ALGORITMO IMUNOLÓGICO ARTIFICIAL OPT-AINET APLICADO A RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO CONSIDERANDO DEMANDAS VARIÁVEIS
|
|
- Denílson Bacelar Escobar
- 8 Há anos
- Visualizações:
Transcrição
1 ALGORITMO IMUNOLÓGICO ARTIFICIAL OPT-AINET APLICADO A RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO CONSIDERANDO DEMANDAS VARIÁVEIS Simone S. F. Souza Departamento e Engenharia Elétrica, UNESP Univ. Estaual Paulista Av. Brasil, 56, Centro, , Ilha Solteira, SP, Brasil simonefrutuoso.mat@gmail.com Ruben Romero Departamento e Engenharia Elétrica, UNESP Univ. Estaual Paulista Av. Brasil, 56, Centro, , Ilha Solteira, SP, Brasil ruben@ee.feis.unesp.br RESUMO Neste artigo apresenta-se uma aplicação o algoritmo imunológico artificial OptaiNet (Artificial Immune Network for Optimization) para resolver o problema e reconfiguração e sistemas e istribuição com emanas variáveis não uniformes. O algoritmo Opt-aiNet é uma técnica e otimização eficiente inspiraa na ree imunológica (ainet), que por sua vez reprouz computacionalmente as principais proprieaes e funcionaliaes o sistema imunológico biológico. O problema e reconfiguração e sistemas e istribuição com emanas variáveis não uniformes é um problema complexo, que tem por objetivo encontrar uma única topologia raial que satisfaça os requisitos para operar em toos os níveis e emana em um sistema e istribuição, visano minimizar os custos e peras e energia ao longo e um períoo e operação. Neste trabalho são apresentaos resultaos utilizano os sistemas elétricos e istribuição e 33, 84 e 136 barras. Os resultaos comprovam a robustez e eficiência o métoo proposto. PALAVARAS CHAVE. Reconfiguração e Sistemas e Distribuição, Demanas Variáveis, Sistemas Imunológicos Artificiais, Opt-aiNet. EN - PO na Área e Energia ABSTRACT This paper presents an application of artificial immune algorithm Opt-aiNet (Artificial Immune Network for Optimization) to solve the istribution systems reconfiguration problem with non-uniform variable emans. The Opt-aiNet algorithm is an efficient optimization technique inspire by the immune network (ainet), which in turn reprouces the main computational properties an functions of biological immune system. The istribution system reconfiguration problem with non-uniform variable emans is a complex problem that aims at ientifying the most aequate raial topology of the network that complies with all technical constraints in every eman level while minimizing the cost of active losses along an extene operation perio. This paper inclues results of the application of the Opt-aiNet algorithm to istribution systems with 33, 84 an 136 buses. These results emonstrate the robustness an efficiency of the propose metho. KEYWORDS. Distribution Systems Reconfiguration, Variable Demans, Artificial Immune Systems, Opt-aiNet. EN OR in Energy
2 1. Introução Nos últimos anos muitos investimentos foram aplicaos nos sistemas elétricos e istribuição com o objetivo e moernizar e automatizar sua operação. Estas moernizações evem atener requisitos como a melhoria na confiabiliae, eficiência, e segurança o sistema. Neste sentio, visano atener estas exigências muitas pesquisas são realizaas, seno uma elas a proposta e novas metoologias para resolver o problema e Reconfiguração e Sistemas e Distribuição (RSD) e energia elétrica. O problema e RSD consiste em encontrar uma topologia raial para o sistema e istribuição através a abertura e fechamento as chaves e interconexões, e forma que seja otimizao um objetivo, que tipicamente é a minimização as peras e potência ativa, e que sejam satisfeitas as restrições técnicas e operação o sistema elétrico, como a conição e raialiae, limites e tensão nos níveis estabelecios pelas normas regulaoras, limites e corrente nos ramos, além e satisfazer a primeira e a seguna lei e Kirchhoff. A RSD é um proceimento realizao principalmente, com o objetivo e minimizar as peras ativas o sistema, melhorar os níveis e tensão, manter a confiabiliae o sistema, realizar o isolamento e faltas e realizar manutenção preventiva [Guimarães et al., (2004)]. O problema e RSD é e natureza combinatória e poe ser moelao como um problema e programação não linear inteiro misto (PNLIM) [Merlin e Back (1975)]. Devio a este fato, quanto maior o tamanho o sistema elétrico, maior a ificulae e complexiae para resolvê-lo por métoos exatos, este moo, os métoos inteligentes e otimização como algoritmos heurísticos, meta-heurísticas, rees neurais artificiais, sistemas imunológicos artificiais, entre outros, são os mais empregaos para resolver este problema, pois possuem estratégias eficientes que possibilitam reuzir o espaço e busca e encontrar a melhor solução. Este problema já foi amplamente estuao na literatura, seno que na maioria as aboragens tratam o problema e RSD consierano emanas invariantes nas barras consumioras. No entanto alguns autores aboram o problema consierano emanas variáveis. O problema e RSD com emanas variáveis tem por objetivo ientificar uma única topologia raial que eve operar com os iferentes níveis e emana, e moo a minimizar o custo e peras e energia ao longo e um períoo e operação. Dentre os trabalhos mais relevantes isponíveis na literatura para resolver o problema e RSD com emanas fixas, têm-se aboragens como: algoritmos heurísticos [Merlin e Back (1975)] e [Baran e Wu (1989)], meta-heurísticas como: algoritmos genéticos [Menonza et al. (2006)], simulate annealing [Chang e Kuo (1994)], busca tabu [Zhang et al. (2007)], colônia e formigas, [Carpaneto et al., (2008)], GRASP [Souza (2013)], rees neurais artificiais [Salazar et al., (2006)] e algoritmos imunológicos [Souza et al., (2015)], [Souza e Romero (2014a)] e [Souza e Romero (2014b)]. Também tem os trabalhos que aboram o problema e RSD com emanas variáveis, como [Bueno et al., (2004)], [Inoue et al., (2014)] e [Possagnolo (2015)]. Neste trabalho propõe-se a resolução o problema e RSD com emanas variáveis utilizano o algoritmo Opt-aiNet (Artificial Immune Network for Optimization) [e Castro e Timmis (2002)]. Na execução este algoritmo, uma população e anticorpos é submetia a um processo e clonagem, maturação e afiniae e seleção elitista, e moo a ientificar soluções para o problema e RSD. Para avaliar a afiniae os inivíuos executa-se um algoritmo e fluxo e carga raial e varreura [Shirmohammai et al., (1988)] para caa nível e emana e calcula-se o custo e peras e energia ao longo e um períoo e operação. Neste trabalho são apresentaos resultaos utilizano os sistemas elétricos e istribuição e 33, 84 e 136 barras. Os resultaos confirmam a robustez e eficiência o métoo proposto quano comparao com a literatura.
3 2. O Problema e RSD com Demanas Variáveis Como mencionao anteriormente, muitos investimentos veem seno aplicaos nos sistemas elétricos, especialmente nos sistemas e istribuição, e moo a automatizar a operação o sistema, proporcionar segurança, confiabiliae e qualiae e energia, satisfazeno as exigências impostas pelas normas o setor elétrico, com o mínimo custo possível. Neste contexto, o problema e RSD e energia elétrica é uma possível solução, pois está iretamente relacionao com o planejamento e eficiência a operação os sistemas e istribuição e energia elétrica. Os sistemas e istribuição e energia elétrica operam com uma topologia raial, no entanto, sua estrutura física é malhaa. Isto porque, esta forma e operação proporciona conições e operação que favorecem a iminuição e ispositivos e proteção, o custo e instalação e manobras no sistema elétrico. Tal topologia proporciona maior segurança na istribuição e energia elétrica e principalmente facilita a operação e proteção o sistema elétrico [Souza et al. (2012)] Moelo Matemático o Problema e RSD com Demanas Variáveis. A formulação matemática genérica para o problema e RSD com emanas variáveis, consierano uma única configuração raial, sistema simétrico e equilibrao, poe ser moelao como um problema e programação não-linear inteiro misto (PNLIM), com comportamento multimoal, conforme escrito a seguir [Franco et al. (2012)]: l 2 2 Min v = c g x ( V + V 2V V cos )] Ω ij Ω s.a. Ps P x P ) = 0 Qs V l i, i, ( ij ij, j Ω bi i, Q i, ( xijqij, ) = Ω V V j bi [ ij ij i, j, i, j, θ ij, 0 b (1) i Ω, Ω (2) i Ω, Ω (3) i, b b i Ω, Ω (4) ij, + Qij, ) Sij, xij l ( P * xij { 0,1} ( ij) Ω x ij = n b 1 l ij Ω, Ω (5) ij Ω (6) seno: Ω l é o conjunto e circuitos; Ω b é o conjunto e barras; Ω bi é o conjunto e barras conectaas à barra i e o Ω é o conjunto e emanas; c é o custo as peras no nível e emana ; é o períoo e uração o nível e emana ; g ij é a conutância o circuito ij; V i, é a magnitue e tensão na barra i, no nível e emana ; θ ij, é a iferença angular entre as barras i e j, no nível e emana ; b ij é a susceptância o circuito ij; P ij, é o fluxo e potência ativa que sai a barra i para a barra j, no nível e emana ; Q ij, é o fluxo e potência reativa que sai a barra i para a barra j, no nível e emana ; Ps i, é a potência ativa fornecia pela subestação na barra i, no nível e emana ; Qs i, é a potência reativa fornecia pela subestação na barra i, no nível e emana ; P i, é a emana e potência ativa na barra i, no nível e emana ; Q i é a emana e potência reativa na barra i, no nível e emana ; V é a magnitue e tensão mínima; V é a magnitue e tensão máxima; S, é o máximo valor e potência aparente no circuito ij,, no nível e emana ; n b é o ij número e barras o sistema; x ij é a variável binária e ecisão. Na equação (1) tem-se a representação a função objetivo o problema, a qual é l l (7)
4 o tipo minimização, seno o objetivo minimizar os custos as peras e energia elétrica no períoo e operação. As restrições (2) e (3) representam a primeira e a seguna lei e Kirchhoff. Desta forma, o balanço e potências entre as barras o sistema garante o cumprimento a primeira lei e Kirchhoff e a seguna lei e Kirchhoff é garantia pelas equações (8) e (9). 2 P = V g V V g cosθ + b senθ ) (8) Q ij, i, ij i, j, ( ij ij, ij ij, ij, i, ij i, j, ( ij ij, ij ij, 2 = V b V V g senθ b cosθ ) (9) A equação (4) representa a restrição os limites e magnitue e tensão em caa barra o sistema, seno os limites regios e paronizaos pelas normas regulaoras os sistemas elétricos. A restrição (5) representa o limite o fluxo e potência nos circuitos. A restrição (6) representa a variável e ecisão binária o problema, one x ij poe assumir ois estaos, quano é igual a 0 (zero) significa que o circuito ij está esligao e quano é igual a 1 (um) o circuito ij está ligao. Em (7) apresenta-se uma as conições necessárias para garantir a raialiae o sistema. Aicionalmente para garantir a raialiae é necessário garantir que toas as barras e carga o sistema sejam atenias e isso poe ser garantio pelas restrições (2) e/ou (3), [Lavorato et al. (2012)]. Assim as restrições (2), (3) e (7) garantem que qualquer solução viável, assim como a solução ótima, seja raial. 3. Algoritmos Imunológicos Artificiais Os algoritmos imunológicos artificiais (AIA) constituem-se e um conjunto e ferramentas inteligentes inspiraas nos mecanismos e funcionamento o sistema imunológico biológico [e Castro e Timmis (2002)]. Similarmente a outros métoos bioinspiraos e meta-heurísticas, o objetivo os AIA é resolver problemas complexos que não poem ser resolvios em tempo hábil por métoos traicionais exatos. Para a resolução e problemas e otimização, as primeiras pesquisas foram propostas no final os anos 90, no entanto, somente a partir o ano 2000 as principais técnicas foram apresentaas. Em [e Castro e Zuben (2000)] foi proposto o algoritmo CLONALG (Clonal Selection Algorithm), que se inspira no princípio e seleção clonal e linfócitos B o organismo. Na sequência a evolução os AIA, foram propostas as rees imunológicas artificiais, enominaas e ainet (Artificial Immune Network). O algoritmo CLONALG e a ree ainet são consieraos base para iversos métoos propostos posteriormente, tais como: o algoritmo Opt-aiNet que é uma extensão a ree ainet, proposto em e Castro e Timmis (2002), o algoritmo B-cell (BCA) proposto por Kelsey e Timmis (2003), o algoritmo Copt-aiNet para problemas e otimização combinatória [e Souza et al. (2004)], entre outros. Neste trabalho será utilizao o algoritmo Opt-aiNet que é escrito na sequência. O algoritmo Opt-aiNet é uma versão a ree imunológica ainet para resolver problemas e otimização Algoritmo Imunológico Artificial Opt-aiNet O algoritmo Opt-aiNet (Artificial Immune Network for Optimization) foi proposto originalmente em e Castro e Timmis (2002). Sua principal iferença em relação a outros algoritmos imunológicos como CLONALG e Copt-aiNet são os processos e clonagem, mutação, tamanho populacional inâmico, estratégias para evitar ótimos locais (supressão clonal) e seleção elitista. O algoritmo Opt-aiNet poe ser escrito conforme apresenta o pseuocóigo a seguir [e Castro e Timmis (2002)]:
5 Pseuocóigo 1: Algoritmo Imunológico Artificial Opt-aiNet 1 Geração a População inicial: Gere uma população (P) com N anticorpos; 2 Avaliação a afiniae: Avalie a afiniae (função objetivo) e caa anticorpo a população P e etermine a méia a afiniae populacional e armazene em OlAfiniae; 3 Enquanto (critério e paraa não for satisfeito) faça 4 Enquanto (CritParaa false) faça (processo iterativo interno) 5 Clonagem: Gere Nc clones para caa anticorpo a população (P) formano subgrupos e anticorpos constituíos os anticorpos originais (anticorpo pai) e os clones; 6 Hipermutação: Submeta os Nc clones e caa anticorpo pai a um processo e hipermutação; 7 Avaliação a afiniae: Avalie a afiniae (função objetivo) e caa clone maturao; 8 Seleção: Para caa subgrupo constituío e um anticorpo pai (anticorpo original) e seus respectivos clones maturaos, selecione o anticorpo e melhor afiniae e remova os emais, compono a população P com os melhores anticorpos e caa subgrupo através e um processo elitista; 9 Determine a méia a afiniae populacional e armazene em NewAfiniae; 10 Se (OlAfiniae NewAfiniae) < (OlAfiniae*est) então 11 CritParaa false; 12 Fim Se 13 OlAfiniae NewAfiniae; 14 Fim Enquanto 15 Supressão Clonal: Suprima os anticorpos a população P avaliano a afiniae entre eles, e moo que a afiniae seja maior que um limiar S (taxa e afiniae); 16 Tamanho a População: Se o tamanho a população P for menor que N, então gere anticorpos aleatoriamente para completar a população; 17 Fim Enquanto Os anticorpos (propostas e soluções) poem ser coificaos no formato real ou binário e acoro com o problema. Caa anticorpo gera uma quantiae total (Nc) e clones. Os clones poem sofrer mutações a uma taxa inversamente proporcional a afiniae (função objetiva). Posteriormente, um processo e seleção elitista faz a seleção os melhores anticorpos. A quantiae Nc e clones utilizaa no processo e clonagem (linha 5) para caa anticorpo i é aa pela equação (10) [e Castro e Timmis (2002)]: βn = roun( ) (10) i N i c Em que β é um fator multiplicativo entre [0,1], N é a quantiae total e anticorpos a população P, e roun(.) é o operaor e arreonamento para o inteiro mais próximo. A taxa e mutação (α) e caa clone é efinia pela equação (11) [e Castro e Timmis (2002)]: α = exp( ρf *) (11) seno ρ é um parâmetro e controle e amortecimento a função exponencial, fmax e f min é o valor máximo e mínimo a afiniae a população, f* é o valor normalizao a afiniae f, que poe ser calculao conforme apresentao na equação (12) para problemas e maximização e (13) para problemas e minimização [e Castro e Timmis (2002)]. f f * = (12) f max f min f * = (13) f Caa clone sofre um processo e mutação ao por [e França et al. (2005)]: m = roun( α * N(0,1)) (14) em que m é a quantiae e mutações que caa clone o anticorpo sofrerá, roun(.) é o operaor e arreonamento para o inteiro mais próximo, α é a taxa e mutação e N(0,1) é uma variável ranômica gaussiana e méia zero e esvio parão σ = 1. O critério e paraa o processo iterativo interno, ou simplesmente critério e
6 estabilização a população epene e caa problema, mas geralmente avalia-se a variação a méia a afiniae populacional e uma iteração para outra urante a expansão, e quano a méia a afiniae populacional não varia uma porcentagem específica (est) e uma iteração para outra, ocorre a estabilização a população, finalizano o processo iterativo interno. O critério e paraa comumente empregao para o algoritmo Opt-aiNet é um número efinio e iterações. 4. Metoologia Proposta Nesta seção apresenta-se a metoologia proposta para resolver o problema e RSD utilizano o algoritmo imunológico artificial Opt-aiNet Coificação a Proposta e Solução Neste trabalho utilizou-se uma coificação a proposta e solução reuzia conforme apresentao em [Menonza et al. (2006)], na qual são utilizaos apenas números inteiros que inicam as posições os ramos esligaos/abertos no sistema. Esta coificação permite reuzir o espaço e busca e trabalhar somente com propostas e solução raiais, proporcionano eficiência, rapiez e robustez ao algoritmo Opt-aiNet. Utilizano a equação (15) calcula-se o número e laços funamentais e um sistema com toas as chaves e interconexão fechaas, e etermina o tamanho o vetor e coificação a proposta e solução. LF = n l nb +1 (15) em que: LF é a quantiae e laços funamentais, n l é a quantiae e circuitos e n b é quantiae e barras. Desta forma, após calcular quantos laços funamentais existe no sistema, é necessário ientifica-los e armazena-los. Na fase e pré-processamento, os circuitos que não formam laços no grafo o sistema e os circuitos conectaos iretamente a subestação inicializam o processo iterativo o algoritmo Opt-aiNet conectaos. Na Figura 1 ilustra-se o sistema teste e 14 barras e o conjunto e laços funamentais, que são apresentaos em (16), (17) e (18). Na Figura 1, o circuito C 9 estacao em vermelho não faz parte e nenhum laço no grafo o sistema e, portanto, faz parte e qualquer topologia raial. Os circuitos C 1, C 5 e C 10 (em vermelho) são conectaos a subestação, portanto, iniciam o processo ligaos. Figura 1 Laços funamentais para o sistema e 14 barras O sistema e 14 barras apresentao na Figura 1 possui três laços funamentais, esta forma, o vetor e coificação a proposta e solução será um vetor com três posições, e consequentemente, com três circuitos esconectaos (abertos) na topologia o sistema. A partir os laços funamentais apresentaos em (16)-(18) escolhe-se um circuito e caa laço para ficar esligao no sistema, gerano uma proposta e solução.
7 1 [ C6 2 [ C7, C15, C11] 3 [ C3 L = C, C, C, ] (16) L = (17) L = C, C, C, C, C, C, C, C, C, C, C, ] (18) Ressalta-se que ao escolher os circuitos nos laços funamentais realizam-se verificações para que a topologia final seja raial. Por exemplo, escolheno os ramos C 8, C 11 e C 4 obtém-se o vetor e coificação e uma proposta e solução raial, conforme apresentao em (19). [C 8 C 11 C 4 ] (19) 4.2. Heurística para Gerar a População Inicial Para gerar a população inicial o algoritmo Opt-aiNet foram utilizaos conceitos apresentaos no tópico anterior, como a coificação a proposta e solução e os laços funamentais o sistema. A população inicial é constituía pelos anticorpos (propostas e solução) que são geraos através e uma escolha aleatória. Para coificar um anticorpo utiliza-se a coificação o problema, e moo que para caa laço funamental o sistema, um circuito é escolhio para ficar esconectao. Caa posição o vetor solução representa um laço funamental, e o valor coificao na posição se refere ao circuito esconectao no laço funamental. A estratégia para gerar a população inicial (P) é escrita nos passos a seguir [Menonza et al. (2006)]: Pseuocóigo 2: Heurística para gerar a população inicial 1 Faça a leitura os laços funamentais armazenaos (L) e obtenha LF (quantiae e laços); 2 Defina o tamanho a população (N); 3 Para i=1 até N faça 4 Para j=1 até LF faça 5 Escolha aleatoriamente um circuito pertencente ao laço funamental j (Lj) para ser esconectao, ese que este circuito não seja proibio para escolha, e conecte os emais circuitos o laço Lj. Toos os circuitos (o circuito escolhio e os emais que foram conectaos) passam a ser circuitos proibios para escolha em outros laços funamentais; 6 Fim Para 7 Fim Para No passo 5 o pseuocóigo existe uma estratégia que analisa os circuitos escolhios em caa laço funamental, e moo que ao escolher um circuito para ficar esconectao no sistema, automaticamente este circuito se torna proibio para ser escolhio novamente em outro laço funamental. Também nesta estratégia, os circuitos que pertencem ao laço funamental com circuito já esconectao, são conectaos, isto é, ligaos, também, seno proibios e serem escolhios em outros laços funamentais. Esta estratégia permite a geração e propostas e soluções topologicamente factíveis (raiais) Avaliação a Afiniae O operaor e avaliação e afiniae é responsável por calcular o valor e afiniae (custo e peras e energia) e caa inivíuo a população (P). Desta forma, para realizar esta tarefa executa-se um problema e fluxo e carga e varreura [Shirmohammai et al., (1988)], ientificano as peras e potência ativas para caa nível e emana o sistema. Após ientificar as peras ativas para toas as emanas o sistema, calcula-se o custo e peras e energia (US$) para o períoo e operação, utilizano a equação apresentaa em (20). T f = [ K * T * P] (20) i= 1 i i em que: T é a quantiae e emanas e energia, K i é o custo e pera e energia na i
8 emana i, T i é o tempo e operação na emana i, e P i é o valor e peras ativas para a emana i Processo e Clonagem No processo e clonagem geram-se Nc clones para caa anticorpo a população (P) formano subgrupos e anticorpos constituíos os anticorpos originais (anticorpo pai) e os clones geraos. Para calcular a quantiae Nc e clones que caa anticorpo irá possuir, utiliza-se a equação (10) Processo e Hipermutação Após gerar os Nc clones para caa anticorpo original realiza-se o processo e hipermutação, gerano clones maturaos. Inicialmente é necessário calcular a quantiae e mutações que um anticorpo i sofrerá no processo iterativo o algoritmo Opt-aiNet, assim utiliza-se a equação (14). A taxa e mutação (α) é efinia em (11) e a afiniae normalizaa (f*) é efinia em (13). Na sequência realiza-se uma mutação conforme o pseuocóigo a seguir: Pseuocóigo 3: Operaor e Hipermutação 1 Faça a leitura os Nc clones geraos para a população P; 2 Para i=1 até Nc faça 3 Calcule a quantiae e mutações (m) para o anticorpo i; 4 Para j=1 até m faça 5 Escolha uma posição l aleatoriamente o anticorpo i. Esta posição l representa um laço funamental (l LF); 6 Escolha um circuito o laço funamental (Ll), ese que este circuito não esteja esconectao em outra posição o anticorpo i. Avalie se ao realizar a troca o anticorpo será raial. Se for raial, troque o circuito escolhio pelo circuito a posição l. Caso contrário, escolha outro circuito; 7 Fim Para 8 Armazene o anticorpo i maturao; 9 Fim Para 10 Retorne Clones maturaos; Na Figura 2 ilustra-se um exemplo o processo e hipermutação escrito no pseuocóigo 3. Neste exemplo foi realizaa a hipermutação com o anticorpo apresentao em (19). Os laços funamentais o sistema e 14 barras são apresentaos em Laço 1, Laço 2 e Laço 3 conforme a Figura 2. Figura 2 Exemplo o processo e hipermutação para o sistema e 14 barras. Neste processo e hipermutação inicialmente foi escolhia a posição 2 o anticorpo, ou seja, o Laço 2 foi escolhio. Na sequência escolhe-se aleatoriamente um circuito pertencente ao Laço 2, e forma que a escolha leve a uma coificação raial e iferente o anticorpo original. Por fim os circuitos são trocaos (circuito 11 é trocao pelo circuito 15), gerano o anticorpo maturao Processo e Seleção Elitista Durante o processo iterativo interno o algoritmo Opt-aiNet ocorre um processo
9 e seleção elitista, e moo que sempre o anticorpo e melhor afiniae e caa subconjunto e anticorpos (anticorpo pai e clones maturaos) permaneça na população P após o processo e clonagem e hipermutação. Este processo garante que em toa iteração o algoritmo os melhores anticorpos (elites), nunca sejam substituíos por anticorpos e pior afiniae Critério e Paraa o Processo Iterativo Interno A paraa o processo iterativo interno ocorre quano a população se estabiliza, ou seja, quano a méia a afiniae populacional não tem uma grane variação e uma iteração para outra urante o processo iterativo interno. Quano a méia a afiniae populacional não varia em uma porcentagem específica (est) e uma iteração para outra a população é consieraa estável, e assim o processo é finalizao Processo e Supressão Clonal No processo e supressão clonal avalia-se a população P, comparano as topologias os anticorpos aos pares, e avaliano a semelhança entre eles, utilizano a métrica e avaliação e similariae topológica. Caso a semelhança entre o par e anticorpos seja maior que um limiar S (taxa e afiniae) escarta-se um os anticorpos o par, realizano o processo e supressão clonal. Neste processo os anticorpos que forem semelhantes são eliminaos, e moo a proporcionar maior iversiae populacional Processo e Controle e Tamanho Populacional Após o processo e supressão clonal, eve-se verificar se o tamanho a população (P) é menor que N, caso seja, então são geraos novos anticorpos aleatoriamente utilizano a heurística apresentaa em 4.2 para completar a população (P) Critério e Paraa Para o algoritmo Opt-aiNet o critério e paraa utilizao foi um número efinio e gerações (ger). 5. Resultaos Nesta seção apresentam-se os resultaos obtios com a aplicação o algoritmo Opt-aiNet nos sistemas testes e 33, 84 e 136 barras. O algoritmo Opt-aiNet foi escrito na linguagem C++ Builer [Borlan (2006)]. Foram utilizaos os sistemas testes e 33, 84 e 136 barras. Os aos e barras e circuitos os sistemas testes estão isponíveis em [Baran e Wu (1989)], [Chiou et al. (2005)] e [Zhang et al. (2007)] Demanas Típicas Utilizaas Para os resultaos apresentaos neste trabalho foram consieraos 24 níveis e emana, seno uma emana para caa hora o ia, em um períoo e operação e 24 horas. As barras consumioras os sistemas foram efinias em três tipos e cargas típicas, conforme apresentao na Tabela 1, seno: resiencial, comercial e inustrial. Para obter a emana e caa barra em caa períoo e análise, multiplica-se o fator e carga ao por caa tipo e consumior pelos valores e potência ativa e reativa e caa barra o sistema elétrico. A escolha o tipo e consumior e caa barra foi realizaa aleatoriamente, seno que o tipo resiencial foi efinio em 60% as barras, comercial em 25% e inustrial em 15%. Aicionalmente na Tabela 1, apresenta-se os valores os custos
10 as peras, em um períoo e 24 horas. Estes valores foram utilizaos como custos as peras para caa emana ao longo o períoo e operação. O tipo e consumiores efinios para caa barra o sistema poe ser encontrao em [Possagnolo (2015)]. Tabela 1 Demanas Típicas. Nível e Tipo e Consumior Custo Demana Resiencial Comercial Inustrial (US$/kWh) 1 0,3600 0,2838 0,0625 0, ,2600 0,2973 0,1000 0, ,2400 0,2838 0,0750 0, ,2200 0,3108 0,1188 0, ,2400 0,2938 0,1000 0, ,4200 0,3378 0,0875 0, ,5400 0,4054 0,1375 0, ,5600 0,5270 0,3875 0, ,5400 0,7297 0,7438 0, ,5800 0,8311 0,7625 0, ,4300 1,0000 0,9000 0, ,4800 0,9595 1,0000 0, ,5800 0,9324 0,6188 0, ,5200 0,9595 0,6875 0, ,4100 0,9730 0,7875 0, ,4600 0,9595 0,7625 0, ,4200 0,9730 0,8125 0, ,4900 0,9189 0,8750 0, ,7900 0,7838 0,6188 0, ,9840 0,7162 0,3563 0, ,9700 0,6622 0,2375 0, ,0000 0,5811 0,1250 0, ,5400 0,5000 0,1188 0, ,4200 0,3229 0,0832 0, Parâmetros o Algoritmo Opt-aiNet Os resultaos para os sistemas e 33, 84 e 136 barras foram obtios utilizano os parâmetros apresentaos na Tabela 2. Toos os parâmetros foram obtios e forma empírica, através e testes. Tabela 2 - Parâmetros. N β ger ρ S est ε Parâmetros 40 0, % 2 ger 10-6 seno: N a quantiae e anticorpos na população, β o fator e clonagem, ger o número e gerações, ρ a taxa e amortecimento a função exponencial, S é o limiar e afiniae, est o critério e estabilização e ε a tolerância o fluxo e carga. Os parâmetros aotaos para toos os sistemas testes são os mesmos, proporcionano robustez ao métoo proposto Sistemas e 33, 84 e 136 Barras Na Tabela 3 apresentam-se os resultaos para os sistemas e 33, 84 e 136 barras, que foram obtios através e um teste e referência cruzaa em 30 execuções. Para os sistemas testes e 33, 84 e 136 barras o algoritmo Opt-aiNet encontrou as melhores soluções (topologia e peras ativas) isponíveis na literatura, consierano a estratégia e emanas variável aotaa, conforme apresentao em [Possagnolo (2015)]. Para o sistema e 33 barras, o algoritmo Opt-aiNet encontrou uma solução com custo iário as peras e energia e 128,81 US$, que representa uma melhoria e 31,43% em relação a topologia inicial. Para o sistema e 84 barras, o custo iário as peras e energia foi e 410,53 US$, que representa uma melhoria e 10,05% em relação a topologia inicial. Por fim, para o sistema e 136 barras, o custo e iário e peras encontrao foi e
11 256,89 US$, e representa uma melhoria e 10,95% em relação a topologia inicial. Sistema Tabela 3 Resultaos para os sistemas 33, 84 e 136 barras. Topologia Custo Diário as Peras (US$) Circuitos abertos Inicial 187, nível e emana 134, Final 128, [Possagnolo (2015)] 128, Inicial 456, nível e emana 417, Final 410, [Possagnolo (2015)] 410, Inicial 288, nível e emana 272, Final 256, [Possagnolo (2015)] 256, Para encontrar a solução os sistemas e 33, 84 e 136 barras foram executaas 30 gerações o algoritmo Opt-aiNet para caa sistema, e o tempo computacional méio foi e 0,321; 4,264 e 21,952 segunos respectivamente. 7. Conclusão Neste trabalho, foi apresentaa uma nova aboragem para resolver o problema e RSD com emanas variáveis utilizano o algoritmo imunológico artificial Opt-aiNet, teno como objetivo a minimização os custos e peras e energia o sistema. O algoritmo Opt-aiNet é uma técnica e otimização inspiraa no funcionamento o sistema imunológico biológico, em essencial, no princípio a ree imunológica (ainet). O algoritmo apresentou estabiliae e sempre encontra soluções factíveis para o problema e RSD com emanas variáveis. Os resultaos encontraos para os três sistemas testes foram comparaos com os resultaos existentes na literatura, e forma a comprovar a eficiência a metoologia proposta. Por fim, conclui-se que o algoritmo Opt-aiNet proposto neste trabalho apresentou um ótimo esempenho, com eficiência, baixo tempo e processamento e robustez. Agraecimentos Agraecemos a CAPES-PDSE (Proc. Nº BEX 3660/14-1) e ao CNPq pelo apoio financeiro e pesquisa. Referências Baran, M. E.; Wu, F. F. (1989). Network reconfiguration in istribution systems for loss reuction an loa balancing. IEEE Transactions on Power Delivery, New York, v. 4, n. 2, pp Borlan (2011). 6.0 Version, C++ Builer. Bueno, E. A.; Lyra, C.; Cavellucci, C. (2004). Distribution network reconfiguration for loss reuction with variable emans. IEEE Latin America Transmission an Distribution Conference, pp Carpaneto, E.; Chicco, G. (2008). Distribution system minimum loss reconfiguration in the hypercube ant colony optimization framework. Electric Power Systems Research, Lausanne, v. 78, pp Chang, H. C.; Kuo, C. C. (1994). Network reconfiguration in istribution systems using simulate annealing. Electric Power Systems Research, Lausanne, v. 29, n. 3, pp Chiou, J. P.; Chang, C. F.; Su, C. T. (2005). Variable scaling hybri ifferential evolution for solving
12 network reconfiguration of istribution systems. IEEE Transactions on Power Systems, New York, v. 20, n. 2, pp e Castro, L. N. e Timmis, J. (2002) An artificial immune network for multimoal function optimization, Proc. Of IEEE Worl Congress on Evolutionary Computation, e Castro, L. N. e Zuben, F. J. V. (2000) The clonal selection algorithm with engineering applications, Workshop on Artificial Immune Systems an Their Applications, pp e Franca, F. O., Von Zuben, F. J., e Castro, L. N. (2005). An Artificial Immune Network for Multimoal Function Optimization on Dynamic Environments. In: Proc. GECCO, Washington, DC, USA, pp e Souza, J. S., Zuben, F. J. V., e Castro Silva, L. N., e Sousa, J. S. (2004). An immune evolutionary algorithm for multiple rearrangements of gene expression ata. Genetic Programming an Evolvable Machines, v. 5, pp , Hingham, MA, USA. Kluwer Acaemic Publishers. Franco, J.; Lavorato, M.; Rier, M. J.; Romero, R. (2012). An efficient implementation of tabu search in feeer reconfiguration of istribution systems. IEEE PES General Meeting, pp Guimarães, M. A. N.; Lorenzetti, J. F. C.; Castro, C. A. (2004). Reconfiguration of Distribution System for Voltage Stability margin Enhancement Using Tabu Search. Proc. Powercon, pp Inoue, T.; Takano, K.; Watanabe, T.; Kawahara, J. (2014). Distribution loss minimization with guarantee error boun. IEEE Transaction on Smart Gri, v. 5, n. 1, pp Kelsey, J. e Timmis, J. (2003) Immune inspire somatic contiguous hypermutation for function optimisation, GECCO, pp Lavorato, M.; Franco, J. F.; Rier, M. J.; Romero, R. (2012). Imposing Raiality Constraints in Distribution System Optimization Problems, IEEE Transaction on Power Systems, New York, v. 27, n. 1, pp Menoza, J.; Lopez, R.; Morales, D.; Lopez, E.; Dessante, P.; Moraga, R. (2006). Minimal loss reconfiguration using genetic algorithms with restricte population an aresse operators: Real applications, IEEE Transactions on Power Systems, Vol. 21, No. 2, pp Merlin, A.; Back, H. (1975). Search for a minimal-loss operating spinning tree configuration in an urban power istribution system. Power System Computation Conference, pp Possagnolo, L. H. F. M. Reconfiguração e Sistemas e istribuição operano em vários níveis e emana através e uma meta-heurística e busca em vizinhança variável, Dissertação, Departamento e Eng. Elétrica, Univ. Estaual Paulista UNESP, campus Ilha Solteira, Salazar, H.; Gallego, R.; Romero, R. (2006). Artificial neural networks an clustering techniques applie in the reconfiguration of istribution systems. IEEE Transactions on Power Delivery, New York, v. 21, n. 3, pp Shirmohammai, D.; Hong, H.W.; Semlyen, A.; Luo, G. X. (1988). A Compensation Base Power Flow Metho for Weakly Meshe Distribution an Transmission Networks, IEEE Transactions on Power Systems, vol. 3, no. 2, pp Souza, S. S. F.; Romero, R.; Franco, J. F. (2015). Artificial immune networks Copt-aiNet an OptaiNet applie to the reconfiguration problem of raial electrical istribution systems. Electric Power Systems Research, Lausanne, v. 119, pp Souza, S. S. F.; Romero, R. (2014a) Reconfiguração e Sistemas e Distribuição Usano um Algoritmo Imunológico Artificial CLONALG. Congresso Brasileiro e Automática, pp Souza, S. S. F.; Romero, R. (2014b) Reconfiguração e Sistemas e Distribuição e Energia Elétrica Utilizano o Algoritmo Imunológico Artificial Copt-aiNet. SOBRAPO, pp Souza, S. S. F. Algoritmo GRASP especializao aplicao ao problema e reconfiguração e alimentaores em sistemas e istribuição raial, Dissertação, Departamento e Eng. Elétrica, Univ. Estaual Paulista UNESP, campus Ilha Solteira, Souza, S. S. F.; Lavorato, M.; Romero, R. (2012) GRASP especializao aplicao ao problema e reconfiguração e sistemas e istribuição, IEEE PES T&D Latin América, pp Zhang, D.; Fu, Z.; Zhang, L. (2007). An improve TS algorithm for loss-minimum reconfiguration in large-scale istribution systems. Electric Power Systems Research, Lausanne, v. 77, n. 5-6, pp
XLVI Pesquisa Operacional na Gestão da Segurança Pública
RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA UTILIZANDO O ALGORITMO IMUNOLÓGICO ARTIFICIAL COPT-AINET Simone S. F. Souza Departamento de Engenharia Elétrica, UNESP Univ. Estadual Paulista
Leia maisAlocação Ótima de Banco de Capacitores em Redes de Distribuição Radiais para Minimização das Perdas Elétricas
> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10 1 Alocação Ótima e Banco e Capacitores em Rees e Distribuição Raiais para Minimização as Peras Elétricas A. C.
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisInteligência Computacional Aplicada a Engenharia de Software
Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar
Leia maisALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA
136 ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA FILITTO, Danilo 1 Resumo: Os algoritmos Genéticos inspiram-se no processo de evolução natural e são utilizados para resolver problemas de busca e otimização
Leia maisAlgoritmos Genéticos
UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br
Leia maisAlocação de Cabos em Redes de Distribuição de Energia Elétrica de Média Tensão (MT) Utilizando Algoritmo Chu-Beasley
1 Alocação de Cabos em Redes de Distribuição de Energia Elétrica de Média Tensão (MT) Utilizando Algoritmo Chu-Beasley J. Castilho Neto, A. M. Cossi Resumo-- Neste trabalho é proposta uma metodologia para
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola
Leia maisPROPOSTA DE UMA METODOLOGIA BASEDA EM BUSCA TABU PARA RESTAURAÇÃO AUTOMÁTICA DE SISTEMAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA
Anais do XIX Congresso Brasileiro de Automática, CBA 0. PROPOSTA DE UMA METODOLOGIA BASEDA EM BUSCA TABU PARA RESTAURAÇÃO AUTOMÁTICA DE SISTEMAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA BENVINDO R. PEREIRA
Leia maisMatemática. Aula: 07 e 08/10. Prof. Pedro Souza. www.conquistadeconcurso.com.br. Visite o Portal dos Concursos Públicos WWW.CURSOAPROVACAO.COM.
Matemática Aula: 07 e 08/10 Prof. Pero Souza UMA PARCERIA Visite o Portal os Concursos Públicos WWW.CURSOAPROVACAO.COM.BR Visite a loja virtual www.conquistaeconcurso.com.br MATERIAL DIDÁTICO EXCLUSIVO
Leia maisAlgoritmos Genéticos (GA s)
Algoritmos Genéticos (GA s) 1 Algoritmos Genéticos (GA s) Dado um processo ou método de codificar soluções de um problema na forma de cromossomas e dada uma função de desempenho que nos dá um valor de
Leia maisA SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS
UMA SOLUÇÃO DO PROBLEMA DAS N RAINHAS ATRAVÉS DE ALGORITMOS GENÉTICOS A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS Eliane Vendramini de Oliveira Mestre em Engenharia Elétrica UNESP/ Ilha Solteira
Leia maisComplemento IV Introdução aos Algoritmos Genéticos
Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e
Leia mais11vo Simposio Argentino de Investigacion Operativa, SIO 2013
APLICAÇÃO DE PROGRAMAÇÃO CÔNICA DE SEGUNDA ORDEM INTEIRA MISTA PARA A ALOCAÇÃO ÓTIMA DE BANCOS DE CAPACITORES EM SISTEMAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA RADIAIS Érica Tatiane Almeida Ribeiro acirerate@hotmail.com
Leia maisPor efeito da interação gravitacional, a partícula 2 exerce uma força F sobre a partícula 1 e a partícula 1 exerce uma força F sobre a partícula 2.
Interação Gravitacional Vimos que a mola é esticaa quano um corpo é suspenso na sua extremiae livre. A força que estica a mola é e origem eletromagnética e tem móulo igual ao móulo o peso o corpo. O peso
Leia maisEvolution of Robustness in an Electronic Design
Evolution of Robustness in an Electronic Design MAC0461 - Introdução ao Escalonamento e Aplicações Professor: Alfredo Goldman vel Lejbman Instituto de Matemática e Estatística Universidade de São Paulo
Leia maisA Otimização Colônia de Formigas
A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado
Leia maisInteligência de Enxame: ACO
Inteligência de Enxame: ACO! Otimização colônia de formigas é uma meta-heurística: «baseada em população «inspirada no comportamento forrageiro das formigas.! Muitas espécies de formigas são quase cegas.!
Leia maisSOLENÓIDE E INDUTÂNCIA
EETROMAGNETSMO 105 1 SOENÓDE E NDUTÂNCA 1.1 - O SOENÓDE Campos magnéticos prouzios por simples conutores ou por uma única espira são bastante fracos para efeitos práticos. Assim, uma forma e se conseguir
Leia maisOtimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha
Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste
Leia maisFUVEST Prova A 10/janeiro/2012
Seu Pé Direito nas Melhores Faculaes FUVEST Prova A 10/janeiro/2012 física 01. A energia que um atleta gasta poe ser eterminaa pelo volume e oxigênio por ele consumio na respiração. Abaixo está apresentao
Leia maisEDITORIAL MODULO - WLADIMIR
1. Um os granes problemas ambientais ecorrentes o aumento a proução inustrial munial é o aumento a poluição atmosférica. A fumaça, resultante a queima e combustíveis fósseis como carvão ou óleo, carrega
Leia maisINVESTIGAÇÃO OPERACIONAL EM AÇÃO
INVESTIGAÇÃO OPERACIONAL EM AÇÃO CASOS DE APLICAÇÃO RUI CARVALHO OLIVEIRA JOSÉ SOEIRO FERREIRA (EDITORES) IMPRENSA DA UNIVERSIDADE DE COIMBRA COIMBRA UNIVERSITY PRESS CASO 7 SISTEMA DE APOIO À DECISÃO
Leia maisRESOLUÇÃO ATIVIDADE ESPECIAL
RESOLUÇÃO ATIVIDADE ESPECIAL Física Prof. Rawlinson SOLUÇÃO AE. 1 Através a figura, observa-se que a relação entre os períoos as coras A, B e C: TC TB T A = = E a relação entre as frequências: f =. f =
Leia maisPROGRAMAÇÃO INTEIRA. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 5 modelos
PROGRAMAÇÃO INTEIRA Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto 5 modelos M9.1 - Problema de Seleção de Projetos ver Taha Capítulo 9 Cinco projetos estão sob avaliação
Leia maisOtimização Aplicada à Engenharia de Processos
Otimização Aplicada à Engenharia de Processos Aula 1: Introdução Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013 Antes de
Leia maisConceitos de Gestão de Estoques Análise Probabilística
Conceitos e Gestão e Estoques Análise Probabilística Prof. Ruy Alexanre Generoso CONCEITOS BÁSICOS DE ESTOQUE Estoques: acúmulo e recursos materiais em um sistema e transformação Fase 1 estoque Fase 2
Leia maisOTIMIZAÇÃO DE ALOCAÇÃO DE BANCO DE CAPACITORES NA REDE DE MÉDIA TENSÃO DE ENERGIA ELÉTRICA
OTIMIZAÇÃO DE ALOCAÇÃO DE BANCO DE CAPACITORES NA REDE DE MÉDIA TENSÃO DE ENERGIA ELÉTRICA Alexandre A. A. Souza 1, Carlos César Barioni de Oliveira 1, Klaus de Geus 2 1 Universidade de São Paulo Avenida
Leia maisIA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA Colônia de Formigas Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução O Experimento da Ponte Binária. Ant System Aplicado ao PCV. Elitist Ant System. Introdução Otimização colônia
Leia maisTécnicas de Otimização Combinando Alocação de Banco de Capacitores e Reconfiguração de Rede Visando Minimização de Perdas Técnicas
Universidade Estadual de Campinas - Unicamp Faculdade de Engenharia Elétrica e de Computação - FEEC Comissão de Pós-graduação - CPG IA342 Tópicos em Otimização de Sistemas Aluno: Antonio César Polo Matricula:
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados
Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas Departamento de Ciências
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisBUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH)
BUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH) Francisco A. M. Gomes 1º sem/2009 MT852 Tópicos em pesquisa operacional Iterated local search (ILS) Método que gera uma sequência de soluções obtidas por
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Laboratório de Pesquisa e Desenvolvimento Universidade Federal de Alfenas versão
Leia mais10º ENTEC Encontro de Tecnologia: 28 de novembro a 3 de dezembro de 2016
SIMULAÇÃO DE UM PROCESSO FERMENTATIVO EM UM BIORREATOR PERFEITAMENTE MISTURADO Ana Carolina Borges Silva 1 ; José Walir e Sousa Filho 2 1 Universiae Feeral e Uberlânia 2 Universiae e Uberaba carolina.borges87@gmail.com,
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos
Leia maisExercícios Segunda Lei OHM
Prof. Fernano Buglia Exercícios Seguna Lei OHM. (Ufpr) Um engenheiro eletricista, ao projetar a instalação elétrica e uma eificação, eve levar em conta vários fatores, e moo a garantir principalmente a
Leia maisMODELO APROXIMADO PARA REPRESENTAÇÃO DE REDES DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA SÉRGIO HAFFNER
MODELO APROXIDO PARA REPRESENTAÇÃO DE REDES DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA SÉRGIO HAFFNER Departamento e Engenharia Elétrica, UDESC-CCT Campus Universitário Prof. Avelino Marcante s/n Bairro Bom tiro
Leia maislpassis@ufvjm.edu.br RESUMO
Estudo Comparativo entre Algoritmos Imunológicos e Algoritmo Genético Aplicados ao Problema de Estabelecimento de Rotas com Restrição de Capacidade utilizando o Protocolo MPLS Alessandro Vivas Andrade
Leia maisAula 1- Distâncias Astronômicas
Aula - Distâncias Astronômicas Área 2, Aula Alexei Machao Müller, Maria e Fátima Oliveira Saraiva & Kepler e Souza Oliveira Filho Ilustração e uma meição e istância a Terra (à ireita) à Lua (à esquera),
Leia maisHerança. Herança. Especialização. Especialização
Herança Herança Em muitos casos, um tipo e entiae tem vários subconjuntos e entiaes que são significativos para a aplicação. Exemplo: as entiaes e um tipo e entiae Empregao poem ser agrupaas em Secretária,
Leia maisUNIVERSIDADE CATÓLICA DE PETRÓPOLIS CENTRO DE ENGENHARIA E COMPUTAÇÃO
UNIVERSIDADE CATÓLICA DE PETRÓPOLIS CENTRO DE ENGENHARIA E COMPUTAÇÃO Amanda 5ª Atividade: Codificador e codificação de linha e seu uso em transmissão digital Petrópolis, RJ 2012 Codificador: Um codoficador
Leia maisA) tecido nervoso substância cinzenta. B) tecido nervoso substância branca. C) hemácias. D) tecido conjuntivo. E) tecido adiposo.
1. No gráfico abaixo, mostra-se como variou o valor o ólar, em relação ao real, entre o final e 2001 e o início e 2005. Por exemplo, em janeiro e 2002, um ólar valia cerca e R$2,40. Durante esse períoo,
Leia maisObserva-se ainda que, para pequenos giros, os pontos de uma seção transversal não sofrem deslocamento na direção longitudinal.
Universiae Feeral e Alagoas Centro e ecnologia Curso e Engenharia Civil Disciplina: Mecânica os Sólios Cóigo: ECIV030 Professor: Euaro Nobre ages orção em Barras e Seção ransversal Circular Cheia ou Vazaa
Leia mais- Computação Evolutiva -
- Computação Evolutiva - Prof. Dr. Cícero Garrozi DEINFO - UFRPE PPGIA@UFRPE cicerog@gmail.com Site da disciplina: http://cicerog.blogspot.com Sumário Situando a Computação Evolucionária Metáfora principal
Leia maisIII Seminário da Pós-graduação em Engenharia Elétrica
ESTUDO SOBRE A EXPANSÃO DO SISTEMA DE TRANSMISSÃO DE ENERGIA NO BRASIL Tiago Forti da Silva Aluno do Programa de Pós-Graduação em Engenharia Elétrica Unesp Bauru Prof. Dr. André Nunes de Souza Orientador
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal de
Leia maisUMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS
UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS Lucas Middeldorf Rizzo Universidade Federal de Minas Gerais Av. Antônio Carlos, 6627 - Pampulha - Belo Horizonte - MG CEP 31270-901
Leia maisCADEX. Consultoria em Logística Interna. Layout de armazém. Objectivos. Popularidade. Semelhança. Tamanho. Características
CADEX Consultoria em Logística Interna Layout de armazém fonte: Wikipédia O layout de armazém é a forma como as áreas de armazenagem de um armazém estão organizadas, de forma a utilizar todo o espaço existente
Leia mais8- Controlador PID. PID = Proporcional + Integral + Derivativo
Controlaor PID 154 8- Controlaor PID PID = Proporcional + Integral + Derivativo É interessante assinalar que mais a metae os controlaores inustriais em uso nos ias atuais utiliza estratégias e controle
Leia maisPESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *
PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária
Leia maisLeis de Newton. 1.1 Sistemas de inércia
Capítulo Leis e Newton. Sistemas e inércia Supomos a existência e sistemas e referência, os sistemas e inércia, nos quais as leis e Newton são válias. Um sistema e inércia é um sistema em relação ao qual
Leia mais2. A FERRAMENTA SOLVER (EXCEL)
Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção 2. A FERRAMENTA SOLVER (EXCEL) Diversas ferramentas para solução de problemas de otimização, comerciais ou acadêmicos, sejam eles lineares
Leia maisUma Heurística para o Problema de Redução de Padrões de Corte
Uma Heurística para o Problema de Redução de Padrões de Corte Marcelo Saraiva Limeira INPE/LAC e-mail: marcelo@lac.inpe.br Horacio Hideki Yanasse INPE/LAC e-mail: horacio@lac.inpe.br Resumo Propõe-se um
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisMinicurso SBSE 2012:
Campus de Ilha Solteira Faculdade de Engenharia de Ilha Solteira Departamento de Energia Elétrica Minicurso SBSE 2012: Metaheurísticas em sistemas elétricos de potência: introdução ao estudo e aplicações
Leia maisCapacitores. Figura 7.1
Capítulo 7 Capacitores 7.1 Introução Capacitor é um ispositivo que armazena energia potencial. Capacitores variam em forma e tamanho, mas a configuração básica consiste e ois conutores e cargas opostas.
Leia mais10 DIMENSIONAMENTO DE SECÇÕES RETANGULARES COM ARMADURA DUPLA
10 DIMENSIONAMENTO DE SECÇÕES RETANGULARES COM ARMADURA DUPLA 10.1 INTRODUÇÃO A armaura posicionaa na região comprimia e uma viga poe ser imensionaa a fim e se reuzir a altura e uma viga, caso seja necessário.
Leia maisBusca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS
Busca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS Autor:Thiago França Naves 1, Orientador: Carlos Roberto Lopes 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade
Leia maisUso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias.
Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias. Fábio França 1, 1 Logical Optimization Rua Tanhaçu número 405, CEP 05679-040 São Paulo, Brasil fabio.franca@optimization.com.br
Leia maisXLVI Pesquisa Operacional na Gestão da Segurança Pública
RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA ATRAVÉS DE UMA META-HEURÍSTICA DE BUSCA EM VIZINHANÇA VARIÁVEL Leonardo Henrique Faria Macedo Possagnolo leohfmp@gmail.com Rubén Augusto Romero
Leia maisSERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA
SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente
Leia maisNa medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia.
1 Introdução aos Sistemas de Informação 2002 Aula 4 - Desenvolvimento de software e seus paradigmas Paradigmas de Desenvolvimento de Software Pode-se considerar 3 tipos de paradigmas que norteiam a atividade
Leia maisParte V ANÁLISE DIMENSIONAL
78 PARTE V ANÁISE DIMENSIONA Parte V ANÁISE DIMENSIONA [R] [p] [V] [n] [τ] l 3 θ [R] θ Resposta: [R] θ Uma as principais equações a Mecânica quântica permite calcular a energia E associaa a um fóton e
Leia maisIMPACTO DA GERAÇÃO DISTRIBUÍDA NA RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA UTILIZANDO BUSCA EM VIZINHANÇA VARIÁVEL
IMPACTO DA GERAÇÃO DISTRIBUÍDA NA RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA UTILIZANDO BUSCA EM VIZINHANÇA VARIÁVEL W. Guerra Universidade Federal de Ouro Preto Universidade Federal
Leia maisCÁLCULO DE ZEROS DE FUNÇÕES REAIS
15 CÁLCULO DE ZEROS DE FUNÇÕES REAIS Um dos problemas que ocorrem mais frequentemente em trabalhos científicos é calcular as raízes de equações da forma: f() = 0. A função f() pode ser um polinômio em
Leia maisALGORITMOS GENÉTICOS
ALGORITMOS GENÉTICOS INTRODUÇÃO São métodos adaptativos que podem ser usados para resolver problemas de busca e otimização. Na natureza a combinação de boas características provenientes de diferentes indivíduos
Leia maisPós-Graduação em Engenharia Elétrica Inteligência Artificial
Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms
Leia maisALOCAÇÃO DE BANCOS DE CAPACITORES EM SISTEMAS DE DISTRIBUIÇÃO RADIAIS USANDO BUSCA DISPERSA
ALOCAÇÃO DE BANCOS DE CAPACITORES EM SISTEMAS DE DISTRIBUIÇÃO RADIAIS USANDO BUSCA DISPERSA Marcos Célio de Sousa mcs193@hotmail.com Leonardo Henrique Faria Macedo Possagnolo leohfmp@gmail.com Rubén Augusto
Leia maisAspectos Sociais de Informática. Simulação Industrial - SIND
Aspectos Sociais de Informática Simulação Industrial - SIND Jogos de Empresas Utilizada com sucesso para o treinamento e desenvolvimento gerencial Capacita estudantes e profissionais de competência intelectual
Leia maisUNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE ENGENHARIA DE ILHA SOLTEIRA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE ENGENHARIA DE ILHA SOLTEIRA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA OTIMIZAÇÃO SIMULTÂNEA DA RECONFIGURAÇÃO E DA ALOCAÇÃO DE
Leia maisOtimização de Recuperação de Informação usando Algoritmos Genéticos
Otimização de Recuperação de Informação usando Algoritmos Genéticos Neide de Oliveira Gomes, M. Sc., nog@inpi.gov.br Prof. Marco Aurélio C. Pacheco, PhD Programa de Doutorado na área de Métodos de Apoio
Leia maisAjuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária
Ajuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária Marina Roberto Martins 1*, Fernando Palú 1 (1) Universidade Estadual do Oeste do Paraná, Curso de Engenharia Química. e-mail:
Leia maisUNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE ENGENHARIA CÂMPUS DE ILHA SOLTEIRA SIMONE SILVA FRUTUOSO DE SOUZA
UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE ENGENHARIA CÂMPUS DE ILHA SOLTEIRA SIMONE SILVA FRUTUOSO DE SOUZA RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA CONSIDERANDO
Leia maisDIFERENÇA DE POTENCIAL. d figura 1
DIFERENÇ DE POTENCIL 1. Trabalho realizao por uma força. Consieremos uma força ue atua sobre um objeto em repouso sobre uma superfície horizontal como mostrao na figura 1. kx Esta força esloca o objeto
Leia maisMétodo Dialético de Otimização usando o Princípio da Máxima Entropia
Learning and Nonlinear Models Revista da Sociedade Brasileira de Redes Neurais (SBRN) Vol 7 No. 2 pp. 54-64 2009 Método Dialético de Otimização usando o Princípio da Máxima Entropia Wellington Pinheiro
Leia maisDisciplina : Termodinâmica. Aula 5 ANÁLISE DA MASSA E ENERGIA APLICADAS A VOLUMES DE CONTROLE
Curso: Engenharia Mecânica Disciplina : Aula 5 ANÁLISE DA MASSA E ENERGIA APLICADAS A VOLUMES DE CONTROLE Prof. Evandro Rodrigo Dário, Dr. Eng. Vazão mássica e vazão volumétrica A quantidade de massa que
Leia maisPAPER 1/6. Estudo de Viabilidade Econômica na Utilização de MicroGrid no Sistema de Distribuição Elétrica de Energia de Média Tensão
1/6 Title Estudo de Viabilidade Econômica na Utilização de MicroGrid no Sistema de Distribuição Elétrica de Energia de Média Tensão Registration Nº: (Abstract) Empresa o Entidad Universidade de São Paulo
Leia maisComplemento II Noções Introdutória em Redes Neurais
Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações
Leia maisCurva ABC. Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar Centro Cascavel PR www.tecinco.com.br
Curva ABC Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar Centro Cascavel PR www.tecinco.com.br Sumário Introdução... 3 Utilização no sistema TCar-Win... 3 Configuração da curva ABC... 4 Configuração
Leia maisPesquisa Operacional
Pesquisa Operacional Tópicos em Programação Linear e Inteira Prof. Dr.Ricardo Ribeiro dos Santos ricr.santos@gmail.com Universidade Católica Dom Bosco - UCDB Engenharia de Computação Roteiro Introdução
Leia maisSistema Inteligente Não-Linear de Apoio à Aprendizagem 1 Rangel RIGO, Ana Paula Laboissière AMBRÓSIO
Sistema Inteligente Não-Linear de Apoio à Aprendizagem 1 Rangel RIGO, Ana Paula Laboissière AMBRÓSIO rangelrigo@gmail.com, apaula@inf.ufg.br Instituto de Informática Universidade Federal de Goiás (UFG)
Leia maisUtilizando o EXCEL Solver
Utilizando o EXCEL Solver Outubro de 2000 2 A opção Solver no Excel pode ser utilizada para resolver problemas de otimização lineares e nãolineares. As restrições de inteiros podem ser colocadas nas variáveis
Leia maisMetanálise MTC: o uso combinado de evidência direta e indireta
Metanálise MTC: o uso combinao e eviência ireta e inireta na comparação e múltiplos tratamentos Patrícia Klarmann Ziegelmann Universiae Feeral o Rio Grane o Sul Em estuos e avaliação tecnológica em saúe
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisSLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos
SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos Fredson Vieira Costa 1, Fábio Silveira Vidal 1, Claudomiro Moura Gomes André 1 1 Curso de Bacharelado em Ciência da Computação
Leia maisLista 2 - Modelos determinísticos
EA044 - Planejamento e Análise de Sistemas de Produção Lista 2 - Modelos determinísticos Exercício 1 A Companhia Ferroviária do Brasil (CFB) está planejando a alocação de vagões a 5 regiões do país para
Leia mais3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS
3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS 3.1 - Conceitos Básicos Entendemos como algoritmo um conjunto predeterminado e bem definido de regras
Leia maisTeoria Princípio do Capacitor
Teoria Princípio do Capacitor Um capacitor consiste de dois pratos eletrodos isolados de cada lado por um dielétrico médio. As características de um capacitor são dependentes da capacitância e da tensão.
Leia maisO USO DE ANALOGIAS COMO INSTRUMENTO DE AVALIAÇÃO DE RISCO
O USO DE ANALOGIAS COMO INSTRUMENTO DE AVALIAÇÃO DE RISCO UM EXEMPLO DA SUA APLICAÇÃO A PILARES DE PONTES VITOR SILVA e MÁRIO M TALAIA, ISCIA Instituto Superior e Ciências a Informação e a Aministração,
Leia maisAnálise de dados industriais
Análise e aos inustriais Escola Politécnica Departamento e Engenharia Química Roberto Guarani 014 Parte 6. Análise e Agrupamentos Introução A Análise e Agrupamentos (em inglês: cluster analysis ) é uma
Leia maisFluxo de Potência em sistemas de distribuição
Fluxo de Potência em sistemas de distribuição Os sistemas de distribuição são radiais, caracterizados por ter um único caminho entre cada consumidor e o alimentador de distribuição. A potência flui da
Leia maisAPLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS
APLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS Bianca G. Giordani (UTFPR/MD ) biancaggiordani@hotmail.com Lucas Augusto Bau (UTFPR/MD ) lucas_bau_5@hotmail.com A busca pela minimização
Leia maisINTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL. O que é Pesquisa Operacional?
INTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL O que é Pesquisa Operacional? Denomina-se Management Sciences (Ciência de Negócios) a área de estudos que utiliza computadores, estatística e matemática para
Leia maisFeature-Driven Development
FDD Feature-Driven Development Descrição dos Processos Requisitos Concepção e Planejamento Mais forma que conteúdo Desenvolver um Modelo Abrangente Construir a Lista de Features Planejar por
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisIW10. Rev.: 02. Especificações Técnicas
IW10 Rev.: 02 Especificações Técnicas Sumário 1. INTRODUÇÃO... 1 2. COMPOSIÇÃO DO IW10... 2 2.1 Placa Principal... 2 2.2 Módulos de Sensores... 5 3. APLICAÇÕES... 6 3.1 Monitoramento Local... 7 3.2 Monitoramento
Leia maisCálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante
Cálculo Numérico Aula : Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Computação Numérica - O que é Cálculo Numérico? Cálculo numérico é uma metodologia para resolver problemas matemáticos
Leia mais