Otimização multiobjetivo de sistemas de tratamento de efluentes.

Detalhes bibliográficos
Ano de defesa: 2004
Autor(a) principal: Tomita, Rosana Kazuko
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-28112025-122827/
Resumo: Muitos problemas reais envolvem múltiplos objetivos conflitantes e não comparáveis. São raros os casos onde os objetivos a serem atingidos, ou melhor, a serem maximizados ou minimizados são únicos. Tais problemas não podem ser adequadamente resolvidos utilizando?se técnicas de otimização de objetivos simples. Aos problemas de otimização multiobjetivos estão associados um conjunto de soluções não comparáveis, que representam as soluções de melhor compromisso entre os objetivos, denominadas de soluções ótimas de Pareto. Nesse trabalho é apresentada uma revisão geral sobre os diferentes métodos que tratam de otimização multiobjetivo. É dada uma atenção especial aos métodos evolucionários, especificamente o NSGA II. Esse algoritmo foi implementado em Matlab para mutação e recombinação em variáveis reais e para ser utilizado com problemas de otimização com restrições. Esse método de otimização multiobjetivo evolucionário foi aplicado em um sistema de lodos ativados, no qual se quer otimizar a qualidade do efluente tratado e o custo de operação. Para tanto, foram utilizados os set-point\'s das concentrações de nitrato e de oxigênio dissolvido. As curvas de Pareto resultantes de 50 gerações foram analisadas. E, finalmente discutiu?se, a título de ilustração, a escolha de um ponto da curva de Pareto como valores para operação ótima. Nesse estudo, os resultados obtidos demonstraram que o algoritmo utilizado foi eficiente na busca das soluções ótimas de Pareto.
id USP_7445860bb2fe3f366729cdeda5f36bf0
oai_identifier_str oai:teses.usp.br:tde-28112025-122827
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Otimização multiobjetivo de sistemas de tratamento de efluentes.Untitled in englishActivated sludgeEfluentes (Tratamento; Otimização)Lodo ativadoWastewater (Treatment; Optimization)Muitos problemas reais envolvem múltiplos objetivos conflitantes e não comparáveis. São raros os casos onde os objetivos a serem atingidos, ou melhor, a serem maximizados ou minimizados são únicos. Tais problemas não podem ser adequadamente resolvidos utilizando?se técnicas de otimização de objetivos simples. Aos problemas de otimização multiobjetivos estão associados um conjunto de soluções não comparáveis, que representam as soluções de melhor compromisso entre os objetivos, denominadas de soluções ótimas de Pareto. Nesse trabalho é apresentada uma revisão geral sobre os diferentes métodos que tratam de otimização multiobjetivo. É dada uma atenção especial aos métodos evolucionários, especificamente o NSGA II. Esse algoritmo foi implementado em Matlab para mutação e recombinação em variáveis reais e para ser utilizado com problemas de otimização com restrições. Esse método de otimização multiobjetivo evolucionário foi aplicado em um sistema de lodos ativados, no qual se quer otimizar a qualidade do efluente tratado e o custo de operação. Para tanto, foram utilizados os set-point\'s das concentrações de nitrato e de oxigênio dissolvido. As curvas de Pareto resultantes de 50 gerações foram analisadas. E, finalmente discutiu?se, a título de ilustração, a escolha de um ponto da curva de Pareto como valores para operação ótima. Nesse estudo, os resultados obtidos demonstraram que o algoritmo utilizado foi eficiente na busca das soluções ótimas de Pareto.Many real problems involve multiple objectives that are often conflicting and non comparable. Rare are the problems in which the objectives to be achieved (maximized or minimized) are single. Such problems are not adequately solved by using single objective function optimization techniques. Non comparable solutions are associated to the multiobjective optimization problems, that represent the tradeoff among objectives. These solutions are named as Pareto optimal solutions. In this work a general review about different methods that deal with multiobjective optimization problems is presented. Special attention is given to evolutionary methods, detailing NSGA II algorithm. This algorithm was implemented in Matlab to deal with crossover and mutation applied directly to real variables and constrained optimization problems. This method of evolutionary multiobjective optimization was applied in an activated sludge wastewater treatment system, in which effluent quality and operational cost are optimized. For this purpose, set-points of nitrate and dissolved oxygen concentrations were used. The Pareto curves obtained at the end of 50 generations were analyzed. Finally, for illustration, one point in the Pareto curve was chosen to demonstrate the optimal set of values. In this study, the results obtained show the ability of the algorithm to achieve Pareto optimal solutions.Biblioteca Digitais de Teses e Dissertações da USPPark, Song WonTomita, Rosana Kazuko2004-11-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3137/tde-28112025-122827/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-11-28T14:34:02Zoai:teses.usp.br:tde-28112025-122827Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-11-28T14:34:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Otimização multiobjetivo de sistemas de tratamento de efluentes.
Untitled in english
title Otimização multiobjetivo de sistemas de tratamento de efluentes.
spellingShingle Otimização multiobjetivo de sistemas de tratamento de efluentes.
Tomita, Rosana Kazuko
Activated sludge
Efluentes (Tratamento; Otimização)
Lodo ativado
Wastewater (Treatment; Optimization)
title_short Otimização multiobjetivo de sistemas de tratamento de efluentes.
title_full Otimização multiobjetivo de sistemas de tratamento de efluentes.
title_fullStr Otimização multiobjetivo de sistemas de tratamento de efluentes.
title_full_unstemmed Otimização multiobjetivo de sistemas de tratamento de efluentes.
title_sort Otimização multiobjetivo de sistemas de tratamento de efluentes.
author Tomita, Rosana Kazuko
author_facet Tomita, Rosana Kazuko
author_role author
dc.contributor.none.fl_str_mv Park, Song Won
dc.contributor.author.fl_str_mv Tomita, Rosana Kazuko
dc.subject.por.fl_str_mv Activated sludge
Efluentes (Tratamento; Otimização)
Lodo ativado
Wastewater (Treatment; Optimization)
topic Activated sludge
Efluentes (Tratamento; Otimização)
Lodo ativado
Wastewater (Treatment; Optimization)
description Muitos problemas reais envolvem múltiplos objetivos conflitantes e não comparáveis. São raros os casos onde os objetivos a serem atingidos, ou melhor, a serem maximizados ou minimizados são únicos. Tais problemas não podem ser adequadamente resolvidos utilizando?se técnicas de otimização de objetivos simples. Aos problemas de otimização multiobjetivos estão associados um conjunto de soluções não comparáveis, que representam as soluções de melhor compromisso entre os objetivos, denominadas de soluções ótimas de Pareto. Nesse trabalho é apresentada uma revisão geral sobre os diferentes métodos que tratam de otimização multiobjetivo. É dada uma atenção especial aos métodos evolucionários, especificamente o NSGA II. Esse algoritmo foi implementado em Matlab para mutação e recombinação em variáveis reais e para ser utilizado com problemas de otimização com restrições. Esse método de otimização multiobjetivo evolucionário foi aplicado em um sistema de lodos ativados, no qual se quer otimizar a qualidade do efluente tratado e o custo de operação. Para tanto, foram utilizados os set-point\'s das concentrações de nitrato e de oxigênio dissolvido. As curvas de Pareto resultantes de 50 gerações foram analisadas. E, finalmente discutiu?se, a título de ilustração, a escolha de um ponto da curva de Pareto como valores para operação ótima. Nesse estudo, os resultados obtidos demonstraram que o algoritmo utilizado foi eficiente na busca das soluções ótimas de Pareto.
publishDate 2004
dc.date.none.fl_str_mv 2004-11-19
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://www.teses.usp.br/teses/disponiveis/3/3137/tde-28112025-122827/
url https://www.teses.usp.br/teses/disponiveis/3/3137/tde-28112025-122827/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1865492197004017664