This doctoral thesis is focused on the problem of investment decision making under uncertainty with computer support. On the basis of theoretical and empirical findings there was designed proposal of artificial intelligence tools implementation into the present methods of investment decision making under uncertainty. Constructive idea of this doctoral thesis is in fuzzy model of investment decision making for non-financial companies investments and implementation of this model into the knowledge base of expert system. Methodology of investment decision making under uncertainty was created on the background of mentioned practice of decision making about investment. Although from the first sight designed methodology appears to be complicated it has proved high effective in practice.

Portfolio optimisation has a number of constraints resulting from some practical matters and regulations. The closed-form mathematical solution of portfolio optimisation problems usually cannot include these constraints. Exhaustive search to reach the exact solution can take prohibitive amount of computational time. Portfolio optimisation models are also usually impaired by the estimation error problem caused by lack of ability to predict the future accurately. A number of Multi-Objective Genetic Algorithms are proposed to solve the problem with two objectives subject to cardinality constraints, floor constraints and round-lot constraints. Fuzzy logic is incorporated into the Vector Evaluated Genetic Algorithm (VEGA) to but solutions tend to cluster around a few points. Strength Pareto Evolutionary Algorithm 2 (SPEA2) gives solutions which are evenly distributed portfolio along the effective front while MOGA is more time efficient. An Evolutionary Artificial Neural Network (EANN) is proposed. It automatically evolves the ANN¿s initial values and structures hidden nodes and layers. The EANN gives a better performance in stock return forecasts in comparison with those of Ordinary Least Square Estimation and of Back Propagation and Elman Recurrent ANNs. Adaptation algorithms for selecting a pair of forecasting models, which are based on fuzzy logic-like rules, are proposed to select best models given an economic scenario. Their predictive performances are better than those of the comparing forecasting models. MOGA and SPEA2 are modified to include a third objective to handle model risk and are evaluated and tested for their performances. The result shows that they perform better than those without the third objective.

[pt] Este trabalho investiga o problema de otimização de alternativas para o desenvolvimento de campos petrolíferos. Uma alternativa de desenvolvimento refere-se à forma como um campo petrolífero, conhecido e delimitado, é colocado em produção, isto é, diz respeito à determinação do número, localização e agendamento dos poços de produção e injeção. Otimização de alternativas consiste em encontrar as configurações de produção que, a longo prazo, forneçam o maior valor presente líquido (VPL), obtido a partir do custo de investimento inicial, do preço do petróleo, da produção de óleo e gás, dos custos de operação, das alíquotas de impostos e dos royalties pagos durante o tempo de produção. A produção de óleo é obtida usando-se um simulador de reservatório. O simulador recebe a informação da alternativa a ser simulada e retorna a curva de produção de óleo e gás no tempo de produção especificado. Cada execução do simulador pode demorar desde alguns segundos até várias horas, dependendo da complexidade do reservatório modelado. Este trabalho propõe, implementa e avalia um sistema inteligente de otimização que emprega: algoritmos genéticos (AGs) para a busca de uma alternativa de desenvolvimento ótima; uso de ambiente de computação paralela para a simulação de reservatório e cálculo do VPL das alternativas; um módulo de inferência baseado em modelos inteligentes para aproximar a função de produção de óleo; e um módulo de caracterização baseado em mapas de qualidade para obter informações do campo petrolífero a serem aproveitadas durante a otimização. Este trabalho consistiu de 4 etapas: uma revisão da literatura sobre desenvolvimento de campos petrolíferos, simulação de reservatórios e caracterização de campos petrolíferos; um estudo das técnicas de inteligência computacional para otimização e aproximação de funções; desenvolvimento do modelo proposto de otimização de alternativas; e o estudo de casos. O modelo proposto foi avaliado com configurações de reservatório homogêneo e heterogêneo obtendo resultados da otimização, do uso da caracterização, da aproximação pelo módulo de inferência e do uso do ambiente paralelo. Os resultados obtidos mostram que, o modelo proposto, permite alcançar respostas com altos VPL sem utilizar conhecimento prévio, e também a partir de informações extraídas da caracterização ou fornecidas pelo próprio especialista como sementes iniciais na otimização. A principal contribuição deste trabalho é a concepção e implementação de um sistema baseado em técnicas inteligentes para otimizar alternativas de desenvolvimento com uma redução do tempo computacional para um processo iterativo, obtida tanto pelo aproveitamento do poder computacional de um ambiente de computação paralela, como pelo uso de aproximações das curvas de produção. Este sistema inteligente oferece uma ferramenta de suporte à decisão que automatiza a busca de alternativas de desenvolvimento e aproveita informações vindas do conhecimento do engenheiro de reservatório. / [en] This work investigates the problem of optimization of alternatives for petroleum fields` development. A development alternative refers to the way a well-known and delimited petroleum field is placed in production. This process involves the determination of the number, localization and scheduling of producer and injector wells. Thus, the optimization of alternatives consists of finding the production configurations that, in the long term, provide the maximum net present value (NPV); this is obtained from the investment cost, oil price, oil & gas production, operation costs and taxes and royalties paid during the production time. The oil and gas production is obtained from a reservoir simulator. The simulator receives information from the alternative to be simulated, and returns an oil & gas production to specified production time. Each simulation can take from a few seconds to several hours, depending on complexity of the reservoir being modeled. This work proposes, implements and evaluates an intelligent optimization system that comprises: genetic algorithms (GAs) to search an optimal development alternative; using of parallel computing environment to reservoir simulation and NPV computing; an inference module, basis in intelligent models, to approximate the oil production function; and a oilfield characterization module, basis in quality maps, to obtain information about the oilfield to use during optimization process. This work consisted of four stages: a literature review about petroleum field development and reservoir simulation; a study about computational intelligence techniques applied in optimization and functions approximation; the development of alternatives optimization proposal model; and the case studies. The proposal model was evaluated using homogeneous and heterogeneous reservoir configurations, obtaining results of optimization, by using characterization, the inference module and the parallel environment. The obtained results indicate that the proposed model provides alternatives with high NPV without previous knowledge and also from information provided by characterization or information inserted by the expert as initial seeds into optimization. The main contribution of this work is the conception and the implementation of a system basis in intelligent techniques to optimize development alternatives offering a reduction time to an iterative process, obtained from exploit of computational effort of a parallel computing environment or by using of production curves approximations. This intelligent system offers a decision-support tool that allows automating the search process of development alternatives and exploiting information from knowledge of reservoir engineers.

Orientador: Marcelo Carvalho Minhoto Teixeira / Resumo: Esta tese propõe projetos de controle H∞ chaveado para uma classe de sistemas não lineares incertos descritos por modelos fuzzy Takagi-Sugeno (T-S) com funções de pertinência desconhecidas. Os projetos de controle necessitam somente dos limites inferiores e superiores das não linearidades do sistema, que podem depender de parâmetros incertos da planta. Em diversas aplicações práticas, em virtude das restrições operacionais dos equipamentos, no projeto de controle é necessário considerar que a lei de controle está sujeita à saturação do atuador. Primeiramente, utilizando uma metodologia encontrada na literatura para resolver o problema da saturação do atuador, propõe-se uma lei de controle chaveada que escolhe um ganho do controlador de realimentação do vetor de estado, que pertence a um conjunto de ganhos conhecidos, que minimiza a derivada da função de Lyapunov do tipo quadrática. Este procedimento elimina a necessidade de encontrar as expressões das funções de pertinência para implementar a lei de controle, garante um desempenho H∞ ao sistema realimentado e assegura que as trajetórias do vetor de estado permanecem dentro de uma região de operação na qual o modelo fuzzy T-S é válido. Adicionalmente, adota-se uma outra metodologia para resolver o problema da saturação do atuador, que utiliza o sinal de controle para compor um vetor de estado expandido. Desta forma, os limites do sinal de controle fazem parte da região de operação na qual o sistema não linear incerto é exatame... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This thesis proposes local H∞ switched control designs for a class of uncertain nonlinear plants described by Takagi-Sugeno (T-S) fuzzy models with unknown membership functions. The control designs require only the lower and upper bounds of the system nonlinearities and of the system linear parameters, which can depend on uncertain parameters. In practical applications, due to the operational restrictions of the equipments, in the control design, it is necessary to consider that the control law is subject to actuator saturation. First, using a methodology found in the literature to solve the actuator saturation problem, one proposes a switched control law that chooses a state-feedback controller gain, which belongs to a given set of gains, that minimizes the time derivative of a quadratic Lyapunov function. This procedure eliminates the necessity of finding the membership function expressions to implement the control law, guarantees an H∞ performance and ensures that the state trajectory remains within a region in which the T-S fuzzy model is valid. In addition, the actuator saturation problem is approached with another methodology, using the control signal to compose an extended state vector. Then, the region in which the uncertain nonlinear system is exactly represented via T-S fuzzy models is composed by the bounds of the control signal. A switched control law, which chooses an extended state-feedback controller gain, is proposed. The design conditions avoid the presence o... (Complete abstract click electronic access below) / Doutor

Submitted by DIOGO RAMALHO DE OLIVEIRA null (diogo.oliveira.ee@gmail.com) on 2017-06-22T14:35:42Z No. of bitstreams: 1 Tese_Diogo.pdf: 2317981 bytes, checksum: fa048901c893f57ba87ceec19383ae14 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-06-22T17:28:20Z (GMT) No. of bitstreams: 1 oliveira_dr_dr_ilha.pdf: 2317981 bytes, checksum: fa048901c893f57ba87ceec19383ae14 (MD5) / Made available in DSpace on 2017-06-22T17:28:20Z (GMT). No. of bitstreams: 1 oliveira_dr_dr_ilha.pdf: 2317981 bytes, checksum: fa048901c893f57ba87ceec19383ae14 (MD5) Previous issue date: 2017-05-31 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Esta tese propõe projetos de controle H∞ chaveado para uma classe de sistemas não lineares incertos descritos por modelos fuzzy Takagi-Sugeno (T-S) com funções de pertinência desconhecidas. Os projetos de controle necessitam somente dos limites inferiores e superiores das não linearidades do sistema, que podem depender de parâmetros incertos da planta. Em diversas aplicações práticas, em virtude das restrições operacionais dos equipamentos, no projeto de controle é necessário considerar que a lei de controle está sujeita à saturação do atuador. Primeiramente, utilizando uma metodologia encontrada na literatura para resolver o problema da saturação do atuador, propõe-se uma lei de controle chaveada que escolhe um ganho do controlador de realimentação do vetor de estado, que pertence a um conjunto de ganhos conhecidos, que minimiza a derivada da função de Lyapunov do tipo quadrática. Este procedimento elimina a necessidade de encontrar as expressões das funções de pertinência para implementar a lei de controle, garante um desempenho H∞ ao sistema realimentado e assegura que as trajetórias do vetor de estado permanecem dentro de uma região de operação na qual o modelo fuzzy T-S é válido. Adicionalmente, adota-se uma outra metodologia para resolver o problema da saturação do atuador, que utiliza o sinal de controle para compor um vetor de estado expandido. Desta forma, os limites do sinal de controle fazem parte da região de operação na qual o sistema não linear incerto é exatamente representado via modelos fuzzy T-S. Uma lei de controle chaveada, que utiliza a realimentação do vetor de estado expandido, é proposta. As condições de projeto evitam a presença de uma possível descontinuidade do sinal de controle, eliminam a necessidade de obter as expressões das funções de pertinência para implementar a lei de controle, garantem um desempenho H∞ e asseguram que as trajetórias do vetor de estado e do sinal de controle permanecem dentro de uma região de operação na qual o modelo fuzzy T-S é válido. Por fim, três exemplos são apresentados. O primeiro exemplo estuda o controle de um sistema caótico denominado Lorenz. Mostra que, para distúrbios de grande magnitude, os procedimentos propostos apresentaram melhores resultados do que os obtidos com outro método recentemente encontrado na literatura, que considera o pleno acesso às funções de pertinência. No segundo exemplo, uma implementação prática em um sistema de controle de uma suspensão ativa de bancada, considerando uma mola não linear e falha no atuador, confirma a eficácia da abordagem proposta. O último exemplo utiliza um pêndulo invertido para abordar o problema de controle considerando a estabilidade local do sistema. As simulações ilustram que o esquema proposto, que utiliza o vetor de estado expandido, é capaz de evitar uma possível descontinuidade do sinal de controle. / This thesis proposes local H∞ switched control designs for a class of uncertain nonlinear plants described by Takagi-Sugeno (T-S) fuzzy models with unknown membership functions. The control designs require only the lower and upper bounds of the system nonlinearities and of the system linear parameters, which can depend on uncertain parameters. In practical applications, due to the operational restrictions of the equipments, in the control design, it is necessary to consider that the control law is subject to actuator saturation. First, using a methodology found in the literature to solve the actuator saturation problem, one proposes a switched control law that chooses a state-feedback controller gain, which belongs to a given set of gains, that minimizes the time derivative of a quadratic Lyapunov function. This procedure eliminates the necessity of finding the membership function expressions to implement the control law, guarantees an H∞ performance and ensures that the state trajectory remains within a region in which the T-S fuzzy model is valid. In addition, the actuator saturation problem is approached with another methodology, using the control signal to compose an extended state vector. Then, the region in which the uncertain nonlinear system is exactly represented via T-S fuzzy models is composed by the bounds of the control signal. A switched control law, which chooses an extended state-feedback controller gain, is proposed. The design conditions avoid the presence of a possible discontinuity of the control signal, eliminate the necessity of finding the membership function expressions to implement the control law, guarantee an H∞ performance and ensure that the state trajectory and the control signal remain within a region in which the T-S fuzzy model is valid. Finally, three examples are presented. The first example studies the control of a chaotic Lorenz system. It shows that, for disturbances with large magnitude, the proposed procedures provided better results than the obtained with another recent method found in the literature, that considers full access to the membership functions. In the second example, a practical implementation of an active suspension control system, considering a nonlinear spring and an actuator fault, confirms the effectiveness of the proposed approach. The last example uses an inverted pendulum system to address the local stability control problem. The simulations illustrate that the control scheme, which uses the extended state vector, is able to avoid a possible discontinuity of the control signal. / CNPq: 142035/2013-0

Orientadores: Wagner Caradori do Amaral, Ricardo Jose Gabrielli Barreto Campello / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-06T08:36:39Z (GMT). No. of bitstreams: 1 Medeiros_AndersonViniciusde_M.pdf: 896535 bytes, checksum: 48d0d75d38fcbbd0f47f7c49823806f1 (MD5) Previous issue date: 2006 / Resumo: Esta dissertação apresenta uma metodologia para a geração e otimização de modelos fuzzy Takagi-Sugeno (TS) com Funções de Base Ortonormal (FBO) para sistemas dinâmicos não lineares utilizando um algoritmo genético. Funções de base ortonormal têm sido utilizadas por proporcionarem aos modelos propriedades como ausência de recursão da saída e possibilidade de se alcançar uma razoável capacidade de representação com poucos parâmetros. Modelos fuzzy TS agregam a essas propriedades as características de interpretabilidade e facilidade de representação do conhecimento. Enfim, os algoritmos genéticos se apresentam como um método bem estabelecido na literatura na tarefa de sintonia de parâmetros de modelos fuzzy TS. Diante disso, desenvolveu-se um algoritmo genético para a otimização de duas arquiteturas, o modelo fuzzy TS FBO e sua extensão, o modelo fuzzy TS FBO Generalizado. Foram analisados modelos locais lineares e não lineares nos conseqüentes das regras fuzzy, assim como a diferença entre a estimação local e a global (utilizando o estimador de mínimos quadrados) dos parâmetros desses modelos locais. No algoritmo genético, cada arquitetura contou com uma representação cromossômica específica. Elaborou-se para ambas uma função de fitness baseada no critério de Akaike. Em relação aos operadores de reprodução, no operador de crossover aritmético foi introduzida uma alteração para a manutenção da diversidade da população e no operador de mutação gaussiana adotou-se uma distribuição variável ao longo das gerações e diferenciada para cada gene. Introduziu-se ainda um método de simplificação de soluções através de medidas de similaridade para a primeira arquitetura citada. A metodologia foi avaliada na tarefa de modelagem de dois sistemas dinâmicos não lineares: um processo de polimerização e um levitador magnético / Abstract: This work introduces a methodology for the generation and optimization of Takagi-Sugeno (TS) fuzzy models with Orthonormal Basis Functions (OBF) for nonlinear dynamic systems based on a genetic algorithm. Orthonormal basis functions have been used because they provide models with properties like absence of output feedback and the possibility to reach a reasonable approximation capability with just a few parameters. TS fuzzy models aggregate to these properties the characteristics of interpretability and easiness to knowledge representation in a linguistic manner. Genetic algorithms appear as a well-established method for tuning parameters of TS fuzzy models. In this context, it was developed a genetic algorithm for the optimization of two architectures, the OBF TS fuzzy model and its extension, the Generalized OBF TS fuzzy model. Local linear and nonlinear models in the consequent of the fuzzy rules were analyzed, as well as the difference between local and global estimation (using least squares estimation) of the parameters of these local models. Each architecture had a specific chromosome representation in the genetic algorithm. It was developed a fitness function based on the Akaike information criterion. With respect to the genetic operators, the arithmetic crossover was modified in order to maintain the population diversity and the Gaussian mutation had its distribution varied along the generations and differentiated for each gene. Besides, it was used, in the first architecture presented, a method for simplifying the solutions by using similarity measures. The whole methodology was evaluated in modeling two nonlinear dynamic systems, a polymerization process and a magnetic levitator / Mestrado / Automação / Mestre em Engenharia Elétrica

The thesis deals with artificial neural networks theory. Subsequently, fuzzy sets are being described and fuzzy logic is explained. The hybrid neuro-fuzzy system stemming from ANFIS system is designed on the basis of artificial neural networks, fuzzy sets and fuzzy logic. The upper-mentioned systems' functionality has been demonstrated on an inverted pendulum controlling problem. The three controllers have been designed for the controlling needs - the first one is on the basis of artificial neural networks, the second is a fuzzy one, and the third is based on ANFIS system.  The thesis is aimed at comparing the described systems, which the controllers have been designed on the basis of, and evaluating the hybrid neuro-fuzzy system ANFIS contribution in comparison with particular theory solutions. Finally, some experiments with the systems are demonstrated and findings are assessed.

The diploma thesis deals with flow prediction using artificial intelligence to control the storage function of the reservoir. It focuses on the control of storage function using combination of dispatching graphs and flow prediction. The work is divided into a methodological part and an application part. The methodological part contain describes how the acquisition of historical data, a description of the work of dispatching graphs and forecasting models. The application part contains flow forecasts and outflow control. A prediction model is based on the fuzzy method, and it is used to predict inflows. The calibration and validation of the prediction model is also described. Results of prediction model were evaluated. In next step the results of control method were evaluated and compared with result of dispatching graphs. The results of controlled method were satisfactory.

No description available.

No description available.