Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFC |
Texto Completo: | http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=3483 |
Resumo: | Ao longo das Ãltimas trÃs dÃcadas os algoritmos evolucionÃrios vÃm sendo aplicados com sucesso nas mais diversas Ãreas. Dentre as principais vantagens dos algoritmos evolucionÃrios estÃo a facilidade de aplicaÃÃo, a eficiÃncia e a confiabilidade. Na remediaÃÃo de Ãguas subterrÃneas, geralmente, os objetivos sÃo minimizar custos, minimizar a presenÃa do contaminante, maximizar a eficiÃncia do bombeamento, entre outros. Esses objetivos sÃo naturalmente conflitantes e a busca de soluÃÃes Ãtimas, ou quase Ãtimas, faz-se necessÃria. Tendo em vista esse fato, os mÃtodos de otimizaÃÃo evolucionÃria vÃm sendo aplicados e aperfeiÃoados na busca dessas soluÃÃes. à apresentada uma breve descriÃÃo de alguns desses mÃtodos, discutindo-se algumas de suas vantagens e limitaÃÃes. Cinco funÃÃes matemÃticas sÃo utilizadas para avaliar o desempenho dos algoritmos e tambÃm para servir de base para efetuar uma comparaÃÃo entre os mesmos. Para otimizar um sistema âbombear-e-tratarâ na remediaÃÃo de um sÃtio hipotÃtico, sÃo utilizados algoritmos evolucionÃrios multipopulaÃÃo, tratando o problema na sua dimensÃo multiobjetiva. A abordagem multipopulaÃÃo vem sendo empregada como mitigadora de um dos principais inconvenientes da otimizaÃÃo evolucionÃria: o excessivo tempo computacional. O fluxo de Ãguas subterrÃneas à modelado com o MODFLOW (modular finite-difference flow model), enquanto o transporte de contaminante à simulado com o MT3DMS (modular three-dimensional multispecies transport model). SÃo propostos dois algoritmos multipopulaÃÃo: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), a partir do NPGA (Niched Pareto Genetic Algorithm) e da abordagem de ilhas de injeÃÃo; MHBMO (Multiple Hive Honey Bee Mating Optimization), uma versÃo multipopulaÃÃo do HBMO (Honey Bee Mating Optimization). TambÃm à utilizada uma versÃo multipopulaÃÃo do PSO (Particle Swarm Optimization), chamada MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization). Os testes com funÃÃes matemÃticas validaram os algoritmos apresentados, e o problema de otimizaÃÃo do sistema âbombear-e-tratarâ tem como objetivos a minimizaÃÃo do custo da remediaÃÃo e da quantidade final da pluma contaminante. Todos os algoritmos obtiveram bons resultados, com sutil vantagem para o MINPGA |
id |
UFC_24a6ac531f0e1c4091971837a40352bb |
---|---|
oai_identifier_str |
oai:www.teses.ufc.br:2891 |
network_acronym_str |
UFC |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFC |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAlgoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneasMulti-population Evolutionary Algorithm Multi-Objective Optimization of Groundwater Remediation2009-07-24Eduardo SÃvio Passos Rodrigues Martins25842587300CarÃsia Carvalho Gomes10203796349http://lattes.cnpq.br/3905711599005570Carlos de Oliveira GalvÃo28861604404http://lattes.cnpq.br/9325801586502860Dirceu Silveira Reis JÃnior01838859705http://lattes.cnpq.br/377237520480937991169739334http://lattes.cnpq.br/7402661758870173 Marcos Rodrigues PintoUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Engenharia CivilUFCBRRecursos HÃdricos Ãguas SubterrÃneas ContaminantesWater Resources Groundwater ContaminantENGENHARIA CIVILAo longo das Ãltimas trÃs dÃcadas os algoritmos evolucionÃrios vÃm sendo aplicados com sucesso nas mais diversas Ãreas. Dentre as principais vantagens dos algoritmos evolucionÃrios estÃo a facilidade de aplicaÃÃo, a eficiÃncia e a confiabilidade. Na remediaÃÃo de Ãguas subterrÃneas, geralmente, os objetivos sÃo minimizar custos, minimizar a presenÃa do contaminante, maximizar a eficiÃncia do bombeamento, entre outros. Esses objetivos sÃo naturalmente conflitantes e a busca de soluÃÃes Ãtimas, ou quase Ãtimas, faz-se necessÃria. Tendo em vista esse fato, os mÃtodos de otimizaÃÃo evolucionÃria vÃm sendo aplicados e aperfeiÃoados na busca dessas soluÃÃes. à apresentada uma breve descriÃÃo de alguns desses mÃtodos, discutindo-se algumas de suas vantagens e limitaÃÃes. Cinco funÃÃes matemÃticas sÃo utilizadas para avaliar o desempenho dos algoritmos e tambÃm para servir de base para efetuar uma comparaÃÃo entre os mesmos. Para otimizar um sistema âbombear-e-tratarâ na remediaÃÃo de um sÃtio hipotÃtico, sÃo utilizados algoritmos evolucionÃrios multipopulaÃÃo, tratando o problema na sua dimensÃo multiobjetiva. A abordagem multipopulaÃÃo vem sendo empregada como mitigadora de um dos principais inconvenientes da otimizaÃÃo evolucionÃria: o excessivo tempo computacional. O fluxo de Ãguas subterrÃneas à modelado com o MODFLOW (modular finite-difference flow model), enquanto o transporte de contaminante à simulado com o MT3DMS (modular three-dimensional multispecies transport model). SÃo propostos dois algoritmos multipopulaÃÃo: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), a partir do NPGA (Niched Pareto Genetic Algorithm) e da abordagem de ilhas de injeÃÃo; MHBMO (Multiple Hive Honey Bee Mating Optimization), uma versÃo multipopulaÃÃo do HBMO (Honey Bee Mating Optimization). TambÃm à utilizada uma versÃo multipopulaÃÃo do PSO (Particle Swarm Optimization), chamada MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization). Os testes com funÃÃes matemÃticas validaram os algoritmos apresentados, e o problema de otimizaÃÃo do sistema âbombear-e-tratarâ tem como objetivos a minimizaÃÃo do custo da remediaÃÃo e da quantidade final da pluma contaminante. Todos os algoritmos obtiveram bons resultados, com sutil vantagem para o MINPGAThrough the last three decades the evolutionary algorithms have been successful on application to many areas. Easily applied, efficiency and confidence are the main advantages of the evolutionary algorithms. In the groundwater remediation, generally, the objectives are the cost minimization, minimization of contaminant presence, maximization of pumping efficiency, among others. These objectives are naturally in conflicting and the search for optimal solutions, or almost optimal solutions are needed. In view of that, the evolutionary optimization methods have been applied and refined in order to search these solutions. A brief description of these methods is presented, referring to their advantages and limitations. Five mathematical functions are used to measure the algorithms performance and allow a comparison between them. In order to optimize a âpump-and-treatâ system in the remediation of a hypothetical site, multi-population evolutionary algorithms are used, considering the problem multi-objective dimension. The multi-population approach has been applied as mitigate for the main evolutionary optimization drawback: the excessive computational time. The groundwater flow modeler MODFLOW (modular finite-difference flow model) is used with the contaminant transport simulator MT3DMS (modular three-dimensional multispecies transport model). Two multi-population algorithms are presented: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), that is a NPGA (Niched Pareto Genetic Algorithm) multi-population version with the injection island approach; MHBMO (Multi-Hive Honey Bee Mating Optimization), that is a HBMO (Honey Bee Mating Optimization) multi-population version. A PSO (Particle Swarm Optimization) multi-population version, called MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization) is too used. Tests with mathematical functions validate the presented algorithms. Remediation problem using the âpumping-and-treatâ technique had as objectives the minimization of remediation cost and minimization of contaminant final plume. The results were shown to be very good for all algorithms, but MINPGA had a tenuous advantage over othersFundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgicohttp://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=3483application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:16:36Zmail@mail.com - |
dc.title.pt.fl_str_mv |
Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas |
dc.title.alternative.en.fl_str_mv |
Multi-population Evolutionary Algorithm Multi-Objective Optimization of Groundwater Remediation |
title |
Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas |
spellingShingle |
Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas Marcos Rodrigues Pinto Recursos HÃdricos Ãguas SubterrÃneas Contaminantes Water Resources Groundwater Contaminant ENGENHARIA CIVIL |
title_short |
Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas |
title_full |
Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas |
title_fullStr |
Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas |
title_full_unstemmed |
Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas |
title_sort |
Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas |
author |
Marcos Rodrigues Pinto |
author_facet |
Marcos Rodrigues Pinto |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Eduardo SÃvio Passos Rodrigues Martins |
dc.contributor.advisor1ID.fl_str_mv |
25842587300 |
dc.contributor.referee1.fl_str_mv |
CarÃsia Carvalho Gomes |
dc.contributor.referee1ID.fl_str_mv |
10203796349 |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/3905711599005570 |
dc.contributor.referee2.fl_str_mv |
Carlos de Oliveira GalvÃo |
dc.contributor.referee2ID.fl_str_mv |
28861604404 |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/9325801586502860 |
dc.contributor.referee3.fl_str_mv |
Dirceu Silveira Reis JÃnior |
dc.contributor.referee3ID.fl_str_mv |
01838859705 |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/3772375204809379 |
dc.contributor.authorID.fl_str_mv |
91169739334 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/7402661758870173 |
dc.contributor.author.fl_str_mv |
Marcos Rodrigues Pinto |
contributor_str_mv |
Eduardo SÃvio Passos Rodrigues Martins CarÃsia Carvalho Gomes Carlos de Oliveira GalvÃo Dirceu Silveira Reis JÃnior |
dc.subject.por.fl_str_mv |
Recursos HÃdricos Ãguas SubterrÃneas Contaminantes |
topic |
Recursos HÃdricos Ãguas SubterrÃneas Contaminantes Water Resources Groundwater Contaminant ENGENHARIA CIVIL |
dc.subject.eng.fl_str_mv |
Water Resources Groundwater Contaminant |
dc.subject.cnpq.fl_str_mv |
ENGENHARIA CIVIL |
dc.description.sponsorship.fl_txt_mv |
FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico |
dc.description.abstract.por.fl_txt_mv |
Ao longo das Ãltimas trÃs dÃcadas os algoritmos evolucionÃrios vÃm sendo aplicados com sucesso nas mais diversas Ãreas. Dentre as principais vantagens dos algoritmos evolucionÃrios estÃo a facilidade de aplicaÃÃo, a eficiÃncia e a confiabilidade. Na remediaÃÃo de Ãguas subterrÃneas, geralmente, os objetivos sÃo minimizar custos, minimizar a presenÃa do contaminante, maximizar a eficiÃncia do bombeamento, entre outros. Esses objetivos sÃo naturalmente conflitantes e a busca de soluÃÃes Ãtimas, ou quase Ãtimas, faz-se necessÃria. Tendo em vista esse fato, os mÃtodos de otimizaÃÃo evolucionÃria vÃm sendo aplicados e aperfeiÃoados na busca dessas soluÃÃes. à apresentada uma breve descriÃÃo de alguns desses mÃtodos, discutindo-se algumas de suas vantagens e limitaÃÃes. Cinco funÃÃes matemÃticas sÃo utilizadas para avaliar o desempenho dos algoritmos e tambÃm para servir de base para efetuar uma comparaÃÃo entre os mesmos. Para otimizar um sistema âbombear-e-tratarâ na remediaÃÃo de um sÃtio hipotÃtico, sÃo utilizados algoritmos evolucionÃrios multipopulaÃÃo, tratando o problema na sua dimensÃo multiobjetiva. A abordagem multipopulaÃÃo vem sendo empregada como mitigadora de um dos principais inconvenientes da otimizaÃÃo evolucionÃria: o excessivo tempo computacional. O fluxo de Ãguas subterrÃneas à modelado com o MODFLOW (modular finite-difference flow model), enquanto o transporte de contaminante à simulado com o MT3DMS (modular three-dimensional multispecies transport model). SÃo propostos dois algoritmos multipopulaÃÃo: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), a partir do NPGA (Niched Pareto Genetic Algorithm) e da abordagem de ilhas de injeÃÃo; MHBMO (Multiple Hive Honey Bee Mating Optimization), uma versÃo multipopulaÃÃo do HBMO (Honey Bee Mating Optimization). TambÃm à utilizada uma versÃo multipopulaÃÃo do PSO (Particle Swarm Optimization), chamada MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization). Os testes com funÃÃes matemÃticas validaram os algoritmos apresentados, e o problema de otimizaÃÃo do sistema âbombear-e-tratarâ tem como objetivos a minimizaÃÃo do custo da remediaÃÃo e da quantidade final da pluma contaminante. Todos os algoritmos obtiveram bons resultados, com sutil vantagem para o MINPGA |
dc.description.abstract.eng.fl_txt_mv |
Through the last three decades the evolutionary algorithms have been successful on application to many areas. Easily applied, efficiency and confidence are the main advantages of the evolutionary algorithms. In the groundwater remediation, generally, the objectives are the cost minimization, minimization of contaminant presence, maximization of pumping efficiency, among others. These objectives are naturally in conflicting and the search for optimal solutions, or almost optimal solutions are needed. In view of that, the evolutionary optimization methods have been applied and refined in order to search these solutions. A brief description of these methods is presented, referring to their advantages and limitations. Five mathematical functions are used to measure the algorithms performance and allow a comparison between them. In order to optimize a âpump-and-treatâ system in the remediation of a hypothetical site, multi-population evolutionary algorithms are used, considering the problem multi-objective dimension. The multi-population approach has been applied as mitigate for the main evolutionary optimization drawback: the excessive computational time. The groundwater flow modeler MODFLOW (modular finite-difference flow model) is used with the contaminant transport simulator MT3DMS (modular three-dimensional multispecies transport model). Two multi-population algorithms are presented: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), that is a NPGA (Niched Pareto Genetic Algorithm) multi-population version with the injection island approach; MHBMO (Multi-Hive Honey Bee Mating Optimization), that is a HBMO (Honey Bee Mating Optimization) multi-population version. A PSO (Particle Swarm Optimization) multi-population version, called MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization) is too used. Tests with mathematical functions validate the presented algorithms. Remediation problem using the âpumping-and-treatâ technique had as objectives the minimization of remediation cost and minimization of contaminant final plume. The results were shown to be very good for all algorithms, but MINPGA had a tenuous advantage over others |
description |
Ao longo das Ãltimas trÃs dÃcadas os algoritmos evolucionÃrios vÃm sendo aplicados com sucesso nas mais diversas Ãreas. Dentre as principais vantagens dos algoritmos evolucionÃrios estÃo a facilidade de aplicaÃÃo, a eficiÃncia e a confiabilidade. Na remediaÃÃo de Ãguas subterrÃneas, geralmente, os objetivos sÃo minimizar custos, minimizar a presenÃa do contaminante, maximizar a eficiÃncia do bombeamento, entre outros. Esses objetivos sÃo naturalmente conflitantes e a busca de soluÃÃes Ãtimas, ou quase Ãtimas, faz-se necessÃria. Tendo em vista esse fato, os mÃtodos de otimizaÃÃo evolucionÃria vÃm sendo aplicados e aperfeiÃoados na busca dessas soluÃÃes. à apresentada uma breve descriÃÃo de alguns desses mÃtodos, discutindo-se algumas de suas vantagens e limitaÃÃes. Cinco funÃÃes matemÃticas sÃo utilizadas para avaliar o desempenho dos algoritmos e tambÃm para servir de base para efetuar uma comparaÃÃo entre os mesmos. Para otimizar um sistema âbombear-e-tratarâ na remediaÃÃo de um sÃtio hipotÃtico, sÃo utilizados algoritmos evolucionÃrios multipopulaÃÃo, tratando o problema na sua dimensÃo multiobjetiva. A abordagem multipopulaÃÃo vem sendo empregada como mitigadora de um dos principais inconvenientes da otimizaÃÃo evolucionÃria: o excessivo tempo computacional. O fluxo de Ãguas subterrÃneas à modelado com o MODFLOW (modular finite-difference flow model), enquanto o transporte de contaminante à simulado com o MT3DMS (modular three-dimensional multispecies transport model). SÃo propostos dois algoritmos multipopulaÃÃo: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), a partir do NPGA (Niched Pareto Genetic Algorithm) e da abordagem de ilhas de injeÃÃo; MHBMO (Multiple Hive Honey Bee Mating Optimization), uma versÃo multipopulaÃÃo do HBMO (Honey Bee Mating Optimization). TambÃm à utilizada uma versÃo multipopulaÃÃo do PSO (Particle Swarm Optimization), chamada MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization). Os testes com funÃÃes matemÃticas validaram os algoritmos apresentados, e o problema de otimizaÃÃo do sistema âbombear-e-tratarâ tem como objetivos a minimizaÃÃo do custo da remediaÃÃo e da quantidade final da pluma contaminante. Todos os algoritmos obtiveram bons resultados, com sutil vantagem para o MINPGA |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-07-24 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.uri.fl_str_mv |
http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=3483 |
url |
http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=3483 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Cearà |
dc.publisher.program.fl_str_mv |
Programa de PÃs-GraduaÃÃo em Engenharia Civil |
dc.publisher.initials.fl_str_mv |
UFC |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Federal do Cearà |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFC instname:Universidade Federal do Ceará instacron:UFC |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFC |
collection |
Biblioteca Digital de Teses e Dissertações da UFC |
instname_str |
Universidade Federal do Ceará |
instacron_str |
UFC |
institution |
UFC |
repository.name.fl_str_mv |
-
|
repository.mail.fl_str_mv |
mail@mail.com |
_version_ |
1643295132696444928 |