1. Repositório Institucional da Universidade Tecnológica Federal do Paraná (RIUT)
  2. POS - Programas de Pós-Graduação Stricto-Sensu (Mestrados e Doutorados)
  3. MEST - Dissertações
  4. CP - Programa de Pós-Graduação em Engenharia Elétrica
Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/3414
Registro completo de metadados
Campo DCValorIdioma
dc.creatorHorevicz, Daniel Simão-
dc.date.accessioned2018-09-04T12:55:28Z-
dc.date.available2018-09-04T12:55:28Z-
dc.date.issued2017-08-25-
dc.identifier.citationHOREVICZ, 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.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/3414-
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.subjectOtimização matemáticapt_BR
dc.subjectSistemas não-linearespt_BR
dc.subjectAlgorítmos computacionaispt_BR
dc.subjectMathematical optimizationpt_BR
dc.subjectNonlinear systemspt_BR
dc.subjectComputer algorithmspt_BR
dc.titleEstudo da técnica ant colony learning no controle de sistemas não-linearespt_BR
dc.title.alternativeThe ant colony learning technique in the control of nonlinear systemspt_BR
dc.typemasterThesispt_BR
dc.description.resumoOs 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.pt_BR
dc.degree.localCornélio Procópiopt_BR
dc.publisher.localCornelio Procopiopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/5312222512785863pt_BR
dc.contributor.advisor1Durand, Fábio Renan-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4899728455368301pt_BR
dc.contributor.advisor-co1Agulhari, Cristiano Marcos-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/4935395556663775pt_BR
dc.contributor.referee1Agulhari, Cristiano Marcos-
dc.contributor.referee2Melo, Leonimer Flávio de-
dc.contributor.referee3Silva, Emerson Ravazzi Pires da-
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.subject.capesEngenharia Elétricapt_BR
Aparece nas coleções:CP - Programa de Pós-Graduação em Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CP_PPGEE_M_Horevicz, Daniel Simão_2017.pdf2,25 MBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.