Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientes

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Travessa, Sheila Santisi
Orientador(a): Carpes Junior, Walter Pereira
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/xmlui/handle/123456789/183229
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2017.
id UFSC_ce2cac4bbdb65ed6be7958bd8d6dc194
oai_identifier_str oai:repositorio.ufsc.br:123456789/183229
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaTravessa, Sheila SantisiCarpes Junior, Walter Pereira2018-02-06T03:17:27Z2018-02-06T03:17:27Z2017349767https://repositorio.ufsc.br/xmlui/handle/123456789/183229Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2017.Este trabalho se propõe a fazer uma análise de ferramentas de otimização e custo computacional através de um estudo de caso proposto por Grubisic (2012), que trata da otimização do posicionamento de antenas em sistemas de comunicação sem fio para ambientes interiores (indoor) por meio de meta-heurísticas populacionais associadas à Técnica de Traçado de Raios, em que algoritmos Genéticos (GA) e Otimizadores por Enxames de Partículas (PSO) foram as duas modalidades de meta-heurísticas utilizadas como ferramentas de otimização. A proposta desta tese baseou-se na utilização da técnica de traçado de raios quase 3D (RTQ3D) para produzir o valor dos campos eletromagnéticos iniciais e calcular a função de mérito (fitness) para 160 receptores de acordo com os possíveis posicionamentos de duas antenas a serem distribuídas no ambiente em questão. As variáveis do problema são compostas pelos valores dos campos magnéticos para os 160 receptores em função das posições das antenas das estações radiobase, que servem como dados de entrada para o algoritmo da Rede Neural Artificial, Perceptron multicamadas, com algoritmo de aprendizado backpropagation Real. Os valores dos campos magnéticos associados às posições das antenas por sua vez entram como valores a serem aprendidos pela rede, ou seja, o professor da RMLP. Após o aprendizado da Rede Neural Artificial, que é o metamodelo utilizado com o objetivo de realizar eficientemente os cálculos do otimizador, entra o otimizador por enxame de partículas (PSO) para efetuar o posicionamento ótimo das antenas com uma redução significativa no custo computacional. Por fim, um dos exemplos propostos por Grubisic (2012) foi implementado como estudo de caso desta pesquisa, utilizando essa nova estrutura de análise, PSO com RMLP, como metamodelo. Essa estrutura é bem recomendada para projetos eletromagnéticos, entretanto ainda não foi aplicada para esse tipo de análise. O objetivo principal seria a diminuição do custo computacional, que no caso em questão é bem significativo. Portanto, essa tese tem um caráter inédito em relação às ferramentas usadas e ao objetivo principal (redução do custo computacional).Abstract : This research has proposed to do an analysis of optimization tools and computational cost using a case study proposed by Grubisic (2012), which addressed optimization of the antennas positioning in wireless communication systems for indoor environments through meta-population heuristics associated with ray tracing technique, in which algorithms Genetic (GA) and Optimizers for Swarms of particles (PSO) were the two types of meta-heuristics used as optimization tools. The purpose of this thesis was based on the use of almost 3D ray tracing technique (RTQ3D) to produce the value of the initial electromagnetic fields and calculating the merit function (fitness) to 160 receivers according to the possible placements of two antennas which are distributed in the environment in a matter. The problem variables consist of the values of the magnetic fields to the 160 receivers depending on the positions of the antennas of the access points, which serve as input data for the algorithm of Artificial Neural Network, multilayer perceptron with Real backpropagation learning algorithm. The problem variables consist of the values of 160 magnetic fields to 160 receivers on the basis of the positions of the antennas of the access points, which serve as input data for the algorithm of Artificial Neural Network, multilayer perceptron with backpropagation real learning algorithm. The values of the magnetic fields associated with the positions of the antennas in turn to input values to be learned by the network, or the teacher RMLP. After learning of Artificial Neural Network, which is the metamodel used in order to enable the calculation of the optimizer, with a lower computational cost, the optimizer particle swarm enters (PSO) to make the optimum positioning of the antennas with a significant reduction the computational cost. Finally, one of the examples proposed by Grubisic (2012) is implemented as a case study of this research using this new analysis structure, PSO using RMLP as metamodel. This structure is well recommended for electromagnetic designs, but has not been applied to this type of analysis. The main objective would be to reduce the computational cost, which in this case is significant. Therefore, this thesis has a unique character in relation to the tools used and the main objective (reducing the computational cost).116 p.| il., gráfs., tabs.porEngenharia elétricaRedes neurais (Computação)Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL349767.pdfapplication/pdf27218763https://repositorio.ufsc.br/bitstream/123456789/183229/1/349767.pdffcc7989ddd92ec48364937bfe9a83086MD51123456789/1832292018-02-06 01:17:27.518oai:repositorio.ufsc.br:123456789/183229Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732018-02-06T03:17:27Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientes
title Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientes
spellingShingle Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientes
Travessa, Sheila Santisi
Engenharia elétrica
Redes neurais (Computação)
title_short Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientes
title_full Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientes
title_fullStr Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientes
title_full_unstemmed Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientes
title_sort Uso de redes neurais artificiais como metamodelo na otimização por algoritmo PSO (particle swarm optimization') em problemas de mapeamento eletromagnético de ambientes
author Travessa, Sheila Santisi
author_facet Travessa, Sheila Santisi
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Travessa, Sheila Santisi
dc.contributor.advisor1.fl_str_mv Carpes Junior, Walter Pereira
contributor_str_mv Carpes Junior, Walter Pereira
dc.subject.classification.pt_BR.fl_str_mv Engenharia elétrica
Redes neurais (Computação)
topic Engenharia elétrica
Redes neurais (Computação)
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2017.
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2018-02-06T03:17:27Z
dc.date.available.fl_str_mv 2018-02-06T03:17:27Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/xmlui/handle/123456789/183229
dc.identifier.other.pt_BR.fl_str_mv 349767
identifier_str_mv 349767
url https://repositorio.ufsc.br/xmlui/handle/123456789/183229
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 116 p.| il., gráfs., tabs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/183229/1/349767.pdf
bitstream.checksum.fl_str_mv fcc7989ddd92ec48364937bfe9a83086
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851759255535747072

Registros relacionados