A genetic algorithm for the job shop scheduling with a new local search using Monte Carlo method

This paper presents a methodology for applying scheduling algorithms using Monte Carlo simulation. The methodology is based on a decision support system (DSS). The proposed methodology combines a genetic algorithm with a new local search using Monte Carlo Method. The methodology is applied to the job shop scheduling problem (JSSP). The JSSP is a difficult problem in combinatorial optimization for which extensive investigation has been devoted to the development of efficient algorithms. The methodology is tested on a set of standard instances taken from the literature and compared with others. The computation results validate the effectiveness of the proposed methodology. The DSS developed can be utilized in a common industrial or construction environment.

Sistemas de informação para executivos (EIS). Uma experiência de aplicação

Dissertação de Mestrado

Método AHP como optimização na selecção de fornecedores numa empresa de materiais de construção

Nos dias que correm cada vez mais a diferença entre o sucesso e o fracasso de uma empresa depende da estratégia que escolhem seguir, sendo de igual forma importante maximizar quer os recursos materiais quer os recursos humanos. Assim sendo, cada vez mais empresas optam por incentivar os seus colaboradores a desempenhar um papel importante no processo de decisão. Para isso a estratégia da empresa tem de estar alinhada com cada actividade desempenhada pelos seus colaboradores. Esta dissertação tem por base uma pesquisa de vários métodos multicritério existentes, tendo sido escolhido o método Analytic Hierarchy Process (AHP) para determinar o melhor fornecedor de cimento para a empresa Materiais de Construção da Minhoteira, Lda. Foi então necessário desenvolver um software tendo por base o Excel que permitisse fazer a análise das diversas alternativas perante os critérios mencionados. A aplicação informática “Make and Choice” procura contribuir da melhor forma para uma escolha potencialmente mais acertada. Conclui-se que “Make and Choice”, utilizando o método AHP, foi adequada para conseguir responder a todos os objectivos inicialmente propostos, foi ainda possível verificar os benefícios que advêm da sua aplicação. E desta forma, perceber que é possível ter o auxílio na tomada de decisão de ferramentas ou métodos que permitem obter a melhor solução.

Dimensionamento de uma central de miniprodução fotovoltaica para uma exploração agrícola direcionada à indústria de laticínios

Este documento apresenta o trabalho desenvolvido no âmbito da disciplina de “Dissertação/Projeto/Estágio”, do 2º ano do Mestrado em Energias Sustentáveis. O crescente consumo energético das sociedades desenvolvidas e emergentes, associado ao consequente aumento dos custos de energia e dos danos ambientais resultantes, promove o desenvolvimento de novas formas de produção de energia, as quais têm como prioridade a sua obtenção ao menor custo possível e com reduzidos impactos ambientais. De modo a poupar os recursos naturais e reduzir a emissão com gases de efeito de estufa, é necessária a diminuição do consumo de energia produzida a partir de combustíveis fósseis. Assim, devem ser criadas alternativas para um futuro sustentável, onde as fontes renováveis de energia assumam um papel fundamental. Neste sentido, a produção de energia elétrica, através de sistemas solares fotovoltaicos, surge como uma das soluções. A presente dissertação tem como principal objetivo a realização do dimensionamento de uma central de miniprodução fotovoltaica, com ligação à rede elétrica, em uma exploração agrícola direcionada à indústria de laticínios, e o seu respetivo estudo de viabilidade económica. A exploração agrícola, que serve de objeto de estudo, está localizada na Ilha Graciosa, Açores, sendo a potência máxima a injetar na Rede Elétrica de Serviço Público, pela central de miniprodução, de 10 kW. Para o dimensionamento foi utilizado um software apropriado e reconhecido na área da produção de energia elétrica através de sistemas fotovoltaicos – o PVsyst –, compreendendo as seguintes etapas: a) definição das caraterísticas do local e do projeto; b) seleção dos módulos fotovoltaicos; c) seleção do inversor; d) definição da potência de ligação à rede elétrica da unidade de miniprodução. Posteriormente, foram estudadas diferentes hipóteses de sistemas fotovoltaicos, que se distinguem na opção de estrutura de fixação utilizada: dois sistemas fixos e dois com eixo incorporado. No estudo de viabilidade económica foram realizadas duas análises distintas a cada um dos sistemas fotovoltaicos considerados no dimensionamento, nomeadamente: uma análise em regime remuneratório bonificado e uma análise em regime remuneratório geral. Os resultados obtidos nos indicadores económicos do estudo de viabilidade económica realizado, serviram de apoio à decisão pelo sistema fotovoltaico mais favorável ao investimento. Conclui-se que o sistema fotovoltaico com inclinação adicional é a opção mais vantajosa em ambos os regimes remuneratórios analisados. Comprova-se, assim, que o sistema fotovoltaico com maior valor de produção de energia elétrica anual, que corresponde ao sistema fotovoltaico de dois eixos, não é a opção com maior rentabilidade em termos económicos, isto porque a remuneração proveniente da sua produção excedente não é suficiente para colmatar o valor do investimento mais acentuado de modo a obter indicadores económicos mais favoráveis, que os do sistema fotovoltaico com inclinação adicional. De acordo com o estudo de viabilidade económica efetuado independentemente do sistema fotovoltaico que seja adotado, é recuperado o investimento realizado, sendo a remuneração efetiva superior à que foi exigida. Assim, mesmo tendo em consideração o risco associado, comprova-se que todos os sistemas fotovoltaicos, em qualquer dos regimes remuneratórios, correspondem a investimentos rentáveis.

Avaliação de realce tardio do miocárdio por tomografia computorizada

A distinção entre miocárdio atordoado e danificado tem sido uma preocupação relevante, no cenário de um enfarte agudo do miocárdio (EAM). A avaliação da viabilidade do miocárdio, pós-enfarte, é de importância vital, no contexto clínico, principalmente numa fase inicial. Actualmente a Ressonância Magnética Cardíaca é o exame de referência para a avaliação de viabilidade do miocárdio. No entanto, é um exame com elevado custo e de difícil acesso. Estudos preliminares demonstraram potencial na utilização de imagens por Tomografia Computorizada para avaliação da área de enfarte, quer em estudos animais quer em humanos. É objectivo desta tese verificar a utilidade de um protocolo de avaliação de viabilidade do miocárdio, com base em imagens de realce tardio (RT) por Tomografia Computorizada, após um procedimento de intervenção coronária percutânea, no contexto de enfarte agudo do miocárdio com elevação do segmento ST (STEMI). Pretende-se igualmente contribuir para a análise da imagem médica do miocárdio, proporcionando métodos de quantificação do RT e software de suporte à decisão médica nesta modalidade de imagem substancialmente recente. São avaliados vários processos para a quantificação do volume de RT, incluindo um método inovador baseado na detecção automática do miocárdio normal. _E ainda proposto um algoritmo para detecção automática do grau de transmuralidade, por segmento do miocárdio, e comparado o seu grau de eficiência face ao diagnóstico médico dos mesmos exames. Apesar do reduzido número de exames utilizado para validação das técnicas descritas nesta tese, os resultados são bastante promissores e podem constituir uma mais-valia no auxilio à gestão do paciente com EAM.

An Intelligent Distributed System for Environmental Management

Environmental management is a complex task. The amount and heterogeneity of the data needed for an environmental decision making tool is overwhelming without adequate database systems and innovative methodologies. As far as data management, data interaction and data processing is concerned we here propose the use of a Geographical Information System (GIS) whilst for the decision making we suggest a Multi-Agent System (MAS) architecture. With the adoption of a GIS we hope to provide a complementary coexistence between heterogeneous data sets, a correct data structure, a good storage capacity and a friendly user’s interface. By choosing a distributed architecture such as a Multi-Agent System, where each agent is a semi-autonomous Expert System with the necessary skills to cooperate with the others in order to solve a given task, we hope to ensure a dynamic problem decomposition and to achieve a better performance compared with standard monolithical architectures. Finally, and in view of the partial, imprecise, and ever changing character of information available for decision making, Belief Revision capabilities are added to the system. Our aim is to present and discuss an intelligent environmental management system capable of suggesting the more appropriate land-use actions based on the existing spatial and non-spatial constraints.

Adaptive learning in agents behaviour: A framework for electricity markets simulation

Electricity markets are complex environments, involving a large number of different entities, playing in a dynamic scene to obtain the best advantages and profits. MASCEM (Multi-Agent System for Competitive Electricity Markets) is a multi-agent electricity market simulator that models market players and simulates their operation in the market. Market players are entities with specific characteristics and objectives, making their decisions and interacting with other players. This paper presents a methodology to provide decision support to electricity market negotiating players. This model allows integrating different strategic approaches for electricity market negotiations, and choosing the most appropriate one at each time, for each different negotiation context. This methodology is integrated in ALBidS (Adaptive Learning strategic Bidding System) – a multiagent system that provides decision support to MASCEM's negotiating agents so that they can properly achieve their goals. ALBidS uses artificial intelligence methodologies and data analysis algorithms to provide effective adaptive learning capabilities to such negotiating entities. The main contribution is provided by a methodology that combines several distinct strategies to build actions proposals, so that the best can be chosen at each time, depending on the context and simulation circumstances. The choosing process includes reinforcement learning algorithms, a mechanism for negotiating contexts analysis, a mechanism for the management of the efficiency/effectiveness balance of the system, and a mechanism for competitor players' profiles definition.

Prognostic modelling of breast cancer patients: a benchmark of predictive models with external validation

Dissertação apresentada para obtenção do Grau de Doutor em Engenharia Electrotécnica e de Computadores – Sistemas Digitais e Percepcionais pela Universidade Nova de Lisboa, Faculdade de Ciências e Tecnologia

Finding a school technological partner: a multicriteria method for school information system producer selection

The choice of an information systems is a critical factor of success in an organization's performance, since, by involving multiple decision-makers, with often conflicting objectives, several alternatives with aggressive marketing, makes it particularly complex by the scope of a consensus. The main objective of this work is to make the analysis and selection of a information system to support the school management, pedagogical and administrative components, using a multicriteria decision aid system – MMASSITI – Multicriteria Method- ology to Support the Selection of Information Systems/Information Technologies – integrates a multicriteria model that seeks to provide a systematic approach in the process of choice of Information Systems, able to produce sustained recommendations concerning the decision scope. Its application to a case study has identi- fied the relevant factors in the selection process of school educational and management information system and get a solution that allows the decision maker’ to compare the quality of the various alternatives.

Híper-heurísticas com aprendizagem

A otimização nos sistemas de suporte à decisão atuais assume um carácter fortemente interdisciplinar relacionando-se com a necessidade de integração de diferentes técnicas e paradigmas na resolução de problemas reais complexos, sendo que a computação de soluções ótimas em muitos destes problemas é intratável. Os métodos de pesquisa heurística são conhecidos por permitir obter bons resultados num intervalo temporal aceitável. Muitas vezes, necessitam que a parametrização seja ajustada de forma a permitir obter bons resultados. Neste sentido, as estratégias de aprendizagem podem incrementar o desempenho de um sistema, dotando-o com a capacidade de aprendizagem, por exemplo, qual a técnica de otimização mais adequada para a resolução de uma classe particular de problemas, ou qual a parametrização mais adequada de um dado algoritmo num determinado cenário. Alguns dos métodos de otimização mais usados para a resolução de problemas do mundo real resultaram da adaptação de ideias de várias áreas de investigação, principalmente com inspiração na natureza - Meta-heurísticas. O processo de seleção de uma Meta-heurística para a resolução de um dado problema é em si um problema de otimização. As Híper-heurísticas surgem neste contexto como metodologias eficientes para selecionar ou gerar heurísticas (ou Meta-heurísticas) na resolução de problemas de otimização NP-difícil. Nesta dissertação pretende-se dar uma contribuição para o problema de seleção de Metaheurísticas respetiva parametrização. Neste sentido é descrita a especificação de uma Híperheurística para a seleção de técnicas baseadas na natureza, na resolução do problema de escalonamento de tarefas em sistemas de fabrico, com base em experiência anterior. O módulo de Híper-heurística desenvolvido utiliza um algoritmo de aprendizagem por reforço (QLearning), que permite dotar o sistema da capacidade de seleção automática da Metaheurística a usar no processo de otimização, assim como a respetiva parametrização. Finalmente, procede-se à realização de testes computacionais para avaliar a influência da Híper- Heurística no desempenho do sistema de escalonamento AutoDynAgents. Como conclusão genérica, é possível afirmar que, dos resultados obtidos é possível concluir existir vantagem significativa no desempenho do sistema quando introduzida a Híper-heurística baseada em QLearning.

Gestão de produto PREMFIRE – sistema de informação geográfica 3D para apoio ao combate a incêndios.

Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Ciência e Sistemas de Informação Geográfica.

Upper Ontology for Multi-Agent Energy Systems’ Applications

Energy systems worldwide are complex and challenging environments. Multi-agent based simulation platforms are increasing at a high rate, as they show to be a good option to study many issues related to these systems, as well as the involved players at act in this domain. In this scope the authors research group has developed three multi-agent systems: MASCEM, which simulates the electricity markets; ALBidS that works as a decision support system for market players; and MASGriP, which simulates the internal operations of smart grids. To take better advantage of these systems, their integration is mandatory. For this reason, is proposed the development of an upper-ontology which allows an easier cooperation and adequate communication between them. Additionally, the concepts and rules defined by this ontology can be expanded and complemented by the needs of other simulation and real systems in the same areas as the mentioned systems. Each system’s particular ontology must be extended from this top-level ontology.

Elspot: Nord Pool Spot Integration in MASCEM Electricity Market Simulator

The energy sector in industrialized countries has been restructured in the last years, with the purpose of decreasing electricity prices through the increase in competition, and facilitating the integration of distributed energy resources. However, the restructuring process increased the complexity in market players' interactions and generated emerging problems and new issues to be addressed. In order to provide players with competitive advantage in the market, decision support tools that facilitate the study and understanding of these markets become extremely useful. In this context arises MASCEM (Multi-Agent Simulator of Competitive Electricity Markets), a multi-agent based simulator that models real electricity markets. To reinforce MASCEM with the capability of recreating the electricity markets reality in the fullest possible extent, it is crucial to make it able to simulate as many market models and player types as possible. This paper presents a new negotiation model implemented in MASCEM based on the negotiation model used in day-ahead market (Elspot) of Nord Pool. This is a key module to study competitive electricity markets, as it presents well defined and distinct characteristics from the already implemented markets, and it is a reference electricity market in Europe (the one with the larger amount of traded power).

Particle Swarm Optimization of Electricity Market Negotiating Players Portfolio

Energy systems worldwide are complex and challenging environments. Multi-agent based simulation platforms are increasing at a high rate, as they show to be a good option to study many issues related to these systems, as well as the involved players at act in this domain. In this scope the authors’ research group has developed a multi-agent system: MASCEM (Multi- Agent System for Competitive Electricity Markets), which performs realistic simulations of the electricity markets. MASCEM is integrated with ALBidS (Adaptive Learning Strategic Bidding System) that works as a decision support system for market players. The ALBidS system allows MASCEM market negotiating players to take the best possible advantages from each market context. However, it is still necessary to adequately optimize the players’ portfolio investment. For this purpose, this paper proposes a market portfolio optimization method, based on particle swarm optimization, which provides the best investment profile for a market player, considering different market opportunities (bilateral negotiation, market sessions, and operation in different markets) and the negotiation context such as the peak and off-peak periods of the day, the type of day (business day, weekend, holiday, etc.) and most important, the renewable based distributed generation forecast. The proposed approach is tested and validated using real electricity markets data from the Iberian operator – MIBEL.

Automatic Electricity Markets Data Extraction for Realistic Multi-agent Simulations

Electricity markets worldwide suffered profound transformations. The privatization of previously nationally owned systems; the deregulation of privately owned systems that were regulated; and the strong interconnection of national systems, are some examples of such transformations [1, 2]. In general, competitive environments, as is the case of electricity markets, require good decision-support tools to assist players in their decisions. Relevant research is being undertaken in this field, namely concerning player modeling and simulation, strategic bidding and decision-support.