APLICAÇÃO DO MÉTODO DE CALIBRAÇÃO DE PARÂMETROS CALIBRA NA OTIMIZAÇÃO ESTRUTURAL DE TRELIÇAS UTILIZANDO ALGORITMOS EVOLUTIVOS HÍBRIDOS
|
|
- João Santos Palhares
- 6 Há anos
- Visualizações:
Transcrição
1 XI Simpósio de Mecânica Computacional II Encontro Mineiro de Modelagem Computacional Juiz de Fora, MG, de Maio de 2014 APLICAÇÃO DO MÉTODO DE CALIBRAÇÃO DE PARÂMETROS CALIBRA NA OTIMIZAÇÃO ESTRUTURAL DE TRELIÇAS UTILIZANDO ALGORITMOS EVOLUTIVOS HÍBRIDOS Aline de Sousa Pereira Bitencourt, Gray Farias Moita Programa de Pós-Graduação em Modelagem Matemática e Computacional, CEFET-MG Av. Amazonas, 7675, Nova Gameleira, , Belo Horizonte, MG, Brasil. Resumo. Alcançar o máximo desempenho ao utilizar algoritmos de otimização só é possível através da definição adequada de seus parâmetros. Essa tarefa, na maioria dos casos, requer bastante esforço e tempo dos desenvolvedores e usuários. Uma importante alternativa é automatizar esse demorado processo por meio da utilização das técnicas de ajuste de parâmetros. O presente artigo consiste em encontrar valores adequados de parâmetros de um Algoritmo Evolutivo Híbrido, para solução do problema de otimização estrutural de treliças planas. O algoritmo evolutivo tratado nesse estudo combina estratégias heurísticas baseadas nos mecanismos de Algoritmos Genéticos com a utilização dos métodos de refinamento Descida Randômica e VNS (Variable Neighborhood Search), e é utilizado para otimizar estruturas treliçadas de 10 e 18 barras, sendo que o algoritmo deve obter as dimensões mínimas suficientes para a área da seção transversal e para o comprimento de cada barra (obtido por meio das coordenadas dos nós da estrutura). Sendo assim, em alguns casos, é possível que a dimensão dos elementos estruturais e a forma da treliça possam ser modificadas durante o processo de otimização. Foi aplicado o método CALIBRA com a finalidade de encontrar, de maneira automatizada, valores para as taxa de mutação e crossover que resultassem no bom desempenho do algoritmo, de tal maneira a diminuir o peso e também otimizar a forma das estruturas treliçadas tratadas. Palavras-chave: Técnicas para calibração automática de parâmetros, CALIBRA, Algoritmos Evolutivos, otimização de estruturas.
2 Aplicação do método CALIBRA na otimização estrutural de treliças 1 INTRODUÇÃO Algoritmos Evolutivos, aplicados a qualquer classe de problema, dependem, para seu funcionamento, da definição adequada de seus parâmetros internos, como, por exemplo, tamanho da população, número máximo de gerações, taxa de recombinação e taxa de mutação. Esses parâmetros influenciam no seu desempenho, nos resultados obtidos ao buscar uma solução para determinado problema e na garantia de que a solução encontrada é realmente uma boa solução para o problema em questão, entre outros aspectos. Encontrar um bom conjunto de valores para atribuir a esses parâmetros é uma complicada tarefa, e é o objeto de estudo deste trabalho. O uso de técnicas que permitem automatizar o processo de calibração surge como uma boa alternativa em substituição ao método convencional de ajuste manual, por tentativa e erro, muito utilizado pelos usuários de Algoritmos Evolutivos. Assim, esse artigo objetiva prover a calibração adequada de parâmetros através da técnica de ajuste automático CALIBRA em um Algoritmo Evolutivo aplicado ao problema de otimização estrutural de treliças planas de 10 e 18 barras, procurando minimizar as áreas de seção transversal e, em alguns casos, o comprimento de cada barra. Nesse contexto, foi desenvolvido um Algoritmo Evolutivo Híbrido (AEH), baseado nos mecanismos de Algoritmos Genéticos aliados a métodos de refinamento como Descida Randômica e Pesquisa em Vizinhança Variável (Variable Neighborhood Search - VNS), para solução do problema de otimização estrutural de treliças planas. 2 O MÉTODO CALIBRA PARA AUTOMATIZAÇÃO DO PROCESSO DE CALIBRAÇÃO DE PARÂMETROS A efetividade dos Algoritmos Evolutivos para resolução de um determinado problema está diretamente ligada aos parâmetros que são utilizados ao longo de sua execução. Portanto, o processo de calibração de parâmetros é extremamente importante para o sucesso dessas metaheurísticas (Linden, 2008). Este artigo tem como foco o emprego de um método automático de calibração em Algoritmos Evolutivos, tendo em vista que esse tipo de metaheurística pode apresentar uma elevada quantidade de parâmetros. Os parâmetros dos Algoritmos Evolutivos geralmente são determinados pela experiência do desenvolvedor do algoritmo através do ajuste manual, por tentativa e erro, o que pode demandar bastante tempo e esforço, além de não oferecer uma justificação categórica para tais valores. A utilização de técnicas de calibração automática de parâmetros tem despertado um interesse crescente dos pesquisadores nos últimos anos. O processo de calibração de parâmetros é uma importante tarefa que pode consumir bastante tempo. Neste sentido, Adenso-Diaz e Laguna (2006) destacam a importância da utilização de um sistema automatizado com o intuito de ajudar pesquisadores e profissionais na relevante e demorada tarefa de calibração de parâmetros ao argumentar que o tempo
3 Aline de S. P. Bitencourt, Gray F. Moita necessário para ajustar os parâmetros de uma metaheurística, em muitos casos, pode exceder o tempo de desenvolvimento disponível para o projeto em que está inserida. Os autores afirmam que evidências mostram que 10% do tempo dedicado ao desenvolvimento e teste de uma nova aplicação de uma metaheurística é gasto no desenvolvimento, e os 90% restantes são gastos no processo de ajuste de parâmetros. Embora, usualmente, o processo de calibração de parâmetros seja realizado manualmente, estudos recentes têm demonstrado que procedimentos de ajuste automático podem lidar com essa tarefa de maneira eficaz, e, na maioria das vezes, encontrar bons valores para os parâmetros (Balaprakash et al., 2007). Diante disso, percebe-se que a seleção de valores dos parâmetros de um Algoritmo Evolutivo é um processo que merece bastante atenção na literatura. Diferentes técnicas já foram propostas, sendo que o número de pesquisas voltadas para essa área tem aumentado nos últimos anos, o que indica que a preocupação com esse processo é constante. Adenso-Diaz e Laguna (2006) propuseram o método para calibração automática de parâmetros CALIBRA, que utiliza as seguintes metodologias: busca local, projeto de experimento fatorial fracionado 2 k e projeto de experimentos de Taguchi L 9 (3 4 ) (detalhes em Nocera (2007)). O projeto de experimentos fatorial 2 k fornece uma maneira de focar a busca local em regiões promissores do espaço de busca. Isto é, ao invés de iniciar a busca a partir de um ponto aleatório de um conjunto de valores de parâmetros, o projeto de experimentos é usado para encontrar um ponto de partida para a busca e para avaliar o efeito da alteração dos valores dos parâmetros. A metodologia de projeto de experimentos de Taguchi conduz essa busca a encontrar a melhor configuração de parâmetros. Esses autores disponibilizaram uma ferramenta computacional para utilização do método proposto e a aplicaram em seis casos de implementações de metaheurísticas. Os resultados mostraram que CALIBRA é capaz de encontrar valores de parâmetros que melhoram o desempenho das metaheurísticas, resultante, originalmente, do uso de parâmetros atribuídos manualmente. O procedimento adotado pela técnica supramencionada consiste em quatro fases, a saber: Na primeira fase inicia-se a realização de experimentos baseados em projetos fatoriais fracionados 2 k, onde k representa o número de parâmetros com dois níveis definidos pelo primeiro e terceiro quartil (dividindo a distribuição em 4 partes iguais, estando os dados por ordem crescente, o 1º quartil e o 3º quartil acumulam, respectivamente, 25% e 75% dos dados) dentro dos limites estabelecidos para cada parâmetro. CALIBRA trabalha com aritmética inteira, portanto, se houver a necessidade de parâmetros com valores contínuos, deve ser especificando o nível de precisão (por exemplo, duas ou três casas decimais). Para um parâmetro no intervalo 1,20 a 9,05, com uma precisão de duas casas decimais, é tratado internamente como um número inteiro com o limite inferior de 120 e um limite superior de 905. A segunda fase determina uma solução inicial para a busca local. A solução inicial é interpretada de forma a explorar, em primeiro lugar, as regiões mais promissoras do espaço de busca (determinada pela resposta dos experimentes anteriores, contidas no arquivo
4 Aplicação do método CALIBRA na otimização estrutural de treliças COST.DAT) e, em seguinda, diversificando a busca para outras regiões. Se o número de parâmetros é cinco, um dos parâmetros é fixado para um valor escolhido na presente fase. Isto é necessário porque a busca local usa projetos experimentais de Taguchi L 9 (3 4 ), que pode suportar um máximo de quatro parâmetros. A terceira fase é a busca local. O objetivo da busca é encontrar a condição ótima (ou a melhor configuração de parâmetros) com o auxílio da metodologia de projetos experimentais de Taguchi L 9 (3 4 ). Com essa finalidade, outros experimentos são realizados até que os resultados desses experimentam não apresentem mudanças significativas. A quarta fase começa por verificar se o número máximo de execuções foi atingido, sendo este valor informado previamente pelo usuário na tela principal da ferramenta CALIBRA. Caso contrário, retorna-se a segunda fase para realização de uma nova busca. 3 OTIMIZAÇÃO ESTRUTURAL DE TRELIÇAS 3.1 Treliça de 10 barras Este problema refere-se à otimização estrutural de uma treliça plana de 10 barras. O objetivo é obter as dimensões mínimas para as áreas de seção transversal de cada barra, obedecendo às restrições impostas pelo projeto. A Fig. 1 ilustra a configuração estrutural de barras do problema. Figura 1. Topologia da estrutura de 10 barras As restrições de projeto são descritas na Tab. 1, onde a i corresponde ao intervalo permitido de valores para a área de seção transversal de cada barra envolvida no processo (por exemplo, a área de seção transversal da barra 2 pode variar entre 8,0 e 9,0), E é o módulo de elasticidade longitudinal do material, σ é a tensão máxima suportada, l i corresponde ao comprimento de cada barra i, ρ corresponde à densidade do material e v 6 corresponde ao deslocamento vertical do nó 6, que deverá ser menor ou igual a 5,0. Apesar do nó 6 ser citado em particular na tabela, devido a sua posição na configuração estrutural do problema, de
5 Aline de S. P. Bitencourt, Gray F. Moita maneira que ele é o nó que mais se deslocará ao aplicar o peso P, a verificação é realizada em todos os nós. Os coeficientes assinalados na tabela são restrições que deverão ser consideradas durante o processo de pesquisa, de maneira que cada estrutura gerada durante o processo deverá obedecer a todos os requisitos estruturais citados; caso contrário, deverá ser descartada, pois se trata de uma solução infactível para o problema. Tabela 1. Restrições do projeto e valores de coeficientes 3.2 Treliça de 18 barras Neste problema, os Algoritmos Evolutivos devem obter as dimensões mínimas para área de seção transversal e para o comprimento de cada barra, também obedecendo às restrições de projeto. Algumas coordenadas nodais não são fixas; sendo assim, a forma da estrutura pode ser modificada. A estrutura inicial em que a otimização foi aplicada é mostrada na Fig. 2. Figura 2. Topologia da estrutura de 18 barras No problema em questão, os nós 1, 2, 4, 5, 6 e 8 têm as coordenadas fixas, ou seja, suas coordenadas nodais não podem ser alteradas pelo processo de otimização. A cada um destes nós é aplicada uma força externa correspondente a lbs. As seguintes restrições devem ser consideradas:
6 Aplicação do método CALIBRA na otimização estrutural de treliças 1) A tensão máxima nas barras deve ser menor ou igual a 20,089 ksi ( σ 20089). 2) As 18 barras são divididas em quatro grupos (as barras que pertencem a um mesmo grupo devem possuir áreas das seções transversais iguais): O primeiro grupo é composto das barras 1, 4, 8, 12 e 16; O segundo grupo é composto pelas barras 2, 6, 10, 14 e 18; O terceiro grupo é composto pelas barras 3, 7, 11 e 15; O quarto grupo é composto pelas barras 5, 9, 13 e 17. 3) Somente os nós 3, 5, 7 e 9 podem ter suas coordenadas modificadas. 4) As propriedades do material utilizado são: módulo de elasticidade (E) igual a 10 7 psi e a densidade igual a 0,1 lb/in 3. 5) Os valores das áreas de seção tranversal podem variar de 0,2 in 2 a 30 in 2. 6) O deslocamento máximo de qualquer nó é de 20,92 in. 4 O ALGORITMO EVOLUTIVO TRABALHADO Foram utilizados dois tipos de estruturas do Algoritmo Evolutivo Híbrido: Algoritmo Evolutivo Híbrido 01 (AEH01) e Algoritmo Evolutivo Híbrido 02 (AEH02). O primeiro é destinado à otimização da treliça de 10 barras, enquanto o segundo é empregado na estrutura de 18 barras. Ambas as estruturas baseia-se na utilização de um Algoritmo Genético com heurísticas de refinamento aplicadas após a geração inicial dos indivíduos com a finalidade de encontrar os menores pesos para o problema de otimização estrutural das treliças trabalhadas. Para cada estrutura, são implementados três Algoritmos Evolutivos: AG sem métodos de refinamento, AG híbrido com Descida Randômica e AG híbrido com Pesquisa em Vizinhança Variável (VNS). Porém, no problema de otimização de treliças de 18 barras, a minimização do peso pode ser dar pela redução da área da seção transversal de cada barra e também pela otimização da forma da treliça. Os Algoritmos Evolutivos aqui citados foram implementados em um programa de otimização estrutural denominado OtimaEstrutura. Um software de análise estrutural é utilizado em conjunto com o OtimaEstrutura para realizar a análise estrutural do problema investigado e verificar a factibilidade da estrutura otimizada quanto aos requisitos do projeto como deslocamentos máximos permitidos e tensões máximas suportadas. Esse programa é denominado INSANE (Fonseca e Pitangueira, 2004). 5 INTERAÇÃO ENTRE CALIBRA E O ALGORITMO DE OTIMIZAÇÃO Nesta pesquisa foi utilizada a versão da ferramenta CALIBRA voltada para o sistema operacional Windows. Essa versão pode ser obtida no seguinte endereço:
7 Aline de S. P. Bitencourt, Gray F. Moita Os arquivos que compõem as etapas dos procedimentos da ferramenta CALIBRA e suas interações, podem ser sintetizados como ilustra a Fig. 3. Figura 3. Interações da técnica CALIBRA A seguir são detalhadas essas interações entre os arquivos participantes desse processo de calibração. Inicialmente, o arquivo BOUNDS.DAT deve ser criado. Um exemplo desse arquivo é dado na Fig. 4. Neste exemplo, os parâmetros de probabilidade de mutação e crossover são representados pelas variáveis VARX1 e VARX2, respectivamente. Para o exemplo dado, o intervalo de 1% a 30% foi escolhido para a variável referente ao primeiro parâmetro, já a segunda variável recebeu o intervalo de 60% a 95%. Esse intervalo refere-se aos limites utilizados como valor mínimo e máximo para cada parâmetro durante o processo de calibração. Figura 4. Exemplo de arquivo BOUNDS.DAT Através da tela principal da ferramena CALIBRA, o OtimaEstrutura pode ser executado. Para isso, é necessário gerar um arquivo executável do programa OtimaEstrutura, que nesse caso não poderia ser um arquivo.jar, pois CALIBRA interage somente com arquivos executáveis com extensão.exe. Para isso, foi utilizado o software exe4j4, que diferentemente do Eclipse, é capaz de converter arquivos desenvolvidos na linguagem JAVA em arquivos com extensão.exe.
8 Aplicação do método CALIBRA na otimização estrutural de treliças A codificação do OtimaEstrutura deve permitir a leitura do arquivo PARAM.DAT. Um exemplo deste arquivo é mostrado na Fig. 5. O programa OtimaEstrutura é executado sequencialmente para diferentes conjuntos de valores de parâmetros contidos no arquivo PARAM.DAT, até que o valor limite (advindo do arquivo BOUNDS.DAT) para cada parâmetro seja atingido. Figura 5. Exemplo de arquivo PARAM.DAT A codificação do programa OtimaEstrutura também deve possibilitar o retorno de seus resultados para CALIBRA. Isso se dá através da gravação desses resultados no arquivo COST.DAT, ou seja, esse arquivo deve ser preenchido com os resultados dos pesos encontrados para as treliças. Porém, por padrão, os valores gravados no arquivo COST.DAT devem ser maiores ou iguais a 1. Para atender a esse requesito, o quociente entre a solução corrente apresentada pelo OtimaEstrutura e a melhor solução disponível é obtido, que, neste caso, equivale ao melhor resultado já encontrado utilizando a calibração manual realizada por Moura (2009). Dessa forma, esse quociente nunca será inferior a 1 (para o problema de minimização), e caso CALIBRA encontre um valor inferior a 1, o mesmo será convertido a 1. Então, os melhores valores de parâmetros são os que levam a um resultado mais próximo de 1 e estes são apresentados como a melhor solução encontrada na tela principal de CALIBRA ao final do processo. 6 RESULTADOS 6.1 Treliças de 10 barras Os testes foram executados em um computador com processador Core 2 Duo T6600, 2.20GHz, 4GB RAM e sistema operacional Windows 7. Para avaliar a eficiência da técnica CALIBRA foram selecionados dois dos mais importantes parâmetros do AG para terem seus valores ajustados automaticamente: probabilidade de mutação e probabilidade de crossover. O restante dos parâmetros foi mantido conforme calibração realizada por Moura (2009), definidos da seguinte maneira: população de 20 indivíduos e número máximo de gerações igual a A Tab. 2 mostra a comparação dos valores estabelecidos para os parâmetros referentes às taxas de mutação e crossover pelo ajuste manual, realizado em Moura (2009), e o ajuste automático, feito pelo método CALIBRA. A Tab. 3 mostra os melhores pesos encontrados para as treliças em vinte execuções das três implementações do AEH01 utilizando a calibração de parâmetros realizada por Moura (2009).
9 Aline de S. P. Bitencourt, Gray F. Moita Tabela 2. Comparação do ajuste de parâmetros 10 barras Parâmetros Moura (2009) CALIBRA Intervalo (estabelecido para CALIBRA) valor min. valor max. Taxa de mutação Taxa de crossover Tabela 3. Resultados obtidos com a calibração realizada por Moura (2009) - treliça de 10 barras Exec. AE01 (SEM REFINAMENTO) AEH01 - DR AEH01 - VNS Peso (lbs) Peso (lbs) Peso (lbs) , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,47781 MÉDIA 2139, , ,10522 A Tab. 4 apresenta os resultados alcançados através da calibração automática realizada por CALIBRA.
10 Aplicação do método CALIBRA na otimização estrutural de treliças Tabela 4. Resultados obtidos com a calibração realizada por CALIBRA - treliça de 10 barras Exec. AE01 (SEM REFINAMENTO) AEH01 - DR AEH01 - VNS Peso (lbs) Peso (lbs) Peso (lbs) , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,74396 MÉDIA 2133, , ,14507 Com base nos resultados obtidos, observa-se que os pesos médios para o AE01 (sem refinamento), para o AEH01-DR e para o AEH01-VNS são menores com a calibração automática do método CALIBRA, e que para o método CALIBRA, na maioria das execuções das três implementações do AG, os resultados melhoram os apresentados com a calibração manual. Constata-se, também, que os resultados apresentados pela calibração manual de tentativa e erro consomem mais tempo do que os resultados alcançados com a utilização da técnica de calibração automática. 6.2 Otimização estrutural de treliça de 18 barras A Tab. 5 mostra a comparação dos valores estabelecidos para os parâmetros referentes às taxas de mutação e crossover pelo ajuste manual realizado em Moura (2009) e o ajuste
11 Aline de S. P. Bitencourt, Gray F. Moita automático feito pela ferramenta CALIBRA. O total de indivíduos e o número máximo de gerações também foram mantidos, conforme o problema de treliça de 10 barras. Tabela 5. Comparação do ajuste de parâmetros 18 barras Parâmetros Moura (2009) CALIBRA Intervalo (estabelecido para CALIBRA) valor min. valor max. Taxa de mutação Taxa de crossover A Tab. 6 mostra os melhores pesos encontrados para vinte execuções das três implementações do AEH02 utilizando a calibração de parâmetros realizada por Moura (2009). Tabela 6. Resultados obtidos com a calibração realizada por Moura (2009) - treliça de 18 barras Exec. AE02 (SEM REFINAMENTO) AEH02 - DR AEH02 - VNS Peso (lbs) Peso (lbs) Peso (lbs) , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,38 MÉDIA 4213, , ,96
12 Aplicação do método CALIBRA na otimização estrutural de treliças A Tab. 7 apresenta os melhores resultados nas execuções das três implementações do AEH02 utilizando a calibração de parâmetros do método CALIBRA. Tabela 7. Resultados obtidos com a calibração realizada por CALIBRA - treliça de 18 barras Exec. AE02 (SEM REFINAMENTO) AEH02 - DR AEH02 - VNS Peso (lbs) Peso (lbs) Peso (lbs) , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,03 MÉDIA 3924, , ,47 Observa-se que os pesos médios encontrados para o AE02 (sem refinamento), para o AEH02-DR e para o AEH02-VNS com a calibração automática do método CALIBRA mostram-se menores do que encontrados com a calibração manual. 7 CONCLUSÕES Este artigo apresentou um estudo da técnica CALIBRA presente na literatura cujo objetivo é automatizar o processo de ajuste de parâmetros. Para avaliar a técnica aqui
13 Aline de S. P. Bitencourt, Gray F. Moita estudada, foram realizados testes em uma aplicação de um Algoritmo Evolutivo Híbrido baseado nos mecanismos de Algoritmos Genéticos, implementado em duas estruturas diferentes. Tal algoritmo foi proposto por Moura (2009) para solução do problema de otimização estrutural de treliças planas de 10 e 18 barras, com a finalidade de minimizar o peso dessas estruturas. Em Moura (2009), a calibração dos parâmetros foi feita manualmente. Neste trabalho, a calibração dos parâmetros de mutação e crossover foi realizada através da aplicação de CALIBRA, guiada por conceitos estatísticos e busca local. Na maioria das execuções realizadas para cada versão do AG trabalhado, os resultados provenientes da calibração automáticas superaram àqueles obtidos com a calibração realizada por Moura (2009). Pode-se constatar que os resultados advindos da calibração de CALIBRA, além de possibilitar que os algoritmos alcançassem pesos menores, a maioria das execuções apresentaram menor tempo computacional quando comparados aos resultados gerados com a calibração manual para os mesmos parâmetros. A calibração manual, normalmente requer bastante tempo e esforço dos desenvolvedores e usuários de tais algoritmos. De maneira contrária, a técnica estudada permite minimizar esse esforço e diminuir consideravelmente o tempo gasto no processo de calibração de parâmetros. Nesta pesquisa, o tempo total gasto pela ferramenta CALIBRA para calibração dos parâmetros citados foi de aproximadamente três horas, e pelo método convencional esse processo poderia levar dias. Por fim, o uso de uma técnica para calibração automática mostrou-se mais vantajoso em relação a calibração manual, pois CALIBRA, além de facilitar a tarefa de ajuste de parâmetros, pode aprimorar o trabalho de pesquisadores ao prover melhoria à qualidade do desempenho de algoritmos de otimização. AGRADECIMENTOS Os autores agradecem a CAPES e a FAPEMIG pelo apoio prestado durante a execução desta pesquisa. REFERÊNCIAS Adenso-Diaz, B. & Laguna, M., Fine-tuning of algorithms using fractional experimental designs and local search. Operations Research, v. 54, p Balaprakash, P., Birattari, M., & Stutzle, T., Improvement Strategies for the F-Race Algorithm: Sampling Design and Iterative Refinement. In Bartz-Beielstein, T. et al. Hybrid Metaheuristics,, v. 4771, pp Springer-Verlag. Fonseca, F. T. & Pitangueira, R. L., Um programa gráfico interativo para modelos estruturais de barras. In Iberian Latin American Congress on Computational Methods in Engineering - XXV CILAMCE, pp Linden, R., Algoritmos Genéticos. 2 a ed. Rio de Janeiro: Brasport.
14 Aplicação do método CALIBRA na otimização estrutural de treliças Moura, J. G., Uso de algoritmos evolutivos híbridos em problemas de otimização estrutural de treliças. Dissertação (Mestrado em Modelagem Matemática e Computacional) - Centro Federal de Educação Tecnológica de Minas Gerais, Belo Horizonte. Nocera, E., Validação de processos na indústria de dispositivos médicos. Monografia (Graduação em Engenharia de Produção) - Universidade Federal de Juiz de Fora, Juiz de Fora.
OTIMIZAÇÃO ESTRUTURAL DE TRELIÇAS UTILIZANDO ALGORITMOS EVOLUTIVOS HÍBRIDOS
VI CONGRESSO NACIONAL DE ENGENHARIA MECÂNICA VI NATIONAL CONGRESS OF MECHANICAL ENGINEERING 18 a 21 de agosto de 2010 Campina Grande Paraíba - Brasil August 18 21, 2010 Campina Grande Paraíba Brazil OTIMIZAÇÃO
4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
2. CALIBRAÇÃO AUTOMÁTICA DE PARÂMETROS
APLICAÇÃO DE MÉTODOS PARA AUTOMATIZAÇÃO DO PROCESSO DE CALIBRAÇÃO DE PARÂMETROS NA OTIMIZAÇÃO ESTRUTURAL DE TRELIÇAS UTILIZANDO ALGORITMOS EVOLUTIVOS HÍBRIDOS Aline de Sousa Pereira Bitencourt alinesousapb@gmail.com
6 Estudos de Casos Porta Lógica OU de 4 Entradas
6 Estudos de Casos Com o objetivo de avaliar a síntese automática de circuitos de QCA usando técnicas de Hardware Evolucionário (EHW), alguns circuitos foram sintetizados e serão apresentados a seguir.
5 VNS com Filtro e Reconexão por Caminhos
5 VNS com Filtro e Reconexão por Caminhos A metaheurística VNS (Variable Neighborhood Search) foi proposta por Mladenović e Hansen [40] e possui como idéia básica a mudança de vizinhanças realizada da
5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Algoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
DESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES
DESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES João Ricardo Kohler Abramoski (PAIC/FUNDAÇÃO ARAUCÁRIA), Sandra Mara Guse Scós Venske (Orientadora), e-mail: ssvenske@unicentro.br
Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15
Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15 1 Introdução Na indústria moderna há uma contínua busca da otimização dos níveis de produção e da melhoria da qualidade
1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
4 Formulação matemática e implementação computacional
4 Formulação matemática e implementação computacional 4.1 Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da configuração geométrica de risers rígidos RCHA, assim
Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
Figura 3.1: Fluxograma do algoritmo da Programação Genética.
3 Programação Genética O termo Programação Genética passou a ser utilizado em 1990 nos trabalhos publicados por Koza [30] e De Garis [31]. A definição de Koza para este termo passou a predominar após a
Algoritmos Evolutivos para Otimização
Algoritmos Evolutivos para Otimização A área de aplicação que tem recebido mais atenção é a otimização. Uma das razões é que existem uma variedade de problemas de otimização e a maioria deles sem solução
Estudo de Pontes de Madeira com Tabuleiro Multicelular Protendido O PROGRAMA OTB
Estudo de Pontes de Madeira com Tabuleiro Multicelular Protendido 48 3. O PROGRAMA O primeiro programa para cálculo dos esforços internos de pontes protendidas de madeira foi desenvolvido por Joe Murphy,
Assim, no algoritmo BIOCLIM, qualquer ponto do espaço pode ser classificado como:
ANEXO A ALGORITMOS BIOCLIM E GARP A.1 Algoritmo BIOCLIM O algoritmo BIOCLIM implementa o conceito de envelope bioclimático (Nix, 1986). O algoritmo calcula a média e o desvio-padrão para cada variável
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
Exemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
OTIMIZAÇÃO DA LIMPEZA DE REDES DE TROCADORES DE CALOR EMPREGANDO OS ALGORITMOS GENÉTICOS
OTIMIZAÇÃO DA LIMPEZA DE REDES DE TROCADORES DE CALOR EMPREGANDO OS ALGORITMOS GENÉTICOS C. de O. GONÇALVES 1, E. M. QUEIROZ 2, F. L. P. PESSOA 2, F. S. LIPORACE 3, S. G. OLIVEIRA 3 e A. L. H. COSTA 1
DESENVOLVIMENTO DA EQUAÇÃO PREDITIVA GERAL (EPG)
MELCONIAN, Marcos Vinícius. "Desenvolvimento da Equação Preditiva Geral (EPG)", p.79-102. In MELCONIAN, Marcos Vinicius. Modelagem numérica e computacional com similitude e elementos finitos, São Paulo:
1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 1.7. Outras Metaheurísticas Populacionais 1.7.1. Metaheurísticas Populacionais
Escalonador de Ordens de Produção Utilizando Algoritmos Genéticos
Escalonador de Ordens de Produção Utilizando Algoritmos Genéticos Nome: Wilian Kohler Supervisor na FURB: Prof. Jomi Fred Hübner Orientador na Empresa: Evaldo Moresco Jr. Empresa: Metalúrgica Siemsen Ltda.
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
ESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP
ESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP Gilson Rogério Batista, Gideon Villar Leandro Universidade Regional do Noroeste do Estado do Rio
PROGRAMA COMPUTACIONAL PARA ANÁLISE DINÂMICA DE ESTRUTURAS TRELIÇADAS Computational Program for dynamic analysis of lattice structures
PROGRAMA COMPUTACIONAL PARA ANÁLISE DINÂMICA DE ESTRUTURAS TRELIÇADAS Computational Program for dynamic analysis of lattice structures Larissa Bastos Martinelli (1); Élcio Cassimiro Alves (2) (1) Mestranda
6 Resultados Análise de Desempenho
Resultados 6 Resultados Com base em todas as técnicas e teorias estudadas nessa dissertação mais a arquitetura e detalhes de implementação utilizados para gerar a solução do módulo de renderização da pele
COMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS
COMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS Rosiana da Silva Lopes Danilo César Rodrigues Azevedo rosianalopes16@gmail.com danilo.azevedo@ufpi.edu.br.com
Banco de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri. Banco de Dados Processamento e Otimização de Consultas
Processamento e Otimização de Consultas Banco de Dados Motivação Consulta pode ter sua resposta computada por uma variedade de métodos (geralmente) Usuário (programador) sugere uma estratégia para achar
4 Análise de Dados. 4.1.Procedimentos
4 Análise de Dados 4.1.Procedimentos A idéia inicial para a comparação dos dados foi separá-los em series de 28 ensaios, com a mesma concentração, para depois combinar esses ensaios em uma única série.
ESTUDO E APLICAÇÃO DA LEI DE PEUKERT ESTENDIDA PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS CONSIDERANDO CORRENTES VARIÁVEIS 1
ESTUDO E APLICAÇÃO DA LEI DE PEUKERT ESTENDIDA PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS CONSIDERANDO CORRENTES VARIÁVEIS 1 Livia Bittencourt Gomes 2, Julia Giehl Zart 3, Douglas Joziel Bitencourt Freitas
METAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima
METAHEURÍSTICAS METAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima Consiste em aplicar iterativamente uma heurística subordinada (busca local) Tem algum mecanismo para escapar de ótimos locais (vales)
3 Algoritmos Genéticos
Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação
Avaliação do comportamento mecânico de treliças de madeira do tipo Howe, Pratt e Belga otimizadas pelo método dos algoritmos genéticos
Avaliação do comportamento mecânico de treliças de madeira do tipo Howe, Pratt e Belga otimizadas pelo método dos algoritmos genéticos Dogmar A. de Souza Junior 1, Francisco A. R. Gesualdo 1, Lívia M.
4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos
Genéticos 39 4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos Neste capítulo são abordadas as especificações de cada módulo e o Algoritmo Genético que compõem o modelo
Engenharia de Software Processo de Desenvolvimento. Ciclo de Vida - Modelo Cascata
Processo de Desenvolvimento Também chamado de ciclo de vida do software Reflete os passos necessários para se construir um produto de software Existem vários modelos de ciclo de vida Cascata (1956) Iterativo
5 Projeto de Novos Polímeros Condutores
5 Projeto de Novos Polímeros Condutores Polímeros condutores constituem uma nova classe de materiais eletrônicos com propriedades incomuns, baseadas em novos fenômenos físicos, tendo aplicações com largo
4 Testes e experimentos realizados 4.1. Implementação e banco de dados
32 4 Testes e experimentos realizados 4.1. Implementação e banco de dados Devido à própria natureza dos sites de redes sociais, é normal que a maior parte deles possua uma grande quantidade de usuários
Iterated Local Search. Helena R. Lorenço, Olivier Martinz and THOMAS STUTZLE
I Iterated Local Search Helena R. Lorenço, Olivier Martinz and THOMAS STUTZLE Idéias Metaheurística deve ser simples, eficiente e mais genérica possível. Problema específico deve ser incorporado à metaheurística.
Ajustando parâmetros livres de um Algoritmo Genético: uso da metodologia Response Surface
Ajustando parâmetros livres de um Algoritmo Genético: uso da metodologia Response Surface Hélcio Vieira Junior, Fabiano Luis de Sousa. Instituto Tecnológico de Aeronáutica, Pça Mal. Eduardo Gomes, 5. 8-9,
Problemas de otimização
Problemas de otimização Problemas de decisão: Existe uma solução satisfazendo certa propriedade? Resultado: sim ou não Problemas de otimização: Entre todas as soluções satisfazendo determinada propriedade,
OTIMIZAÇÃO DE TRELIÇAS METÁLICAS UTILIZANDO A FERRAMENTA SOLVER DO MICROSOFT EXCEL
OTIMIZAÇÃO DE TRELIÇAS METÁLICAS UTILIZANDO A FERRAMENTA SOLVER DO MICROSOFT EXCEL Lucas Aragão Alves da Costa Carlos David Rodrigues Melo lucas.arags@gmail.com cdavid_civil@hotmail.com Centro Universitário
3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Buscas Informadas ou Heurísticas - Parte III
Buscas Informadas ou Heurísticas - Parte III Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Mestrado em Ciência da Computação / 2006 BUSCA SMA* (Simplified Memory-Bounded A*) BUSCA SMA* (Simplified
CAP 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 C Simulated Annealing (2//7). C2 Busca Tabu (22//7). C3 Colônia de Formigas
Análise empírica de algoritmos de ordenação
Análise empírica de algoritmos de ordenação Mario E. Matiusso Jr. (11028407) Bacharelado em Ciências da Computação Universidade Federal do ABC (UFABC) Santo André, SP Brasil mario3001[a]ig.com.br Resumo:
Utilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos
Utilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos André Luiz Ferreira Pinto Pontifícia Universidade Católica do Rio de
Algoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
ANÁLISE DO COMPORTAMENTO DE MANCAIS ELASTO-HIDRODINÂMICOS ATRAVÉS DO MÉTODO DOS ELEMENTOS FINITOS
ANÁLISE DO COMPORTAMENTO DE MANCAIS ELASTO-HIDRODINÂMICOS ATRAVÉS DO MÉTODO DOS ELEMENTOS FINITOS Bruno Luchini, Fábio Fernandes Valente e Mariano Eduardo Moreno UFSCar, Universidade Federal de São Carlos,
Inteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Aplicação de algoritmos genéticos. Problema da Mochila (knapsack problem)
Aplicação de algoritmos genéticos Problema da Mochila (knapsack problem) Algoritmos genéticos Passos inspirados no processo biológico de evolução Ideia de sobrevivência dos mais adaptados Soluções cada
DEPARTAMENTO DE ENGENHARIA MECÂNICA
DEPARTAMENTO DE ENGENHARIA MECÂNICA Otimização: Algoritmos e Aplicações na Engenharia Mecânica ENG1786 & MEC2403 Ivan Menezes 2018-2 1 EMENTA 1. Introdução 1.1 Definições Básicas 1.2 Classificação dos
4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
PROGRAMAÇÃO DA PRODUÇÃO EM SISTEMAS POR BATELADAS: UM ESTUDO PARA A OTIMIZAÇÃO DO MAKESPAN
PROGRAMAÇÃO DA PRODUÇÃO EM SISTEMAS POR BATELADAS: UM ESTUDO PARA A OTIMIZAÇÃO DO MAKESPAN R. P. da ROCHA 1, M. de F. MORAIS 1, M. A. da S. S. RAVAGNANI 2, C. M. G. ANDRADE 2, C. M. P. R. PARAÍSO 2 1 Universidade
Relatório de pesquisa sobre o procedimento de otimização de modelos no Activate
Relatório de pesquisa sobre o procedimento de otimização de modelos no Activate 1 Introdução Esse trabalho tem por objetivo apresentar o bloco de otimização BobyqaOpt, suas funcionalidades, parâmetros
Algoritmos Genéticos
Algoritmos Genéticos Roteiro Introdução Algoritmos Genéticos Otimização Representação Seleção Operadores Genéticos Aplicação Caixeiro Viajante Introdução Algoritmos Genéticos (AGs), são métodos de otimização
1 Introdução. 1.1 Contextualização e motivação
1 Introdução 1.1 Contextualização e motivação Segundo Novaes (2004), no final da década de 1970, significativas mudanças econômicas passaram a afetar as sociedades comercialmente desenvolvidas e industrializadas.
1. INTRODUÇÃO AO PLANEJAMENTO DE EXPERIMENTOS
1. INTRODUÇÃO AO PLANEJAMENTO DE EXPERIMENTOS A metodologia conhecida como projeto de experimentos foi introduzida por Fischer em 1935 e inicialmente aplicada a experimentos de agricultura. Posteriormente,
3 Uma Abordagem Orientada a Aspectos para o Desenvolvimento de Frameworks
48 3 Uma Abordagem Orientada a Aspectos para o Desenvolvimento de Frameworks Este capítulo apresenta uma visão geral da contribuição principal deste trabalho: uma abordagem orientada a aspectos para o
Normas ISO:
Universidade Católica de Pelotas Tecnólogo em Análise e Desenvolvimento de Sistemas Disciplina de Qualidade de Software Normas ISO: 12207 15504 Prof. Luthiano Venecian 1 ISO 12207 Conceito Processos Fundamentais
3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Controlador Preditivo Otimizado Aplicado ao Controle de Velocidade de Motor CC
Controlador Preditivo Otimizado Aplicado ao Controle de Velocidade de Motor CC CARVALHO, Douglas F. 1,,, CALIXTO, Wesley P. 2,,, GANZAROLI, Cleber A. 3,,,,, DIAS, Rafael N. H. M.,, COUTO, Luiz A.. Resumo:
Otimização com Algoritmos Evolutivos
Otimização com Algoritmos Evolutivos Francisco Pereira (xico@dei.uc.pt) ELBCE 2016 (Setembro 2016) Resumo Problem Optimization Method Solution } Algoritmos Evolutivos } Propriedades e funcionamento } Exemplos
1 Introdução 1.1 Motivação
1 Introdução 1.1 Motivação Na engenharia civil, toda estrutura deve ser projetada para suportar a carga a que está submetida da forma mais segura possível utilizando o mínimo de material. Neste sentido,
SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS
Universidade Federal do Tocantins SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS Diogo Rigo de Brito Guimarães Alexandre Tadeu Rossini da Silva Objetivo Implementar soluções heurísticas para o Jogo de Damas
HydroExpert. Manual de criação de tendências em planilhas. HydroByte Software
HydroExpert Manual de criação de tendências em planilhas HydroByte Software Agosto 2015 HydroByte Software www.hydrobyte.com.br Manual da representação matemática e computacional do recurso de criação
CONTROLE DA TEMPERATURA DE SECAGEM ARTIFICIAL DE GRÃOS 1
CONTROLE DA TEMPERATURA DE SECAGEM ARTIFICIAL DE GRÃOS 1 Saul Vione Winik 2, Vanessa Faoro 3, Rodolfo França De Lima 4, Oleg Khatchatourian 5, Cristiano Osinski 6. 1 Projeto de Iniciação Científica 2 Bolsista
1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
7 Conclusões, comentários e sugestões 7.1. Conclusões
7 Conclusões, comentários e sugestões 7.1. Conclusões São abordados assuntos cujo estudo vem sendo aprofundado pela linha de pesquisa desenvolvida no âmbito do Termo de Cooperação existente entre a PUC-
Linear para o Problema de Escalonamento de Workflows em Múltiplos Provedores de Nuvem
Discretização do Tempo na Utilização de Programação Linear para o Problema de Escalonamento de Workflows em Múltiplos Provedores de Nuvem Thiago A. L. Genez, Luiz F. Bittencourt, Edmundo R. M. Madeira
ANÁLISE ESTÁTICA DE CHASSI BASEADA EM UM MODELO FORMULA SAE UTILIZANDO ANSYS
ANÁLISE ESTÁTICA DE CHASSI BASEADA EM UM MODELO FORMULA SAE UTILIZANDO ANSYS D. B. Sousa denis_dbs@hotmail.com E. D. M. Pereira Jr. douglasunb@hotmail.com T. C. Santos tharcisio.castro@gmail.com M. A.
Algoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
DESENVOLVIMENTO E ANÁLISE DE MODELOS DE ELEMENTOS FINITOS DE ESTRUTURAS AERONÁUTICAS, COM ÊNFASE EM ASAS E FUSELAGENS
Anais do XVI Encontro de Iniciação Científica e Pós-Graduação do ITA XVII ENCITA / 2011 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil 19 de outubro de 2011 DESENVOLVIMENTO E ANÁLISE
INVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL
INVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL Mirella Augusta Sousa Moura, mirella.asm14@hotmail.com Thiago Alves de Queiroz, th.al.qz@catalão.ufg.br Resumo: Empacotamento consiste
Introdução a Teste de Software
Universidade Católica de Pelotas Tecnólogo em Análise e Desenvolvimento de Sistemas Disciplina de Qualidade de Software Introdução a Teste de Software Prof. Luthiano Venecian 1 Conceitos Teste de software
1 Introdução 1.1 Motivação
13 1 Introdução 1.1 Motivação O planejamento de tarefas é um trabalho de resultados economicamente importantes mas de uma dificuldade computacional muito grande. Os problemas de planejamento podem ser
Figura 4.1: a)elemento Sólido Tetraédrico Parabólico. b)elemento Sólido Tetraédrico Linear.
4 Método Numérico Foi utilizado o método dos elementos finitos como ferramenta de simulação com a finalidade de compreender e avaliar a resposta do tubo, elemento estrutural da bancada de teste utilizada
Algoritmos Genéticos Fundamentos e Aplicações. Prof. Juan Moisés Mauricio Villanueva
Algoritmos Genéticos Fundamentos e Aplicações Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br Conteúdo Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de Algoritmos
4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Uma Introdução à Busca Tabu André Gomes
Uma Introdução à Busca Tabu André Gomes Departamento de Ciência da Computação, Instituto de Matemática e Estatística, Universidade de São Paulo, SP, Brasil Novembro de 2009 INTRODUÇÃO Método de Busca Local
RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR UTILIZANDO O MÉTODO GRÁFICO NA PLATAFORMA EXCEL
RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR UTILIZANDO O MÉTODO GRÁFICO NA PLATAFORMA EXCEL Deyvid Ricardo Ramos Gonçalves (FACULDADES SANTO AGOSTINHO) deyvidr@fasa.edu.br Erika Mayra Antunes Rocha (FACULDADES
Sobrepor as superfícies. Desirability = Desejabilidade. Solução. Métodos de Programação Linear. ou não Linear
Respostas múltiplas A otimização simultânea de várias respostas (propriedades, funções, etc.) é um objetivo inerente à concepção e à melhoria dos processos e dos produtos! O que fazer??? Solução Sobrepor
1.1 Linguagens de Programação
Fundamentos Procurando fazer com que haja uma melhor compreensão para o estudo e desenvolvimento utilizando linguagens de programação, este capítulo apresenta conceitos básicos sobre como um programa pode
Figura 36: Interface gráfica de testes.
6 Resultados A implementação atual contempla as operações desempenhadas pelos módulos Demux e Ajuste em Vídeo, além da estrutura dos controladores de ajuste. Para o módulo Demux, todas as funções previstas
Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
2.1 Dados Experimentais e Método para Estimação dos Parâmetros
ANÁLISE COMPARATIVA DE MODELOS ANALÍTICOS CONSIDERANDO DESCARGAS CONSTANTES PARA PREDIÇÃO DO TEMPO DE VIDA DE DISPOSITIVOS MÓVEIS 1 Julia Giehl Zart 2, Livia Bittencourt Gomes 3, Douglas Joziel Bitencourt
1. Introdução 1.1. Considerações Gerais
1. Introdução 1.1. Considerações Gerais O desenvolvimento tecnológico das últimas décadas tem influenciado intensamente a dinâmica de crescimento das cidades, evidenciando novas técnicas de construção,
Análise do revestimento de um coletor
Manual de engenharia No. 23 Atualização: 01/2019 Análise do revestimento de um coletor Programa: MEF Arquivo: Demo_manual_23.gmk O objetivo deste Manual de Engenharia é realizar a análise de um coletor,
UM SISTEMA GRÁFICO PARA O ENSINO E PROJETO DO EFEITO DE CARGAS DE VENTO SOBRE O COMPORTAMENTO ESTRUTURAL DE TORRES METÁLICAS
UM SISTEMA GRÁFICO PARA O ENSINO E PROJETO DO EFEITO DE CARGAS DE VENTO SOBRE O COMPORTAMENTO ESTRUTURAL DE TORRES METÁLICAS José G. S. da Silva - jgss@uerj.br Depto. Engenharia Mecânica, Faculdade de
Análise do revestimento de um coletor
Manual de engenharia No. 23 Atualização: 04/2019 Análise do revestimento de um coletor Programa: MEF Arquivo: Demo_manual_23.gmk O objetivo deste Manual de Engenharia é realizar a análise de um coletor,
Processos de Software
Riscos Processos de Software Gidevaldo Novais (gidevaldo.vic@ftc.br) Muitos problemas no desenvolvimento de software provêm de riscos Seriam problemas potenciais que poderão ocorrer em um futuro próximo
APLICAÇÃO DE META-HEURÍSTICAS À ENGENHARIA DE PRODUÇÃ O
APLICAÇÃO DE META-HEURÍSTICAS À ENGENHARIA DE PRODUÇÃ O João Carlos Zayatz Universidade Estadual de Maringá jcarloszay@gmail.com Gislaine Camila Lapasini Leal Universidade Estadual de Maringá gclleal@uem.br
ENGENHARIA DE SOFTWARE
CURSO TÉCNICO DE INFORMÁTICA Módulo A ENGENHARIA DE SOFTWARE Análise de Requisitos REQUISITO? Pode variar de uma declaração abstrata de alto nível de um serviço ou de uma restrição de sistema para uma
Engenharia de Software. Projeto de Software. Projeto: definição. Profa. Dra. Lúcia V. L. Filgueiras Profa. Dra. Selma Shin Shimizu Melnikoff
Engenharia de Software Profa. Dra. Lúcia V. L. Filgueiras Profa. Dra. Selma Shin Shimizu Melnikoff Projeto de Software Fundamentos de projeto de software Projeto estruturado Índice do documento de projeto
Otimização Numérica (Método do Gradiente) de Transformadores através do Modelo de Impedância combinado com o Modelo de Reatância Concentrada
8. Otimização Numérica (Método do Gradiente) de Transformadores através do Modelo de Impedância combinado com o Modelo de Reatância Concentrada 8.1 Introdução Nos Capítulos 6 e 7 introduzimos o modelo
132 6 Conclusão 6.1. Contribuições da Tese
132 6 Conclusão Esta tese teve como objetivo principal o estudo da aplicação de transformações para manter a rastreabilidade de um sistema de software. Esta abordagem permite a captura automática das informações