ABSTRACT The Traveling Salesman Problem (TSP) is one of the most well-known and studied problems of Operations Research field, more specifically, in the Combinatorial Optimization field. As the TSP is a NP (Non-Deterministic Polynomial time)-hard problem, there are several heuristic methods which have been proposed for the past decades in the attempt to solve it the best possible way. The aim of this work is to introduce and to evaluate the performance of some approaches for achieving optimal solution considering some symmetrical and asymmetrical TSP instances, which were taken from the Traveling Salesman Problem Library (TSPLIB). The analyzed approaches were divided into three methods: (i) Lin-Kernighan-Helsgaun (LKH) algorithm; (ii) LKH with initial tour based on uniform distribution; and (iii) an hybrid proposal combining Particle Swarm Optimization (PSO) with quantum inspired behavior and LKH for local search procedure. The tested algorithms presented promising results in terms of computational cost and solution quality.

Estudar modelagens através de dados geodésicos temporais com a possibilidade de predizer a posição de linha de costa é uma tarefa importante e pode auxiliar significativamente na gestão costeira. A área de estudo neste trabalho se refere ao município de Matinhos no estado do Paraná, Brasil. As linhas de costa temporais utilizadas para testar a modelagem preditiva são provenientes respectivamente da fotogrametria analógica para anos 1954, 1963, 1980, 1991 e 1997 e de levantamentos geodésicos utilizando GPS (Global Position System) para 2001, 2002, 2005 e 2008 (como controle). Dois testes com as redes neurais artificiais foram organizados mudando alguns parâmetros como: arquitetura, número de neurônios nas camadas ocultas e algoritmos de treinamentos. Quando comparados o valor dos resíduos entre a predição e a linha de costa de controle, os melhores resultados estatísticos indicam que o MAPE (mean absolute percentage error) são 0,28% utilizando a rede neural parcialmente recorrente de Elman com o algoritmo de treinamento quase-Newton e 0,46% para o caso da rede neural perceptron multicamadas com o algoritmo de treinamento utilizando o método Bayesiano com regularização.

The study of models using geodetic temporal data which can possibly predict the shoreline position is an important task and can significantly contribute to coastal management. The studied area is located at municipality of Matinhos in the Paraná State, Brazil. The temporal shoreline used to test the prediction model is respectively from analog photogrammetric data, related to the years 1954, 1963, 1980, 1991 and 1997, and GPS (Global Position System) geodetic surveys for 2001, 2002, 2005 and 2008 (as control). Two different tests with artificial neural network were organized setting the parameters like: architecture, number of neuron in hidden layers and the training algorithms. Comparing the residuals between the prediction to the shoreline of control, the best statistical results show the MAPE (Mean Absolute Percentage Error) is 0,28% using the Elman partially recurrent network with quasi-Newton training function and 0,46% using the neural network multilayer perceptron with Bayesian regulation training function.

As abordagens de inteligência computacional, tais como sistemas nebulosos e redes neurais artificiais, têm-se gradualmente estabelecido como ferramentas robustas para a tarefa de aproximação de sistemas não-lineares complexos e previsão de séries temporais. Em aplicações envolvendo a área de Finanças, evidências empíricas anteriores indicam que modelos de inteligência computacional são mais precisos, dada sua maior capacidade em capturar não-linearidades e outros fatos estilizados presentes em séries financeiras. Nesse sentido, este artigo investiga a hipótese de que os modelos matemáticos de redes neurais perceptron multicamadas, redes neurais função de base radial e o sistema nebuloso Takagi-Sugeno (TAKAGI; SUGENO, 1985) são capazes de fornecer uma previsão fora-da-amostra mais acurada que os modelos auto-regressivos de médias móveis (ARMA) e auto-regressivo de médias móveis supondo heterocedasticidade condicional auto-regressiva (ARMA-GARCH). O desempenho de previsão um-passo-à-frente dos modelos foi comparado utilizando-se séries de retorno da taxa de câmbio real/dólar (R$/US$) com freqüências de 15 minutos, 60 minutos, 120 minutos, diária e semanal. Resultados indicam que o desempenho dos modelos está diretamente relacionado à freqüência observada das séries. Além disso, os modelos de redes neurais obtiveram um desempenho superior em relação aos demais modelos considerados. A avaliação da estratégia de negociação estabelecida com base nas previsões geradas pelos modelos indicou que estratégias baseadas em modelos de redes neurais forneceram retornos superiores em relação àquelas baseadas em modelos ARMA e ARMA-GARCH e também em relação à estratégia buy-and-hold.

Computational intelligence approaches, such as artificial neural networks and fuzzy systems, have become popular tools in approximating complicated nonlinear systems and time series forecasting. In Finance applications, there is evidence that these computational intelligence models are able to provide a more accurate forecast given their capacity for capturing nonlinearities and other stylized facts of financial time series. Thus, this paper investigates the hypothesis that the mathematical models of multilayer perception, radial basis function neural networks (NN), and the Takagi-Sugeno (TS) fuzzy systems are able to provide a more accurate out-of-sample forecast than the traditional AutoRegressive Moving Average (ARMA) and ARMA Generalized AutoRegressive Conditional Heteroskedasticity (ARMA-GARCH) models. Using a series of Brazilian exchange rate (R$/US$) returns with 15 minutes, 60 minutes, 120 minutes, daily and weekly basis, the one-step-ahead forecast performance is compared. The results indicate that forecast performance is strongly related to the series' frequency, possibly due to nonlinearities effects. Besides, the forecasting evaluation shows that NN models perform better than the ARMA and ARMA-GARCH ones. In the trade strategy based on forecasts, NN models achieved higher returns when compared to a buy-and-hold strategy and to the other models considered in this study.

Most of the works accomplished in the optimization area in the cement industry are addressed to solve problems just considering only one variable, forgetting that it includes too many variables and they act at the same time. Among the main variables it can be mentioned the quality of the final product, the environmental ones, the costs along the process and the reduction of the fossil fuels (primary) employed through the use of alternative fuels (secondary), among others. The present work intends to build a mathematical model using optimization tools seeking to improve the cement production process foreseeing what can happen with the clinker and the emissions when the industrial residues co-processing technology is used as alternative or secondary fuel. In the optimization process a new approach called Particle Swarm Optimization (PSO) is employed, which is based on the Cauchy and Gauss distribution considering several process restrictions such as the specific fuel consumption, the cement quality and the environmental impact. The results obtained with PSO were precise and promising and they were compared with the classical Sequential Quadratic Programming (SQP). It was also possible to evaluate the levels of primary fuels substitution through the alternative or secondary ones.

A contribuição principal deste artigo é investigar diferentes esquemas de adaptação por modelo de referência para melhorar o desempenho de um controlador nebuloso. As abordagens de controle nebuloso adaptativo são: i) controle nebuloso com modelo interno nebuloso; ii) controle nebuloso com compensação nebulosa; e iii) controle proporcional e integral com adaptação nebulosa. Os resultados de simulação e experimentais mostram o desempenho de cada algoritmo de controle nebuloso adaptativo em processos não-lineares.

The main contribution of this paper is the investigation of different model reference adaptation schemes for improving the performance of fuzzy logic control. Adaptive fuzzy control strategies are based on: i) fuzzy control with fuzzy internal model; ii) fuzzy control with fuzzy compensation; and iii) proportional and integral control with fuzzy adaptation. Numerical and experimental results are shown in order to assess the performance of each adaptive fuzzy control algorithm in nonlinear processes.

As ferramentas de identificação de sistemas e previsão de séries temporais permitem a concepção de modelos matemáticos baseados em dados numéricos. O problema essencial, nestes casos, é determinar o modelo matemático apropriado. Esse artigo apresenta o projeto de uma rede neural função de base radial (RN-RBF) para a previsão de séries temporais. Na utilização da RN-RBF para previsão de sistemas não-lineares é difícil determinar um conjunto apropriado de centros e aberturas para as funções de ativação Gaussianas para obter uma boa estrutura. Neste trabalho, a configuração da RN-RBF é baseada em uma abordagem híbrida baseada em método de agrupamento de dados de Gustafson-Kessel e procedimento de otimização usando evolução diferencial. O projeto de RN-RBF é validado para previsão de um passo à frente dos preços de troncos de eucalipto para celulose e serraria para ilustrar a eficiência da abordagem híbrida proposta. Além disso, o desempenho do projeto de RN-RBF baseado nos resultados de previsão é apresentado e discutido neste artigo.

Computational tools of system identification and prediction of time series allows for the conception of mathematical models based on numerical data. The key problem in these cases is to find a suitable mathematical model. This paper presents a radial basis function neural network (RBF-NN) design for forecasting time series. Using the RBF-NN for nonlinear system forecasting is quite difficult as one has to choose an appropriate set of centers and spreads for the Gaussian activation functions to achieve a good network structure. In this work, the setup of RBF-NN is based on a hybrid method based on the Gustafson-Kessel clustering method and optimization procedure by differential evolution. The RBF-NN design is validated for the one-step ahead forecasting of eucalyptus wood prices for cellulose and sawmill to illustrate the effectiveness of this hybrid approach. The performance of the RBF-NN design based on forecasting results is presented and discussed in details.

Neste artigo propõe-se uma nova metodologia híbrida para resolução do problema de despacho econômico de energia elétrica com o efeito do ponto de válvula. O método híbrido proposto integra evolução diferencial (ED) com a técnica de programação quadrática seqüencial (SQP). A ED é utilizada como otimizador global e a SQP é utilizada para o ajuste fino da otimização, realizada pela ED. A metodologia híbrida e suas variantes são validadas para sistemas teste de 3, 13 e 40 unidades geradoras térmicas com funções incrementais de custo de combustível que levam em consideração o efeito de carregamento devido ao ponto de válvula. O método híbrido proposto supera e providencia soluções promissoras, em termos de eficiência, se comparadas com as obtidas pela ED e SQP sozinhas bem como de outras técnicas propostas na literatura para o problema de despacho econômico de carga com o efeito do ponto de válvula.

This paper proposes a new hybrid methodology for solving the economic load dispatch problem with valve-point effect. The proposed hybrid method integrates the differential evolution (DE) with the sequential quadratic programming (SQP) technique. The DE is the global optimizer and the SQP is used to fine tune of DE run. The hybrid methodology and its variants are validated for test systems consisting of 3, 13 and 40 thermal units with incremental fuel cost function takes into account the valve-point loadings effects. The proposed hybrid method outperforms and provides quality solutions in terms of efficiency compared with those obtained from DE and SQP alone and other existing techniques for load dispatch problem with valve-point effect.

Os materiais piezelétricos são denominados de "materiais inteligentes" e pertencem a uma classe de dielétricos que exibem deformação significativa em resposta a aplicação de um campo elétrico. Estes materiais, também, produzem uma polarização dielétrica, ou seja, um campo elétrico em resposta a deformação no material. Esta dupla propriedade exibida pelos materiais piezelétricos torna extremamente vantajosa a aplicação destes materiais para sistemas de controle e para localização e caracterização de falhas estruturais. Neste artigo, a caracterização de falhas estruturais é realizada em dois passos. Em uma primeira etapa é utilizado o método da impedância elétrica para se determinar a região do dano e em uma segunda etapa se utiliza um método de otimização para quantificar a severidade das falhas. Identificação de falhas pertence ao grupo de problemas inversos, e portanto, não há solução única. A metodologia híbrida proposta se beneficia da técnica de impedância elétrica para localizar as regiões de danos e, assim, diminuir o número de variáveis envolvidas no processo de otimização. O procedimento é validado através de diferentes abordagens de otimização por nuvem de partículas, que é uma técnica da inteligência coletiva, usando operadores com geração de números aleatórios baseados em distribuições Gaussiana e de Cauchy.

Piezoelectric materials exhibit significant deformation in response to an applied electric field, as well as generating an electrical charge in response to mechanical strain. Control designs and characterization of structural damage can take advantage of these dual properties. In this paper, the identification of damage is realized in two steps. The first uses the electric impedance technique in order to determine the location of the damage, and the second uses an optimization method to quantify the severity of the damage. Damage identification is an inverse problem, and has no unique solution. The hybrid approach proposed in this paper takes advantage of the electric impedance technique to localize the damaged regions with accuracy. This information permits a decrease in the number of variables involved in the process, which is a goal for any optimization technique. The procedure is validated through different particle swarm optimization approaches using an operator with random numbers based on Gaussian and Cauchy distributions.

A prevenção de fraude em cartão de crédito é uma importante aplicação comercial para aplicação de abordagens de métodos de previsão e inteligência computacional. A inteligência computacional é uma associação de metodologias bio-inspiradas que incluem, como principais membros, as redes neurais, sistemas nebulosos, computação evolutiva, inteligência coletiva e computação probabilística. Recentemente, a aplicação de técnicas da inteligência computacional no suporte de tarefas de serviço, tais como detecção e identificação de anomalia, classificação de padrão, diagnóstico, prognóstico, estimação e controle, tem emergido nos ambientes industrial e comercial. Este artigo apresenta um sistema computacional eficiente baseado em metodologias da inteligência computacional para detecção de fraude em operações reais de dados de cartão de crédito em transações de comércio eletrônico. O novo método proposto é denominado FControl® de detecção de fraude e classificação integra conceitos de sistemas inteligentes híbridos baseado em abordagens de redes neurais, sistemas nebulosos e computação evolutiva. O método proposto gera soluções de qualidade em termos de eficiência e sucesso de previsão. O programa computacional do FControl® está atualmente instalado em um Intel Pentium IV 2.4 MHz (bi-processador e RAM de 4 Gbytes) na companhia Ciashop E-Commerce e está correntemente em uso para detecção de fraude para 250 companhias com serviços de comércio eletrônico.

The prevention of credit card fraud is an important commercial application for prediction methods and computational intelligence of pattern recognition approaches. Computational intelligence is an association of bio-inspired computational methodologies which are founded principally on neural networks, fuzzy systems, evolutionary computation, swarm intelligence, and probabilistic computation. The application of computational intelligence techniques in the support of service tasks such as anomaly detection and identification, pattern classification, diagnostics, prognostics, estimation and control has recently emerged in industrial and commercial environments. This paper presents an efficient system based on computational intelligence methodologies for the detection of fraud in the operation of real credit card data in E-commerce transactions. This new proposed method, called FControl® for fraud detection and classification, integrates concepts of hybrid intelligent systems based on neural networks, fuzzy systems and evolutionary computation approaches. The proposed method generates quality solutions in terms of prediction efficiency and success. The computational program of the FControl® system has been installed on an Intel Pentium IV 2.4 MHz (bi-processor and 4 Gbytes RAM) at the company Ciashop E-Commerce and is currently in use for fraud detection by 250 companies that offer E-commerce services.

Este artigo apresenta uma nova abordagem para o projeto de um controlador PID (proporcional, integral e derivativo) multivariável baseado em uma rede neural e um algoritmo genético. O projeto do controlador PID multivariável é dividido em três etapas distintas. Na primeira etapa, uma rede neural de funções radiais de base é utilizada para identificação do processo multivariável. Na segunda etapa, o projeto do controlador é realizado, de forma off-line, baseado na sintonia de ganhos do controlador PID. Esta etapa é realizada através de uma otimização via algoritmos genéticos visando-se controlar o modelo do processo obtido pela rede neural de funções radiais de base. Na terceira etapa, os ganhos do controlador PID obtidos através de otimização genética e modelo neural são validados no processo prático. O desempenho desta proposta de projeto de controle multivariável é apresentado e discutido. O projeto do algoritmo de controle é validado de forma experimental em um processo multivariável denominado bola e chapa (ball-and-plate). Este processo consiste de uma chapa articulada em seu centro tal que a inclinação da chapa pode ser manipulada em duas direções perpendiculares. O objetivo básico é controlar a posição de uma bola que rola livremente sobre a chapa, aplicando-se tensões aos motores, estas baseadas no conhecimento da posição da bola medida pelo sistema de visão.

This paper presents a new approach for the PID (proportional, integral, and derivative) multivariable controller design based on a neural network and a genetic algorithm. The multivariable PID controller design is divided in three steps. In the first step, a radial basis neural network is utilized for multivariable process identification. In the second step, the controller design is realized by an off-line procedure. This procedure is based on tuning of the PID controller gains by optimization with genetic algorithms aiming to control the model obtained by radial basis neural network. In the third step, the PID controller gains obtained with genetic optimization and neural model are validated in a practical process. Performance of this approach to multivariable control design is presented and discussed. The control algorithm design is validated of experimental way in a multivariable process called ball-and-plate. This process consists of a plate pivoted at its center such that the slope of the plate can be manipulated in two perpendicular directions. The basic control objective is to control the position of a free rolling ball on a plate, by applying tensions to two DC motors, according to the ball postion, as measured by vision system.

Este artigo aborda uma solução computacional para o problema de layout industrial considerando hard-constraints não tratadas em trabalhos anteriores. O problema é solucionado em duas etapas. Na primeira, uma solução inicial baseada em heurística construtiva é gerada e na segunda, por intermédio da aplicação da meta-heurística busca tabu, a solução inicial é melhorada. Como contribuição, apresenta-se a ferramenta computacional denominada Ambiente Visual para Otimização de Layout Industrial (AVOLI), a fim de gerar layouts viáveis e eficientes capazes de tratar problemas de grande porte sujeitos a um conjunto de restrições realistas.

This paper approaches a computational solving of the industrial layout problem considering hardconstraints not handled in previous works. The problem is solved in two steps: first a constructiveheuristic-based initial solution is generated and then tabu search heuristic is used to improve it. As a contribution, it shown a computational tool named AVOLI (Visual Environment for Optimization of Industrial Layout) that will aid planners and production engineers in the generation of layouts that contemplate real constraints.

Este artigo apresenta o projeto de um sistema de controle nebuloso aplicado a um processo não-linear multivariável e o panorama do estado da arte da aplicação de sistemas de controle na indústria. O artigo está dividido em duas partes. Inicialmente é apresentado o projeto de um sistema de controle nebuloso aplicado ao processo balanço horizontal, um protótipo em escala de laboratório com dois ventiladores acionados por dois motores DC. A seguir, uma visão geral de aspectos de projeto e características de aplicações industriais de controladores nebulosos são apresentadas.

This paper presents the design of a fuzzy control system applied to a multivariable nonlinear process and the state of art of fuzzy control applications in the industrial environment. The paper is divided in two parts. Initially the fuzzy control design is assessed on a horizontal balance process, a prototype in laboratory scale, with two propellers driven by two DC motors. An overview of design aspects and characteristics of industrial applications of fuzzy controllers is also included.