Título do projeto: Metaheurísticas aplicadas à identificação, controle e otimização de sistemas

Transcrição

1 Número do BANPESQ/THALES: Título do projeto: Metaheurísticas aplicadas à identificação, controle e otimização de sistemas I. Autor: Leandro dos Santos Coelho II. Resumo: A Inteligência Computacional é uma área da Inteligência Artificial que estuda a teoria e a aplicação de técnicas inspiradas na Natureza. A Inteligência Computacional, em termos gerais, busca o desenvolvimento de sistemas inteligentes que imitem (simulem ou emulem) aspectos do comportamento humano, tais como: aprendizado, percepção, raciocínio, evolução e adaptação. Este projeto tem por objetivo propor e validar metaheurísticas da Inteligência Computacional, incluindo-se as redes neurais artificiais, sistemas nebulosos, computação evolutiva e inteligência de enxames, estas combinadas com características promissoras da Computação Quântica e Teoria do Caos. O foco de aplicação destas metaheurísticas será na solução de problemas de otimização nas diferentes áreas que compõem os Sistemas Elétricos de Potência, Controle de Processsos e Engenharia de Confiabilidade de Sistemas. III. Objetivos: Este projeto tem por objetivos propor e validar metaheurísticas da Inteligência Computacional combinadas com abordagens da Computação Quântica e Teoria do Caos no âmbito de aplicações em Sistemas Elétricos de Potência, Controle de Processsos e Engenharia de Confiabilidade de Sistemas. IV. Introdução ou evidências de interesse (justificativas): A Inteligência Computacional engloba métodos e técnicas incluindo-se abordagens de algoritmos evolutivos (Chakraborty, 2008), inteligência de enxames ou coletiva (Kennedy et al., 2001; Dorigo e Stüzzle, 2004; Engelbrecht, 2005), sistemas imunológicos artificiais (Castro, 2006), sistemas nebulosos (fuzzy systems) (Kosko, 1992; Yen e Langari, 1998;; Coelho e Herrera, 2007), redes neurais artificiais (Haykin, 1999; Bishop, 1995), raciocínio probabilístico (Gammerman, 1996) e sistemas neuronebulosos (Lin e Lee, 1996).

2 A Computação Quântica foi proposta por Benioff (1980) e Feynman (1982) e é uma área com crescimento acentuado nos últimos anos, de investigação e aplicação da Mecânica Quântica. A Mecânica Quântica é uma estrutura matemática, ou conjunto de regras para a construção de teorias físicas. No contexto de otimização, a utilização de conceitos tanto da Computação Quântica quanto da Mecânica e Física Quântica possui exemplos na literatura recente em Hogg e Portnov (2000), Protopopescu e Barhem (2002) e Nedjah et al. (2008). Em contra partida, os fundamentos da Teoria do Caos estão vinculados ao funcionamento de sistemas complexos e dinâmicos. Uma das idéias centrais desta teoria, é que os comportamentos aleatórios também são governados por leis e que sistemas caóticos possuem grande sensibilidade ao ajuste das suas condições iniciais. Em sistemas dissipativos, as trajetórias podem convergir para uma região limitada do espaço de fases, denominada atrator. Um sistema dinâmico, que apresenta comportamento caótico, possui um atrator estranho, no seu espaço de fases. Ele é estranho porque apresenta detalhes em escalas infinitesimalmente pequenas. Tal figura geométrica é chamada de fractal. A fundamentação e base matemática da Teoria do Caos pode ser encontrada na literatura em Alligood et al. (1996), Strogatz (2000) e Peitgen et al. (2004). Com o intuito de obter resultados promissores, novas abordagens metaheurísticas de otimização serão formuladas e validadas em problemas de otimização mono-objetivo e multi-objetivo, levando em consideração a necessidade da obtenção de um bom compromisso em termos de qualidade de resposta, custo computacional e convergência. Entre os resultados esperados está o de verificar melhoria do desempenho dos métodos de otimização e o desenvolvimento de algoritmos de resolução a serem propostos em problemas teste (benchmarks) relevantes da literatura de Sistemas Elétricos de Potência (Monticelli e Garcia, 2004), Controle de Processsos (Dorf, 2001; Ogata, 2003) e Engenharia de Confiabilidade de Sistemas (Camargo, 1981; Piazza, 2000). V. Revisão bibliográfica: Alligood, K. T., Sauer, T. D.; Yorke, J. A., Chaos: an introduction to dynamical systems, Springer, London, UK, 1996.

3 Camargo, C. C. B., Confiabilidade aplicada a sistemas de potência elétrica, LTC / ELETROBRAS/ FEESC, Rio de Janeiro, RJ, Castro, L. N., Fundamentals of natural computing: basic concepts, algorithms, and applications, Chapman & Hall/CRC, Boca Raton, FL. USA, Chakraborty, U. K., Advances in differential evolution, Studies in Computational Intelligence, Springer, Heidelberg, Germany, Coelho, L. S.; Herrera, B. M., Fuzzy identification based on a chaotic particle swarm optimization approach applied to a nonlinear yo-yo motion system, IEEE Transactions on Industrial Electronics, vol. 54, no. 6, p , Dorf, R. C., Bishop, R. H. Sistemas de controle modernos. 8a edição, Rio de Janeiro, RJ: LTC, Dorigo, M.; Stützle, T., Ant colony optimization, A Bradford Book, The MIT Press, Cambridge, Massachusetts, Engelbrecht, A. P., Computational intelligence, an introduction, Second Edition, Wiley & Sons, Gammerman, A., Computational learning and probabilistic reasoning (Hardcover), John Wiley, Haykin S., Neural networks: a comprehensive foundation, Prentice Hall, NJ, USA, 2nd edition, Hogg, T.; Portnov, D., Quantum optimization, Information Sciences, vol. 128, no. 3-4, p , Kennedy, J. F.; Eberhart, R.C., Shi, R.C., Swarm intelligence, Morgan Kaufmann Pub, San Francisco, USA, Kosko, B., Neural network and fuzzy systems: a dynamic system approach to machine intelligence. Englewood Cliffs, NJ: Prentice Hall, Lin, C. T.; Lee, C. S. G. Neural fuzzy systems, Prentice Hall, Englewood Cliffs, USA, Monticelli, A. J.; Garcia, A. V., Introdução a sistemas de energia elétrica, 1a edição, Editora da Unicamp, Nedjah, N.; Coelho, L. S.; Mourelle, L. M. (eds.), Quantum inspired intelligent systems, Studies in Computational Intelligence, Springer, Heidelberg, Germany, Ogata, K. Engenharia de Controle Moderno, 4a. edição, São Paulo, SP: Pearson, Peitgen, H. -O.; Jürgens, H.; Saupe, D., Chaos and fractals: new frontiers of science, 2nd edition, Springer, New York, NY, USA, Piazza, G., Introdução à engenharia da confiabilidade, 1ª edição, Caxias do Sul, RS: EDUCS, 2000.

4 Protopopescu, V.; Barhen, J., Solving a class of continuous global optimization problems using quantum algorithms, Physics Letters A, vol. 296, no. 1, p. 9-14, Strogatz, S. H., Nonlinear dynamics and chaos, Massachussetts, Perseus Publishing, Yen, J.; Langari, R., Fuzzy logic: intelligence, control, and information, Prentice Hall, VI. Material e métodos: A metodologia a ser adotada para testar a hipótese formulada de propor e validar metaheurísticas da Inteligência Computacional combinadas com abordagens da Computação Quântica e Teoria do Caos, inclui o estudo, proposição e análise de abordagens de diferentes abordagens de algoritmos evolutivos, inteligência de enxames, sistemas imunológicos artificiais, sistemas nebulosos e redes neurais artificiais visando a resolução de problemas de identificação, controle e otimização presentes em aplicações em Sistemas Elétricos de Potência, Controle de Processsos e Engenharia de Confiabilidade de Sistemas. Neste contexto, deseja-se validar diferentes problemas teste (benchmark) e comparar os resultados obtidos com as metaheurísticas propostas neste projeto. Para isto será utilizado o ambiente computacional Matlab, da MathWorks e métodos de Estatística e Probabilidade (testes de significância, métodos de Monte Carlo, entre outros) para tratamento dos resultados obtidos. Além disso, deseja-se por meio deste proejto orientar alunos de iniciação científica e/ou mestrado (do PPGEE/UFPR). Deve-se enfatizar que não precisa-se de dinheiro/infraestutura adicionais aos que já possuem a UFPR para realizar este projeto. VII. Cronograma: As etapas do cronograma são as seguintes: Etapa 1: Investigação de paradigmas recentes da inteligência computacional; Etapa 2: Investigação e proposição de nova(s) abordagens de metaheurísticas combinando inteligência computacional com computação quântica;

5 Etapa 3: Investigação e proposição de nova(s) abordagens de metaheurísticas combinando inteligência computacional com computação quântica e teoria do caos; Etapa 4: Validação e análise estatísticas dos resultados obtidos pelas metaheurísticas propostas em problemas de previsão e otimização em Sistemas Elétricos de Potência; Etapa 5: Validação e análise estatísticas dos resultados obtidos pelas metaheurísticas propostas em problemas de sintonia de controladores avançados na área de Controle de Processos; Etapa 6: Validação e análise estatísticas dos resultados obtidos pelas metaheurísticas propostas em problemas de otimização mono e multiobjetivo em Engenharia de Confiabilidade. As seguintes etapas constam do cronograma apresentado na tabela 1. Tabela 1. Cronograma. Etapa Semestre/Ano (Início) Semestre/Ano (Final) 1 2/2009 2/ /2010 2/ /2010 2/ /2010 2/ /2010 2/ /2010 2/2013