Este trabalho propõe o desenvolvimento de Algoritmos Evolutivos (AEs) para estimação dos parâmetros que modelam sinais elétricos (frequência, fase e amplitude) em tempo-real. A abordagem proposta deve ser robusta a ruídos e harmônicos em sinais distorcidos, por exemplo devido à presença de faltas na rede elétrica. AEs mostram vantagens para lidar com tais tipos de sinais. Por outro lado, esses algoritmos quando implementados em software não possibilitam respostas em tempo-real para uso da estimação como relé de frequência ou Unidade de Medição Fasorial. O desenvolvimento em FPGA apresentado nesse trabalho torna possível paralelizar o cálculo da estimação em hardware, viabilizando AEs para análise de sinal elétrico em tempo real. Além disso, mostra-se que AEs multiobjetivos podem extrair informações não evidentes das três fases do sistema e estimar os parâmetros adequadamente mesmo em casos em que as estimativas por fase divirjam entre si. Em outras palavras, as duas principais contribuições computacionais são: a paralelização do AE em hardware por meio de seu desenvolvimento em um circuito de FPGA otimizado a nível de operações lógicas básicas e a modelagem multiobjetiva do problema possibilitando análises dos sinais de cada fase, tanto independentemente quanto de forma agregada. Resultados experimentais mostram superioridade do método proposto em relação ao estimador baseado em transformada de Fourier para determinação de frequência e fase / This work proposes the development of Evolutionary Algorithms (EAs) for the estimation of the basic parameters from electrical signals (frequency, phase and amplitude) in real time. The proposed approach must be robust to noise and harmonics in signals distorted, for example, due to the presence of faults in the electrical network. EAs show advantages for dealing with these types of signals. On the other hand, these algorithms when implemented in software cant produce real-time responses in order to use their estimations as frequency relay or Phasor Measurement Unit. The approach developed on FPGA proposed in this work parallelizes in hardware the process of estimation, enabling analyses of electrical signals in real time. Furthermore, it is shown that multi-objective EAs can extract non-evident information from the three phases of the system and properly estimate parameters even when the phase estimates diverge from each other. This research proposes: the parallelization of an EA in hardware through its design on FPGA circuit optimized at level of basic logic operations and the modeling of the problem enabling multi-objective analyses of the signals from each phase in both independent and aggregate ways. Experimental results show the superiority of the proposed method compared to an estimator based on Fourier transform for determining frequency and phase

O propósito desta tese é analisar as contribuições da gestão de recursos humanos ao longo dos estágios evolutivos da gestão ambiental empresarial. Para tanto, realizou-se uma fundamentação teórica sobre a evolução da gestão ambiental nas empresas e sobre como as principais dimensões funcionais e competitivas da gestão de recursos humanos podem contribuir com os objetivos de gestão ambiental. Esta fundamentação teórica apoiou o desenvolvimento de uma triangulação da pesquisa empírica, pautada em duas fases complementares. Na primeira delas, dados foram coletados junto a 94 empresas possuidoras de certificação ISO 14001, para posterior análise e processamento, por meio de técnicas estatísticas descritivas, de correlação e de análise fatorial, gerando diretrizes analíticas relevantes para subsidiar a segunda fase da pesquisa empírica. Essa segunda fase constou da realização de um estudo de múltiplos casos junto a quatro empresas para a análise em profundidade das contribuições da gestão de recursos humanos para a gestão ambiental empresarial. Os resultados permitem constatar que a evolução da gestão ambiental empresarial requer o apoio de diferentes dimensões da gestão de recursos humanos, em termos de quantidade e intensidade das interações estabelecidas. / The purpose of this research is to analyze the contributions of human resources management along the evolution stages of environmental management in companies. Thus a theoretical framework about environmental management and its evolution and the greening of the functional and competitive dimensions of human resource management was elaborated. This revision of literature supports the development of a triangular empirical research which is developed in two complimentary phases. In the first phase, data was collected from 94 brazilian companies with ISO 14001 certification, for further analysis and processing through statically descriptive techniques, Spearman correlation and factor analysis. These statistical methods provide relevant analytical directions to support the second phase of this empirical research. The second phase consists of a study of multiple cases in four brazilian companies to further understand the contributions of human resources management to environmental management mainly in the context of production function. The results give evidence that the evolution of environmental management requires support from the various dimensions of human resource management in terms of variety and intensity of the relationship established.

Muitos problemas de otimização multi-objetivo utilizam os algoritmos evolutivos para encontrar as melhores soluções. Muitos desses algoritmos empregam as fronteiras de Pareto como estratégia para obter tais soluções. Entretando, conforme relatado na literatura, há a limitação da fronteira para problemas com até três objetivos, podendo tornar seu emprego insatisfatório para os problemas com quatro ou mais objetivos. Além disso, as propostas apresentadas muitas vezes eliminam o emprego dos algoritmos evolutivos, os quais utilizam tais fronteiras. Entretanto, as características dos algoritmos evolutivos os qualificam para ser empregados em problemas de otimização, como já vem sendo difundido pela literatura, evitando eliminá-lo por causa da limitação das fronteiras de Pareto. Assim sendo, neste trabalho se buscou eliminar as fronteiras de Pareto e para isso utilizou a lógica Fuzzy, mantendo-se assim o emprego dos algoritmos evolutivos. O problema escolhido para investigar essa substituição foi o problema de predição de estrutura terciária de proteínas, pois além de se encontrar em aberto é de suma relevância para a área de bioinformática. / Several multi-objective optimization problems utilize evolutionary algorithms to find the best solution. Some of these algoritms make use of the Pareto front as a strategy to find these solutions. However, according to the literature, the Pareto front limitation for problems with up to three objectives can make its employment unsatisfactory in problems with four or more objectives. Moreover, many authors, in most cases, propose to remove the evolutionay algorithms because of Pareto front limitation. Nevertheless, characteristics of evolutionay algorithms qualify them to be employed in optimization problems, as it has being spread out by literature, preventing to eliminate it because the Pareto front elimination. Thus being, this work investigated to remove the Pareto front and for this utilized the Fuzzy logic, remaining itself thus the employ of evolutionary algorithms. The choice problem to investigate this remove was the protein tertiary structure prediction, because it is a open problem and extremely relevance to bioinformatic area.

Este trabalho aborda o problema de programação de tarefas, a partir de um caso específico, conhecido como Flow Shop com buffer zero. O problema consiste em programar n tarefas em m máquinas no ambiente Flow Shop permutacional. Com o aumento do nível de exigência dos clientes, pesquisas que buscam o atendimento das datas de entrega têm se tornado de extrema importância em ambientes de manufatura. Este trabalho analisa o problema de minimização do atraso total no ambiente Flow Shop onde não existe a possibilidade de armazenagem das tarefas entre estágios de produção sucessivos (buffer zero), tendo como consequência o bloqueio de máquinas. A Heurística Evolutiva Clustering Search foi proposta e analisada para a obtenção de soluções de altíssima qualidade para o problema. Finalmente, uma extensa experimentação computacional foi realizada. Quando comparado com o melhor método reportado na literatura, o método proposto apresentou qualidade superior. / This work deals with the Flow Shop scheduling problem. The objective is scheduling n jobs on m machines in the Permutation Flow Shop environment. With the increasing customer demand level, researches that aims the attendance of due dates have become extremely important in manufacturing process. This work studies the total tardiness minimization problem in the flow shop environment where there is no buffer storage between machines, resulting in the machine block. The Heuristic Evolutionary Clustering Search was proposed and analyzed to obtain high quality solutions to the problem. Finally, an extensive computational experiment was performed. When compared to the best method reported in the literature, the proposed method showed high quality.

Submitted by admin tede (tede@pucgoias.edu.br) on 2017-06-29T13:39:22Z No. of bitstreams: 1 Emerson de Souza Campos.pdf: 5716166 bytes, checksum: 5ece2fef286c7d6b282f34feaaf709e4 (MD5) / Made available in DSpace on 2017-06-29T13:39:22Z (GMT). No. of bitstreams: 1 Emerson de Souza Campos.pdf: 5716166 bytes, checksum: 5ece2fef286c7d6b282f34feaaf709e4 (MD5) Previous issue date: 2017-03-29 / Telecommunication systems are in constant development and the increasing demand of users and new services have enabled the emergence of new technologies. Planning has become indispensable due to the competitiveness and the large amount of financial resources involved. This work aims to propose and evaluate a genetic optimization algorithm for the planning of telecommunications networks. Because it is a combinatorial problem, the objective is to evaluate the advantages and disadvantages of the model based on the genetic algorithm. The graphs representing the networks were encoded in incidence matrices and the genetic operators of crossing and mutation were designed to act on matrices. MATLAB® software was used as a computational tool to implement the algorithms. The proposed model minimizes cost, considering the constraints of demand and technical capacity. The results found are compared to the published results in the SNDlib network instance library. The evaluation of the first version of the algorithm was based on a small PDH (Plesiochronous Digital Hierarchy) instance. The gain obtained in the cost of this network, compared to the solution presented in the library using linear programming with an arc-path approach, is 15.15%. In the second step, the algorithm for the optimization of a larger SDH (Synchronous Digital Hierarchy) network was applied. In this case, the need to hybridize the initial algorithm with a postoptimization algorithm was identified. The results obtained for the larger network were close to that of the SNDlib network library, although they were not better. The results found are promising because they approach similar solutions at a substantially shorter execution time than the SNDlib reference time. New research must be done so that the proposed algorithm can give good answers to large networks due to this being the reality of this area of research. / Os sistemas de telecomunicações estão em constante desenvolvimento e a demanda crescente de usuários e novos serviços possibilitaram o surgimento de novas tecnologias. O planejamento tornou-se indispensável devido à competividade e a grande quantidade de recursos financeiros envolvidos. Este trabalho visa propor e avaliar um algoritmo genético de otimização para o planejamento de redes de telecomunicações. Por se tratar de um problema combinatorial o objetivo é avaliar as vantagens e desvantagens do modelo com base no algoritmo genético. Os grafos que representam as redes foram codificados em matrizes de incidência e os operadores genéticos de cruzamento e mutação foram projetados para atuarem sobre matrizes. O software MATLAB® foi utilizado como ferramenta computacional para implementação dos algoritmos. O modelo proposto minimiza o custo, considerando as restrições de demanda e capacidade técnica. Os resultados encontrados são comparados com os resultados publicados na biblioteca de instâncias de rede SNDlib. A avaliação da primeira versão do algoritmo foi feita com base em uma instância PDH (Plesiochronous Digital Hierarchy), de pequeno porte. O ganho obtido no custo da rede, em relação à solução apresentada na biblioteca usando programação linear com abordagem arco-caminho, é de 15,15%. Na segunda etapa aplicou-se o algoritmo para otimização de uma rede SDH (Synchronous Digital Hierarchy), de maior porte. Identificou-se a necessidade de hibridizar o algoritmo inicial com um algoritmo de pós-otimização. Os resultados encontrados são promissores porque se aproximam de soluções similares em um tempo de execução substancialmente menor que o tempo de referência da SNDlib. Novas pesquisas devem ser feitas para que o algoritmo proposto possa dar boas respostas para redes de grande porte em função de ser esta a realidade desta área de pesquisa.

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.

A demanda criada pelos estudos biológicos resultou para predição da estrutura terciária de proteínas ser uma alternativa, uma vez que menos de 1% das sequências conhecidas possuem sua estrutura terciária determinada experimentalmente. As predições Ab initio foca nas funções baseadas da física, a qual se trata apenas das informações providas pela sequência primária. Por consequência, um espaço de busca com muitos mínimos locais ótimos deve ser pesquisado. Este cenário complexo evidencia uma carência de algoritmos eficientes para este espaço, tornando-se assim o principal obstáculo para este tipo de predição. A optimização Multi-Objetiva, principalmente os Algoritmos Evolutivos, vem sendo aplicados na predição da estrutura terciária já que na mesma se envolve um compromisso entre os objetivos. Este trabalho apresenta o framework ProtPred-PEO-GROMACS, ou simplesmente 3PG, que não somente faz predições com a mesma acurácia encontrada na literatura, mas também, permite investigar a predição por meio da manipulação de combinações de objetivos, tanto no aspecto energético quanto no estrutural. Além disso, o 3PG facilita a implementação de novas opções, métodos de análises e também novos algoritmos evolutivos. A fim de salientar a capacidade do 3PG, foi então discorrida uma comparação entre os algoritmos NSGA-II e SPEA2 aplicados na predição Ab initio da estrutura terciária de proteínas em seis combinações de objetivos. Ademais, o uso da técnica de refinamento por Dinâmica Molecular é avaliado. Os resultados foram adequados quando comparado com outras técnicas de predições: Algoritmos Evolutivo Multi-Objetivo, Replica Exchange Molecular Dynamics, PEP-FOLD e Folding@Home. / The demand created by biological studies resulted the structure prediction as an alternative, since less than 1% of the known protein primary sequences have their 3D structure experimentally determined. Ab initio predictions focus on physics-based functions, which regard only information about the primary sequence. As a consequence, a search space with several local optima must be sampled, leading to insucient sampling of this space, which is the main hindrance towards better predictions. Multi-Objective Optimization approaches, particularly the Evolutionary Algorithms, have been applied in protein structure prediction as it involves a compromise among conicting objectives. In this paper we present the ProtPred-PEO-GROMACS framework, or 3PG, which can not only make protein structure predictions with the same accuracy standards as those found in the literature, but also allows the study of protein structures by handling several energetic and structural objective combinations. Moreover, the 3PG framework facilitates the fast implementation of new objective options, method analysis and even new evolutionary algorithms. In this study, we perform a comparison between the NSGA-II and SPEA2 algorithms applied on six dierent combinations of objectives to the protein structure. Besides, the use of Molecular Dynamics simulations as a renement technique is assessed. The results were suitable when comparated with other prediction methodologies, such as: Multi-Objective Evolutionary Algorithms, Replica Exchange Molecular Dynamics, PEP-FOLD and Folding@Home.

Made available in DSpace on 2015-02-04T21:45:28Z (GMT). No. of bitstreams: 1 Vinicius Alves.pdf: 740567 bytes, checksum: bf37e8ad38e43e90f7ff2432e96b31c1 (MD5) Previous issue date: 2007-02-23 / A atividade de agrupamento de dados (obter uma partição que represente a estrutura de um conjunto de objetos) é de vasta aplicabilidade e importância nos dias de hoje. Ferramentas de agrupamento de dados são aplicadas em diversos domínios: inteligência artificial, reconhecimento de padrões, economia, ecologia, psiquiatria, marketing, entre outros. Algoritmos evolutivos são ferramentas inspiradas na teoria da evolução das espécies que são, em geral, aplicados a problemas de otimização. Tais algoritmos são capazes de encontrar boas soluções (subótimas) em tempo computacional razoável e, por esta razão, eles são utilizados desde a década de 60 como opção para a solução de problemas complexos. Quando considerado como um problema de otimização combinatória, a atividade de agrupamento de dados tem espaço de busca de complexidade não polinomial. Tal complexidade tem estimulado o desenvolvimento de ferramentas de agrupamento de dados utilizando algoritmos evolutivos. Nesta dissertação apresenta-se o novo Algoritmo Evolutivo Rápido para Agrupamento de Dados (Fast- EAC), uma ferramenta capaz de estimar o número ótimo de grupos para um determinado conjunto de dados e a respectiva partição dos dados utilizando a abordagem de algoritmos evolutivos. Além da proposta do novo Fast-EAC, são contribuições desse trabalho a proposta de uma nova metodologia de avaliação para algoritmos evolutivos aplicados a agrupamento de dados e um novo índice externo de avaliação de partições, o Rand Index parcial por grupos.

Nos modernos centros de operação dos Sistemas Elétricos de Potência (SEP), as variáveis de estado estimadas, ao invés das medidas, constituem a base de dados para as ações de controle e operação em tempo real. Desta forma, o processo de estimação de estado é de fundamental importância para operação dos SEP. O sucesso do processo de estimação de estado depende do sistema de medição disponível, isto é, do número, tipo e localização dos medidores e das Unidades Terminais Remotas (UTRs), instalados no SEP. Desenvolveu-se, neste trabalho, uma metodologia para projeto e fortalecimento de sistemas de medição, para efeito de estimação de estado. A metodologia baseia-se em Algoritmos Evolutivos (AEs) e na estrutura da matriz H \'delta\'. Pela análise da estrutura dessa matriz, que é obtida via um processo de fatoração triangular da matriz Jacobiana, a metodologia desenvolvida possibilita a obtenção de sistemas de medição confiáveis (SMC), considerando a possibilidade de o sistema possuir diferentes topologias. Neste trabalho, um sistema de medição é considerado confiável se for observável e não possuir medidas críticas, conjunto crítico de medidas e UTRs críticas. Um AE foi desenvolvido para obtenção do melhor SMC, com custo mínimo de investimento. Essa abordagem utiliza uma função de fitness que mede o custo da instalação de medidores e UTRs para obtenção de um determinado SMC. Uma vantagem relevante da metodologia desenvolvida é a sua estratégia para a obtenção de SMCs. Uma codificação indireta do cromossomo, representando uma ordem preferencial de instalação de medidores, combinada com as propriedades da matriz H \'delta\', garante ao AE a geração somente de soluções viáveis, ou seja, SMCs. Para comprovar a eficiência da metodologia desenvolvida, vários testes foram realizados, utilizando os sistemas de 6, 14, 30 e 118 barras do IEEE, bem como o sistema de 61 barras da Eletropaulo. / In modern operating control centers, the estimated state variables, instead of the measured state variables, constitute the database used to set up power systems real-time control actions. Consequently, the state estimation process is essential for power system real-time operation. The success of the state estimation process depends on the available metering systems, that is, on the topological distribution of the established meters and Remote Terminal Units (RTUs) on the system. A methodology for metering system planning for state estimation purposes was developed in this work. The methodology is based on both Evolutionary Algorithms (EAs) and on the analysis of the called H \'delta\' matrix. By analyzing the structure of this matrix, which is obtained via a triangular factorization of the Jacobian matrix, the developed methodology can determine reliable metering systems (RMS), under many different topology scenarios. In this work a metering system is considered as reliable if it is observable and has no critical measurements, critical sets neither critical RTUs. An EA was developed to find the best RMS with minimal investment cost. The developed EA uses a fitness function that measures the installation cost of meters and RTUs from a given RMS. One relevant advantage of the developed methodology is its strategy to obtain RMS. An indirect chromosome encoding representing a preferential order of meters installation combined with properties of the H \'delta\' matrix guarantees the proposed EA generates only feasible solutions, i.e. RMSs. In order to validate the developed methodology, several tests were executed considering the IEEE 6, 14, 30 and 118 bus systems, as well as the real system with 61 buses from Eletropaulo.

Com o surgimento da tecnologia da informação, o processo de análise e interpretação de dados deixou de ser executado exclusivamente por seres humanos, passando a contar com auxílio computacional para a descoberta de conhecimento em grandes bancos de dados. Este auxílio exige uma organização e ordenação das atividades, antes manualmente exercidas, em um processo composto de três grandes etapas. A primeira etapa deste processo conta com uma tarefa de redução da dimensionalidade, que tem como objetivo a eliminação de atributos que não contribuem para a análise dos dados, resultando portanto, na seleção de um subconjunto dos atributos originais. A seleção de um subconjunto de atributos pode ser encarada como um problema de busca, já que há inúmeras possibilidades de combinação dos atributos originais em subconjuntos. Dessa forma, uma das estratégias de busca que pode ser adotada consiste na busca randômica, executada por um algoritmo genético ou pelas suas variações. Este trabalho propõe a aplicação de duas variações do algoritmo genético, Algoritmo Genético Construtivo e Algoritmo Genético Enviesado com Chave Aleatória, no problema de seleção de atributos em agrupamento de dados, já que estas duas variações ainda não foram aplicadas em tal problema. A fim de verificar o desempenho destas duas variações, comparou-se ambas com a abordagem tradicional do algoritmo genético. Efetuou-se também a comparação entre as duas variações. Para isto, foi utilizada três bases de dados retiradas do repositório UCI de aprendizado de máquinas. Os resultados obtidos mostraram que os desempenhos, em termos de qualidade da solução, dos algoritmos: genético construtivo e genético enviesado com chave aleatório foram melhores, de maneira geral, do que o desempenho da abordagem tradicional. Constatou-se também diferença significativa em termos de eficiência entre as duas variações e a abordagem tradicional. / With the advent of information technology, the process of analysis and interpretation of data left to be run exclusively by humans, going to rely on computational support for knowledge discovery in large databases. This aid requires an organization and sequencing of activities before manually performed in a compound of three major step process. The first step of this process has a reduced dimensionality task, which aims to eliminate attributes that do not contribute to the data analysis, resulting therefore, in selecting a subset of the original attributes. Selecting a subset of attributes can be viewed as a search problem, since there are numerous possible combinations of unique attributes into subsets. Thus, one search strategies that can be adopted is to randomly search, performed by a genetic algorithm or its variants. This paper proposes the application of two variations of the genetic algorithm, Constructive Genetic Algorithm and Biased Random Key Genetic Algorithm in the feature selection problem in data grouping, as these two variations have not been applied in such a problem. In order to verify the performance of the two variations, we compare them with the traditional algorithm, genetic algorithm. It was also executed the comparison between the two variations. For this, we used three databases removed from the UCI repository of machine learning. The results showed that the performance, in term of quality solution, of algorithms: genetic constructive and genetic biased with random key are better than the performance of the traditional approach. It was also observed a significant difference in efficiency between of the two variations and the traditional approach.