Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/3414| Título: | Estudo da técnica ant colony learning no controle de sistemas não-lineares |
| Título(s) alternativo(s): | The ant colony learning technique in the control of nonlinear systems |
| Autor(es): | Horevicz, Daniel Simão |
| Orientador(es): | Durand, Fábio Renan |
| Palavras-chave: | Otimização matemática Sistemas não-lineares Algorítmos computacionais Mathematical optimization Nonlinear systems Computer algorithms |
| Data do documento: | 25-Ago-2017 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Cornelio Procopio |
| Citação: | 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. |
| 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. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/3414 |
| Aparece nas coleções: | CP - Programa de Pós-Graduação em Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CP_PPGEE_M_Horevicz, Daniel Simão_2017.pdf | 2,25 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.