Approved for public release, distribution is unlimited / Numerous optimization problems involve systems with multiple and often contradictory criteria. Such contradictory criteria have been an issue for marine/naval engineering design studies for many years. This problem becomes more important when one considers novel ship types with very limited or no operational record. A number of approaches have been proposed to overcome these multiple criteria design optimization problems. This Thesis follows the Parameter Space Investigation (PSI) technique to address these problems. The PSI method is implemented with a software package called MOVI (Multi-criteria Optimization and Vector Identification). Two marine/naval engineering design optimization models were investigated using the PSI technique along with the MOVI software. The first example was a bulk carrier design model which was previously studied with other optimization methods. This model, which was selected due to its relatively small dimensionality and the availability of existing studies, was utilized in order to demonstrate and validate the features of the proposed approach. A more realistic example was based on the "MIT Functional Ship Design Synthesis Model" with a greater number of parameters, criteria, and functional constraints. A series of optimization studies conducted for this model demonstrated that the proposed approach can be implemented in a naval ship design environment and can lead to a large design parameter space exploration with minimum computational effort. / Lieutenant Junior Grade, Turkish Navy

Made available in DSpace on 2017-07-21T19:25:45Z (GMT). No. of bitstreams: 1 VagnerI.pdf: 11138375 bytes, checksum: d9bd7c0fe3aba2949fbf229e29e527e4 (MD5) Previous issue date: 2015-03-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In this work we investigated the parameter space of a system consisting of two oscillators coupled in a master-slave configuration. In order to do so we employed Lyapunov exponent's diagrams in the parameter space, the distribution of the finite-time Lyapunov exponents and its positive fraction. We were able to show that, when the slave system is coupled to the master, the shrimp-shaped periodic structures that previously existed begins to be eroded from the outside, and that the erosion progresses with the increase in the intensity of the coupling. We also showed that in the region where the erosion takes place the second Lyapunov exponent exhibits a bimodal distribution with a maximum close to zero and the other close to 0:1. By plotting the points in the phase space that belong to each maximum we were able to identify two kinds of attractors, a limit cicle and a chaotic attractor, in which the slave system intermittently moves. / Neste trabalho foi investigado o espaço de parâmetros de um sistema formado por dois osciladores acoplados em uma configuração mestre-escravo. Como ferramenta de análise utilizamos diagramas de expoente de Lyapunov no espaço de parâmetros, a distribuição a tempo finito do expoente de Lyapunov e sua fração positiva. Mostramos que quando o sistema escravo é acoplado ao mestre as estruturas periódicas em formato de camarão existentes anteriormente começam a ser erodidas de fora para dentro, e que essa erosão aumenta com o aumento da intensidade do acoplamento. Mostramos também que na região em que ocorre a erosão o segundo expoente de Lyapunov apresenta uma distribuição bimodal com um máximo próximo a zero e outro próximo a 0; 1. Plotando os pontos no espaço de fase pertencentes a cada um dos máximos encontramos dois tipos de atratores, um ciclo limite e um atrator caótico, nos quais o sistema escravo transita de forma intermitente.

Este trabalho apresenta uma solução geral para a detecção de alinhamentos de dados em conjuntos multidimensionais não ordenados e ruidosos. Nesta abordagem, o tipo requerido de alinhamento de dados pode ser uma forma geométrica (e.g., linha reta, plano, círculo, esfera, seção cônica, entre outras) ou qualquer estrutura, com dimensionalidade arbitrária, que possa ser caracterizada por um subespaço linear. A detecção é realizada por meio de um procedimento composto por três etapas. Na etapa de inicialização, um espaço de parâmetros com p (n − p) dimensões é definido de modo que cada ponto neste espaço represente uma instância do alinhamento requerido, descrito por um subespaço p-dimensional em um domínio n-dimensional. Em seguida, uma grade de acumuladores é criada como sendo a representação discreta do espaço de parâmetros. Na segunda etapa do procedimento, cada elemento no conjunto de dados de entrada (também um subespaço no domínio n-dimensional) é mapeado para o espaço de parâmetros como os pontos (no espaço de parâmetros) representando os subespaços requeridos que contém ou que estão contidos no elemento de entrada. À medida que os elementos de entrada são mapeados, as células do acumulador relacionadas com o mapeamento são incrementadas pelo valor de importância do elemento mapeado. A etapa final do procedimento recupera os subespaços p-dimensionais que melhor se ajustam aos dados de entrada como sendo os máximos locais na grade de acumuladores. A parametrização proposta é independente das propriedades geométricas dos alinhamentos a serem detectados. Além disso, o procedimento de mapeamento é independente do tipo de dado de entrada e é capaz de se adaptar a elementos com dimensionalidades arbitrárias. Essas características permitem a utilização da técnica (sem a necessidade de modificações) como uma ferramenta para a detecção de padrões em uma grande quantidade de aplicações. Por conta de sua natureza geral, otimizações desenvolvidas para a abordagem proposta beneficiam, de forma imediata, todos os casos de detecção. Neste trabalho eu demonstro uma implementação em software da técnica proposta e mostro que ela pode ser aplicada tanto em casos simples de detecção, quanto na detecção concorrente de tipos diferentes de alinhamentos, com diferentes interpretações geométricas e em conjuntos de dados compostos por vários tipos de elementos. Esta dissertação também apresenta uma extensão do esquema de detecção para dados de entrada com distribuição Gaussiana de incerteza. A extensão proposta produz distribuições de valores mais suaves na grade de acumuladores e faz com que a técnica fique mais robusta à detecção de subespaços espúrios. / This dissertation presents a generalized closed-form framework for detecting data alignments in large unordered noisy multidimensional datasets. In this approach, the intended type of data alignment may be a geometric shape (e.g., straight line, plane, circle, sphere, conic section, among others) or any other structure, with arbitrary dimensionality that can be characterized by a linear subspace. The detection is performed using a three-step process. In the initialization, a p (n − p)-dimensional parameter space is defined in such a way that each point in this space represents an instance of the intended alignment described by a p-dimensional subspace in some n-dimensional domain. In turn, an accumulator array is created as the discrete representation of the parameter space. In the second step each input entry (also a subspace in the n-dimensional domain) is mapped to the parameter space as the set of points representing the intended p-dimensional subspaces that contain or are contained by the entry. As the input entries are mapped, the bins of the accumulator related to such a mapping are incremented by the importance value of the entry. The subsequent and final step retrieves the p-dimensional subspaces that best fit input data as the local maxima in the accumulator array. The proposed parameterization is independent of the geometric properties of the alignments to be detected. Also, the mapping procedure is independent of the type of input data and automatically adapts to entries of arbitrary dimensionality. This allows application of the proposed approach (without changes) in a broad range of applications as a pattern detection tool. Given its general nature, optimizations developed for the proposed framework immediately benefit all the detection cases. I demonstrate a software implementation of the proposed technique and show that it can be applied in simple detection cases as well as in concurrent detection of multiple kinds of alignments with different geometric interpretations, in datasets containing multiple types of data. This dissertation also presents an extension of the general detection scheme to data with Gaussian-distributed uncertainty. The proposed extension produces smoother distributions of values in the accumulator array and makes the framework more robust to the detection of spurious subspaces.

Este trabalho apresenta uma solução geral para a detecção de alinhamentos de dados em conjuntos multidimensionais não ordenados e ruidosos. Nesta abordagem, o tipo requerido de alinhamento de dados pode ser uma forma geométrica (e.g., linha reta, plano, círculo, esfera, seção cônica, entre outras) ou qualquer estrutura, com dimensionalidade arbitrária, que possa ser caracterizada por um subespaço linear. A detecção é realizada por meio de um procedimento composto por três etapas. Na etapa de inicialização, um espaço de parâmetros com p (n − p) dimensões é definido de modo que cada ponto neste espaço represente uma instância do alinhamento requerido, descrito por um subespaço p-dimensional em um domínio n-dimensional. Em seguida, uma grade de acumuladores é criada como sendo a representação discreta do espaço de parâmetros. Na segunda etapa do procedimento, cada elemento no conjunto de dados de entrada (também um subespaço no domínio n-dimensional) é mapeado para o espaço de parâmetros como os pontos (no espaço de parâmetros) representando os subespaços requeridos que contém ou que estão contidos no elemento de entrada. À medida que os elementos de entrada são mapeados, as células do acumulador relacionadas com o mapeamento são incrementadas pelo valor de importância do elemento mapeado. A etapa final do procedimento recupera os subespaços p-dimensionais que melhor se ajustam aos dados de entrada como sendo os máximos locais na grade de acumuladores. A parametrização proposta é independente das propriedades geométricas dos alinhamentos a serem detectados. Além disso, o procedimento de mapeamento é independente do tipo de dado de entrada e é capaz de se adaptar a elementos com dimensionalidades arbitrárias. Essas características permitem a utilização da técnica (sem a necessidade de modificações) como uma ferramenta para a detecção de padrões em uma grande quantidade de aplicações. Por conta de sua natureza geral, otimizações desenvolvidas para a abordagem proposta beneficiam, de forma imediata, todos os casos de detecção. Neste trabalho eu demonstro uma implementação em software da técnica proposta e mostro que ela pode ser aplicada tanto em casos simples de detecção, quanto na detecção concorrente de tipos diferentes de alinhamentos, com diferentes interpretações geométricas e em conjuntos de dados compostos por vários tipos de elementos. Esta dissertação também apresenta uma extensão do esquema de detecção para dados de entrada com distribuição Gaussiana de incerteza. A extensão proposta produz distribuições de valores mais suaves na grade de acumuladores e faz com que a técnica fique mais robusta à detecção de subespaços espúrios. / This dissertation presents a generalized closed-form framework for detecting data alignments in large unordered noisy multidimensional datasets. In this approach, the intended type of data alignment may be a geometric shape (e.g., straight line, plane, circle, sphere, conic section, among others) or any other structure, with arbitrary dimensionality that can be characterized by a linear subspace. The detection is performed using a three-step process. In the initialization, a p (n − p)-dimensional parameter space is defined in such a way that each point in this space represents an instance of the intended alignment described by a p-dimensional subspace in some n-dimensional domain. In turn, an accumulator array is created as the discrete representation of the parameter space. In the second step each input entry (also a subspace in the n-dimensional domain) is mapped to the parameter space as the set of points representing the intended p-dimensional subspaces that contain or are contained by the entry. As the input entries are mapped, the bins of the accumulator related to such a mapping are incremented by the importance value of the entry. The subsequent and final step retrieves the p-dimensional subspaces that best fit input data as the local maxima in the accumulator array. The proposed parameterization is independent of the geometric properties of the alignments to be detected. Also, the mapping procedure is independent of the type of input data and automatically adapts to entries of arbitrary dimensionality. This allows application of the proposed approach (without changes) in a broad range of applications as a pattern detection tool. Given its general nature, optimizations developed for the proposed framework immediately benefit all the detection cases. I demonstrate a software implementation of the proposed technique and show that it can be applied in simple detection cases as well as in concurrent detection of multiple kinds of alignments with different geometric interpretations, in datasets containing multiple types of data. This dissertation also presents an extension of the general detection scheme to data with Gaussian-distributed uncertainty. The proposed extension produces smoother distributions of values in the accumulator array and makes the framework more robust to the detection of spurious subspaces.

Made available in DSpace on 2016-12-12T20:15:48Z (GMT). No. of bitstreams: 1 elementos pre-textuais.pdf: 162361 bytes, checksum: 82f1f3cdfd0bb7d2b36c65252dee4600 (MD5) Previous issue date: 2012-02-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The erbium-doped fiber dual-ring laser is a four-dimensional continuous-time dynamical system, modeled by a set of four autonomous, first-order ordinary differential equations, and has been investigated in the last years due to several applications, as an example, chaos control, chaos synchronization and telecommunications systems. In this work we study the nonlinear dynamics of an erbium-doped fiber dual-ring laser from two points of view, analytical and numerical. The analytical investigation consists in to analyse the stability of an equilibrium point, using the Routh-Hurwitz criterion and some eigenvalues of the Jacobian matrix. The numerical investigation was performed in a the two-dimensional parameter-space of a set autonomous, seven-parameter, four-dimensional first-order ordinary differential equation system, tuning two parameters that control the dynamics. By using the Lyapunov exponents spectrum as a measure of chaotic and periodic behaviors, we construct parameter-space diagrams to characterize the dynamics of the model. We study the self-organized periodic structures embedded in a chaotic region by means of bifurcation diagrams, showing that there are directions in two-dimensional parameter-spaces in which the periodic structures are arranged in period-adding bifurcation cascades. / O laser de fibra de dois anéis dopado a érbio é um sistema dinâmico quadridimensional a tempo contínuo, modelado por um conjunto de quatro equações diferenciais ordinárias de primeira ordem autônomas, e tem sido investigado nos últimos anos devido as diversas aplicações, como por exemplo, controle de caos, sincronização de caos e sistemas de telecomunicações. Neste trabalho estudamos a dinâmica não linear do laser de fibra de dois anéis dopado a érbio a partir de dois pontos de vista, analítico e numérico. A investigação analítica consiste em analisar a estabilidade de um ponto de equilíbrio do sistema, usando o critério de Routh-Hurwitz e alguns autovalores da matriz Jacobiana. A investigação numérica foi realizada em um espaço de parâmetros bidimensional de um conjunto de quatro equações diferencias ordinárias de primeira ordem autônomas com sete parâmetros, variando dois parâmetros que controlam a dinâmica. Usando o maior Expoente de Lyapunov como uma medida dos comportamentos caótico e periódico construímos diagramas do espaço de parâmetros para caracterizar a dinâmica do modelo. Estudamos as auto-organizações de estruturas periódicas imersas em uma região caótica usando diagramas de bifurcação, mostrando que existem direções específicas no espaço de parâmetros bidimensional em que tais estruturas periódicas são arranjadas em cascatas de bifurcação por adição de período.

Made available in DSpace on 2016-12-12T20:15:49Z (GMT). No. of bitstreams: 1 Cristiane Stegemann.pdf: 4817823 bytes, checksum: f859f3883a8981d6a95d5baba3847fc3 (MD5) Previous issue date: 2012-07-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / One of the tumor growth model is formed by a three-dimensional continuous-time dynamical system, modeled by a set of three autonomous, first-order ordinary differential equations. Mathematical models for tumor growth are used as mechanisms to better understand this disease, find patterns for identification through simulations of the spatial distribution of tumors, or even analysis of interactions of cell populations in order to predict their future behavior. In this work, we introduce some systems that model population growth, which substantiate the choice of the equations of growth of tumors that will later be used in computer simulations. From the analytical point of view, one can determine all equilibrium points of the system and for one of them to study its stability. For to the latter task, we will use the eigenvalues of the Jacobian matrix. The numerical results were obtained by the study of parameter spaces and bifurcation diagrams. The parameter spaces were constructed from the change in a couple of parameters and by calculating a third magnitude, which in this work will be the period and the Lyapunov exponent. These results indicate the existence of specific regions in the parameter space where periodic structures were arranged in a period-adding bifurcation cascade. It is shown that, in the innermost region of the periodic structures, it is possible to visualize the superestable line. Finally, for certain parameter values, the periodic structures are presented spirally arranged, although no law of formation has been found. / Um dos modelos de crescimento de tumores é formado por um sistema dinâmico tridimensional a tempo contínuo, modelado por um conjunto de três equações diferenciais ordinárias de primeira ordem autônomas. Modelos matemáticos para crescimento de tumores são utilizados como mecanismos para entender melhor esta doença, encontrar padrões para sua identificação através de simulações da distribuição espacial de tumores, ou mesmo análises de interações de populações celulares com o intuito de predizer seu comportamento futuro. Neste trabalho, serão apresentados alguns sistemas que modelam crescimento populacional, o que fundamentará a escolha das equações de crescimento de tumores que, posteriormente, serão utilizadas nas simulações computacionais. Do ponto de vista analítico, pode-se determinar todos os pontos de equilíbrio do sistema e, para um deles, estudar sua estabilidade. Para esta última tarefa, serão utilizados os autovalores da matriz Jacobiana. Os resultados numéricos foram obtidos via estudo de espaços de parâmetros e diagramas de bifurcação. Os espaços de parâmetros são construídos a partir da variação de um par de parâmetros e do cálculo de uma terceira grandeza, que neste trabalho, serão o período e o expoente de Lyapunov. Tais resultados indicam a existência de regiões específicas no espaço de parâmetros em que a estruturas periódicas são arranjadas em uma cascata de bifurcação por adição de período. Será mostrado que, na região mais interna das estruturas periódicas, é possível visualizar a linha de superestabilidade. Por fim, para determinados valores dos parâmetros, as estruturas periódicas se apresentam dispostas em espiral, embora nenhuma lei de formação tenha sido encontrada.

Este trabalho apresenta uma solução geral para a detecção de alinhamentos de dados em conjuntos multidimensionais não ordenados e ruidosos. Nesta abordagem, o tipo requerido de alinhamento de dados pode ser uma forma geométrica (e.g., linha reta, plano, círculo, esfera, seção cônica, entre outras) ou qualquer estrutura, com dimensionalidade arbitrária, que possa ser caracterizada por um subespaço linear. A detecção é realizada por meio de um procedimento composto por três etapas. Na etapa de inicialização, um espaço de parâmetros com p (n − p) dimensões é definido de modo que cada ponto neste espaço represente uma instância do alinhamento requerido, descrito por um subespaço p-dimensional em um domínio n-dimensional. Em seguida, uma grade de acumuladores é criada como sendo a representação discreta do espaço de parâmetros. Na segunda etapa do procedimento, cada elemento no conjunto de dados de entrada (também um subespaço no domínio n-dimensional) é mapeado para o espaço de parâmetros como os pontos (no espaço de parâmetros) representando os subespaços requeridos que contém ou que estão contidos no elemento de entrada. À medida que os elementos de entrada são mapeados, as células do acumulador relacionadas com o mapeamento são incrementadas pelo valor de importância do elemento mapeado. A etapa final do procedimento recupera os subespaços p-dimensionais que melhor se ajustam aos dados de entrada como sendo os máximos locais na grade de acumuladores. A parametrização proposta é independente das propriedades geométricas dos alinhamentos a serem detectados. Além disso, o procedimento de mapeamento é independente do tipo de dado de entrada e é capaz de se adaptar a elementos com dimensionalidades arbitrárias. Essas características permitem a utilização da técnica (sem a necessidade de modificações) como uma ferramenta para a detecção de padrões em uma grande quantidade de aplicações. Por conta de sua natureza geral, otimizações desenvolvidas para a abordagem proposta beneficiam, de forma imediata, todos os casos de detecção. Neste trabalho eu demonstro uma implementação em software da técnica proposta e mostro que ela pode ser aplicada tanto em casos simples de detecção, quanto na detecção concorrente de tipos diferentes de alinhamentos, com diferentes interpretações geométricas e em conjuntos de dados compostos por vários tipos de elementos. Esta dissertação também apresenta uma extensão do esquema de detecção para dados de entrada com distribuição Gaussiana de incerteza. A extensão proposta produz distribuições de valores mais suaves na grade de acumuladores e faz com que a técnica fique mais robusta à detecção de subespaços espúrios. / This dissertation presents a generalized closed-form framework for detecting data alignments in large unordered noisy multidimensional datasets. In this approach, the intended type of data alignment may be a geometric shape (e.g., straight line, plane, circle, sphere, conic section, among others) or any other structure, with arbitrary dimensionality that can be characterized by a linear subspace. The detection is performed using a three-step process. In the initialization, a p (n − p)-dimensional parameter space is defined in such a way that each point in this space represents an instance of the intended alignment described by a p-dimensional subspace in some n-dimensional domain. In turn, an accumulator array is created as the discrete representation of the parameter space. In the second step each input entry (also a subspace in the n-dimensional domain) is mapped to the parameter space as the set of points representing the intended p-dimensional subspaces that contain or are contained by the entry. As the input entries are mapped, the bins of the accumulator related to such a mapping are incremented by the importance value of the entry. The subsequent and final step retrieves the p-dimensional subspaces that best fit input data as the local maxima in the accumulator array. The proposed parameterization is independent of the geometric properties of the alignments to be detected. Also, the mapping procedure is independent of the type of input data and automatically adapts to entries of arbitrary dimensionality. This allows application of the proposed approach (without changes) in a broad range of applications as a pattern detection tool. Given its general nature, optimizations developed for the proposed framework immediately benefit all the detection cases. I demonstrate a software implementation of the proposed technique and show that it can be applied in simple detection cases as well as in concurrent detection of multiple kinds of alignments with different geometric interpretations, in datasets containing multiple types of data. This dissertation also presents an extension of the general detection scheme to data with Gaussian-distributed uncertainty. The proposed extension produces smoother distributions of values in the accumulator array and makes the framework more robust to the detection of spurious subspaces.

Dans cette thèse, nous étudions des modèles de moyennes conditionnelles de séries temporelles à valeurs entières. Tout d’abord, nous proposons l’estimateur de quasi maximum de vraisemblance de Poisson (EQMVP) pour les paramètres de la moyenne conditionnelle. Nous montrons que, sous des conditions générales de régularité, cet estimateur est consistant et asymptotiquement normal pour une grande classe de modèles. Étant donné que les paramètres de la moyenne conditionnelle de certains modèles sont positivement contraints, comme par exemple dans les modèles INAR (INteger-valued AutoRegressive) et les modèles INGARCH (INteger-valued Generalized AutoRegressive Conditional Heteroscedastic), nous étudions la distribution asymptotique de l’EQMVP lorsque le paramètre est sur le bord de l’espace des paramètres. En tenant compte de cette dernière situation, nous déduisons deux versions modifiées du test de Wald pour la significativité des paramètres et pour la moyenne conditionnelle constante. Par la suite, nous accordons une attention particulière au problème de validation des modèles des séries temporelles à valeurs entières en proposant un test portmanteau pour l’adéquation de l’ajustement. Nous dérivons la distribution jointe de l’EQMVP et des autocovariances résiduelles empiriques. Puis, nous déduisons la distribution asymptotique des autocovariances résiduelles estimées, et aussi la statistique du test. Enfin, nous proposons l’EQMVP pour estimer équation-par-équation (EpE) les paramètres de la moyenne conditionnelle des séries temporelles multivariées à valeurs entières. Nous présentons les hypothèses de régularité sous lesquelles l’EQMVP-EpE est consistant et asymptotiquement normal, et appliquons les résultats obtenus à plusieurs modèles des séries temporelles multivariées à valeurs entières. / The framework of this PhD dissertation is the conditional mean count time seriesmodels. We propose the Poisson quasi-maximum likelihood estimator (PQMLE) for the conditional mean parameters. We show that, under quite general regularityconditions, this estimator is consistent and asymptotically normal for a wide classeof count time series models. Since the conditional mean parameters of some modelsare positively constrained, as, for example, in the integer-valued autoregressive (INAR) and in the integer-valued generalized autoregressive conditional heteroscedasticity (INGARCH), we study the asymptotic distribution of this estimator when the parameter lies at the boundary of the parameter space. We deduce a Waldtype test for the significance of the parameters and another Wald-type test for the constance of the conditional mean. Subsequently, we propose a robust and general goodness-of-fit test for the count time series models. We derive the joint distribution of the PQMLE and of the empirical residual autocovariances. Then, we deduce the asymptotic distribution of the estimated residual autocovariances and also of a portmanteau test. Finally, we propose the PQMLE for estimating, equation-by-equation (EbE), the conditional mean parameters of a multivariate time series of counts. By using slightly different assumptions from those given for PQMLE, we show the consistency and the asymptotic normality of this estimator for a considerable variety of multivariate count time series models.