O documento discute o uso de algoritmos meméticos para otimização de parâmetros de controladores PID. Os algoritmos meméticos combinam operações genéticas como cruzamento e mutação com busca local para encontrar soluções globais de forma eficiente. O objetivo é aplicar esses algoritmos para encontrar a configuração ideal dos controladores adaptativos em sistemas.

2. Adriana Dada
Diogo Henrique de Carvalho
Gustavo da Silva Baptista
Joab Bomfim de Oliveira
Ronald Rocha Lima Jr.
Wendell Rodolfo Illanes

3. SINTONIA DE CONTROLADOR COM ESCALONAMENTO
GANHOS BASEADOS EM ALGORITMOS MEMÉTICOS
Pontifícia Universidade Católica do Paraná
Luis Henrique Moedinger
Leandro dos Santos Coelho
Ronald Rocha Lima Jr

4. Algoritmo Meméticos
Algoritmo
Algoritmo
Simulated
Genéticos
Annealing
Ronald Rocha Lima Jr

5. Objetivo desse trabalho e o estudo, a implementação e
análise de configurações de algoritmos Meméticos para
otimização do projeto de controladores de PID.
Ronald Rocha Lima Jr

6.  Otimização e busca estocástica são baseados nos
modelos e princípios da evolução biológica natural
 Versatilidade para resolução de problemas complexos de
otimização e aprendizado de máquina
Utilização de Algoritmos Meméticos visando a otimização
dos parâmetro que regem os controladores adaptativos do
tipo PID
Gustavo da Silva Baptista

7.  Valor ótimo é obtido através dos melhores
elementos das gerações anteriores
Gustavo da Silva Baptista

8. Gene
1 1 0 1 0 1
Cromossomos ou indivíduos
Reprodução
Função Fitness Ciclo de Gerações Acasalamento
Mutação Cruzamento
Adriana Dada

9. A função fitness é utilizada para analisar a qualidade do resultado
obtido
100
f
(1 e 3)
f – Valor do Fitness
e3 – Somatório de erro
Quanto maior o valor e f,
Erro entre a saída desejada
melhor o membro da população
para o processo e a saída obtida
O erro acumulado e3 indica o somatório do erro de
todas amostras em relação ao valor desejado
Adriana Dada

10. Troca aleatória dos genes do cromosso
Ponto de
mutação
Descendente
1 0 1 0 0 1 0 0
Descendente
com mutação 1 0 1 1 0 1 0 0
Joab Bomfim de Oliveira

11. Troca de genes entre cromossos
Pais 1 0 1 1 0 1 1 0 0 1 0 0 1 0 0 1
Descendente 1 0 1 1 1 0 0 1 0 1 0 0 0 1 1 0
Joab Bomfim de Oliveira

12. Reprodução dos indivíduos mais aptos obtidos pelas operações de
mutação e cruzamento
Pais 1 0 1 1 0 1 1 0 0 1 0 0 1 0 0 1
Joab Bomfim de Oliveira

13.  Inicializado com N indivíduos
 Informação da função objetivo (função de fitness)
 Seleção Natural
 Mutação
Diogo Henrique de Carvalho

14.  Objetivo – Diminuição da Função Objetivo
 Se a busca resulta em uma melhor da solução a solução é
aceita.
 Caso contrário, essa solução é aceita com probabilidade 1
Ronald Rocha Lima Jr

15. Métodos Determinísticos Métodos Estocásticos
Utiliza o negativo do gradiente Não necessita do cálculo do
da função objetivo gradiente
Localiza Mínimo Local Localiza Mínimo Global
Menor número de avaliações Maior número de avaliações da
da função objetivo função objetivo
Métodos Determinísticos Híbridos
Melhoria da velocidade
Localiza Ótimo Global
Melhoria da Precisão
Ronald Rocha Lima Jr

16. Joab Bomfim de Oliveira

17. Joab Bomfim de Oliveira

18. Joab Bomfim de Oliveira