Problemas de otimização como estes geralmente apresentam características que inviabilizam a obtenção de soluções analíticas fechadas, requerendo processos iterativos de busca em espaços de dimensão muitas vezes elevada, ou ainda sujeitos a explosão combinatória de possíveis soluções. Esta dissertação apresenta a proposta de uma meta-heurística bioinspirada baseada no Algoritmo de Seleção Clonal para a minimização de rearranjos em operações que envolvem pilhas de contêineres, denominado MRC. O desempenho do algoritmo foi avaliado por meio de simulações e comparação dos resultados com os obtidos por algoritmos da literatura sob as mesmas condições de teste. Os resultados obtidos permitem concluir que o MRC possui resultados competitivos em termos de minimização de rearranjos, além de apresentar um tempo de processamento reduzido quando comparado aos modelos tradicionalmente empregados na solução desse tipo de problema.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-25T15:55:49Z No. of bitstreams: 1 larafurtadobastos.pdf: 4369558 bytes, checksum: 7b36e77b964a5ec919c2c9967a654a03 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-26T12:06:02Z (GMT) No. of bitstreams: 1 larafurtadobastos.pdf: 4369558 bytes, checksum: 7b36e77b964a5ec919c2c9967a654a03 (MD5) / Made available in DSpace on 2017-04-26T12:06:02Z (GMT). No. of bitstreams: 1 larafurtadobastos.pdf: 4369558 bytes, checksum: 7b36e77b964a5ec919c2c9967a654a03 (MD5) Previous issue date: 2016-09-08 / O presente trabalho apresenta a adaptação e utilização de um algoritmo da área de inteligência artificial evolucionária, bioinspirado no sistema de ecolocalização de morcegos, para resolver o problema da localização global de robôs móveis em ambientes bidimensionais com mapas conhecidos. Sabe-se, por meio da literatura, que a localização de robôs baseada apenas em dedução via hodometria, do inglês deduced reckoning ou dead-reckoning, acumula diversos erros de origem estocástica, os quais não podem ser eliminados de maneira determinística, fazendo-se necessários métodos de filtragem estatística para a correta obtenção da localização. Dentre as diversas alternativas conhecidas para solucionar o problema de localização, escolheu-se o Método Recursivo de Monte Carlo, também denominado por Filtro de Partículas, para comparação com os resultados obtidos pelo algoritmo de morcego, por suas características multimodais e não-paramétricas, sendo este um algoritmo clássico na área de localização robótica. O algoritmo de morcegos, do inglês Bat Algorithm, é um método recursivo de otimização de estados de um sistema que se encontra num ambiente multimodal. É bioinspirado nos sistemas de ecolocalização encontradas em morcegos e outros animais na natureza. Nos resultados de comparação entre ambos os métodos, a técnica proposta demonstrou melhores resultados tanto para o erro entre a localização real e a estimada pelos métodos quanto para o número de iterações necessárias para alcançar a solução e, consequentemente, o tempo de convergência do algoritmo. Para o desenvolvimento deste trabalho, utilizou-se o programa Matlab R integrado com a plataforma ROS, juntamente com o robô móvel terrestre Pioneer P3-DX para os resultados simulados e reais. / This work presents the adaptation and use an algorithm from evolutionary artificial intelligence area, bioinspired in the echolocation system of bats to solve the problem of global location for mobile robots in two-dimensional environments with known maps. It is widely known in literature that the localization of robots based only on deduced reckoning accumulates many stochastic errors, which cannot be eliminated deterministically, requesting statistical filtering methods to obtain the correct location. Among the various alternatives known to solve the problem of localization, we chose the Recursive Method of Monte Carlo, also kown as Particle Filter, for comparison purposes with the results obtained by the Bat Algorithm, because of its multimodal and nonparametric features, and alse because it is a classic algorithm in robotics localization area. The Bat Algorithm is a recursive optimization method of system states immerse in multimodal environments. It is bioinspired in the echolocation systems found in bats and other animals in nature. In comparison results between the two methods, the proposed technique showed the best results for both localization error and the number of iterations required to reach the solution, and consequently the algorithm convergence time. To develop this work, the Matlab software was used with the ROS framework along with the terrestrial mobile robot Pioneer P3-DX for simulated and real results.