Visando contribuir com o estado-da-arte de sistemas bioinspirados em formigas na robóotica, neste trabalho é abordado o problema do controle de um grupo de robôs para a solução coletiva das tarefas de exploração do ambiente e localização de objetos. Para isso, são utilizados algoritmos inspirados em colônias de formigas. O objetivo deste trabalho, portanto, é o desenvolvimento de um sistema de controle de navegação baseado em colônia de formigas para um time de robôs, de maneira que os robôs resolvam esses problemas utilizando estratégias de controle individuais e simples. Esse sistema tem como base a utilização de marcadores ou feromônios artificiais, que podem ser depositados pelos robôs para marcar determinadas posiçôes do ambiente / Aiming to advance the state-of-the-art of ant bioinspired systems in robotic applications, in this work we study the problem of controling a group of robots for solving colective tasks on environment exploration and object localization. To this end, we used algorithms inspired in ant colonies. Therefore, the objective of this work is to develop a navigation control system based on ant colony can solve the problems using simple control strategies. This system uses marks or artificial pheromones that can be released by the robots to mark specific positions in the environment

Submitted by Filipe dos Santos (fsantos@pucsp.br) on 2018-11-28T09:10:13Z No. of bitstreams: 1 Carlos Eduardo Pires de Camargo.pdf: 6898896 bytes, checksum: a6aa82547faa73c068f21441da9ce364 (MD5) / Made available in DSpace on 2018-11-28T09:10:13Z (GMT). No. of bitstreams: 1 Carlos Eduardo Pires de Camargo.pdf: 6898896 bytes, checksum: a6aa82547faa73c068f21441da9ce364 (MD5) Previous issue date: 2018-10-17 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In the mid 1980’s several bio-inspired approaches emerged to the study of artificial intelligence. Starting from this context and from von Neumann cellular automata, the field of artificial life was developed with the objective to construct artificial systems capable to present similar behaviors to those found in biological phenomena. This thesis recovers the history of artificial life and its relationship with artificial intelligence, presents the difficulties of its development considering cartesian dualism, and demonstrates the possibility of a more adequate way of research based on the hypothesis of continuity between mind and matter, typical of the general semiotics of Charles Sanders Peirce. Through peircean semiotics and using the fundamentals of biosemiotics, the semiotic transposition technique is developed, a set of diagrammatic operations to support the study of artificial life. This technique studies the semiotic processes underlying biological phenomena. Then, through isomorphism, derived from the category theory, a finite automata can be created to computationally express certain aspects of the original biological processes. Throughout the research, the learning and memory behavior of a sea slug species, Aplysia californica, was used as an auxiliary element for the formalization of semiotic transposition. Two other biological phenomena — the genetic translation and the vacancy chain dynamics related to the Pagurus longicarpus, a species of crab — were considered as case studies to demonstrate the general character of the semiotic transposition. It is concluded that the use of semiotic theory as the basis for the study of artificial life constitutes an effective instrument to the creation of bio inspired computational devices / Em meados da década de 1980 surgem várias abordagens bioinspiradas para o estudo da inteligência artificial. Partindo-se deste contexto e dos autômatos celulares de von Neumann, foi desenvolvido o campo da vida artificial com o objetivo de construir sistemas artificiais capazes de apresentar comportamentos semelhantes aos encontrados nos fenômenos biológicos. Esta tese recupera a história da vida artificial e de sua relação com a inteligência artificial, apresenta as dificuldades de seu desenvolvimento através de posições baseadas no dualismo cartesiano, e demonstra a possibilidade de um caminho mais adequado de pesquisa tendo como hipótese a continuidade entre mente e matéria, própria da semiótica geral de Charles Sanders Peirce. Através da semiótica peirceana e de fundamentos da biossemiótica, desenvolve-se a técnica de transposição semiótica, um conjunto de operações diagramáticas para auxiliar o estudo da vida artificial. Esta técnica realiza o levantamento dos processos semióticos subjacentes aos fenômenos biológicos para que sejam criados, através de isomorfismo derivado da teoria das categorias, autômatos finitos capazes de expressar, computacionalmente, certos aspectos dos processos biológicos originais. Ao longo da pesquisa, foi utilizado o comportamento de aprendizagem e memória de um molusco marinho, a Aplysia californica, como elemento auxiliar para a formalização da transposição semiótica. Outros dois fenômenos biológicos — a tradução gênica e a dinâmica da cadeia de vacância relativa ao caranguejo Pagurus longicarpus — foram considerados para o estudo de casos que comprovam o caráter geral da transposição semiótica. Conclui-se que o uso da teoria semiótica como fundamento para o estudo da vida artificial constitui-se em instrumento efetivo para a criação de dispositivos computacionais biologicamente inspirados

A Clusterização de dados em grupos oferece uma maneira de entender e extrair informações relevantes de grandes conjuntos de dados. A abordagem em relação a aspectos como a representação dos dados e medida de similaridade entre clusters, e a necessidade de ajuste de parâmetros iniciais são as principais diferenças entre os algoritmos de clusterização, influenciando na qualidade da divisão dos clusters. O uso cada vez mais comum de grandes conjuntos de dados aliado à possibilidade de melhoria das técnicas já existentes tornam a clusterização de dados uma área de pesquisa que permite inovações em diferentes campos. Nesse trabalho é feita uma revisão dos métodos de clusterização já existentes, e é descrito um novo método de clusterização de dados baseado na identificação de comunidades em redes complexas e modelos computacionais inspirados biologicamente. A técnica de clusterização proposta é composta por duas etapas: formação da rede usando os dados de entrada; e particionamento dessa rede para obtenção dos clusters. Nessa última etapa, a técnica de otimização por nuvens de partículas é utilizada a fim de identificar os clusters na rede, resultando em um algoritmo de clusterização hierárquico divisivo. Resultados experimentais revelaram como características do método proposto a capacidade de detecção de clusters de formas arbitrárias e a representação de clusters com diferentes níveis de refinamento. / DAta clustering is an important technique to understand and to extract relevant information in large datasets. Data representation and similarity measure adopted, and the need to adjust initial parameters, are the main differences among clustering algorithms, interfering on clusters quality. The crescent use of large datasets and the possibility to improve existing techniques make data clustering a research area that allows innovation in different fields. In this work is made a review of existing data clustering methods, and it is proposed a new data clustering technique based on community dectection on complex networks and bioinspired models. The proposed technique is composed by two steps: network formation to represent input data; and network partitioning to identify clusters. In the last step, particle swarm optimization technique is used to detect clusters, resulting in an hierarchical clustering algorithm. Experimental results reveal two main features of the algorithm: the ability to detect clusters in arbitrary shapes and the ability to generate clusters with different refinement degrees

Visando contribuir com o estado-da-arte de sistemas bioinspirados em formigas na robóotica, neste trabalho é abordado o problema do controle de um grupo de robôs para a solução coletiva das tarefas de exploração do ambiente e localização de objetos. Para isso, são utilizados algoritmos inspirados em colônias de formigas. O objetivo deste trabalho, portanto, é o desenvolvimento de um sistema de controle de navegação baseado em colônia de formigas para um time de robôs, de maneira que os robôs resolvam esses problemas utilizando estratégias de controle individuais e simples. Esse sistema tem como base a utilização de marcadores ou feromônios artificiais, que podem ser depositados pelos robôs para marcar determinadas posiçôes do ambiente / Aiming to advance the state-of-the-art of ant bioinspired systems in robotic applications, in this work we study the problem of controling a group of robots for solving colective tasks on environment exploration and object localization. To this end, we used algorithms inspired in ant colonies. Therefore, the objective of this work is to develop a navigation control system based on ant colony can solve the problems using simple control strategies. This system uses marks or artificial pheromones that can be released by the robots to mark specific positions in the environment

Orientadores: Romis Ribeiro de Faissol Attux, Ricardo Suyama / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-19T01:01:27Z (GMT). No. of bitstreams: 1 Nadalin_EvertonZaccaria_D.pdf: 2615054 bytes, checksum: 5d288f06df05b7075bf283243319df70 (MD5) Previous issue date: 2011 / Resumo: Neste trabalho, foi estudado o problema de Separação Cega de Fontes (BSS), com ênfase nos casos chamados de subparametrizados, isto é, em que o número de fontes é maior do que o de misturas. A primeira contribuição proposta foi a de um limitante relacionado ao erro de inversão intrínseco ao problema quando é utilizada uma estrutura linear de separação. As outras contribuições estão relacionadas à hipótese de que as fontes são esparsas: i) uma proposta de metodologia híbrida, que se utiliza de conceitos baseados em independência e esparsidade dos sinais de forma simultânea para estimar tanto o sistema misturador quanto o número de fontes existentes em misturas com dois sensores; ii) a utilização de ferramentas de otimização baseadas na operação do sistema imunológico para a estimação do sistema misturador em problemas intrinsecamente multimodais; por fim, iii) uma proposta de utilização de um critério baseado em esparsidade para separação de fontes, sendo derivado um processo de otimização baseado na norma ?1 para este fim / Abstract: In this work, we studied the problem of Blind Source Separation (BSS), with emphasis on cases referred to as underdetermined, which occur when the number of sources is greater than the number of mixtures. The first contribution was a proposal of a bound to the inversion error that is intrinsic to the problem when a linear structure is used to perform separation. The other contributions are related to the hypothesis that the signals of the sources are sparse: i) the proposal of a hybrid methodology that employs concepts based on signal independence and sparsity to simultaneously estimate both the mixing system and the number of existing sources in mixtures with two sensors; ii) the use of optimization tools based on the modus operandi of the immune system to estimate the mixing system in problems that are inherently multimodal; finally, iii) the use of a criterion based on sparsity for source separation, which is derived from an optimization process based on the ?1 norm / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

A Clusterização de dados em grupos oferece uma maneira de entender e extrair informações relevantes de grandes conjuntos de dados. A abordagem em relação a aspectos como a representação dos dados e medida de similaridade entre clusters, e a necessidade de ajuste de parâmetros iniciais são as principais diferenças entre os algoritmos de clusterização, influenciando na qualidade da divisão dos clusters. O uso cada vez mais comum de grandes conjuntos de dados aliado à possibilidade de melhoria das técnicas já existentes tornam a clusterização de dados uma área de pesquisa que permite inovações em diferentes campos. Nesse trabalho é feita uma revisão dos métodos de clusterização já existentes, e é descrito um novo método de clusterização de dados baseado na identificação de comunidades em redes complexas e modelos computacionais inspirados biologicamente. A técnica de clusterização proposta é composta por duas etapas: formação da rede usando os dados de entrada; e particionamento dessa rede para obtenção dos clusters. Nessa última etapa, a técnica de otimização por nuvens de partículas é utilizada a fim de identificar os clusters na rede, resultando em um algoritmo de clusterização hierárquico divisivo. Resultados experimentais revelaram como características do método proposto a capacidade de detecção de clusters de formas arbitrárias e a representação de clusters com diferentes níveis de refinamento. / DAta clustering is an important technique to understand and to extract relevant information in large datasets. Data representation and similarity measure adopted, and the need to adjust initial parameters, are the main differences among clustering algorithms, interfering on clusters quality. The crescent use of large datasets and the possibility to improve existing techniques make data clustering a research area that allows innovation in different fields. In this work is made a review of existing data clustering methods, and it is proposed a new data clustering technique based on community dectection on complex networks and bioinspired models. The proposed technique is composed by two steps: network formation to represent input data; and network partitioning to identify clusters. In the last step, particle swarm optimization technique is used to detect clusters, resulting in an hierarchical clustering algorithm. Experimental results reveal two main features of the algorithm: the ability to detect clusters in arbitrary shapes and the ability to generate clusters with different refinement degrees

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 Hellen Luz (hellencrisluz@gmail.com) on 2017-07-26T19:13:46Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_OtimizacaoMultiEnxame.pdf: 21921599 bytes, checksum: 6cbd45a74833514b23e7604d298c5978 (MD5) / Approved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2017-08-21T13:29:15Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_OtimizacaoMultiEnxame.pdf: 21921599 bytes, checksum: 6cbd45a74833514b23e7604d298c5978 (MD5) / Made available in DSpace on 2017-08-21T13:29:15Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_OtimizacaoMultiEnxame.pdf: 21921599 bytes, checksum: 6cbd45a74833514b23e7604d298c5978 (MD5) Previous issue date: 2014-05-23 / FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas / Este trabalho apresenta o desenvolvimento de um conjunto de metaheurística híbridas, baseadas na utilização das estratégias evolutivas em conjunto com os algoritmos de otimização por enxame de partículas clássica e quântica sob um ambiente multi-enxame com topologia mestre-escravos. Tais algoritmos são denominados Competitive Evolutionary Multi-Swarm Optimization (CEMSO) 1 e Competitive Quantum-Behaviour Evolutionary Multi-Swarm Optimization (CQEMSO) 2. Para efeito de comparação e validação dos resultados, são utilizados quatro problemas de engenharia presentes em diversas publicações científicas: Projeto de Viga de Aço (WBD); Peso da Tensão/Compressão sobre Mola (MWTCS); Projeto de Redutor de Velocidade (SRD); Projeto de Vaso de Pressão (DPV). Em relação a implementação, os algoritmos foram desenvolvidos sob a arquitetura CUDA, a qual proporciona um ambiente de computação paralela massiva que viabiliza uma distribuição de dados mais adequada em relação a organização dos enxames, além de contribuir para a diminuição significativa do tempo de processamento. Com a aplicação das estratégias evolutivas nos algoritmos PSO e QPSO, bem como os mecanismos de condições de contorno propostos, as soluções descritas neste documento oferecem diversas vantagens, onde se pode destacar melhorias na capacidade de busca, aumento na taxa de convergência e alto grau de paralelismo. Tais fatos são confirmados através dos dados obtidos (i.e. Tempo de execução, melhores soluções obtidas, média e variância de resultados) pelos algoritmos CEMSO e CQEMSO em relação as versões multi-enxame dos algorimos PSO (COMSO), EPSO (COEMSO) e COQMSO (QPSO), todos implementados e submetidos a análise de desempenho através dos experimentos com problemas de engenharia. / This paper presents the development of a set of hybrid metaheuristic based on the use of evolutionary strategies in conjunction with classical and quantum multi-swarm optimization with master-slave approach. These algorithms are named Competitive Evolutionary Multi-Swarm Optimization (CEMSO) and Competitive Quantum-Behaviour Evolutionary Multi-Swarm Optimization (CQEMSO). For comparison and validation of the results, four engineering problems encountered in many publications scientific are used: Welded Beam Design (WBD); Minimization of the Weight of a Tension/ Compression Spring (MWTCS); Speed Reducer Design (SRD); Design of a Pressure Vessel (DPV). The algorithms were developed under the CUDA architecture, which provides a massive parallel computing environment that enables a more appropriate data allocation regarding the organization of swarms, as well as contributing to the significant decrease in processing time. With the application of evolutionary strategies in the PSO and QPSO algorithms, as well as the proposed boundary conditions, the solutions described in this document offer several advantages. We can highlight improvements in the ability to search, increasing the convergence rate and high degree of parallelism. These facts are confirmed by the data obtained (i.e. Execution time, best solutions obtained, mean and variance of results) by CQEMSO and CQEMSO algorithms when compared to those obtained from multi-swarm approach for PSO (COMSO), EPSO (COEMSO) and QPSO (COQMSO). All of these algorithms were implemented and subjected to performance analysis through experiments with engineering problems described above.

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.

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.