Estudo da técnica ant colony learning no controle de sistemas não-lineares

• Ano de defesa: 2017
• Autor(a) principal: Horevicz, Daniel Simão
• Orientador(a): Durand, Fábio Renan
• Banca de defesa: Agulhari, Cristiano Marcos, Melo, Leonimer Flávio de, Silva, Emerson Ravazzi Pires da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Cornelio Procopio
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• País: Brasil
• Palavras-chave em Português: Otimização matemática; Sistemas não-lineares; Algorítmos computacionais; Mathematical optimization; Nonlinear systems; Computer algorithms
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/3414

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.