Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/33289 |
Resumo: | O presente trabalho apresenta uma solução para o problema de locação das UEPs (Unidades Estacio-nárias de Produção) e manifolds. Os diversos fatores relacionados aos sistemas submarinos de produção implicam na necessidade de otimização. Quanto maior a distância entre poços, manifolds e UEPs, maior é o custo envolvido entre eles. O método proposto é baseado na metaheurística Algoritmos Genéticos (AG) associada ao conceito de chaves randômicas, ou como Bean (1994) propôs, um algoritmo genético com chaves aleatórias. A implementação é dividida em classes, sendo elas CProblema, CSolução e CGenetico. A função de aptidão leva em conta as demandas atendidas e as capacidades envolvidas. Além destes fatores sãos relevantes os custos relacionados aos cabeamentos de risers, flowlines e jumpers. Para os experimentos, foram geradas cinco instâncias, as quais variam de acordo com número de poço, manifolds e UEPs. Para todas elas, é possível visualizar e comprovar que a melhora nos resultados está diretamente proporcional a quantidade de iterações. Por fim, é demonstrada a evolução da população através do gráfico de nuvem de pontos |
id |
UFF-2_b9520c5083aecee8963ce37f25ec0da8 |
---|---|
oai_identifier_str |
oai:app.uff.br:1/33289 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleoAlgoritmo genéticoChaves aleatóriasLocalizaçãoPlataformas de petróleoOtimizaçãoGenetic algorithmRandom keysLocationOil platformsOptimizationO presente trabalho apresenta uma solução para o problema de locação das UEPs (Unidades Estacio-nárias de Produção) e manifolds. Os diversos fatores relacionados aos sistemas submarinos de produção implicam na necessidade de otimização. Quanto maior a distância entre poços, manifolds e UEPs, maior é o custo envolvido entre eles. O método proposto é baseado na metaheurística Algoritmos Genéticos (AG) associada ao conceito de chaves randômicas, ou como Bean (1994) propôs, um algoritmo genético com chaves aleatórias. A implementação é dividida em classes, sendo elas CProblema, CSolução e CGenetico. A função de aptidão leva em conta as demandas atendidas e as capacidades envolvidas. Além destes fatores sãos relevantes os custos relacionados aos cabeamentos de risers, flowlines e jumpers. Para os experimentos, foram geradas cinco instâncias, as quais variam de acordo com número de poço, manifolds e UEPs. Para todas elas, é possível visualizar e comprovar que a melhora nos resultados está diretamente proporcional a quantidade de iterações. Por fim, é demonstrada a evolução da população através do gráfico de nuvem de pontosThe present work presents a solution for the problem of leasing UEPs and manifolds. The various factors related to underwater production systems imply the need for optimization. The greater the distances between wells, manifolds and UEPs, the greater the cost involved between them. The proposed method is based on the metaheuristic Genetic Algorithms (GA) associated with the concept of random keys, or as Bean (1994) proposed, random key genetic algorithms (RKGA). The implementation is divided into classes, which are: CProblema, CSolucao and CGenetico. The fitness function takes into account the demands met and the capacities involved. Besides these factors it is relevant the costs related to cabling of risers, flowlines and jumpers. For the experiments, five instances were generated, which vary according to number of wells, manifolds and UEPs. For all instances, it is possible to visualize and prove that the improvement in results is directly proportional to the number of iterations. Finally, the evolution of the population through the cloud chart of points is demonstrated40 p.Vianna, Dalessandro SoaresVianna, Marcilene de Fátima DianinMarques, EduardoSouza, Lucas Campos Dal Piaz de2024-07-12T22:22:53Z2024-07-12T22:22:53Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfSOUZA, Lucas Campos Dal Piaz de. Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo. 2017. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Instituto de Ciência e Tecnologia, Universidade Federal Fluminense, Rio das Ostras, 2017.https://app.uff.br/riuff/handle/1/33289CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2024-07-12T22:22:58Zoai:app.uff.br:1/33289Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-07-12T22:22:58Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo |
title |
Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo |
spellingShingle |
Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo Souza, Lucas Campos Dal Piaz de Algoritmo genético Chaves aleatórias Localização Plataformas de petróleo Otimização Genetic algorithm Random keys Location Oil platforms Optimization |
title_short |
Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo |
title_full |
Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo |
title_fullStr |
Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo |
title_full_unstemmed |
Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo |
title_sort |
Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo |
author |
Souza, Lucas Campos Dal Piaz de |
author_facet |
Souza, Lucas Campos Dal Piaz de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Vianna, Dalessandro Soares Vianna, Marcilene de Fátima Dianin Marques, Eduardo |
dc.contributor.author.fl_str_mv |
Souza, Lucas Campos Dal Piaz de |
dc.subject.por.fl_str_mv |
Algoritmo genético Chaves aleatórias Localização Plataformas de petróleo Otimização Genetic algorithm Random keys Location Oil platforms Optimization |
topic |
Algoritmo genético Chaves aleatórias Localização Plataformas de petróleo Otimização Genetic algorithm Random keys Location Oil platforms Optimization |
description |
O presente trabalho apresenta uma solução para o problema de locação das UEPs (Unidades Estacio-nárias de Produção) e manifolds. Os diversos fatores relacionados aos sistemas submarinos de produção implicam na necessidade de otimização. Quanto maior a distância entre poços, manifolds e UEPs, maior é o custo envolvido entre eles. O método proposto é baseado na metaheurística Algoritmos Genéticos (AG) associada ao conceito de chaves randômicas, ou como Bean (1994) propôs, um algoritmo genético com chaves aleatórias. A implementação é dividida em classes, sendo elas CProblema, CSolução e CGenetico. A função de aptidão leva em conta as demandas atendidas e as capacidades envolvidas. Além destes fatores sãos relevantes os custos relacionados aos cabeamentos de risers, flowlines e jumpers. Para os experimentos, foram geradas cinco instâncias, as quais variam de acordo com número de poço, manifolds e UEPs. Para todas elas, é possível visualizar e comprovar que a melhora nos resultados está diretamente proporcional a quantidade de iterações. Por fim, é demonstrada a evolução da população através do gráfico de nuvem de pontos |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-07-12T22:22:53Z 2024-07-12T22:22:53Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
SOUZA, Lucas Campos Dal Piaz de. Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo. 2017. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Instituto de Ciência e Tecnologia, Universidade Federal Fluminense, Rio das Ostras, 2017. https://app.uff.br/riuff/handle/1/33289 |
identifier_str_mv |
SOUZA, Lucas Campos Dal Piaz de. Algoritmo genético com chaves aleatórias para o problema de localização de plataformas de petróleo. 2017. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Instituto de Ciência e Tecnologia, Universidade Federal Fluminense, Rio das Ostras, 2017. |
url |
https://app.uff.br/riuff/handle/1/33289 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1807838843494203392 |