Mestrado em Modelagem Matemática e Computacional

URI Permanente para esta coleção

https://repositorio.cefetmg.br//handle/123456789/647

Navegar

Navegando Mestrado em Modelagem Matemática e Computacional por Autor "Almeida, Paulo Eduardo Maciel de"

Agora exibindo 1 - 4 de 4
  • Imagem de Miniatura
    Item
    Desenvolvimento de um algoritmo multiobjetivo híbrido estudo de caso na geração de energia com usinas hidroelétricas em cascata
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2019-02-26) Oliveira, Lucas Braga de; Almeida, Paulo Eduardo Maciel de; Marcelino, Carolina Gil; http://lattes.cnpq.br/3289676418940953; http://lattes.cnpq.br/6099942406051896; http://lattes.cnpq.br/2913427182465561; Almeida, Paulo Eduardo Maciel de; Marcelino, Carolina Gil; Saldanha, Rodney Rezende; Wanner, Elizabeth Fialho
    Os algoritmos evolucionários se inspiram em mecanismos de adaptação encontrados na natureza e nas últimas décadas têm se destacado como solução para diversos problemas nas áreas de engenharia, ciência e médica. À medida que a tecnologia avança, a complexidade de seus sistemas aumenta de forma que se torna árduo a sua solução sem o auxílio computacional destes algoritmos. Uma das técnicas para se melhorar o desempenho destes algoritmos é a hibridização, que consiste na incorporação e combinação de diferentes algoritmos e técnicas de forma que as vantagens de um algoritmo ou técnica suprimam as deficiências do outro, melhorando de maneira geral a performance. Neste trabalho, foi desenvolvido o algoritmo multiobjetivo híbrido MESH, que se fundamenta nos paradigmas evolucionário e de busca por enxame do algoritmo híbrido C-DEEPSO e incorpora técnicas de outros algoritmos multiobjetivo. O MESH foi comparado com os algoritmos multiobjetivo clássicos NSGA-II e SPEA2, nas funções benchmark ZDT e em dois modelos multiobjetivo de geração de energia em usinas hidroelétricas. Um dos modelos avaliados, que é proposto neste trabalho, aborda a dinâmica da geração de energia com usinas em cascata com os objetivos de eficiência energética e manutenção dos níveis dos reservatórios do sistema. Em problemas benchmark o MESH se mostrou competitivo em relação aos dois algoritmos clássicos, obtendo soluções de forma computacionalmente mais rápida e de qualidade igual ou superior. Nas avaliações com problemas reais de geração de energia com usinas hidroelétricas, o MESH se apresentou sensível à combinação de sua configuração de parâmetros e do tipo de problema a ser otimizado. Das duas configurações avaliadas, uma foi capaz de obter soluções de qualidade superior ao NSGA-II e SPEA2, enquanto a outra obteve soluções inferiores. O modelo matemático proposto por sua vez demonstrou que possível ser mais eficiente que o modo de operação padrão adotado em usinas hidrelétricas brasileiras, podendo economizar grandes quantias de água.
  • Imagem de Miniatura
    Item
    Previsão de resultados no futebol por meio de técnicas de aprendizado de máquina
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2019-02-19) Fernandes, Felipe Augusto Pereira; Martins, Flávio Vinicius Cruzeiro; Lacerda, Anísio Mendes; http://lattes.cnpq.br/2034607422210997; http://lattes.cnpq.br/3199420233273400; http://lattes.cnpq.br/4848497784026775; Martins, Flávio Vinícius Cruzeiro; Lacerda, Anísio Mendes; Dalip, Dnaiel Hasan; Almeida, Paulo Eduardo Maciel de
    Futebol é considerado o esporte mais popular do mundo. Por isso, existe um grande interesse em saber quem será o vencedor de uma partida com impactos sociais e econômicos ao redor do mundo. A partir de dados básicos de desempenho, extraídos dos placares dos jogos, este trabalho tem o objetivo de estudar o desempenho dos algoritmos de aprendizado de máquina aplicados à predição de jogos de futebol: vitória do mandante, empate ou vitória do visitante. Propusemos um modelo de dados para predição de jogos de futebol e investigamos os modelos de aprendizado com tarefas de regressão e classificação aplicando técnicas de redução de dimensão. Os algoritmos utilizados para regressão foram: Regressão Linear (RegLin), K vizinhos mais próximos (KNN), Random Forest (RF) e Gradient Boosting (GB). Para classificação: Regressão Logística (RegLog), Random Forest (RF), Gradient Boosting (GB), Naive Bayes (NB) e K vizinhos mais próximos. Para os algoritmos de regressão, o valor referência passou a ser o saldo de gols, pois é um número inteiro que varia num intervalo . O melhor algoritmo, em relação ao F1-score, foi o GB aplicado a tarefa de regressão utilizando o modelo proposto neste estudo com K igual a 0.25. Este modelo apresentou um F1-score de 0.509 e uma acurácia de 52.78%. Aplicando esse modelo em apostas esportivas, ele se mostrou robusto em relação a lucratividade, com rentabilidade superior a índices de referência como IBOV e a taxa básica de juros do Brasil, a taxa SELIC.
  • Imagem de Miniatura
    Item
    Programação genética aplicada na construção da base de regras em redes Neuro-Fuzzy tipo Neo-Fuzzy-Neuron
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2019-12-12) Medeiros, Glender Brás de; Silva, Alisson Marques da; http://lattes.cnpq.br/3856358583630209; http://lattes.cnpq.br/5341764231791401; Silva, Alisson Marques da; Caminhas, Walmir Matos; Almeida, Paulo Eduardo Maciel de
    Este trabalho propõe a utilização de Programação Genética para construção da base de regras em Redes Neuro-Fuzzy do tipo Neo-Fuzzy-Neuron (NFN). Redes Neuro-Fuzzy são sistemas híbridos que combinam características dos Sistemas Fuzzy, como lidar com dados linguísticos e imprecisos, e das Redes Neurais Artificiais, como a capacidade de incorporar técnicas de aprendizado. A rede NFN é uma rede Neuro-Fuzzy composta por n modelos Takagi-Sugeno de ordem zero, um para cada variável de entrada. Programação Genética (PG) é uma técnica de Computação Evolucionária que utiliza analogias aos conceitos de evolução natural dos seres vivos para gerar e evoluir programas computacionais automaticamente. É um método populacional, isto é, trabalha com uma população de indivíduos (soluções) que buscam gerar indivíduos melhores a partir do processo evolucionário da PG. Neste trabalho são propostos três novos algoritmos para redes Neuro-Fuzzy do tipo Neo-Fuzzy-Neuron com aprendizado por Programação Genética para construção da base de regras em cooperação com um método do gradiente para ajuste dos parâmetros do consequente. A escolha da PG se deve principalmente pela capacidade desta de, como qualquer outro método evolucionário, explorar um amplo espaço de busca com menos passos que algoritmos convencionais e fugir de ótimos locais. Por fim, os modelos foram avaliados e comparados com modelos alternativos do estado da arte que utilizam métodos convencionais de aprendizado em problemas de previsão e identificação de sistemas. Os resultados obtidos mostram que a Programação Genética é uma alternativa eficaz para a construção da base de regras em redes Neo-Fuzzy-Neuron, possibilitando obter modelos com boa acurácia quando aplicados em problemas de previsão e identificação de sistemas.
  • Imagem de Miniatura
    Item
    Uma abordagem evolutiva e híbrida para a solução de problemas de fluxo de potência ótimo
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2017-06-09) Marcelino, Carolina Gil; Almeida, Paulo Eduardo Maciel de; Wanner, Elizabeth Fialho; http://lattes.cnpq.br/2243256075052322; http://lattes.cnpq.br/6099942406051896; http://lattes.cnpq.br/3289676418940953; Almeida, Paulo Eduardo Maciel de; Wanner, Elizabeth Fialho; Bernadino, Heder Soares; Pinto, Felipe Campelo Franca; Souza, Marcone Jamilson Freitas; Martins, Flávio Vinicius Cruzeiro
    Nos últimos anos, tem-se percebido uma preocupação crescente em relação ao uso racional da energia. Os países desenvolvidos têm realizado campanhas relacionadas à projeção e prospecção de novas soluções eficazes na indústria, entre elas a busca objetiva pelo uso adequado das fontes de energia elétrica. Esta forma de energia é considerada de suma importância para o desenvolvimento social e econômico. Garantir a eficiência energética visando a sustentabilidade e a minimização do uso de recursos se torna um grande desafio. Controlar grandes sistemas de geração e transmissão de energia elétrica é uma tarefa complexa, por ser um problema não-linear e possuir um alto número de restrições agregadas. Neste contexto, o estudo e a proposição de novos métodos para solucionar problemas de Fluxo de Potência Ótimo (OPF) se tornam temas de alta prioridade no cenário mundial. Este trabalho propõe e implementa algoritmos evolucionários híbridos e os aplica para solução destes problemas. Dois novos algoritmos híbridos C-DEEPSO e hC-DEEPSO são propostos e apresentados, os quais resolvem dada a dificuldade de cada problema elétrico em sua necessidade os problemas: de despacho elétrico em uma usina hidrelétrica, do controle da geração elétrica em uma planta eólica, os problemas OPF com restrições de segurança em grandes redes e o problema do despacho elétrico em um modelo de microgrid híbrido aperfeiçoado. Neste caso, um método de tomada de decisão foi utilizado a posteriori para definir o melhor sistema de armazenamento de energia para a rede proposta. Experimentos simulados foram executados em um computador de alto desempenho, e a análise deles foi realizada a partir de técnicas de inferência estatística, indicando que os algoritmos propostos se mostraram eficientes e competitivos na solução dos problemas estudados.