Evolutionary algorithms (EAs) are population based heuristic optimization methods used to solve single and multi-objective optimization problems. They can simultaneously search multiple regions to find global optimum solutions. As EAs do not require gradient information for the search, they can be applied to optimization problems involving functions of real, integer, or discrete variables. One of the drawbacks of EAs is that they require evaluations of numerous candidate solutions for convergence. Most real life engineering design optimization problems involve highly nonlinear objective and constraint functions arising out of computationally expensive simulations. For such problems, the computation cost of optimization using EAs can become quite prohibitive. This has stimulated the research into improving the efficiency of EAs reported herein. In this thesis, two major improvements are suggested for EAs. The first improvement is the use of spatial surrogate models to replace the expensive simulations for the evaluation of candidate solutions, and other is a novel constraint handling technique. These modifications to EAs are tested on a number of numerical benchmarks and engineering examples using a fixed number of evaluations and the results are compared with basic EA. addition, the spatial surrogates are used in the truss design application. A generic framework for using spatial surrogate modeling, is proposed. Multiple types of surrogate models are used for better approximation performance and a prediction accuracy based validation is used to ensure that the approximations do not misguide the evolutionary search. Two EAs are proposed using spatial surrogate models for evaluation and evolution. For numerical benchmarks, the spatial surrogate assisted EAs obtain significantly better (even orders of magnitude better) results than EA and on an average 5-20% improvements in the objective value are observed for engineering examples. Most EAs use constraint handling schemes that prefer feasible solutions over infeasible solutions. In the proposed infeasibility driven evolutionary algorithm (IDEA), a few infeasible solutions are maintained in the population to augment the evolutionary search through the infeasible regions along with the feasible regions to accelerate convergence. The studies on single and multi-objective test problems demonstrate the faster convergence of IDEA over EA. In addition, the infeasible solutions in the population can be used for trade-off studies. Finally, discrete structures optimization (DSO) algorithm is proposed for sizing and topology optimization of trusses. In DSO, topology optimization and sizing optimization are separated to speed up the search for the optimum design. The optimum topology is identified using strain energy based material removal procedure. The topology optimization process correctly identifies the optimum topology for 2-D and 3-D trusses using less than 200 function evaluations. The sizing optimization is performed later to find the optimum cross-sectional areas of structural elements. In surrogate assisted DSO (SDSO), spatial surrogates are used to accelerate the sizing optimization. The truss designs obtained using SDSO are very close (within 7% of the weight) to the best reported in the literature using only a fraction of the function evaluations (less than 7%).

Algoritmos meméticos são meta-heurísticas evolutivas voltadas intrinsecamente à exploração e incorporação de conhecimentos relacionados ao problema em estudo. Nesta dissertação, foi proposto um algoritmo memético multi populacional baseado em conhecimento para lidar com o problema de predição de estruturas tridimensionais de proteínas voltado à modelagem de estruturas livres de similaridades conformacionais com estruturas de proteínas determinadas experimentalmente. O algoritmo em questão, foi estruturado em duas etapas principais de processamento: (i) amostragem e inicialização de soluções; e (ii) otimização dos modelos estruturais provenientes da etapa anterior. A etapa I objetiva a geração e classificação de diversas soluções, a partir da estratégia Lista de Probabilidades Angulares, buscando a definição de diferentes grupos estruturais e a criação de melhores estruturas a serem incorporadas à meta-heurística como soluções iniciais das multi populações. A segunda etapa consiste no processo de otimização das estruturas oriundas da etapa I, realizado por meio da aplicação do algoritmo memético de otimização, o qual é fundamentado na organização da população de indivíduos em uma estrutura em árvore, onde cada nodo pode ser interpretado como uma subpopulação independente, que ao longo do processo interage com outros nodos por meio de operações de busca global voltadas a características do problema, visando o compartilhamento de informações, a diversificação da população de indivíduos, e a exploração mais eficaz do espaço de busca multimodal do problema O algoritmo engloba ainda uma implementação do algoritmo colônia artificial de abelhas, com o propósito de ser utilizado como uma técnica de busca local a ser aplicada em cada nodo da árvore. O algoritmo proposto foi testado em um conjunto de 24 sequências de aminoácidos, assim como comparado a dois métodos de referência na área de predição de estruturas tridimensionais de proteínas, Rosetta e QUARK. Os resultados obtidos mostraram a capacidade do método em predizer estruturas tridimensionais de proteínas com conformações similares a estruturas determinadas experimentalmente, em termos das métricas de avaliação estrutural Root-Mean-Square Deviation e Global Distance Total Score Test. Verificou-se que o algoritmo desenvolvido também foi capaz de atingir resultados comparáveis ao Rosetta e ao QUARK, sendo que em alguns casos, os superou. Corroborando assim, a eficácia do método. / Memetic algorithms are evolutionary metaheuristics intrinsically concerned with the exploiting and incorporation of all available knowledge about the problem under study. In this dissertation, we present a knowledge-based memetic algorithm to tackle the threedimensional protein structure prediction problem without the explicit use of template experimentally determined structures. The algorithm was divided into two main steps of processing: (i) sampling and initialization of the algorithm solutions; and (ii) optimization of the structural models from the previous stage. The first step aims to generate and classify several structural models for a determined target protein, by the use of the strategy Angle Probability List, aiming the definition of different structural groups and the creation of better structures to initialize the initial individuals of the memetic algorithm. The Angle Probability List takes advantage of structural knowledge stored in the Protein Data Bank in order to reduce the complexity of the conformational search space. The second step of the method consists in the optimization process of the structures generated in the first stage, through the applying of the proposed memetic algorithm, which uses a tree-structured population, where each node can be seen as an independent subpopulation that interacts with others, over global search operations, aiming at information sharing, population diversity, and better exploration of the multimodal search space of the problem The method also encompasses ad-hoc global search operators, whose objective is to increase the exploration capacity of the method turning to the characteristics of the protein structure prediction problem, combined with the Artificial Bee Colony algorithm to be used as a local search technique applied to each node of the tree. The proposed algorithm was tested on a set of 24 amino acid sequences, as well as compared with two reference methods in the protein structure prediction area, Rosetta and QUARK. The results show the ability of the method to predict three-dimensional protein structures with similar foldings to the experimentally determined protein structures, regarding the structural metrics Root-Mean-Square Deviation and Global Distance Total Score Test. We also show that our method was able to reach comparable results to Rosetta and QUARK, and in some cases, it outperformed them, corroborating the effectiveness of our proposal.

Algoritmos meméticos são meta-heurísticas evolutivas voltadas intrinsecamente à exploração e incorporação de conhecimentos relacionados ao problema em estudo. Nesta dissertação, foi proposto um algoritmo memético multi populacional baseado em conhecimento para lidar com o problema de predição de estruturas tridimensionais de proteínas voltado à modelagem de estruturas livres de similaridades conformacionais com estruturas de proteínas determinadas experimentalmente. O algoritmo em questão, foi estruturado em duas etapas principais de processamento: (i) amostragem e inicialização de soluções; e (ii) otimização dos modelos estruturais provenientes da etapa anterior. A etapa I objetiva a geração e classificação de diversas soluções, a partir da estratégia Lista de Probabilidades Angulares, buscando a definição de diferentes grupos estruturais e a criação de melhores estruturas a serem incorporadas à meta-heurística como soluções iniciais das multi populações. A segunda etapa consiste no processo de otimização das estruturas oriundas da etapa I, realizado por meio da aplicação do algoritmo memético de otimização, o qual é fundamentado na organização da população de indivíduos em uma estrutura em árvore, onde cada nodo pode ser interpretado como uma subpopulação independente, que ao longo do processo interage com outros nodos por meio de operações de busca global voltadas a características do problema, visando o compartilhamento de informações, a diversificação da população de indivíduos, e a exploração mais eficaz do espaço de busca multimodal do problema O algoritmo engloba ainda uma implementação do algoritmo colônia artificial de abelhas, com o propósito de ser utilizado como uma técnica de busca local a ser aplicada em cada nodo da árvore. O algoritmo proposto foi testado em um conjunto de 24 sequências de aminoácidos, assim como comparado a dois métodos de referência na área de predição de estruturas tridimensionais de proteínas, Rosetta e QUARK. Os resultados obtidos mostraram a capacidade do método em predizer estruturas tridimensionais de proteínas com conformações similares a estruturas determinadas experimentalmente, em termos das métricas de avaliação estrutural Root-Mean-Square Deviation e Global Distance Total Score Test. Verificou-se que o algoritmo desenvolvido também foi capaz de atingir resultados comparáveis ao Rosetta e ao QUARK, sendo que em alguns casos, os superou. Corroborando assim, a eficácia do método. / Memetic algorithms are evolutionary metaheuristics intrinsically concerned with the exploiting and incorporation of all available knowledge about the problem under study. In this dissertation, we present a knowledge-based memetic algorithm to tackle the threedimensional protein structure prediction problem without the explicit use of template experimentally determined structures. The algorithm was divided into two main steps of processing: (i) sampling and initialization of the algorithm solutions; and (ii) optimization of the structural models from the previous stage. The first step aims to generate and classify several structural models for a determined target protein, by the use of the strategy Angle Probability List, aiming the definition of different structural groups and the creation of better structures to initialize the initial individuals of the memetic algorithm. The Angle Probability List takes advantage of structural knowledge stored in the Protein Data Bank in order to reduce the complexity of the conformational search space. The second step of the method consists in the optimization process of the structures generated in the first stage, through the applying of the proposed memetic algorithm, which uses a tree-structured population, where each node can be seen as an independent subpopulation that interacts with others, over global search operations, aiming at information sharing, population diversity, and better exploration of the multimodal search space of the problem The method also encompasses ad-hoc global search operators, whose objective is to increase the exploration capacity of the method turning to the characteristics of the protein structure prediction problem, combined with the Artificial Bee Colony algorithm to be used as a local search technique applied to each node of the tree. The proposed algorithm was tested on a set of 24 amino acid sequences, as well as compared with two reference methods in the protein structure prediction area, Rosetta and QUARK. The results show the ability of the method to predict three-dimensional protein structures with similar foldings to the experimentally determined protein structures, regarding the structural metrics Root-Mean-Square Deviation and Global Distance Total Score Test. We also show that our method was able to reach comparable results to Rosetta and QUARK, and in some cases, it outperformed them, corroborating the effectiveness of our proposal.

O presente trabalho investiga metodologias para se obter automaticamente planos de restabelecimento de energia em sistemas de distribuição de energia elétrica, contemplando-se múltiplos objetivos, sendo alguns conflitantes. A redução nos índices de interrupção de energia elétrica deve ser um alvo permanente das empresas de distribuição buscando a melhoria da qualidade de fornecimento. Por outro lado, as interrupções são inevitáveis, quer para a execução de obras de manutenção preventiva, quer para obras de manutenção corretiva em virtude da ocorrência de um defeito no sistema. Depois de uma falta ter sido identificada e isolada, um plano de restabelecimento deve ser encontrado em um curto período de tempo. Devido ao problema de explosão combinatorial, técnicas de programação matemática se tornam proibitivas para esse tipo de aplicação, principalmente em sistemas de tamanho real. Por outro lado, a proposta desenvolvida de algoritmos evolucionários utilizando cadeias de grafos, têm se mostrado capaz de obter planos de restabelecimento de energia em um sistema de tamanho real no menor tempo possível. Este trabalho investiga a utilização desta metodologia para redes de grande porte sem simplificações, isto é, incluindo todas as linhas, barras e chaves do sistema. Testes são realizados em três redes de tamanhos diferentes, considerando diversos objetivos a fim de avaliar a técnica proposta. / This work investigates methodologies to automatically obtain energy restoration plans in distribution systems, involving multiple objectives that are conflicting. The reduction energy interruption indices is a permanent objective of the distribution companies in order to improve power supply. Interruptions may be carried out for maintenance or may occur due to system faults. After a fault have been identified and isolated, a restoration plan is required in a short interval of time. Due to the combinatorial explosion problem it is not possible to apply mathematical programming techniques to produce restoration plans for large networks. On the other hand, an evolutionary algorithm utilizing graph, chain has shown to be able to obtain restoration plans for real-size networks in a short interval of time. Tests are performed for three different size networks, considering several objectives to evaluate the proposed technique.

O alinhamento de seqüências biológicas é uma operação básica em Bioinformática, já que serve como base para outros processos como, por exemplo, a determinação da estrutura tridimensional das proteínas. Dada a grande quantidade de dados presentes nas seqüencias, são usadas técnicas matemáticas e de computação para realizar esta tarefa. Tradicionalmente, o Problema de Alinhamento de Seqüências Biológicas é formulado como um problema de otimização de objetivo simples, onde alinhamento de maior semelhança, conforme um esquema de pontuação, é procurado. A Otimização Multi-Objetivo aborda os problemas de otimização que possuem vários critérios a serem atingidos. Para este tipo de problema, existe um conjunto de soluções que representam um "compromiso" entre os objetivos. Uma técnica que se aplica com sucesso neste contexto são os Algoritmos Evolutivos, inspirados na Teoria da Evolução de Darwin, que trabalham com uma população de soluções que vão evoluindo até atingirem um critério de convergência ou de parada. Este trabalho formula o Problema de Alinhamento de Seqüências Biológicas como um Problema de Otimização Multi-Objetivo, para encontrar um conjunto de soluções que representem um compromisso entre a extensão e a qualidade das soluções. Aplicou-se vários modelos de Algoritmos Evolutivos para Otimização Multi-Objetivo. O desempenho de cada modelo foi avaliado por métricas de performance encontradas na literatura. / The Biological Sequence Alignment is a basic operation in Bioinformatics since it serves as a basis for other processes, i.e. determination of the protein's three-dimensional structure. Due to the large amount of data involved, mathematical and computational methods have been used to solve this problem. Traditionally, the Biological Alignment Sequence Problem is formulated as a single optimization problem. Each solution has a score that reflects the similarity between sequences. Then, the optimization process looks for the best score solution. The Multi-Objective Optimization solves problems with multiple objectives that must be reached. Frequently, there is a solution set that represents a trade-off between the objectives. Evolutionary Algorithms, which are inspired by Darwin's Evolution Theory, have been applied with success in solving this kind of problems. This work formulates the Biological Sequence Alignment as a Multi-Objective Optimization Problem in order to find a set of solutions that represent a trade-off between the extension and the quality of the solutions. Several models of Evolutionary Algorithms for Multi-Objetive Optimization have been applied and were evaluated using several performance metrics found in the literature.

Este trabalho verifica a possibilidade de se aplicar Algoritmos Evolutivos no aprendizado on-line de jogos. Alguns autores concordam que Algoritmos Evolutivos não são aplicáveis na prática para se atingir o objetivo em questão. É com a intenção de contestar a veracidade desta afirmação que foi desenvolvido o presente trabalho. Para atingir o objetivo proposto, foi desenvolvido um jogo de computador, no qual o algoritmo de aprendizado gera estratégias inteligentes e adaptativas para os caracteres não controlados pelo jogador através de um algoritmo evolutivo. Desta forma, a função do algoritmo evolutivo é fazer com que a estratégia utilizada pelo computador se adapte à estratégia utilizada pelo usuário a cada vez que joga. É apresentada uma revisão bibliográfica a respeito de Computação Evolutiva e as técnicas utilizadas para implementar comportamentos inteligentes para os caracteres controlados por computador nos jogos atuais, esclarecendo suas vantagens, desvantagens e algumas possíveis aplicações. São também explicados o jogo e os algoritmos implementados, assim como os experimentos realizados e seus resultados. Por fim, é feita uma comparação do algoritmo evolutivo final com uma outra técnica de adaptação, chamada Dynamic Scripting. Assim, este trabalho oferece contribuições para o campo de Computação Evolutiva e Inteligência Artificial aplicada a jogos / The goal of this work is to verify if it is possible to apply Evolutionary Algorithms to online learning in computer games. Some authors agree that evolutionary algorithms do not work properly in that case. With the objective of contesting this affirmation, this work was performed. To accomplish the goal of this work, a computer game was developed, in which the learning algorithm must create intelligent and adaptive strategies to control the non-player characters using an evolutionary algorithm. Therefore, the aim of the evolutionary algorithm is to adapt the strategy used by the computer according to the player\'s actions during the game. A review on Evolutionary Computation and the techniques used to produce intelligent behaviors for the computer controlled characters in modern game is presented, exposing the advantages, the problems and some applications of each technique. The proposed game is also explained, together with the implemented algorithms, the experiments and the obtained results. Finally, it is presented a comparison between the implemented algorithm and the Dynamic Script technique. Thus, this work offers contributions to the fields of Evolutionary Computation and Artificial Intelligence applied to games

Nesta tese, são estudados algoritmos para agrupamento de dados, com particular ênfase em Agrupamento de Dados com Restrições, no qual, além dos objetos a serem agrupados, são fornecidos pelo usuário algumas informações sobre o agrupamento desejado. Como fundamentação para o agrupamento, são considerados os modelos de mistura finitos, em especial, com componentes gaussianos, usualmente chamados de modelos de mistura de gaussianas. Dentre os principais problemas que os algoritmos desenvolvidos nesta tese de doutorado buscam tratar destacam-se: (i) estimar parâmetros de modelo de mistura de gaussianas; (ii) como incorporar, de forma eficiente, restrições no processo de aprendizado de forma que tanto os dados quanto as restrições possam ser adicionadas de forma online; (iii) estimar, via restrições derivadas de conceitos pré-determinados sobre os objetos (usualmente chamados de classes), o número de grupos destes conceitos. Como ferramenta para auxiliar no desenvolvimento de soluções para tais problemas, foram utilizados algoritmos evolutivos que operam com mais de uma solução simultaneamente, além de utilizarem informações de soluções anteriores para guiar o processo de busca. Especificamente, foi desenvolvido um algoritmo evolutivo baseado na divisão e união de componentes para a estimação dos parâmetros de um modelo de mistura de gaussianas. Este algoritmo foi comparado com o algoritmo do mesmo gênero considerado estado-da-arte na literatura, apresentando resultados competitivos e necessitando de menos parâmetros e um menor custo computacional. Nesta tese, foram desenvolvidos dois algoritmos que incorporam as restrições no processo de agrupamento de forma online. Ambos os algoritmos são baseados em algoritmos bem-conhecidos na literatura e apresentaram, em comparações empíricas, resultados melhores que seus antecessores. Finalmente, foram propostos dois algoritmos para se estimar o número de grupos por classe. Ambos os algoritmos foram comparados com algoritmos reconhecidos na literatura de agrupamento de dados com restrições, e apresentaram resultados competitivos ou melhores que estes. A estimação bem sucedida do número de grupos por classe pode auxiliar em diversas tarefas de mineração de dados, desde a sumarização dos dados até a decomposição de problemas de classificação em sub-problemas potencialmente mais simples. / In the last decade, researchers have been giving considerable attention to the field of Constrained Clustering. Algorithms in this field assume that along with the objects to be clustered, the user also provides some constraints about which kind of clustering (s)he prefers. In this thesis, two scenarios are studied: clustering with and without constraints. The developments are based on finite mixture models, namely, models with Gaussian components, which are usually called Gaussian Mixture Models (GMMs). In this context the main problems addressed are: (i) parameter estimation of GMMs; (ii) efficiently integrating constraints in the learning process allowing both constraints and the data to be added in the modeling in an online fashion; (iii) estimating, by using constraints derived from pre-determined concepts (usually named classes), the number of clusters per concept. Evolutionary algorithms were adopted to develop solutions for such problems. These algorithms analyze more than one solution simultaneously and use information provided by previous solutions to guide the search process. Specifically, an evolutionary algorithm based on procedures that perform splitting and merging of components to estimate the parameters of a GMM was developed. This algorithm was compared to an algorithm considered as the state-of-the-art in the literature, obtaining competitive results while requiring less parameters and being more computationally efficient. Besides the aforementioned contributions, two algorithms for online constrained clustering were developed. Both algorithms are based on well known algorithms from the literature and get better results than their predecessors. Finally, two algorithms to estimate the number of clusters per class were also developed. Both algorithms were compared to well established algorithms from the literature of constrained clustering, and obtained equal or better results than the ones obtained by the contenders. The successful estimation of the number of clusters per class is helpful to a variety of data mining tasks, such as data summarization and problem decomposition of challenging classification problems.

Orientador: Jose Raimundo de Oliveira / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T17:11:57Z (GMT). No. of bitstreams: 1 Campos_TatianeJesusde_D.pdf: 4875626 bytes, checksum: 36e6cf7484aa1c689c28b67404d977e5 (MD5) Previous issue date: 2007 / Resumo: Na última década os algoritmos evolutivos vem sendo aplicados na síntese e projeto de circuitos eletrônicos criando uma nova área de pesquisa denominada Hardware Evolutivo. Esta tese propõe o uso de Hardware Evolutivo como uma ferramenta para geração automática de circuitos aplicados ao controle de um pêndulo amortecido não linear. Inicialmente um amplo estudo sobre a utilização de computação evolutiva aplicada à síntese de circuitos eletrônicos foi realizado, de modo a identificar os principais benefícios, motivações, aplicações e desafios da área de Hardware Evolutivo. A seguir foi realizado um estudo de caso com o objetivo de realizar uma comparação experimental dos principais pontos que afetam o desempenho de um sistema de Hardware Evolutivo na evolução de circuitos digitais básicos. Após a realização destas etapas foi desenvolvido um Hardware Evolutivo para controle de um pêndulo não linear. O objetivo desta implementação foi apresentar comparações de desempenho entre diferentes abordagens para projetos de controladores. O uso do Hardware Evolutivo para obtenção do controlador tem como objetivo modelar o comportamento não linear do sistema e sintetizá-lo em um circuito digital combinacional criando assim uma alternativa de projeto automático para sistemas de controle. A análise e simulação do pêndulo não linear demonstra que a aplicação desta nova técnica de projeto de hardware apresenta resultados promissores / Abstract: In the last decade evolutionary algorithms application in electronic circuits synthesis have been intensively investigated, starting a new research area called Evolvable Hardware. This thesis considers the use of Evolvable Hardware as a tool for automatic design of circuits applied to the control of a nonlinear damped pendulum. Initially a study on the use of applied evolutionary algorithms to the synthesis of electronic circuits was carried out, in order to identify the main benefits, motivations, applications and challenges of the field of Evolvable Hardware. A case study was carried out with the objective to provide an experimental comparison of the main points that affect the performance of a system in the evolution of basic digital circuits. Finally a Evolvable Hardware controller unit for control a nonlinear damped pendulum was evolved. The objective of this implementation was to present performance comparisons between two different controllers designs. The analysis and simulation of nonlinear pendulum demonstrate that the application of this new technique of design provides excellent results / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

A experiÃncia tem mostrado que buscas de Ãtimos baseadas em apenas um objetivo, por mais cuidadosas que sejam, nÃo conseguem determinar uma soluÃÃo que modele satisfatoriamente um dado fenÃmeno. O uso de abordagens multiobjetivo pode ainda ser justificado pela natureza dos problemas reais, a qual requer a utilizaÃÃo de mÃltiplos objetivos, muitas vezes conflitantes. Um conceito muito utilizado neste contexto à o de dominÃncia de Pareto, a qual possibilita comparar soluÃÃes usando mÃltiplos objetivos e explorar diferentes caracterÃsticas dos dados observados. Este trabalho tem como foco a aplicaÃÃo de algoritmos evolucionÃrios baseados no acasalamento de abelhas em sua versÃo uni- (Honey-Bee Mating Optimization - HBMO) e multiobjetivo (Multiobjective Honey-Bee Mating Optimization - MOHBMO) na minimizaÃÃo de funÃÃes-teste, calibraÃÃo de modelos hidrolÃgicos e otimizaÃÃo da operaÃÃo de sistemas de reservatÃrios. A versÃo uniobjetivo à aquela proposta por Haddad et al. (2006), enquanto a multiobjetivo à uma proposiÃÃo do presente trabalho. Como algoritmos de referÃncia da performance foram utilizados: PSO (Particle Swarm Optimization), sua versÃo multiobjetivo MOPSO (Multiobjective Particle Swarm), SCEM (Shuffled Complex Evolucion Metropolis) e sua versÃo multiobjetivo MOSCEM (Multiobjective Shuffled Complex Evolucion Metropolis). AplicaÃÃes teÃricas foram realizadas pela minimizaÃÃo de problemas compostos por funÃÃes matemÃticas encontradas na literatura. AplicaÃÃes reais de calibraÃÃo de modelos hidrolÃgicos e operaÃÃes de sistemas de reservatÃrios tiveram como estudo de caso a calibraÃÃo dos modelos HYMOD e SMAP a nÃvel diÃrio para 15 estaÃÃes fluviomÃtricas localizadas nos estados do Cearà e Piauà e a otimizaÃÃo da operaÃÃo do sistema de reservatÃrios que compÃem o sistema de abastecimento de Ãgua da RegiÃo Metropolitana de Fortaleza, respectivamente. / Experience suggests that any single-objective search, no matter how carefully chosen, is not able to identify a solution capable of satisfactorily model a phenomenum of interest. Use of a multiobjective approach can yet be justified by the nature of real world problems, which in general involve multiobjectives, most of the time conflicting objectives. An approach very often used in multicriteria optimization is the concept of Pareto dominance, which allows us to compare different solutions by using different objectives and to explore different characteristics of the observed data. This dissertation employs evolutionary algorithms inspired on honey-bee mating for single (Honey-Bee Mating Optimization - HBMO) e multiobjectives (Multiobjective Honey-Bee Mating Optimization - MOHBMO) in the minimization of test functions and calibration of watershed models. The singleobjective version is the one introduced by Haddad et al. (2006), while its multiobjective version is proposed by the present work. As reference of their performance, the following algorithms were used: PSO (Particle Swarm Optimization), and its multiobjective version MOPSO (Multiobjective Particle Swarm), SCEM (Shuffled Complex Evolucion Metropolis) and its multiobjective version MOSCEM (Multiobjective Shuffled Complex Evolucion Metropolis). Well known theoretical functions were used to test the proposed algorithms. Real world applications on hydrologic model calibration employing HYMOD and SMAP models, with daily time steps, were carried out for 15 streamflow gauge stations located in the states of Cearà e PiauÃ. Besides, an optimization study for the operation of the reservoir system that supplies water for the Metropolitan Region of Fortaleza was also executed.

Esta dissertação apresenta uma metodologia de otimização do fluxo de potência em sistemas elétricos de subtransmissão utilizando duas técnicas da Computação Evolutiva, os Algoritmos Genéticos e as Estratégias Evolutivas. A metodologia decompõe o problema em duas partes e o trata seqüencialmente. A primeira parte procede com a otimização do fluxo de potência ativa e a segunda com a otimização do fluxo de potência reativa. São apresentadas as características e estruturas básicas dos Algoritmos Genéticos e das Estratégias Evolutivas. A técnica dos Algoritmos Genéticos é implementada no modelo de otimização do fluxo de potência ativa e a técnica das Estratégias Evolutivas no modelo de otimização do fluxo de potência reativa. As variáveis de controle dos modelos desenvolvidos são, respectivamente, os estados dos dispositivos de seccionamento e os níveis de tensão dos barramentos dos pontos de fronteira, associadas ao sistema analisado. Analisam-se os sistemas elétricos de subtransmissão que contêm múltiplos pontos de fronteira (conexão) com a Rede Básica e diversas possibilidades de configuração operativa. A metodologia proposta é aplicada a um sistema elétrico de subtransmissão real a fim de minimizar o custo dos encargos de uso dos sistemas de transmissão. Os resultados obtidos mostram a eficácia dos algoritmos desenvolvidos na busca das soluções desejadas. / This dissertation presents a power flow optimization methodology on subtransmission electric systems using two techniques of Evolutionary Computation, namely the Genetic Algorithms and the Evolution Strategies. The methodology splits the problem into two parts and treats it separately. On the first step it proceeds to optimize the active power flow and on the second step to optimize the reactive power flow. Characteristics and basic structures of the Genetic Algorithms and the Evolution Strategies are shown. The Genetic Algorithms technique is implemented on the active power flow optimization model and the Evolution Strategies technique on the reactive power flow optimization model. The control variables of developed models are, respectively, the switch states and the border point bar voltage levels, associated to the analyzed system. The subtransmission electric systems that have multiple border (connection) points to the Basic Network and many operative configuration possibilities are analyzed. The proposed methodology is applied to a real subtransmission electric system in order to minimizes the transmission system use duty costs. The obtained results show the efficacy of the developed algorithms in the search of desired solutions.