Estudo da técnica ant colony learning no controle de sistemas não-lineares
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/3414 |
Resumo: | Os algoritmos bio-inspirados baseados em populações e meta-heurísticas têm se tornado uma opção atraente na resolução de problemas de busca e otimização, para os quais abordagens tradicionais apresentam dificuldades ou até mesmo impossibilidade de aplicação. O presente trabalho tem como objetivo verificar o desempenho de um destes algoritmos no campo de controle de sistemas não-lineares, cujo métodos analíticos não garantem soluções. Para tal, é feito o estudo de um método recentemente desenvolvido, chamado Ant Colony Learning (ACL), o qual é baseado no algoritmo de otimização por colônia de formigas (ACO, do inglês Ant Colony Optimization). O ACL é uma abordagem multiagente para aprendizado de políticas de controle. Para validar a análise da técnica, é feito o controle de dois sistemas: um pêndulo invertido e um sistema do tipo quadricóptero. Ao final deste trabalho, apresentam-se os resultados dos sistemas controlados e as observações obtidas com o uso desta técnica. |
id |
UTFPR-12_36fe34d9846e33b1b5deab09d96afb2e |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/3414 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2018-09-04T12:55:28Z2018-09-04T12:55:28Z2017-08-25HOREVICZ, Daniel Simão. Estudo da técnica ant colony learning no controle de sistemas não-lineares. 2017. 59 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2017.http://repositorio.utfpr.edu.br/jspui/handle/1/3414porUniversidade Tecnológica Federal do ParanáCornelio ProcopioPrograma de Pós-Graduação em Engenharia ElétricaUTFPRBrasilCNPQ::ENGENHARIASEngenharia ElétricaOtimização matemáticaSistemas não-linearesAlgorítmos computacionaisMathematical optimizationNonlinear systemsComputer algorithmsEstudo da técnica ant colony learning no controle de sistemas não-linearesThe ant colony learning technique in the control of nonlinear systemsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisOs algoritmos bio-inspirados baseados em populações e meta-heurísticas têm se tornado uma opção atraente na resolução de problemas de busca e otimização, para os quais abordagens tradicionais apresentam dificuldades ou até mesmo impossibilidade de aplicação. O presente trabalho tem como objetivo verificar o desempenho de um destes algoritmos no campo de controle de sistemas não-lineares, cujo métodos analíticos não garantem soluções. Para tal, é feito o estudo de um método recentemente desenvolvido, chamado Ant Colony Learning (ACL), o qual é baseado no algoritmo de otimização por colônia de formigas (ACO, do inglês Ant Colony Optimization). O ACL é uma abordagem multiagente para aprendizado de políticas de controle. Para validar a análise da técnica, é feito o controle de dois sistemas: um pêndulo invertido e um sistema do tipo quadricóptero. Ao final deste trabalho, apresentam-se os resultados dos sistemas controlados e as observações obtidas com o uso desta técnica.Cornélio ProcópioDurand, Fábio Renanhttp://lattes.cnpq.br/4899728455368301Agulhari, Cristiano Marcoshttp://lattes.cnpq.br/4935395556663775Agulhari, Cristiano MarcosMelo, Leonimer Flávio deSilva, Emerson Ravazzi Pires dahttp://lattes.cnpq.br/5312222512785863Horevicz, Daniel Simãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALCP_PPGEE_M_Horevicz, Daniel Simão_2017.pdfCP_PPGEE_M_Horevicz, Daniel Simão_2017.pdfapplication/pdf2304986http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/3414/1/CP_PPGEE_M_Horevicz%2c%20Daniel%20Sim%c3%a3o_2017.pdf6171cf6935a59f35653bd436247c2d05MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/3414/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTCP_PPGEE_M_Horevicz, Daniel Simão_2017.pdf.txtCP_PPGEE_M_Horevicz, Daniel Simão_2017.pdf.txtExtracted texttext/plain88476http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/3414/3/CP_PPGEE_M_Horevicz%2c%20Daniel%20Sim%c3%a3o_2017.pdf.txt4e1bfad96c2b5766ef31172e2ee00931MD53THUMBNAILCP_PPGEE_M_Horevicz, Daniel Simão_2017.pdf.jpgCP_PPGEE_M_Horevicz, Daniel Simão_2017.pdf.jpgGenerated Thumbnailimage/jpeg1232http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/3414/4/CP_PPGEE_M_Horevicz%2c%20Daniel%20Sim%c3%a3o_2017.pdf.jpg2965a9bb264e485b985d49124840528aMD541/34142018-09-04 09:55:29.079oai:repositorio.utfpr.edu.br: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Repositório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2018-09-04T12:55:29Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Estudo da técnica ant colony learning no controle de sistemas não-lineares |
dc.title.alternative.pt_BR.fl_str_mv |
The ant colony learning technique in the control of nonlinear systems |
title |
Estudo da técnica ant colony learning no controle de sistemas não-lineares |
spellingShingle |
Estudo da técnica ant colony learning no controle de sistemas não-lineares Horevicz, Daniel Simão CNPQ::ENGENHARIAS Otimização matemática Sistemas não-lineares Algorítmos computacionais Mathematical optimization Nonlinear systems Computer algorithms Engenharia Elétrica |
title_short |
Estudo da técnica ant colony learning no controle de sistemas não-lineares |
title_full |
Estudo da técnica ant colony learning no controle de sistemas não-lineares |
title_fullStr |
Estudo da técnica ant colony learning no controle de sistemas não-lineares |
title_full_unstemmed |
Estudo da técnica ant colony learning no controle de sistemas não-lineares |
title_sort |
Estudo da técnica ant colony learning no controle de sistemas não-lineares |
author |
Horevicz, Daniel Simão |
author_facet |
Horevicz, Daniel Simão |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Durand, Fábio Renan |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4899728455368301 |
dc.contributor.advisor-co1.fl_str_mv |
Agulhari, Cristiano Marcos |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/4935395556663775 |
dc.contributor.referee1.fl_str_mv |
Agulhari, Cristiano Marcos |
dc.contributor.referee2.fl_str_mv |
Melo, Leonimer Flávio de |
dc.contributor.referee3.fl_str_mv |
Silva, Emerson Ravazzi Pires da |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/5312222512785863 |
dc.contributor.author.fl_str_mv |
Horevicz, Daniel Simão |
contributor_str_mv |
Durand, Fábio Renan Agulhari, Cristiano Marcos Agulhari, Cristiano Marcos Melo, Leonimer Flávio de Silva, Emerson Ravazzi Pires da |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS |
topic |
CNPQ::ENGENHARIAS Otimização matemática Sistemas não-lineares Algorítmos computacionais Mathematical optimization Nonlinear systems Computer algorithms Engenharia Elétrica |
dc.subject.por.fl_str_mv |
Otimização matemática Sistemas não-lineares Algorítmos computacionais Mathematical optimization Nonlinear systems Computer algorithms |
dc.subject.capes.pt_BR.fl_str_mv |
Engenharia Elétrica |
description |
Os algoritmos bio-inspirados baseados em populações e meta-heurísticas têm se tornado uma opção atraente na resolução de problemas de busca e otimização, para os quais abordagens tradicionais apresentam dificuldades ou até mesmo impossibilidade de aplicação. O presente trabalho tem como objetivo verificar o desempenho de um destes algoritmos no campo de controle de sistemas não-lineares, cujo métodos analíticos não garantem soluções. Para tal, é feito o estudo de um método recentemente desenvolvido, chamado Ant Colony Learning (ACL), o qual é baseado no algoritmo de otimização por colônia de formigas (ACO, do inglês Ant Colony Optimization). O ACL é uma abordagem multiagente para aprendizado de políticas de controle. Para validar a análise da técnica, é feito o controle de dois sistemas: um pêndulo invertido e um sistema do tipo quadricóptero. Ao final deste trabalho, apresentam-se os resultados dos sistemas controlados e as observações obtidas com o uso desta técnica. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-08-25 |
dc.date.accessioned.fl_str_mv |
2018-09-04T12:55:28Z |
dc.date.available.fl_str_mv |
2018-09-04T12:55:28Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
HOREVICZ, Daniel Simão. Estudo da técnica ant colony learning no controle de sistemas não-lineares. 2017. 59 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2017. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/3414 |
identifier_str_mv |
HOREVICZ, Daniel Simão. Estudo da técnica ant colony learning no controle de sistemas não-lineares. 2017. 59 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2017. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/3414 |
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.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Cornelio Procopio |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Cornelio Procopio |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/3414/1/CP_PPGEE_M_Horevicz%2c%20Daniel%20Sim%c3%a3o_2017.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/3414/2/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/3414/3/CP_PPGEE_M_Horevicz%2c%20Daniel%20Sim%c3%a3o_2017.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/3414/4/CP_PPGEE_M_Horevicz%2c%20Daniel%20Sim%c3%a3o_2017.pdf.jpg |
bitstream.checksum.fl_str_mv |
6171cf6935a59f35653bd436247c2d05 8a4605be74aa9ea9d79846c1fba20a33 4e1bfad96c2b5766ef31172e2ee00931 2965a9bb264e485b985d49124840528a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805923114988601344 |