Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-07-22T15:02:52Z No. of bitstreams: 1 HudsonGeovaneDeMedeiros_DISSERT.pdf: 1225087 bytes, checksum: 40f3994faacf86961dbe3768775e4f86 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-07-26T23:00:12Z (GMT) No. of bitstreams: 1 HudsonGeovaneDeMedeiros_DISSERT.pdf: 1225087 bytes, checksum: 40f3994faacf86961dbe3768775e4f86 (MD5) / Made available in DSpace on 2016-07-26T23:00:12Z (GMT). No. of bitstreams: 1 HudsonGeovaneDeMedeiros_DISSERT.pdf: 1225087 bytes, checksum: 40f3994faacf86961dbe3768775e4f86 (MD5) Previous issue date: 2016-02-05 / Problemas multiobjetivo, diferentes daqueles com um ?nico objetivo, possuem, em geral, diversas solu??es ?timas, as quais comp?em o conjunto Pareto ?timo. Uma classe de algoritmos heur?sticos para tais problemas, aqui chamados de otimizadores, produz aproxima??es deste conjunto. Devido ao grande n?mero de solu??es geradas durante a otimiza??o, muitas delas ser?o descartadas, pois a manuten??o e compara??o frequente entre todas elas poderia demandar um alto custo de tempo. Como uma alternativa a este problema, muitos otimizadores lidam com arquivos limitados. Um problema que surge nestes casos ? a necessidade do descarte de solu??es n?o-dominadas, isto ?, ?timas at? ent?o. Muitas t?cnicas foram propostas para lidar com o problema do descarte de solu??es n?o-dominadas e as investiga??es mostraram que nenhuma delas ? completamente capaz de prevenir a deteriora??o dos arquivos. Este trabalho investiga uma t?cnica para ser usada em conjunto com as propostas previamente na literatura, a fim de para melhorar a qualidade dos arquivos. A t?cnica consiste em reciclar periodicamente solu??es descartadas. Para verificar se esta ideia pode melhorar o conte?do dos otimizadores durante a otimiza??o, ela foi implementada em tr?s algoritmos da literatura e testada em diversos problemas. Os resultados mostraram que, quando os otimizadores j? conseguem realizar uma boa otimiza??o e resolver os problemas satisfatoriamente, a deteriora??o ? pequena e o m?todo de reciclagem ineficaz. Todavia, em casos em que o otimizador deteriora significativamente, a reciclagem conseguiu evitar esta deteriora??o no conjunto de aproxima??o. / Multi-objective problems may have many optimal solutions, which together form the Pareto optimal set. A class of heuristic algorithms for those problems, in this work called optimizers, produces approximations of this optimal set. The approximation set kept by the optmizer may be limited or unlimited. The benefit of using an unlimited archive is to guarantee that all the nondominated solutions generated in the process will be saved. However, due to the large number of solutions that can be generated, to keep an archive and compare frequently new solutions to the stored ones may demand a high computational cost. The alternative is to use a limited archive. The problem that emerges from this situation is the need of discarding nondominated solutions when the archive is full. Some techniques were proposed to handle this problem, but investigations show that none of them can surely prevent the deterioration of the archives. This work investigates a technique to be used together with the previously proposed ideas in the literature to deal with limited archives. The technique consists on keeping discarded solutions in a secondary archive, and periodically recycle these solutions, bringing them back to the optimization. Three methods of recycling are presented. In order to verify if these ideas are capable to improve the archive content during the optimization, they were implemented together with other techniques from the literature. An computational experiment with NSGA-II, SPEA2, PAES, MOEA/D and NSGA-III algorithms, applied to many classes of problems is presented. The potential and the difficulties of the proposed techniques are evaluated based on statistical tests.

Made available in DSpace on 2014-12-17T15:48:07Z (GMT). No. of bitstreams: 1 RomeritoCA_DISSERT.pdf: 1649773 bytes, checksum: 9a9fd0e3782657fe6d014020cdc8fb90 (MD5) Previous issue date: 2013-02-01 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This work presents a algorithmic study of Multicast Packing Problem considering a multiobjective approach. The first step realized was an extensive review about the problem. This review serverd as a reference point for the definition of the multiobjective mathematical model. Then, the instances used in the experimentation process were defined, this instances were created based on the main caracteristics from literature. Since both mathematical model and the instances were definined, then several algoritms were created. The algorithms were based on the classical approaches to multiobjective optimization: NSGA2 (3 versions), SPEA2 (3 versions). In addition, the GRASP procedures were adapted to work with multiples objectives, two vesions were created. These algorithms were composed by three recombination operators(C1, C2 e C3), two operator for build solution, a mutation operator and a local search procedure. Finally, a long experimentation process was performed. This process has three stages: the first consisted of adjusting the parameters; the second was perfomed to indentify the best version for each algorithm. After, the best versions for each algorithm were compared in order to identify the best algorithm among all. The algorithms were evaluated based on quality indicators and Hypervolume Multiplicative Epsilon / O presente trabalho apresenta um estudo algor?tmico do Multicast Packing Problem levando em considera??o uma abordagem multiobjetivo. Para tal, faz-se uma extensa revis?o sobre o problema em quest?o. Esta revis?o serviu como ponto de refer?ncia para defini??o de um modelo matem?tico multiobjetivo, tendo em vista que n?o h? na literatura nenhum trabalho que tenha tratado o tema neste aspecto. Em seguida, define-se os casos de teste utilizados no processo de experimenta??o dos algoritmos. Uma vez que tanto modelo matem?tico multiobjetivo quanto os casos de teste foram criados, ent?o desenvolve-se v?rios algoritmos com base nas abordagens cl?ssicas para problemas de otimiza??o multiobjetivo: NSGA2 (3 vers?es) e SPEA2 (3 vers?es). Al?m disso, adaptou-se a metaheur?stica GRASP (2 vers?es) para aplica??o considerando o modelo proposto. Estes algoritmos foram compostos por tr?s operadores de recombina??o (C1, C2, C3), dois operadores de constru??o de solu??o, um operador de muta??o e um operador de busca local. Por fim, um extenso processo de experimenta??o dos algoritmos ? realizado. Este processo possui tr?s etapas: a primeira etapa consistiu de ajustar os par?metros que cada algoritmo necessita, neste caso o ajuste de par?metro foi realizado para todas as vers?es do SPEA2, NSGA2 e GRASP; A segunda etapa consistiu de verificar, para cada algoritmo, qual a melhor vers?o. Por fim, as melhores vers?es de cada algoritmo, no total 3 vers?es, foram comparadas entre si visando identificar qual o melhor algoritmo dentre todos. Os algoritmos foram avaliados com base nos indicadores de qualidade Hypervolume e Epsilon Multiplicativo. Os resultados dos experimentos foram avaliados atrav?s de testes estat?sticos n?o-param?tricos (teste de Mann-Whitney e teste de Friedman). A avalia??o dos resultados foi favor?ravel ao NSGA2-C2 segundo a metodologia de avalia??o utilizada

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-04-08T22:40:13Z No. of bitstreams: 1 ThatianaCunhaNavarroDeSouza_TESE.pdf: 4253732 bytes, checksum: b88b33669e4903291d2e3da03d76f832 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-04-11T22:01:06Z (GMT) No. of bitstreams: 1 ThatianaCunhaNavarroDeSouza_TESE.pdf: 4253732 bytes, checksum: b88b33669e4903291d2e3da03d76f832 (MD5) / Made available in DSpace on 2016-04-11T22:01:06Z (GMT). No. of bitstreams: 1 ThatianaCunhaNavarroDeSouza_TESE.pdf: 4253732 bytes, checksum: b88b33669e4903291d2e3da03d76f832 (MD5) Previous issue date: 2015-03-13 / Um importante problema enfrentado pela ind?stria petrol?fera ? distribuir v?rios produtos derivados de petr?leo atrav?s de polidutos. Tal distribui??o ? feita atrav?s de uma rede composta por refinarias (n?s fonte), parques de armazenagem (n?s intermedi?rios) e terminais (n?s de demanda), interligados por um conjunto de polidutos que transportam petr?leo e derivados entre ?reas adjacentes. Restri??es relativas a limites de armazenamento, tempo de entrega, disponibilidade das fontes, limites de envio e recebimento, entre outras, t?m de ser satisfeitas. Alguns pesquisadores lidam com este problema sob o ponto de vista discreto onde o fluxo na rede ? visto como o envio de bateladas. Geralmente, n?o existem dispositivos de separa??o entre bateladas de produtos diferentes e as perdas devidas ? interface podem ser significativas. Minimizar o tempo de entrega ? um objetivo usual dos engenheiros durante a programa??o do envio de produtos em redes de polidutos. No entanto, os custos devidos ?s perdas geradas nas interfaces n?o podem ser desconsiderados. O custo do envio dos produtos tamb?m depende das despesas de bombeamento as quais s?o, em grande parte, devidas ao custo da energia el?trica. Uma vez que a tarifa industrial de energia el?trica varia ao longo do dia, o bombeamento em diferentes per?odos ter?o diferentes custos. Este trabalho apresenta uma investiga??o experimental de m?todos computacionais desenvolvidos para lidar com o problema do envio de bateladas de derivados de petr?leo considerando a minimiza??o simult?nea de tr?s fun??es objetivo: tempo de entrega, perdas devidas ?s interfaces e custo de energia el?trica. Tal problema ? NP- ?rduo e ser? abordado atrav?s de algoritmos evolucion?rios h?bridos. As hibridiza??es t?m como foco principal os Algoritmos Transgen?ticos e arquiteturas cl?ssicas de algoritmos evolucion?rios multi-objetivo como MOEA/D, NSGA2 e SPEA2. Tr?s arquiteturas denominadas MOTA/D, NSTA e SPETA, s?o aplicadas ao problema. ? apresentado um estudo experimental dos algoritmos propostos onde ? utilizado um conjunto de trinta casos teste. Para analisar os resultados obtidos com os algoritmos s?o empregados indicadores de qualidade Pareto concordantes e testes estat?sticos n?o param?tricos. / An important problem faced by the oil industry is to distribute multiple oil products through pipelines. Distribution is done in a network composed of refineries (source nodes), storage parks (intermediate nodes), and terminals (demand nodes) interconnected by a set of pipelines transporting oil and derivatives between adjacent areas. Constraints related to storage limits, delivery time, sources availability, sending and receiving limits, among others, must be satisfied. Some researchers deal with this problem under a discrete viewpoint in which the flow in the network is seen as batches sending. Usually, there is no separation device between batches of different products and the losses due to interfaces may be significant. Minimizing delivery time is a typical objective adopted by engineers when scheduling products sending in pipeline networks. However, costs incurred due to losses in interfaces cannot be disregarded. The cost also depends on pumping expenses, which are mostly due to the electricity cost. Since industrial electricity tariff varies over the day, pumping at different time periods have different cost. This work presents an experimental investigation of computational methods designed to deal with the problem of distributing oil derivatives in networks considering three minimization objectives simultaneously: delivery time, losses due to interfaces and electricity cost. The problem is NP-hard and is addressed with hybrid evolutionary algorithms. Hybridizations are mainly focused on Transgenetic Algorithms and classical multi-objective evolutionary algorithm architectures such as MOEA/D, NSGA2 and SPEA2. Three architectures named MOTA/D, NSTA and SPETA are applied to the problem. An experimental study compares the algorithms on thirty test cases. To analyse the results obtained with the algorithms Pareto-compliant quality indicators are used and the significance of the results evaluated with non-parametric statistical tests.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-07-22T15:02:53Z No. of bitstreams: 1 LucasDanielMonteiroDosSantosPinheiro_DISSERT.pdf: 1789796 bytes, checksum: 996c49626073bcec8708e85866e1f00e (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-07-26T23:43:20Z (GMT) No. of bitstreams: 1 LucasDanielMonteiroDosSantosPinheiro_DISSERT.pdf: 1789796 bytes, checksum: 996c49626073bcec8708e85866e1f00e (MD5) / Made available in DSpace on 2016-07-26T23:43:20Z (GMT). No. of bitstreams: 1 LucasDanielMonteiroDosSantosPinheiro_DISSERT.pdf: 1789796 bytes, checksum: 996c49626073bcec8708e85866e1f00e (MD5) Previous issue date: 2016-02-03 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico (CNPq) / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O problema da ?rvore Geradora M?nima Quadr?tica (AGMQ) ? uma generaliza??o doproblema da ?rvore Geradora M?nima onde, al?m dos custos lineares das arestas, custosquadr?ticos associados a cada par de arestas s?o considerados. Os custos quadr?ticos s?odevidos ? custos de intera??o entre as arestas. No caso das intera??es ocorrerem somenteentre arestas adjacentes, o problema ? denominado ?rvore Geradora M?nima Quadr?ticaem Adjac?ncia de Arestas (AGMQA). Tanto a AGMQ quanto a AGMQA s?o NP-dif?ceise modelam diversos problemas reais envolvendo projeto de redes de infraestrutura. Oscustos lineares e quadr?ticos s?o somados nas vers?es mono-objetivo destes problemas.Frequentemente, aplica??es reais lidam com objetivos conflitantes. Nestes casos a considera??o dos custos lineares e quadr?ticos separadamente ? mais adequada e a otimiza??omultiobjetivo prov? modelos mais realistas. Algoritmos exatos e heur?sticos s?o investigados neste trabalho para a vers?o biobjetivo da AGMQA. As seguintes t?cnicas s?opropostas: backtracking, branch-and-bound, busca local, Greedy RandomizedAdaptive Search Procedure, Simulated Annealing, NSGAII, Algoritmo Transgen?tico, Otimiza??o por Nuvem de Part?culas e uma hibridiza??o entre a t?cnica do MOEA-D eo Algoritmo Transgen?tico. S?o utilizados indicadores de qualidade Pareto concordantespara comparar os algoritmos em um conjunto de inst?ncias de bases de dado da literatura. / The Quadratic Minimum Spanning Tree (QMST) problem is a generalization of the Minimum Spanning Tree problem in which, beyond linear costs associated to each edge, quadratic costs associated to each pair of edges must be considered. The quadratic costs are due to interaction costs between the edges. When interactions occur between adjacent edges only, the problem is named Adjacent Only Quadratic Minimum Spanning Tree (AQMST). Both QMST and AQMST are NP-hard and model a number of real world applications involving infrastructure networks design. Linear and quadratic costs are summed in the mono-objective versions of the problems. However, real world applications often deal with conflicting objectives. In those cases, considering linear and quadratic costs separately is more appropriate and multi-objective optimization provides a more realistic modelling. Exact and heuristic algorithms are investigated in this work for the Bi-objective Adjacent Only Quadratic Spanning Tree Problem. The following techniques are proposed: backtracking, branch-and-bound, Pareto Local Search, Greedy Randomized Adaptive Search Procedure, Simulated Annealing, NSGA-II, Transgenetic Algorithm, Particle Swarm Optimization and a hybridization of the Transgenetic Algorithm with the MOEA-D technique. Pareto compliant quality indicators are used to compare the algorithms on a set of benchmark instances proposed in literature.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-07-17T13:14:38Z No. of bitstreams: 1 FranciscaDeFatimaDoNascimentoSilva_TESE.pdf: 4413362 bytes, checksum: e0033cfcbd51c0cdcb5f93d10f64d5d3 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-07-19T11:55:55Z (GMT) No. of bitstreams: 1 FranciscaDeFatimaDoNascimentoSilva_TESE.pdf: 4413362 bytes, checksum: e0033cfcbd51c0cdcb5f93d10f64d5d3 (MD5) / Made available in DSpace on 2017-07-19T11:55:56Z (GMT). No. of bitstreams: 1 FranciscaDeFatimaDoNascimentoSilva_TESE.pdf: 4413362 bytes, checksum: e0033cfcbd51c0cdcb5f93d10f64d5d3 (MD5) Previous issue date: 2017-03-06 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O desenvolvimento de um campo petrol?fero pode ser entendido como o conjunto de a??es necess?rias para colocar o campo em produ??o: perfura??es, sistemas de inje??o, plataformas, etc. A forma como ser? feito este desenvolvimento define uma ou mais alternativas. Assim, definir alternativas de desenvolvimento de um campo petrol?fero ? uma das tarefas mais importantes na ?rea de reservat?rios, dado que estas defini??es afetam o comportamento do reservat?rio, decis?es futuras, an?lises econ?micas e, consequentemente, a atratividade resultante dos projetos definidos. Este trabalho apresenta a implementa??o de um sistema otimizador multiobjetivo baseado no algoritmo gen?tico NSGA-II (Non-Dominated Sorting Genetic Algorithm), que oferece uma ferramenta de suporte ? decis?o e automatiza a busca de alternativas para o desenvolvimento de campos petrol?feros submetidos ao processo de inje??o de ?gua. Cada alternativa refere-se ? forma como um campo petrol?fero, conhecido e delimitado, ? colocado em produ??o, isto ?, diz respeito ? determina??o do n?mero e a disposi??o dos po?os produtores e injetores no campo. A aplica??o do algoritmo consiste em encontrar as configura??es de produ??o que, em longo prazo, forne?am o maior Valor Presente L?quido (VPL), obtido a partir do custo de investimento inicial, do pre?o do petr?leo, da produ??o de ?leo e dos custos de opera??o pagos durante o tempo de produ??o, ou seja, a condi??o operacional mais vi?vel economicamente, reduzindo o tempo do processo de tomada de decis?o. Com os resultados apresentados foi poss?vel observar que em v?rios casos as aplica??es das linhas de a??o possibilitaram aumentos significativos no VPL e no Fator de Recupera??o ao final do projeto. Considerando o Caso_36 de dimens?o de malha de 300m, o Fator de Recupera??o aumentou de 45,66% para 50,24%, um aumento de quase 5 pontos percentuais no volume de ?leo recuperado. Diante do exposto, observa-se que as interven??es operacionais de alterar (aumentar ou diminuir) a vaz?o de inje??o de ?gua inicial ou mudar o layout de malha no campo melhoram a rentabilidade, reduzindo os custos com a inje??o de ?gua, tratamento e descarte da ?gua produzida, aumentando o tempo de viabilidade do projeto. Por outro lado, ? importante destacar tamb?m que, em alguns casos, ao aplicar as linhas de a??o, o Fator de recupera??o final ? menor, mas ainda sim as redu??es dos custos operacionais viabilizam a opera??o. / The development of an oil field can be understood as the set of actions necessary to put the field into production: drilling, injection systems, platforms, etc. This development the way will be made defines an alternative. Set a development of an oil field alternative is one of the most important tasks in the reservoir area, given that this definition affects the reservoir behavior, future decisions, economic analysis and consequently the resulting attractiveness of the defined project. This paper presents the implementation of a system based on genetic algorithm multiobjective optimizer NSGA-II (Non-Dominated Sorting Genetic Algorithm), which offers a decision support tool and automates the search for alternatives to the development of the oilfield submitted to water injection process. Each alternative refers to how an oil field, known and defined, is put into production, that is, with respect to the determination of number and the disposition of producers wells and injectors in the field. The implementation of the algorithm is to find the production settings, in the long run, which provide the highest net present value (NPV), obtained from the initial investment cost, the price of oil, oil production and operation costs paid during the production time, considering the operational conditions economically viable, reducing operating costs and the time in the decision-making process. With the obtained results it was possible to observe that in many cases the application of the lines of action enabled relevant rise on the net present value (NPV) and also in the Recovery Factor, both seen in the end of the project. Considering the Case_36 of the mesh that has 300m, the Recovery Factor increased from 45,66% to 50,24%, a rise of almost 5 percentage points on the volume of oil recovered. In the light of what was presented, it may be perceived that the operations that alter (ascending or descending) the flow of water injection or that change the mesh?s layout on the field improve the profitability, reducing costs from the water injection, treatment and disposal of the produced water, increasing the duration of viability of the project. However, it is important to highlight that, in some cases, applying the lines of action, the final recovery factor is lower, but still the reductions of the operational costs will make the operation viable.

Submitted by Jadson Francisco de Jesus SILVA (jadson@uefs.br) on 2018-07-18T21:55:12Z No. of bitstreams: 1 Disserta??o.pdf: 2639155 bytes, checksum: af49bdcdf83d4a063546324a223124a4 (MD5) / Made available in DSpace on 2018-07-18T21:55:12Z (GMT). No. of bitstreams: 1 Disserta??o.pdf: 2639155 bytes, checksum: af49bdcdf83d4a063546324a223124a4 (MD5) Previous issue date: 2018-03-27 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES / Wireless visual sensor networks can provide valuable information for a lot of moni- toring and control applications, which has driven much attention from the academic community in last years. For some applications, a set of targets have to be covered by visual sensors and sensing redundancy may be desired in many cases, especially when applications have availability requirements or demands for multiple coverage perspectives for viewed targets. For rotatable visual sensors, the sensing orientations can be adjusted for optimized coverage and redundancy, with different optimization approaches available to address this problem. Particularly, as different optimization parameters may be considered, the redundant coverage maximization issue may be treated as a multi-objective problem, with some potential solutions to be conside- red. In this context, two different evolutionary algorithms are proposed to compute redundant coverage maximization for target viewing, intending to be more efficient alternatives to greedy-based algorithms. Simulation results reinforce the benefits of employing evolutionary algorithms for adjustments of sensors? orientations, poten- tially benefiting deployment and management of wireless visual sensor networks for different applications. / As redes de sensores visuais sem fio podem obter, atrav?s de c?meras, informa??es importantes para aplica??es de controle e monitoramento, e tem ganhado aten??o da comunidade acad?mica nos ?ltimos anos. Para algumas aplica??es, um conjunto de alvos deve ser coberto por sensores visuais, e por vezes com demanda de redund?ncia de cobertura, especialmente quando h? requisitos de disponibilidade ou demandas de m?ltiplas perspectivas de cobertura para os alvos visados. Para sensores visuais rotacion?veis, as orienta??es de detec??o podem ser ajustadas para otimizar cobertura e redund?ncia, existindo diferentes abordagens de otimiza??o dispon?veis para solucionar esse problema. Particularmente, como diferentes par?metros de otimizac?o podem ser considerados, o problema de maximiza??o de cobertura redundante pode ser tratado como um problema multiobjetivo, com algumas solu??es potenciais a serem consideradas. Neste contexto, dois algoritmos evolutivos diferentes s?o propostos para calcular a maximiza??o de cobertura redundante para visualiza??o de alvos, pretendendo ser alternativas mais eficientes para algoritmos gulosos. Os resultados da simula??o refor?am os benef?cios de empregar algoritmos evolutivos para ajustes das orienta??es dos sensores, potencialmente beneficiando a implanta??o e o gerenciamento de redes de sensores visuais sem fio para diferentes aplica??es.

Made available in DSpace on 2014-12-17T15:47:03Z (GMT). No. of bitstreams: 1 SilviaMDMM_TESE.pdf: 3010194 bytes, checksum: 43610ec3f0a30c2e5ef7fb5c0b2dc5b0 (MD5) Previous issue date: 2013-12-16 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The Quadratic Minimum Spanning Tree Problem (QMST) is a version of the Minimum Spanning Tree Problem in which, besides the traditional linear costs, there is a quadratic structure of costs. This quadratic structure models interaction effects between pairs of edges. Linear and quadratic costs are added up to constitute the total cost of the spanning tree, which must be minimized. When these interactions are restricted to adjacent edges, the problem is named Adjacent Only Quadratic Minimum Spanning Tree (AQMST). AQMST and QMST are NP-hard problems that model several problems of transport and distribution networks design. In general, AQMST arises as a more suitable model for real problems. Although, in literature, linear and quadratic costs are added, in real applications, they may be conflicting. In this case, it may be interesting to consider these costs separately. In this sense, Multiobjective Optimization provides a more realistic model for QMST and AQMST. A review of the state-of-the-art, so far, was not able to find papers regarding these problems under a biobjective point of view. Thus, the objective of this Thesis is the development of exact and heuristic algorithms for the Biobjective Adjacent Only Quadratic Spanning Tree Problem (bi-AQST). In order to do so, as theoretical foundation, other NP-hard problems directly related to bi-AQST are discussed: the QMST and AQMST problems. Bracktracking and branch-and-bound exact algorithms are proposed to the target problem of this investigation. The heuristic algorithms developed are: Pareto Local Search, Tabu Search with ejection chain, Transgenetic Algorithm, NSGA-II and a hybridization of the two last-mentioned proposals called NSTA. The proposed algorithms are compared to each other through performance analysis regarding computational experiments with instances adapted from the QMST literature. With regard to exact algorithms, the analysis considers, in particular, the execution time. In case of the heuristic algorithms, besides execution time, the quality of the generated approximation sets is evaluated. Quality indicators are used to assess such information. Appropriate statistical tools are used to measure the performance of exact and heuristic algorithms. Considering the set of instances adopted as well as the criteria of execution time and quality of the generated approximation set, the experiments showed that the Tabu Search with ejection chain approach obtained the best results and the transgenetic algorithm ranked second. The PLS algorithm obtained good quality solutions, but at a very high computational time compared to the other (meta)heuristics, getting the third place. NSTA and NSGA-II algorithms got the last positions / O problema da ?rvore Geradora M?nima Quadr?tica (AGMQ) ? uma vers?o do problema da ?rvore Geradora M?nima na qual se considera, al?m dos custos lineares tradicionais, uma estrutura de custos quadr?tica. Tal estrutura quadr?tica modela efeitos de intera??o entre pares de arestas. Os custos lineares e quadr?ticos s?o somados para compor o custo total da ?rvore geradora, que deve ser minimizado. Quando as intera??es s?o restritas ?s arestas adjacentes, o problema ? denominado ?rvore Geradora M?nima Quadr?tica em Adjac?ncia de Arestas (AGMQA). A AGMQA e a AGMQ s?o problemas NP-dif?ceis que modelam diversos problemas de projeto de redes de transporte e distribui??o. Em geral, a AGMQA emerge como um modelo mais apropriado para a modelagem de problemas reais. Embora, na literatura, os custos lineares e quadr?ticos sejam somados, em aplica??es reais, os custos linear e quadr?tico podem ser conflitantes. Neste caso, seria mais interessante considerar os custos separadamente. Neste sentido, a Otimiza??o Multiobjetivo prov? uma modelagem mais realista para os problemas da AGMQ e da AGMQA. Uma revis?o do estado da arte, at? o momento, n?o foi capaz de encontrar qualquer trabalho que investigue esses problemas sob um ponto de vista biobjetivo. O objetivo desta Tese ?, pois, o desenvolvimento de algoritmos exatos e heur?sticos para o Problema Biobjetivo da ?rvore Geradora Quadr?tica em Adjac?ncia de Arestas (AGQA-bi). Para tanto, como fundamenta??o te?rica, discutem-se outros problemas NP-dif?ceis diretamente relacionados ? AGQA-bi, a saber: AGMQ e AGMQA. Algoritmos exatos backtracking e branch-and-bound s?o propostos para o problema-alvo desta investiga??o. Os algoritmos heur?sticos desenvolvidos s?o: busca local Pareto Local Search, Busca Tabu com ejection chain, Algoritmo Transgen?tico, NSGA-II e uma hibridiza??o das duas ?ltimas propostas mencionadas denominada NSTA. Os algoritmos propostos s?o comparados entre si por meio da an?lise de seus desempenhos em experimentos computacionais com casos de teste adaptados da literatura da AGMQ. No que se refere aos algoritmos exatos, a an?lise considera, em especial, o tempo de execu??o. No caso dos algoritmos heur?sticos, al?m do tempo de execu??o, a qualidade do conjunto de aproxima??o gerado ? avaliada. Indicadores de qualidade s?o empregados para aferir tal informa??o. Ferramentas estat?sticas apropriadas s?o usadas na an?lise de desempenho dos algoritmos exatos e heur?sticos. Para o conjunto de inst?ncias utilizado e considerando os crit?rios de qualidade dos conjuntos de aproxima??o gerados e tempo de execu??o dos algoritmos, os experimentos mostraram que o algoritmo de Busca Tabu com ejection chain obteve melhores resultados e que o algoritmo transgen?tico ficou em segundo lugar. A busca local PLS obteve solu??es de qualidade, mas a um tempo computacional muito alto se comparado ?s outras (meta)heur?sticas. Nesse sentido, ocupa a terceira coloca??o. Por fim, ficaram os algoritmos NSTA e NSGAII

Made available in DSpace on 2014-12-17T14:56:06Z (GMT). No. of bitstreams: 1 SinaraRM_DISSERT.pdf: 1037040 bytes, checksum: 9dd71f16b45358e60b8b82862adaafc6 (MD5) Previous issue date: 2012-08-15 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This paper presents an evaluative study about the effects of using a machine learning technique on the main features of a self-organizing and multiobjective genetic algorithm (GA). A typical GA can be seen as a search technique which is usually applied in problems involving no polynomial complexity. Originally, these algorithms were designed to create methods that seek acceptable solutions to problems where the global optimum is inaccessible or difficult to obtain. At first, the GAs considered only one evaluation function and a single objective optimization. Today, however, implementations that consider several optimization objectives simultaneously (multiobjective algorithms) are common, besides allowing the change of many components of the algorithm dynamically (self-organizing algorithms). At the same time, they are also common combinations of GAs with machine learning techniques to improve some of its characteristics of performance and use. In this work, a GA with a machine learning technique was analyzed and applied in a antenna design. We used a variant of bicubic interpolation technique, called 2D Spline, as machine learning technique to estimate the behavior of a dynamic fitness function, based on the knowledge obtained from a set of laboratory experiments. This fitness function is also called evaluation function and, it is responsible for determining the fitness degree of a candidate solution (individual), in relation to others in the same population. The algorithm can be applied in many areas, including in the field of telecommunications, as projects of antennas and frequency selective surfaces. In this particular work, the presented algorithm was developed to optimize the design of a microstrip antenna, usually used in wireless communication systems for application in Ultra-Wideband (UWB). The algorithm allowed the optimization of two variables of geometry antenna - the length (Ls) and width (Ws) a slit in the ground plane with respect to three objectives: radiated signal bandwidth, return loss and central frequency deviation. These two dimensions (Ws and Ls) are used as variables in three different interpolation functions, one Spline for each optimization objective, to compose a multiobjective and aggregate fitness function. The final result proposed by the algorithm was compared with the simulation program result and the measured result of a physical prototype of the antenna built in the laboratory. In the present study, the algorithm was analyzed with respect to their success degree in relation to four important characteristics of a self-organizing multiobjective GA: performance, flexibility, scalability and accuracy. At the end of the study, it was observed a time increase in algorithm execution in comparison to a common GA, due to the time required for the machine learning process. On the plus side, we notice a sensitive gain with respect to flexibility and accuracy of results, and a prosperous path that indicates directions to the algorithm to allow the optimization problems with "η" variables / Este trabalho apresenta um estudo avaliativo dos efeitos da utiliza??o de uma t?cnica de aprendizado de m?quina nas caracter?sticas principais de um algoritmo gen?tico (GA) multiobjetivo e auto-organiz?vel. Um GA t?pico pode ser visto como uma t?cnica de busca que ? normalmente aplicada em problemas que envolvem complexidade n?o polinomial. Originalmente, estes algoritmos foram idealizados para criar m?todos que buscam solu??es aceit?veis para problemas em que os ?timos globais s?o inacess?veis ou s?o de dif?cil obten??o. A princ?pio, os GAs consideravam apenas uma fun??o de avalia??o e um ?nico objetivo de otimiza??o. Hoje, entretanto, s?o comuns as implementa??es que consideram diversos objetivos de otimiza??o simultaneamente (algoritmos multiobjetivos), al?m de permitir a altera??o de diversos componentes do algoritmo dinamicamente (algoritmos autoorganiz?veis). Ao mesmo tempo, s?o comuns tamb?m as combina??es dos GAs com t?cnicas de aprendizado de m?quina para melhorar algumas de suas caracter?sticas de desempenho e utiliza??o. Neste trabalho, um GA com recursos de aprendizado de m?quina foi analisado e aplicado em um projeto de antena. Utilizou-se uma t?cnica variante de interpola??o bic?bica, denominada Spline 2D, como t?cnica de aprendizado de m?quina para estimar o comportamento de uma fun??o de fitness din?mica, a partir do conhecimento obtido de um conjunto de experimentos realizados em laborat?rio. Esta fun??o de fitness ? tamb?m denominada de fun??o de avalia??o e ? respons?vel pela determina??o do grau de aptid?o de uma solu??o candidata (indiv?duo) em rela??o ?s demais de uma mesma popula??o. O algoritmo pode ser aplicado em diversas ?reas, inclusive no dom?nio das telecomunica??es, como nos projetos de antenas e de superf?cies seletivas de frequ?ncia. Neste trabalho em particular, o algoritmo apresentado foi desenvolvido para otimizar o projeto de uma antena de microfita, comumente utilizada em sistemas de comunica??o sem fio e projetada para aplica??o em sistemas de banda ultra larga (Ultra-Wideband - UWB). O algoritmo permitiu a otimiza??o de duas vari?veis da geometria da antena - o Comprimento (Ls) e a Largura (Ws) de uma fenda no plano de terra com rela??o a tr?s objetivos: largura de banda do sinal irradiado, perda de retorno e desvio da frequ?ncia central. As duas dimens?es (Ls e Ws) s?o usadas como vari?veis em tr?s distintas fun??es de interpola??o, sendo uma Spline para cada objetivo da otimiza??o, para compor uma fun??o de fitness agregada e multiobjetiva. O resultado final proposto pelo algoritmo foi comparado com o resultado obtido de um programa simulador e com o resultado medido de um prot?tipo f?sico da antena constru?da em laborat?rio. No estudo apresentado, o algoritmo foi analisado com rela??o ao seu grau de sucesso, no que diz respeito a quatro caracter?sticas importantes de um GA multiobjetivo auto-organiz?vel: desempenho, flexibilidade, escalabilidade e exatid?o. Ao final do estudo, observou-se na compila??o do algoritmo um aumento no tempo de execu??o em compara??o a um GA comum, por conta do tempo necess?rio para o processo de aprendizagem. Como ponto positivo, notou-te um ganho sens?vel com rela??o a flexibilidade e a exatid?o dos resultados apresentados, al?m de um caminho pr?spero que indica dire??es para permitir com que o algoritmo permita a otimiza??o de problemas com η vari?veis

Made available in DSpace on 2014-12-17T15:47:52Z (GMT). No. of bitstreams: 1 ThatianaCNS_DISSERT.pdf: 1637234 bytes, checksum: 8b38ce4a7a358efe654d9bb1c23c15bc (MD5) Previous issue date: 2010-03-02 / The distribution of petroleum products through pipeline networks is an important problem that arises in production planning of refineries. It consists in determining what will be done in each production stage given a time horizon, concerning the distribution of products from source nodes to demand nodes, passing through intermediate nodes. Constraints concerning storage limits, delivering time, sources availability, limits on sending or receiving, among others, have to be satisfied. This problem can be viewed as a biobjective problem that aims at minimizing the time needed to for transporting the set of packages through the network and the successive transmission of different products in the same pipe is called fragmentation. This work are developed three algorithms that are applied to this problem: the first algorithm is discrete and is based on Particle Swarm Optimization (PSO), with local search procedures and path-relinking proposed as velocity operators, the second and the third algorithms deal of two versions based on the Non-dominated Sorting Genetic Algorithm II (NSGA-II). The proposed algorithms are compared to other approaches for the same problem, in terms of the solution quality and computational time spent, so that the efficiency of the developed methods can be evaluated / A distribui??o de produtos de petr?leo atrav?s de redes de polidutos ? um importante problema que se coloca no planejamento de produ??o das refinarias. Consiste em determinar o que ser? feito em cada est?gio de produ??o dado um determinado horizonte de tempo, no que respeita ? distribui??o de produtos de n?s fonte ? procura de n?s, passando por n?s intermedi?rios. Restri??es relativas a limites de armazenamento, tempo de entrega, disponibilidade de fontes, limites de envio ou recebimento, entre outros, t?m de ser satisfeitas. Este problema pode ser visto como um problema biobjetivo, que visa minimizar o tempo necess?rio para transportar o conjunto de pacotes atrav?s da rede e o envio sucessivo de produtos diferentes no mesmo duto que ? chamado de fragmenta??o. Neste trabalho, s?o desenvolvidos tr?s algoritmos que s?o aplicados a esse problema: o primeiro algoritmo ? discreto e baseia-se na Otimiza??o por Nuvem de Part?culas (PSO), com procedimentos de busca local e path-relinking propostos como operadores de velocidade, o segundo e o terceiro algoritmos tratam de duas vers?es baseadas no Non-dominated Sorting Genetic Algorithm II (NSGA-II). Os algoritmos propostos s?o comparados a outras abordagens para o mesmo problema, em termos de qualidade de solu??o e tempo computacional despendido, a fim de se avaliar a efici?ncia dos m?todos desenvolvidos