No abstract

No abstract

No abstract

Este trabalho objetiva apresentar o COPILOTS (BasiC OPtImaLCOnTrol Solver), um pacote proposto para resolução de Problemas de Controle Ótimo (PCOs) baseado nos Métodos Diretos, de fácil utilização e ideal para usuários com pouca ou nenhuma experiência na resolução de PCOs. Em linhas gerais, a ferramenta proposta realiza a discretização dos controles via colocação trapezoidal ou colocação Hermite-Simpson, ao passo que empregam-se polinômios cúbicos na interpolação dos estados. Com efeito, o problema original (algébrico-diferencial) é transformado em um puramente algébrico, que é resolvido considerando o SQP (Sequential Quadratic Programming). Para fins de validação, o COPILOTS foi empregado na determinação da trajetória de tempo mínimo a ser percorrida por um veículo na execução de uma manobra de estacionamento paralelo e um novo algoritmo para inicialização dos estados e controles foi proposto de forma a minimizar o esforço computacional despendido. Os resultados demonstram que o pacote proposto configura-se como uma alternativa para a resolução de PCOs.

O algoritmo de Evolução Diferencial (ED) configura-se como umas das importantes técnicas evolutivas empregadas para a resolução de problemas de otimização mono e multi-objetivos. Apesar disto, o algoritmo pode estagnar em torno de um ótimo local. Para evitar que isso ocorra, o presente trabalho utiliza modelos caóticos de busca para atualização dos parâmetros da ED associado a um operador para controle da perda de diversidade. Esse novo algoritmo foi denominado de Evolução Diferencial associado a Modelos Caóticos de Busca e Diversidade (ED-MCBD). A metodologia proposta foi empregada na identificação de sistemas em um método caixa-translúcida, isto é, identificação paramétrica a partir de dados de entrada-saída e uma estrutura pré-definida. Os resultados mostram que, em sistemas com um maior número de parâmetros a serem identificados, o algoritmo ED-MCBD produz melhores resultados em comparação com o método clássico. Entretanto, os novos operadores introduzidos podem impedir a convergência do algoritmo em sistemas com poucos parâmetros a serem estimados.