Home

Calibração de Mode utilizando Agentes Metodologias de O

1. A q m in m n q m o m Gera es Gr fico 10 Resultados Calibra o Modelo Ba a Sangoo Algoritmo gen tico com pequena muta o CAP TULO 5 RESULTADOS E AN LISE 65 Algoritmo Gen tico Muta o Aleat ria Simulation 1 E o o S x Simulation 2 Simulation 3 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Gera es Gr fico 11 Resultados Calibra o Modelo Ba a Sangoo Algoritmo gen tico com muta o aleat ria Tal facto pode ser explicado de 2 formas a primeira diz respeito ao valor do step definido para cada par metro que pode ser pouco significante para os resultados finais A segunda diz respeito fun o objectivo e defini o de pesos para cada vari vel No modelo predador presa a granularidade das vari veis era quase id ntica o mesmo n o se constata num modelo aqu tico onde vari veis representando os valores das mar s t m uma granularidade diferente da vari vel que representa a taxa de absor o do fitoplanton por exemplo A fun o objectivo deve reflectir tais diferen as cabendo ao modelador indicar pesos para cada vari vel de forma a homogeneizar os valores obtidos do simulador produzindo diferen as significativas em termos de taxa de erro CAP TULO 5 RESULTADOS E AN LISE 66 5 3 Conclus es Neste cap tulo foram apresentadas as experi ncias sobre o mo
2. permitindo tratamento dos dados a posteriori O EcoDynamo possui uma interface onde implementa mensagens ECOLANG permitindo a outros m dulos programas a sua comunica o e controlo das ac es principais de simula o Por exemplo as simula es podem ser controladas fora do interface gr fica do EcoDynamo atrav s dos comandos start stop pause step 2 O simulador ecol gico EcoDynamo uma ferramenta com capacidade de realizar simula es real sticas de modelos ecol gicos complexos em v rios n veis de abstrac o O simulador permite comunicar com um sistema de visualiza o e com agentes com diferentes objectivos e capacidades tais como o agente calibrador de modelos que este trabalho retrata e um agente aquicultor cujo objectivo a maximiza o da produ o de esp cies com valor econ mico bivalves 3 3 ECOLANG Linguagem de Comunica o para Redes de Simula o Ecol gicas A linguagem ECOLANG Pereira et al 2005 Pereira 2008 foi desenvolvida com o objectivo de facilitar a troca de informa es entre a aplica o de simula o ecol gicas e os agentes externos uma linguagem de alto n vel com capacidade de descri o do sistema ecol gico em termos de caracter sticas regionais percep es dos agentes e suas ac es independentemente de qualquer plataforma de hardware ou software CAP TULO 3 REDE DE SIMULA O ECOSIMNET 34 Este novo projecto foi bas
3. 2 Define Variables Values T 3 H D simulation cycles Meta Heuristic Select 4 Hill Climbing Simulated Annealing C Genetic Algorithm Close Save to File Figura 25 Interface Global Agente Calibrador carregar no bot o begin calibration Quando a calibra o come a poss vel ver algumas mensagens de interac o com o servidor ou resultados dos algoritmos caixa de Output log e Result log A informa o da caixa de output diz respeito ao processo de simula o A caixa de result log diz respeito resultados dos algoritmos em cada simula o poss vel observar no gr fico o valor da fun o de avalia o ao longo do tempo ou melhor verificar no gr fico as melhor solu es encontradas ao longo do tempo A rea do gr fico possui funcionalidades para realizar zoom e desloca o Caso seja necess rio existe um bot o para mostrar um gr fico em tamanho maior Quando os crit rios de paragem de calibra o s o atingidos o valor da fun o de avalia o inferior ou igual ao estipulado pelo utilizador ou se ultrapassou o n mero de simula es definidas apresentado uma mensagem na caixa de Result log a indicar o fim da calibra o e o conjunto de valores dos par metros com o respectivo valor de erro E poss vel recome ar a simula
4. Figura 19 Interface do agente calibrador Quando aparece a interface do agente calibrador figura 19 consegue se identificar o modelo para calibra o na barra de topo da janela A interface est dividida em v rios segmentos defini o das caracter sticas de calibra o comandos de ac es para a ANEXOI MANUAL DO UTILIZADOR 75 calibra o output de resultados do processo de calibra o gr fico de resultados e sec o para parametriza o dos algoritmos de calibra o em uso 3 passo escolha do ficheiro dados Reais n o esta implementado ainda Por agora o agente corre a primeira simula o e assume esses valores como os de compara o A 2 simula o com valores de par metros todos aleat rios em termos de agente de calibra o o resultado o mesmo pois os algoritmos de optimiza o necessitam de convergir os resultados Na realidade n o existem ficheiros com dados reais estabelecidos pelo que se simula um per odo em qualquer modelo e guarda se os resultados em ficheiro com tabula es 4 passo defini o do per odo de pe Start 01 01 1999 00 00 Finish Time 31 08 2000 00 00 simula o e do 31 08 2000 00 00 periodo que se SET requisita que os a dados sejam Figura 21 Interface Escolha tempos Simula o J devolvidos do simulador normalmente tenho utilizado os mesmos valores t
5. B Calibration EcoDynamo get output time Te x 3 EcoDynamo Calibration dimensions 3 1 1 1 OD J Te 4 EcoDynamo Calibration classes available 4 TPrey TPredator 5 EcoDynamo Calibration time spec 5 3600 1167584400 1170349200 EcoDynamo Calibration output time 6 0 0 0 Bx message Calibration EcoDynamo get variables TPrey message 8 Calibration EcoDynamo get parameters TPrey oe e Trace messages Received Transmitted Figura 18 Mensagens ECOLANG Quando a aplica o do agente calibrador arranca envia mensagem ao EcoDynamo registando se na lista de agentes ligados ao simulador para uma determinada porta de computador As mensagens seguintes ap s o simulador ter enviado mensagem de aceita o s o referentes s caracter sticas do modelo em simula o nome do modelo dimens es do modelo classes dispon veis tempo de simula o par metros e vari veis 1 Calibration Data File T Time Specs 3 Dutput Time Specs 4 Begin Calibration B Show Graph TEST Calibration Data File ko DK Update Time Simulator Specs DK Update Output Time Simulator Specs Main Hill Climbing Simulated Annealing Genetic Algorithm 5 z Criteria Stop Minimum Error 0 Delta 0 01 Conversion factor K fi 0 Iteration Number 1 Initial Temperature 1 Iteration Success 0 8 Temp Step
6. e Usam transi es probabil sticas e n o regras determin sticas Os algoritmos gen ticos tipicamente conseguem atingir solu es de melhor qualidade que a subida da colina e arrefecimento simulado No entanto s o um m todo computacionalmente mais pesado e cuja implementa o exige um maior esfor o 2 5 Conclus es Neste cap tulo foi apresentado o conceito de simula o ecol gica sendo apresentados os principais tipos de modelos utilizados neste mbito com nfase para a simula o hidrodin mica e simuladores ecol gicos Foram tamb m apresentados os principais m todos de optimiza o tendo em vista a sua utiliza o num agente de calibra o de simula es ecol gicas Cap tulo 3 3 Rede de Simula o EcoSimNet O EcoSimNet acr nimo para Ecologic Simulator Network sendo um sistema multi agente para simula es Ecol gicas O seu desenvolvimento integrado no projecto ABSES Agent Based Simulation of Ecological Systems FCT POSC EIA 57671 2004 O projecto ABSES pretende dar continuidade ao sistema de simula o ecol gico desenvolvido no projecto DITTY Development of an Information Technology Tool for the Management of European Southern Lagoons under the influence of the river basin runoff projecto de investiga o e desenvolvimento europeu EVK3 2002 00084 onde foi desenvolvido um Sistema de Apoio Decis o SAD para a gest o de ecossistemas costeiros O projecto ABSES pretende adicion
7. fazendo recurso de metodologias de aprendizagem autom tica ou a procura de solu es ptimas no caso da fase de calibra o Apesar de existirem no mercado solu es de calibra o autom tica baseados na gera o exaustiva de vectores de par metros e utilizando diversas t cnicas de converg ncia no entanto requerem um grande n mero de simula es n o sendo aplic veis a modelos complexos com maior n mero de entidades rela es que exigem tempos de c lculo elevados Uma alternativa a este cen rio poder passar pelo desenvolvimento de ferramentas que simulem os processos de aprendizagem de quem implementa e usa os modelos peritos no modelo Na utiliza o dos modelos para a optimizar solu es pode ser utilizada uma abordagem semelhante Em ambos os casos a utiliza o de Agentes Aut nomos uma boa alternativa permitindo ainda introduzir no processo de simula o de forma natural o elemento humano cujos processos de racioc nio s o muito dif ceis de modelar atrav s de metodologias de calibra o tradicionais 1 1 Enquadramento e Motiva o Muitos sistemas em reas como produ o a gest o financeira e controlo do tr fego s o simplesmente demasiado complexos para serem modelados analiticamente existindo ainda a necessidade de analisar o seu comportamento optimizando o desempenho As simula es discretas por eventos t m sido usadas desde h muito tempo para testar o desempenho de
8. Genetic Algorithm GenericFunc Class Descri o classe base dos algoritmos de optimiza o Toda a aplica o tem acesso a estes m todos Define na pr tica as vari veis onde todos os resultados de simula o ANEXO 2 LISTA DE CLASSES 81 ser o armazenados como o caso da vari vel SimulationResult que armazena o ltimo resultado simulado o ClassModel que armazena os par metros e vari veis iniciais Vari veis ECODYNPROTOCOL ECDP TYPE TYPE BOOLSIMULATION RUN SIMULATION CHANGE PARAMETER STATUS FLAGS STRING DATAFILENAME INT SIMULSTEP REGSTEP ITERATION CONTADORPARM TIME T SIMULSTART SIMULFINISH REGSTART REGFINISH INTNUMBEROFLINES NUMBEROFCOLUMNS NUMBEROFLAYERS GET FROM MODEL DI MENSIONS MODEL VECTOR lt MODELCLASS gt CLASSMODEL sk VECTOR lt TIMEVARIABLES gt SIMULATIONRESULT SAVE FOR CURRENT SIMULATION VA a RIABLES DATA VECTOR STRING SIMULATIONV ARIABLE Construtor GENERICFUNC ECOD YNPROTOCOL PECDP M todos 4 4464 VECTOR lt VECTOR lt SPARAMETERS gt gt NEIGHBOURSRESULTS SAVE THE SOLUTIONS GEN ERATED VECTOR lt SIMULATIONMODEL gt SIMULATIONFINAL SAVE BEST SOLUTIONS SIMULATIONMODEL REALDATA LOAD INITIAL DATA FROM FILE SIMULATIONMODEL BESTDATA BEST SIMULATION RESULT MENSAGENS o MESSAGEERROR STRING MSG VOID MESSAGEW ARNING STRING MSG VOID MESSAGEO
9. Recombinar P P Mutacao P Avaliar P P Escolha P U P Fim Algoritmo 3 Algoritmo Gen tico Gen rico Os algoritmos gen ticos s o implementados como uma simula o de computador em que uma popula o de representa es abstractas da solu o seleccionada para efectuar uma pesquisa de solu es melhores A evolu o geralmente inicia se a partir de um conjunto de solu es criado aleatoriamente e realizada por meio de gera es A cada gera o a adapta o de cada solu o na popula o avaliada alguns indiv duos s o seleccionados para a pr xima gera o e recombinados ou mutados para formar uma nova popula o A nova popula o ent o utilizada como entrada para a pr xima itera o do algoritmo x X 0 2109 09110 6110 41 0 5 0 06 0 6 0 4 0 5110 06110 7110 11 0 2110 09110 7110 11 Figura 3 Exemplo Muta o Gen tica Algoritmo Gen tico Os algoritmos gen ticos diferem dos algoritmos tradicionais de optimiza o basicamente em quatro aspectos e Baseiam se numa codifica o do conjunto das solu es poss veis e n o nos par metros da optimiza o em si e Os resultados s o apresentados como uma popula o de solu es e n o como uma solu o nica e N o necessitam de nenhum conhecimento derivado do problema apenas de uma forma de avalia o do resultado CAP TULO 2 SIMULA O ECOL GICA 23
10. Webster s Collegiate Dictionary fingir para obter ess ncia externa da realidade De acordo com Schriber 1987 A simula o envolve a modela o de um processo ou sistema de modo que o modelo imite a resposta do sistema actual para eventos que acontecem com o passar do tempo Neste trabalho a simula o ser definida como um processo de desenvolver um modelo de um sistema real e experimenta o do modelo com o prop sito de conhecer o CAP TULO 2 SIMULA O ECOL GICA 9 comportamento do sistema e avaliar v rias estrat gias para a sua opera o Pegden et al 1990 A simula o considerada uma ferramenta disponibilizada pela rea da investiga o operacional que permite a gera o de cen rios a partir dos quais se pode orientar o processo de tomada de decis o proceder a an lises e avalia es de sistemas propondo melhorias de performance Normalmente estes procedimentos t m como base par metros t cnicos e ou econ micos Este trabalho ir incidir na simula o de modelos matem ticos pelo que a partir de agora designaremos simula o de modelos matem ticos por modelos de simula o Devido ao dom nio em estudo serem as simula es ecol gicas a partir deste ponto designaremos por ecossistema ao Sistema em modela o O pr ximo cap tulo descreve uma classifica o de simuladores de modelos baseado em tr s dimens es Estat sticos ou Din micos Determin sticos ou Estoc
11. o de simula o EcoDynamo e Defini o de estrat gias de calibra o para aumentar a sua rapidez de converg ncia e Defini o de crit rios de an lise para comparar as v rias estrat gias de calibra o testadas e Implementa o de um algoritmo de aprendizagem que permita automaticamente adoptar uma estrat gia de altera o de par metros e monitoriza o registo do seu processo de aprendizagem CAP TULO 4 PROJECTO E IMPLEMENTA O 40 e Correr o modelo ciclicamente alterando os valores dos par metros recolhendo os valores das vari veis e comparando os com os valores refer ncia utilizados para a calibra o tentando encontrar os valores ideais para obter a converg ncia de resultados e Verificar a calibra o do modelo comparando os resultados obtidos com outro conjunto de dados diferentes dos utilizados para a calibra o 4 1 Arquitectura Todas as comunica es realizadas com o simulador usam mensagens ECOLANG para realizar os inputs outputs com o modelo carregado pela aplica o de simula o O Agente Calibrador adquire conhecimento sobre o comportamento dos processos do sistema em 5 passos ver figura 13 1 simulador carrega da base de dados do modelo o esquema e os valores dos par metros iniciais para as equa es do modelo 2 o Agente inquire o simulador sobre a lista de par metros e seus valores 3 faz altera es aos valores dos par metros usando t cnicas baseadas
12. 92905 835 6 6 8545 5423 2569 3 7552 7 532 95 0 00 0 939 0 063 1026 7 0 00343 16 96 3761 4 135 58 0 55539 0 02001 8 0 79437 93762 8032 2 87288 568 204 454 5 3 0693 30873 8017 4 5 A tabela 10 apresenta valores para as vari veis que s o influenciadas ao longo do tempo pelos par metros Hill Climbing 0 0300 0 0250 g 0 0200 Simulation 1 Simulation 2 o 0 0150 Simulation 3 x 0 0100 Simulation 4 0 0050 Simulation 5 0 0000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Gr fico 8 Resultados calibra o Modelo Sangoo para Algoritmo Hill Climbing CAP TULO 5 RESULTADOS E AN LISE 64 A primeira observa o que se constatou pela an lise dos resultados aplicando o algoritmo Hill Climbing diz respeito aos valores de erro muito pr ximos de zero sendo as altera es introduzidas nas solu es vizinhas com pouco impacto na taxa de erro O mesmo se observou com os outros algoritmos de calibra o Simulated Annealing Simulation 1 Simulation 2 Taxa de Erro Simulation 3 Simulation 4 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Gr fico 9 Resultados Calibra o Modelo Ba a Sangoo Arrefecimento Simulado Algoritmo Gen tico Pequena Muta o Simulation 1 Simulation 2 Taxa de Erro Simulation 3 Simulation 4 Simulation 5
13. Idealmente a esse ponto a solu o actual pr xima do ideal mas n o garantido que a subida da colina chegaria perto da solu o ptima 2 4 2 Arrefecimento Simulado Arrefecimento simulado ou Simulated Annealing uma meta heur stica para optimiza o que consiste numa t cnica de pesquisa local probabil stica e se fundamenta numa analogia com a termodin mica Esta meta heur stica uma met fora de um processo t rmico dito annealing ou recozimento utilizado em metalurgia para obten o de estados de baixa energia num s lido O processo consiste de duas etapas na primeira a temperatura do s lido aumentada para um valor m ximo no qual ele se funde na segunda o resfriamento deve ser realizado lentamente at que o material se solidifique sendo acompanhado e controlado esse arrefecimento Nesta segunda fase executada lentamente os tomos que comp em o material organizam se numa estrutura uniforme com energia m nima Isto provoca que os tomos desse material ganhem energia para se movimentarem livremente e ao arrefecer de forma controlada dar lhes uma melhor hip tese de se organizarem numa configura o com menor energia interna para ter como resultado pr tico uma redu o dos defeitos do material CAP TULO 2 SIMULA O ECOL GICA 21 In cio s GerarSolucaoinicial T Tuanicial 7 Enquanto condi o de fim fazer 5 NovaSolucao N s Se Avaliacao s lt Avaliacao s Entao s
14. S Senao s CriterioAceitacao s s T ActualizarTemperatura T Fim Algoritmo 2 Arrefecimento Simulado Gen rico De forma an loga o algoritmo de arrefecimento simulado substitui a solu o actual por uma solu o pr xima i e na sua vizinhan a no espa o de solu es escolhida de acordo com a fun o objectivo e tendo em considera o a vari vel T dita Temperatura por analogia Quanto maior for T maior a componente aleat ria que ser inclu da na pr xima solu o escolhida medida que o algoritmo progride o valor de T decrementado come ando o algoritmo a convergir para uma solu o ptima necessariamente local Uma das principais vantagens deste algoritmo permitir testar solu es mais distantes da solu o actual e dar mais independ ncia do ponto inicial da pesquisa Consegue escapar de m nimos locais dado que permite a movimenta o para solu es vizinhas de pior qualidade enquanto a temperatura for elevada 2 4 3 Algoritmos Gen ticos Um algoritmo gen tico AG uma t cnica de optimiza o baseada na teoria da evolu o Algoritmos gen ticos s o uma classe particular dos algoritmos evolutivos que utilizam t cnicas inspiradas pela biologia evolutiva tais como a hereditariedade muta o selec o natural e recombina o ou crossing over CAP TULO 2 SIMULA O ECOL GICA 22 In cio GerarPopulacaoInicial Avaliar P Enquanto condi o de fim fazer P
15. es implementadas aos algoritmos padr o colmatando algumas desvantagens devidamente reconhecidas pela comunidade cient fica A estrutura do agente calibrador foi pensada para ser capaz de adicionar mais algoritmos de optimiza o tendo como base um conjunto de fun es comuns a todos os algoritmos tendo sido organizado em hierarquia de classes linguagem de programa o Cap tulo 5 5 Resultados e An lise 2 Tal como noutro processo de cria o de software fase de testes crucial para verifica o da qualidade do software sendo neste caso espec fico a validade da robustez dos algoritmos calibradores implementados assim como se estes eram capazes de convergir para a solu o ptima de valores de par metros sem estudo pr vio da sensibilidade dos par metros tal como defendem alguns autores J rgensen amp Bendoricchio 2001 Foram realizados estudos em dois modelos ecol gicos com caracter sticas diferentes o primeiro Modelo Predador Presa e o segundo Modelo da Ba a de Sangoo O modelo Predador Presa foi adaptado para o simulador para valida o do agente calibrador pela sua simplicidade de interac es visto representar apenas duas entidades e pelo n mero reduzido de par metros a calibrar O modelo da ba a de Sangoo j apresenta maior complexidade em termos de interac es entre entidades sendo um dos modelos em estudo pelo simulador EcoDynamo O n mero de par metros e de vari veis a calib
16. fico circular de acordo com o Gr fico 2 mostrando que a oscila o repetitiva 5 1 1 Resultados Tendo em conta a simplicidade do modelo Predador Presa este permitiu testar os algoritmos de optimiza o permitindo ter uma vis o cr tica sobre os mesmos realizando as modifica es necess rias para acelerar o processo de calibra o Tendo CAP TULO 5 RESULTADOS E AN LISE 51 em conta que esta experi ncia serve de padr o para a experi ncia seguinte com um modelo mais complexo usado pelo simulador adoptou se que os resultados da primeira simula o seriam considerados como a solu o real para c lculo dos desvios entre cada simula o Devido ao comportamento aleat rio destes m todos de optimiza o correram para cada um dez calibra es tendo se registado os valores do desvio para as primeiras 50 solu es encontradas O per odo de simula o foi de 2 meses tendo sido aplicado um passo de simula o de 1 hora Foi definido como crit rio de paragem uma taxa de erro inferior a uma unidade Tabela 4 Lista de Par metros e Valores ptimos Predador Presa Classes do Modelo Par metros Valores TPrey IntrinsicRateOflncrease 0 3 TPredator FoodAbsorption 0 01 TPredator FeedRate 0 1 TPredator DeathRate 0 1 A tabela 4 mostra os par metros para o modelo predador presa indicando a solu o considerada ptima servindo de base para o c lculo da taxa de erro fun
17. o armazenados os valores para cada vari vel do modelo considerado como output para cada unidade de tempo Com base nesses resultados calculado o valor do erro A fun o NewSolution int numRandom respons vel por criar uma nova solu o conjunto de valores de par metros gen rica aos algoritmos de optimiza o dado que poss vel indicar o n mero de par metros a gerar novos valores S o escolhidos aleatoriamente os par metros a alterar e verifica se na estrutura do modelo se o par metro possu a dados sobre valores m nimos e m ximos assim como a varia o step e com base nessa informa o gera se um novo valor 4 3 2 Implementa o Hill Climbing Herda da classe Calibration Aplica o algoritmo Subida de Colina O conceito subjacente a este m todo que a solu o seguinte dever ser melhor que as anteriores CAP TULO 4 PROJECTO E IMPLEMENTA O 46 A defini o da nova solu o para teste tem associada uma probabilidade de 50 para altera o de 2 par metros ou 1 par metro face a melhor solu o encontrada at ao momento Para cada nova solu o os par metros s o escolhidos aleatoriamente assim como os seus valores In cio s GerarSolucaoInicial2 Tinicial Enquanto condi o de fim fazer Se aleatorio Entao NovaSolucao N s 1 Senao s NovaSolucao N s 2 Avaliacao s lt Avaliacao s Entao s s Algoritmo 4 Hill Climbing Agente Calib
18. o de dados resultados O estabelecimento de um programa de medidas fundamental para por um lado fornecer directamente dados sobre par metros importantes do ecossistema e por outro lado calibrar e validar os modelos Este processo de calibra o e valida o resulta assim num processo din mico que vai sendo enriquecido medida que vai existindo mais informa o dispon vel Os modelos desempenham ent o um papel importante tanto no que respeita ao estabelecimento de diagn sticos sobre os problemas do ecossistema atrav s da integra o e da correla o dos diversos par metros envolvidos como no que respeita execu o de progn sticos quer sobre eventuais medidas remediadoras quer sobre os poss veis efeitos da altera o das vari veis no respectivo funcionamento A garantia de um uso eficaz de toda esta informa o passa finalmente pela disponibiliza o de meios eficientes de publica o que tornem f cil e atractivo o respectivo uso A r pida evolu o quer ao n vel do pre o quer das capacidades de processamento que se tem vindo a verificar ao n vel das tecnologias de computa o e de aquisi o de CAP TULO 2 SIMULA O ECOL GICA 16 dados permite estabelecer actualmente sistemas de monitoriza o em tempo real em que conjuntos de sensores fornecem informa o a modelos matem ticos que por sua vez simulam o sistema em tempo real garantindo assim uma observa o em cont nuo e a
19. 21st European Conference on Modelling and Simulation pp 181 187 Prague Czech Re public ISBN 0 9553018 2 3 978 0 9553018 2 7 Brito et al 2001 Brito Ant nio E S Carvalho Teixeira J Manuel Feliz Simula o por Computador Fundamentos e Implementa o de c digo em C e C Publind stria Edi es T cnicas Porto Junho 2001 Cardon et al 2000 A Cardon T Galinho amp J P Vacher 2000 Genetic algorithms using multi objectives in a multi agent system Robotics and Autonomous Systems 33 2 3 Pp 179 190 Carpenter 1989 Carpenter S R 1989 Replication and treatment strength in whole lake experiments Ecology 70 453 463 Cruz et al 2007 Filipe Cruz Ant nio Pereira Pedro Valente Pedro Duarte amp Lu s Paulo Reis 2007 Intelligent Farmer Agent for Multi Agent Ecological Simulations Opti mization In J Neves M Santos and J Machado eds EPIA 2007 LNAI 4874 pp 593 604 Springer Verlag Berlin Heidelberg ISBN 978 3 540 77000 8 978 3 540 77002 2 50 Cruz 2006 Filipe Cruz 2006 Desenvolvimento de Agente Aquicultor Inteligente Relat rio de Est gio Projecto de Fim de Curso em Engenharia Inform tica e Computa o Faculdade de Engenharia da Universidade do Porto Duarte et al 2003 Pedro Duarte R Meneses A J S Hawkins M Zhu J Fang amp J Grant 2003 Mathematical modelling to assess the carrying capacity for multi species culture within coastal water Ecological Model
20. 8 7572 29 1 9923 13 2268 9 6590 10 7569 1 9923 7 3790 30 1 8506 13 2268 9 6590 10 7569 1 9923 7 3790 31 1 8506 11 8865 9 0590 5 8763 1 9923 7 3790 32 1 8506 11 8865 7 6711 5 8763 1 9923 7 3790 33 1 8506 11 8865 7 6711 5 8763 1 8506 7 3790 34 1 8506 11 8865 7 2113 5 8763 1 8506 7 3790 35 1 8506 11 8865 3 7807 3 9458 1 8506 7 3790 36 1 8506 10 5248 3 7807 2 0427 1 8506 7 3790 37 1 8506 10 5248 3 7807 1 8769 1 8506 7 3790 38 1 8506 10 5248 3 7807 1 8769 1 8506 7 3790 39 1 8506 10 5248 3 7807 1 7628 1 8506 7 3790 40 1 8506 9 1413 1 8769 1 7628 1 8506 7 3790 41 1 8506 8 7304 1 8769 1 5940 1 8506 7 3790 42 1 8506 8 1079 1 8769 1 5940 1 8506 7 3790 43 1 8506 8 1079 1 8769 1 5940 1 8506 7 3790 44 1 8506 8 1079 0 0000 1 5940 1 8506 7 3790 45 1 8506 8 1079 0 0000 1 5940 1 8506 7 3790 46 1 8506 6 0015 1 5940 1 8506 7 3790 47 1 8506 3 9247 1 5940 1 8506 7 3790 48 1 8506 3 7807 1 5940 1 8506 7 3790 49 1 8506 3 7807 0 1665 1 8506 7 3790 50 1 8506 3 7807 0 1665 1 8506 7 3790 Apesar do registo da taxa de erro de todas as solu es testadas podemos observar na tabela anterior os pontos onde o calibrador obt m melhores solu es Quando aparecem na tabela valores de erro repetidos isso indica que a solu o encontrada a melhor at ao momento servindo de base na explora o de solu es vizinhas Apesar da taxa de erro estipulada como sendo inferior a um algumas experi ncias terminaram com taxa de erro igu
21. Simula Simula Simula Simula Simula Simula Simula Simulation tion tion 1 tion 2 tion 3 tion 4 tion 5 tion 6 tion 7 tion 8 tion 9 10 0 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 1 109 3520 85 8842 44 3308 39 0608 65 8052 52 2982 28 9237 46 7535 38 9080 31 4140 2 106 3710 86 4681 30 1081 24 5229 54 1892 63 4061 13 3562 22 6028 16 1840 32 9556 3 103 8710 86 4681 15 8455 40 6130 56 0367 63 4061 9 0093 43 7777 14 5608 32 9556 4 102 5120 76 8250 17 1692 40 6130 56 0367 64 6742 31 4140 43 7777 12 6228 35 2267 5 95 4703 75 5839 17 1692 41 8279 44 3395 64 6742 31 4140 18 8906 12 7808 35 2267 6 94 8210 76 6332 38 2448 41 8279 29 3907 54 8185 29 1779 19 0566 12 7808 35 2267 CAP TULO 5 RESULTADOS E AN LISE 55 7 86 4765 76 6332 38 2448 28 7320 12 8221 55 2965 8 9355 19 0566 33 7376 35 2267 8 87 3851 66 5652 17 4890 30 3919 5 8566 55 2965 18 0457 41 3968 33 7376 12 8422 9 87 3851 66 5652 18 0851 30 3919 7 3581 43 3660 18 0457 41 3968 12 9386 13 2716 10 89 1930 66 5652 18 0851 30 6165 7 3581 42 1200 33 4258 19 2223 11 1820 13 2716 11 89 1930 54 8082 16 7875 30 6165 5 2836 40 8521 33 4258 17 7145 9 7072 27 7628 12 91 8969 53 9476 18 5212 14 7587
22. T S Chan 2005 Hybrid tabu simulated annealing based approach to solve multi constraint product mix decision problem Expert Systems with Applications Vol 29 2 pp 446 454 REFER NCIAS BIBLIOGRAFICAS 71 Naur 1960 NAUR Peter ed Revised Report on the Algorithmic Language ALGOL 60 Communications of the ACM Vol 3 No 5 pp 299 314 May 1960 Norvig amp Russel 2003 P Norvig amp S J Russel 2003 Artificial Intelligence a Modern Approach 2nd edition Prentice Hall Pegden et al 1990 Pegden C D Shannon R E Sadowsky R P 1990 Introduction to Simulation Using SIMAN McGraw Hill New York Pereira et al 2004 Ant nio Pereira Pedro Duarte amp Lu s Paulo Reis 2004 Agent Based Simulation of Ecological Models In H Coelho and B Espinasse eds Proceedings of the 5th Workshop on Agent Based Simulation pp 135 140 Lisbon Portugal May ISBN 3 639150 31 1 Pereira et al 2005a Ant nio Pereira Luis Paulo Reis amp Pedro Duarte 2005 ECOLANG A Communication Language for Simulations of Complex Ecological Systems In Y Merkuriev R Zobel and E Kerckhoffs eds Proceedings of the 19th European Con ference Modelling and Simulation ECMS 2005 493 500 Riga Latvia 2005 ISBN 1 84233 112 4 Pereira et al 2005b Ant nio Pereira amp Pedro Duarte 2005 EcoDynamo Ecological Dynamics Model Application University Fernando Pessoa Centre for Modelling and Analysis of Environ
23. TBiDimensionalTimeSeriesVariableDT TChlamysFarreriV8 Bounding NOS EO RE RE 4 larreri biomass 1 TChlamysFarreriVB TCrassostreaGigas PO E gt C faneri shell length 1 TCrassostrealiigas TLaminarialaponicaE xponentialGrowth Bound SPM concentration C farreri density 1 TFisherMan TLight curi zog cones z gigas biomass 1 TFlow TSangoMan Box depth C gigas shell length 1 TLaminarialaponicaE xponentialGrowth TSangoNuttients 4 Tlight TSangoPhytoplanktonintLim femen R1 EIRAN TSangoMan TSangoResuspendDeposit fareni densi TSangoNuttients TSangcZooplankton Qeon TSangoPhytoplankton TWaterT emperatureT woDimensionalForSango farted shel length 1 TSangoPhytoplanktoniniLim TWind C farreri shell mass 1 TSangoResuspendD eposit TBiDimensionalSango3 Cone tome d TSangoZooplankton TFisherMan C UR CHI m TTideWithWanContinuousHarmonics peer TWalerTemperatureT woDimensionalForSango C gigas meat weight 1 Twind gigas shell length 1 C gigas shell mass 1 Chlorophyll Carbon Chlorophyll to biomass Chlorophyll to Carbon TABLE Output Columns Current time gt gt Daily boundary phytoplankton Daily ocean temperature Daylight hours DIN Drag coefficient Dynamic height Extinction coefficient Ktot FRPIM E X Help Figura 8 Interface Seleccionar Classes e Vari veis para Simula o Esses par metros podem ser influenciados pelo resultado das vari veis de outra classe e a
24. a problemas relacionados com o desenvolvimento da bomba at mica Este modelo consegue percorrer milhares de cen rios e gerar hip teses tendo em conta a aleatoriedade apenas 2 1 2 Determin sticos ou Estoc sticos Se o modelo de simula o n o cont m nenhuma componente probabil stica associada chamado de modelo determin stico Um modelo que descreva uma reac o qu mica pode ser considerado como modelo determin stico visto ser constitu do por um conjunto de equa es diferenciais matem ticas cujos resultados n o dependem de probabilidades Nos modelos determin sticos os resultados s o determinados pelo conjunto de valores nos inputs e pelos relacionamentos que est o especificados no modelo apesar de consumirem bastante tempo de computa o na avalia o do modelo Alguns sistemas contudo podem ser modelados com componentes de aleatoriedade sendo considerados como modelos estoc sticos Como acontece no mundo real certos par metros de um sistema s s o conhecidos dentro de uma gama de valores e n o de forma exacta podendo por isso apresentar valores diferentes em diferentes instantes do tempo Exemplo disso o tr fego de uma dada avenida o n mero de carros a circular varia por unidade de tempo sendo num modelo determin stico considerado um valor m dio que muitas vezes n o permite fiabilidade nas respostas do modelo Seria necess rio substituir esse valor m dio por uma distribui o estat stica d
25. aquacultura escolha vari veis per odos de simula o e intervalos para observa o antes do modelo correr Defini es Recep o da morfologia e reas de cultivo definidas pelo modelo agrega o das c lulas em regi es de acordo com algumas proprieda des defini o de subdom nios baseados nessas novas regi es Estat sticas Recolha de resultados das experi ncias de simula o e compara o com resultados anteriores ou dados reais auxiliando o m dulo de configura o para as melhores ac es a executar CAP TULO 3 REDE DE SIMULA O ECOSIMNET 35 Eventos Mensagens espont neas que os agentes ou aplica es geram para informar sobre eventos ou resultados importantes As mensagens ECOLANG regem se pelo formalismo BNF Backus Naur Form BNF uma meta linguagem linguagem usada para descrever linguagens com provas dadas no campo da ci ncia dos computadores BNF amplamente usada como nota o para a gram tica de linguagens de programa o conjuntos de instru es e protocolos de comunica o assim como para representa es parciais das gram ticas de linguagem natural Naur 1960 John Backus e Peter Naur foram os precursores descrevendo a sintaxe da linguagem Algol 60 de forma inequ voca A nota o ECOLANG uma extens o ao formalismo original da BNF adicionando se as seguintes extens es meta s mbolos e para itens repetidos uma ou mais vezes e delimita tipos de v
26. cada par metro O estabelecimento de limites para cada par metro fulcral no processo de calibra o pois caso se utilize CAP TULO 6 CONCLUS ES E PERSPECTIVAS DE DESENVOLVIMENTO 68 valores altos provoca erro nos resultados da simula o devido a dificuldade de express o overflow das vari veis de programa o Os modelos utilizados pelo simulador EcoDynamo s o determin sticos n o sendo necess ria a altera o din mica dos valores dos par metros ao longo do tempo tal como acontece nos modelos com caracter sticas estoc sticas poss vel realizar v rias simula es com as mesmas caracter sticas do modelo obtendo sempre os mesmos resultados Em termos do processo de calibra o os modelos determin sticos permitem focalizar nos m todos de optimiza o e suas estrat gias na defini o de novas solu es de par metros O uso de um agente de calibra o na optimiza o de modelos permite automatizar um processo algo complexo e tedioso de se resolver manualmente sem ser necess rio realizar altera es a n vel do c digo da aplica o de simula o Apesar do projecto proposto n o possuir as caracter sticas intr nsecas de um agente inteligente apenas a comunica o com o simulador via mensagens ECOLANG este pode com alguma facilidade adaptar mecanismos de intelig ncia visto a sua org nica ser independente do n cleo de simula o O desenvolvimento deste projecto abriu diversas per
27. com os simulados sendo uma fase crucial no processo de modela o Devido ao seu car cter iterativo ap s cada simula o o perito ou modelador analisa o resultado realizando as altera es nos valores dos par metros tentando fazer convergir os resultados Necessita de possuir um bom conhecimento dos efeitos desses valores no modelo de simula o assim como conhecer bem as entidades e suas rela es modeladas Dependendo do tipo do modelo e sua complexidade um processo moroso e de tentativa erro Este processo particularmente trabalhoso e consumidor de tempo na rea da simula o de modelos ecol gicos onde as propriedades f sicas qu micas e processos biol gicos s o combinados e os valores de v rios par metros que integram as fun es dos processos s o apenas estimados e podem variar dentro de uma gama de valores comummente aceites pelos investigadores Um dos problemas encontrados no processo de optimiza o de par metros foi na sensibilidade dos valores dos par metros visto cada par metro possuir a sua dimens o e granularidade sendo dif cil saber o passo step necess rio para produzir melhores solu es Optou se por definir limites em termos percentuais tendo como refer ncia os valores padr es dos par metros fornecidos pelo simulador ao carregar o modelo Ainda necessita da interven o e conhecimento de um perito para inicializa o correcta do passo assim como estabelecer os limites para
28. como o modelo para simula o esteja definido if Ej EcoDynamo Model Specs Output Execute Display Help Status Stopped Save Output r File El 7 Only Mean Values E mn po po Step 532 Foreseen Nr of Steps 768 Elapsed time 0 00 01 Estimated time left lt lt estimating gt gt l Teble Stopped step 532 768 22 01 2007 21 00 00 Figura 17 Interface base do EcoDynamo A figura 17 representa a interface do EcoDynamo para o modelo predador presa lvvp O modelo est devidamente inicializado podendo o utilizador parametrizar a simula o sendo esses valores adquiridos pelo agente de calibra o 2 passo ligar aplica o Agente Calibrador O agente calibrador n o realiza a simula o apenas envia mensagens ECOLANG para o simulador com instru es e novos valores de par metros e trata as mensagens que este envia de volta Resultados das vari veis para a simula o ANEXOI MANUAL DO UTILIZADOR 74 Rx 1 Calibration EcoDynamo connect whois 192 168 1 3 46000 2 Calibration EcoDynamo model name Tx 1 EcoDynamo Calibration accept 1 ok T message 2 Calibration model 2 lvvp Rx message 3 Calibration EcoDynamo model dimensions Bx message 4 Calibration EcoDynamo get available classes message 5 Calibration EcoDynamo get time lt
29. cultivo dos bivalves naquela regi o a alta taxa de mortalidade da esp cie vieira Mortalidades elevadas no Ver o nos ltimos anos levaram a altera es na pr tica de aquacultura incluindo mudan a no per odo de planta o CAP TULO 5 RESULTADOS E AN LISE 61 37 10 N 42 00 0 00 5 eloo 7 90 00 12 r a 0 00 8 00 3 1 ES oo 8 PCT S 2E 5 Y 22222259 00 27 o aa O0 d T T 37 00 N 5 10 15 30 122 35 E Columns Figura 16 A localiza o da Baia de Sangoo incluindo o modelo do dom nio e batimetria bathymetry m A figura 16 mostra a localiza o da ba a de Sangoo e o modelo de batimetria respectivo O modelo constru do composto por uma grelha de c lulas com uma resolu o de 500m O modelo bastante detalhado sendo representado por 9 classes as quais possuem 146 par metros Uma das diferen as face ao modelo analisado anteriormente al m da complexidade em termos de modelo reside no facto de alguns destes par metros serem valores constantes pelo que n o devem ser considerados para o processo de calibra o Exemplo disso o valor da gravidade ou o valor da latitude longitude da ba a Estes valores devem permanecer inalter veis nas solu es testadas garantindo a coer ncia e integridade das f rmulas matem ticas representadas pelo modelo Outra diferen a assinal vel diz respeito ao espa o de simula o do mo
30. disso s o equa es para representa o das mar s Par metros s o coeficientes na representa o matem tica dos processos Podem ser considerados constantes para ecossistemas espec ficos ou parte de ecossistemas Um exemplo de par metro pode ser a taxa de crescimento de um animal sendo este valor configurado pelos especialistas do modelo para condizer com os valores reais Constantes s o par metros de sistema cujos valores n o mudam Por exemplo o valor da gravidade Durante a simula o os valores dos par metros s o constantes sendo o seu valor constante durante toda a simula o Este tipo de abordagem tem sido discutido devido ao facto que no mundo real em alguns casos os par metros s o influenciados ao longo do tempo pelo que o modelo dever reflectir tais actualiza es durante as simula es Jorgensen et al 2001 Como j foi referido anteriormente os modelos s o definidos em termos matem ticos formalizando express es dos elementos essenciais de um determinado problema O primeiro reconhecimento do problema costuma ser verbal destacando o essencial a modelar assim como quest es pelas quais o simulador dever responder Existem tr s fases a ter em conta aquando da cria o de um novo modelo a saber Verifica o teste da l gica interna do modelo Quest es como o modelo reage de forma esperada o modelo est vel ao longo do tempo s o aqui levantadas A verifica o pe
31. ecol gicas aplicadas a estas regi es tendo em conta a liga o f sica entre elas CAP TULO 3 REDE DE SIMULA O ECOSIMNET 29 16 km 122 25 E Linhas Columna Colunas Figura 6 Esquema da Ba a de Sangoo Os modelos ecol gicos simulados pelo EcoDynamo foram constru dos baseado em modelos ecol gicos reais Exemplos de alguns modelos ecol gicos que podem ser simulados realisticamente com o EcoDynamo incluem a Ria Formosa em Portugal e a Ba a de Sangoo na China Esquemas destes dois modelos podem ser vistos na Figura 2 Ria Formosa e Figura 6 Ba a Sangoo Duarte et al 2003 O EcoDynamo consegue simular componentes f sicas e biol gicas dos modelos representados ao longo do tempo Alguns dos aspectos que o EcoDynamo simula incluem a subida e descida das mar s sedimenta o de bioelementos densidade e distribui o ao longo do tempo e espa o de mat ria org nica e inorg nica processo de CAP TULO 3 REDE DE SIMULA O ECOSIMNET 30 crescimento reprodu o e morte de v rias esp cies de fitoplancton e zooplancton Model Specs Output Execute Display Help Status Running Save Output Bome 8 7 Mean Values Foreseen Nr of Steps 1464 Elapsedtime 0 00 10 Estimated time left lt lt estimating gt gt C Table Running step 465 1464 20 01 2007 08 00 00 Figura 7 Interface Simulador EcoDynamo A apl
32. mensagem de aceita o to accept ok result demonstrado pela figura 11 com o segundo valor Rz message 1 Calibration EcoDynamo connect station 172 29 133 14 46000 lt 1 Trace messages Rx 2 Calibration EcoDynamo model name message 1 EcoDynamo Calibration accept 1 lt 2 P imessage 2 EcoDynamo Calibration model 2 Transmitted Rx message 3 Calibration EcoDynamo model dimensions message 4 Calibration EcoDynamo get available classes Rx Received TH message 3 EcoDynamo Calibration dimensions 3 1 1 1 OD J message 4 EcoDynamo Calibration classes available 4 TPredator message 5 Calibration EcoDynamo get time spec Rx message 6 Calibration EcoDynamo get output time message 5 EcoDynamo Calibration time lt 5 3600 1167609600 1172880000 message Calibration EcoDynamo get variables TPrey TR messaqe 6 EcoDynamo Calibration output time 6 0 0 0 message EcoDynamo Calibration variables Prey abundance Figura 11 Inicializa o Agente no EcoDynamo troca de mensagens CAP TULO 3 REDE DE SIMULA O ECOSIMNET 38 Cada mensagem possui um identificador gerado pela aplica o servidora o qual permite ter comunica es ass ncronas transmiss o de dados sem recorrer utiliza o
33. modelos podem ser classificados de diversas formas quanto a sua evolu o ao longo do tempo est tico ou din mico quanto a exactid o dos seus resultados determin stico ou estoc stico ou quanto aos resultados produzidos discretos ou cont nuos Cada tipo de modelo organizado segundo os objectivos que se prop e alcan ar existindo em alguns casos a necessidade de tratar cada entidade como um indiv duo que descrito no modelo com caracter sticas pr prias em vez de pertencer a um grupo de indiv duos Este tipo de modelos tem o nome de modelo baseado em indiv duos IBM Individual Based Models sendo uma aproxima o aos sistemas multi agentes inteligentes da rea Intelig ncia Artificial Permite ter uma granularidade mais fina quanto aos resultados obtidos contrapondo com o aumento de relacionamentos entre indiv duos computacionalmente mais exigente 2 1 1 Est ticos ou din micos Denominam se como modelos est ticos os que visam representar o estado de um sistema em um instante ou que em suas formula es n o se leva em conta a vari vel tempo enquanto os modelos din micos s o formulados para representarem as altera es de estado do sistema ao longo da contagem do tempo de simula o CAP TULO 2 SIMULA O ECOL GICA 12 O algoritmo de Monte Carlo um exemplo de modelo est tico tendo as suas origens e primeiras simula es durante a segunda guerra mundial Halton 1970 onde foi aplicado
34. o a partir desse ponto colocando outra linha no gr fico para ser mais f cil a compara o ANEXO 2 LISTA DE CLASSES 78 Anexo 2 Lista de Classes Descri o da estrutura interna das classes utilizadas neste projecto Svariables Class Vari veis mk STRING NAME DOUBLE VALUE Construtor 4 SVARIABLES CHAR 4 SVARIABLES CHAR DOUBLE M todos mk STRING GETNAME sk DOUBLE GETV ALUE sk VOID SETV ALUE DOUBLE SParameter Class Vari veis STRING NAME DOUBLE VALUE STRING CLASSNAME VECTOR DOUBLE DOMAINV ALUES DOUBLE NEWV ALUE DOUBLE STEP STEP FOR EACH PARAMETER VALUE DOUBLE MIN VALUE MIN PARAMETER VALUE DOUBLE MAX VALUE MAX PARAMETER VALUE Construtor mk SPARAMETERS mk SPARAMETERS CHAR DOUBLE mk SPARAMETERS STRING DOUBLE STRING M todos VOID GENERATER ANDOMV ALUES STRING GETNAME STRING GETCLASSNAME DOUBLE GETVALUE DOUBLE GETNEWV ALUE VOID SETNEWV ALUE DOUBLE s d ko ANEXO 2 LISTA DE CLASSES 79 sk DOUBLE RANDOMV ALUE CALCULATE RANDOM VALUE se DOUBLE GETRANDOMV ALUES INT POSITION INT GETCOUNTRANDOMV ALUES RETURN THE SIZE OF RANDOM VALUES ARRAY ModelClass Class Vari veis mk STRING CNAME NAME OF MODEL CLASS mk INTCNUMMESSAGEP ECDP MESSAGE ID FOR CLASS PARAMETER ASK sk INTCNUMMESSAGEV E
35. o objecto Hill Climbing Simulation 1 Simulation 2 Simulation 3 Simulation 4 Simulation 5 Simulation 6 o x 5 Simulation 7 Simulation 8 Simulation 9 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Simulation 10 Gr fico 3 Resultados calibra o Hill Climbing modelo Predador Presa O Gr fico 3 mostra os valores do desvio entre as solu es de par metros encontradas e os valores de compara o Como j foi dito anteriormente a primeira simula o define os valores das vari veis para compara o devendo no final dar o mesmo resultado em termos dos valores dos par metros Na segunda simula o gerado uma solu o aleat ria dos valores dos par metros da se poder observar no gr fico que a segunda CAP TULO 5 RESULTADOS E AN LISE 52 simula o cont m os valores mais elevados de erro lack of fitness Apesar do algoritmo Hill Climbing explorar as solu es vizinhas mudando 1 ou 2 valores de par metros da ltima melhor solu o encontrada foi adicionada uma variante a direc o na determina o dos valores dos par metros Caso a diferen a dos valores de par metros dos ltimos melhores resultados seja positiva o valor a atribuir dever seguir na mesma direc o dos seus antecessores at que se obtenha piores resultados Nesse caso funciona o factor de aleatoriedade dentro dos limites estabelecidos para cada
36. par metro Tendo em conta a direc o das ltimas solu es encontradas podemos constatar que quase todas as simula es seguem o mesmo padr o de comportamento menos a primeira experi ncia cuja solu o aleat ria 2 ciclo de calibra o retornou um valor baixo de erro levando a que as solu es vizinhas fossem piores que a anterior Tabela 5 modelo Predador Presa com Hill Climbing Itera Simula Simula Simula Simula Simula Simula Simula Simula Simula Simulation tion tion 1 tion 2 tion 3 tion 4 tion 5 tion 6 tion 7 tion 8 tion 9 10 0 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 0 0000 1 9 3821 77 2118 54 5079 91 9313 85 4325 100 1650 100 7340 52 3369 47 8699 89 1603 2 9 5157 66 7316 54 5079 90 9401 84 8454 99 0119 100 7340 52 3369 47 8699 81 0848 3 9 5157 66 7316 54 5079 83 9346 84 8454 99 0119 100 7340 51 5389 47 8699 81 0848 4 9 5157 66 7316 54 5079 83 9346 82 6190 92 0674 100 0180 36 3446 47 8699 81 0848 5 9 5157 66 7316 42 3526 83 9346 80 3701 90 5196 100 0180 33 5698 47 8699 81 0848 6 7 5494 66 7316 42 3526 83 9346 79 6830 82 9564 98 6714 32 3061 46 5970 81 0848 7 7 5494 66 7316 42 3526 83 7894 77 7489 82 9564 98 0344 32 3061 33 6722 71 4399 8 7 5494 66 7316 42 3526 74 3295 67 8005 82 9564 97 4136 15 0128 18 8583 70 6816 9 6 1185 66 7316 42 3526 74 3295 55 4341 73 7427 96 6721 15 0128 17 4450 70 3943 10 6 1185 66 73
37. pela simula o do modelo volta do simulador foram desenvolvidas aplica es cada uma com objectivos espec ficos interrogando o simulador atrav s de mensagens ECOLANG permitindo ao sistema sua escalabilidade em termos de ferramentas de simula o e extrac o de conhecimento volta da mesma Exemplo de uma das aplica es desenvolvidas o agente aquicultor que tem como principal objectivo maximizar a produ o da esp cie animal bivalves encontrando as melhores zonas para cultivo dispon veis no modelo O utilizador define uma rea onde pretende lan ar as suas colheitas e o agente encontra as sub zonas com maior potencial de produ o realizando simula es com combina es diferentes de locais boxes 3 1 Sistema Multi Agente A arquitectura proposta para o sistema de simula o figuras 4 e 5 baseada na utiliza o de agentes inteligentes Weiss 1999 Wooldridge 2002 Norvig and Russel 2003 Reis 2003 representado as entidades do sistema no contexto de um sistema CAP TULO 3 REDE DE SIMULA O ECOSIMNET 27 multi agente A arquitectura multi agente torna o sistema mais flex vel a actualiza es e exig ncias do modelo assim como requisitos dos intervenientes Model Legal Observed Simulation Database Database Data Results n n Sd SSS NES GIS DSS Tourism Manager Directorate Agent Calibration EcoDynamo simulat
38. que apesar dos algoritmos Hill Climbing e arrefecimento simulado aparentemente convergirem para a calibra o em menos itera es tamb m conseguem ficar presos em m nimos locais neste caso o Hill Climbing Tabela 8 Tabela Comparativa das melhores Solu es encontradas Modelo Predador Presa Solu o Erro Solu o Inicial 0 3 0 01 0 1 0 1 Hill Climbing 0 3 0 01 0 1 0 1 0 00 Arrefecimento Simulado 0 3 0 01 0 1 0 1 0 00 Algoritmo Gen tico Pequenas muta es 0 3 0 02 0 1 0 1 0 17 Algoritmo Gen tico muta es aleat rias 0 3 0 06 0 1 0 2 0 91 O algoritmo gen tico permite encontrar com maior fiabilidade a solu o ptima Apenas o Arrefecimento Simulado apresenta comportamento oscilante em termos de taxa de erro resultante da descida de Temperatura associado a probabilidade de aceita o da solu o como melhor 5 2 Modelo Ba a Sangoo A ba a de Sangoo est localizada na prov ncia Shandong da Rep blica Popular da China figura 16 Com uma rea de 180km e profundidades que oscilam at aos 20 metros na costa A ba a tem sido explorada para aquacultura h mais de 20 anos Guo et al 1999 sendo as esp cies mais cultivadas algas marinhas Laminaria japonica ostras Crassostrea gigas e vieiras Chlamys farreri Vieiras e ostras s o cultivadas em redes circulares tipo lanternas enquanto as algas marinhas suspensas por cordas Um dos principais limites no
39. 16 29 7917 74 3295 44 4303 73 7427 88 7408 13 7305 17 4450 70 3943 11 6 1185 56 1700 29 7917 74 3295 44 4303 73 7427 81 8435 13 7305 17 4450 70 3943 12 6 1185 43 8019 29 7917 63 0025 44 4303 73 7427 79 9773 13 7305 17 4450 58 4274 13 6 1185 31 7855 15 8455 51 4360 30 7547 73 7427 79 9773 13 7305 1 5940 58 4274 14 6 1185 31 7855 15 8455 51 4360 29 9006 65 1438 79 3988 12 1851 0 0000 58 4274 15 6 1185 31 7855 15 8455 51 4360 15 8252 64 6209 69 8151 10 6121 0 0000 58 4274 16 6 1185 31 3035 14 5463 51 4360 15 8063 64 6209 69 8151 10 6121 46 9655 17 6 1185 15 6785 14 5463 51 4360 3 2380 64 6209 69 8151 10 3631 35 1448 18 6 1185 15 6785 14 5463 38 4837 2 0427 53 8297 69 8151 10 3631 35 1448 19 4 8082 15 6785 14 5463 38 4837 2 0427 43 0874 69 8151 10 3631 34 2183 20 4 8082 3 2380 14 5463 38 4837 0 1665 41 1746 60 7605 10 3631 32 7969 21 4 8082 1 8769 13 2268 38 4837 0 1665 41 1746 59 5844 10 3631 17 4609 CAP TULO 5 RESULTADOS E AN LISE 53 22 4 8082 1 8769 13 2268 38 4837 40 8662 59 5844 10 1135 17 4609 23 3 3405 1 8769 13 2268 23 8847 26 7540 48 2212 10 1135 17 4609 24 3 3405 0 0000 13 2268 23 8847 26 7540 36 5566 8 7572 17 4609 25 3 3405 0 0000 13 2268 9 0590 26 7540 20 9062 8 7572 17 4609 26 1 9923 13 2268 9 0590 26 7540 19 0752 8 7572 0 0000 27 1 9923 13 2268 9 6590 26 7540 19 0752 8 7572 0 0000 28 1 9923 13 2268 9 6590 12 3002 19 0622
40. 3 3831 42 2402 32 4394 15 6925 30 0373 27 7628 13 91 8969 55 2257 18 5212 13 3483 21 3714 42 2402 32 5645 13 7000 30 0373 29 2682 14 91 7264 55 2257 20 4703 11 9349 21 3714 42 6549 32 5645 13 8645 26 3489 29 2682 15 82 7416 54 8276 20 4703 11 9349 17 9103 42 6549 32 2226 13 8645 24 2128 13 6089 16 70 9159 54 4282 20 7087 11 9349 15 8062 28 8260 18 6086 35 2267 24 2128 7 2840 17 70 2912 55 2927 20 7087 28 7084 15 8062 29 0618 19 0752 35 2267 242128 28 2632 18 71 2934 55 2927 12 2557 28 7084 15 8062 29 0618 19 0752 33 6851 7 4143 28 2632 19 71 2934 42 6310 10 6072 27 2310 17 1313 27 7301 20 9062 29 8500 23 8842 26 6531 20 71 1179 26 8465 7 0240 25 1268 17 1313 29 2444 20 9062 27 6139 23 8842 24 4170 21 61 8054 10 6588 7 1854 23 0539 3 8350 29 2444 224949 27 6139 22 5217 24 4170 22 50 6895 11 0606 7 1854 23 0539 5 0292 29 5871 22 4949 27 6139 24 1338 24 4170 23 49 4625 11 0606 5 3319 23 0539 5 0292 29 5871 20 6584 5 0177 24 1338 24 4170 24 48 2212 7 8169 23 8251 14 1258 15 3434 12 8492 5 3075 15 1634 7 9525 24 4170 25 47 6288 6 3642 23 8251 28 9160 15 3434 6 1466 6 762 15 1634 20 5671 1 8769 26 34 2183 6 6937 22 2150 28 9160 15 3434 42133 6 7762 33 2372 20 5671 3 3831 27 37 4852 6 6937 0 0000 27 3180 15 3434 2 3074 16 9302 33 2372 9 8963 3 3831 28 37 4852 4 88971 0 0000 25 6987 15 3434 2 1637 16 9302 34 6
41. 37 15 8062 15 3434 17 1313 13 7332 20 6584 50 6 6937 15 8062 13 7332 17 1313 5 6312 3 8165 Verifica se com este m todo de optimiza o que as solu es encontradas oscilam mais em termos de converg ncia realizando mais passos de simula o que o Hill Climbing Repara se que em ambos os algoritmos existem valores de converg ncia id nticos ao longo das simula es o que pressup e o teste da mesma solu o de par metros A solu o passaria pela exist ncia de uma lista de solu es testadas de forma a ter isso em conta aquando da cria o de nova solu o ganhando tempo de processamento Algoritmo Gen tico Simulation 1 Simulation 2 Simulation 3 Simulation 4 Simulation 5 x G x Simulation 6 Simulation 7 Simulation 8 Simulation 9 Simulation 10 Gera es Gr fico 5 Gr fico Simula o Algoritmo Gen tico Pequenas Muta es para modelo Predador Presa Este tipo de algoritmo tem uma filosofia diferente dos algoritmos anteriores sendo a gera o Pai Filho o conceito fundamental em torno do algoritmo Para este teste foram consideradas gera es de quatro filhos sendo em cada gera o escolhido como melhor elemento o que tiver taxa de erro inferior Pela an lise do gr fico 5 podemos constatar em todas as simula es realizadas que existem sempre alguns valores de erro constantes consec
42. 4 System Identification J Wiley London Falc o et al 2003 M Falc o L Fonseca D Serpa D Matias S Joaquim P Duarte A Pereira C Martins amp M J Guerreiro 2003 Synthesis report EVK3 CT 20022 00084 available at www dittyproject org Ferreira et al 1998 J Ferreira P Duarte amp B Ball 1998 Trophic capacity of Carling ford Lough for aquaculture analysis by ecological modelling Aquatic Ecology Vol 31 4 pp 361 379 Grimm et al 2005 Grimm V and S F Railsback Individual based modeling and Ecology Princeton University Press Princeton NJ 2005 Guo et al 1999 X Guo S Ford amp F Zhang 1999 Molluscan aquaculture in China Journal of Shellfish Research Vol 18 pp 19 32 Halton 1970 Halton J H 1970 Retrospective and prospective survey of the Monte Carlo method Siam review 12 1 Hopcroft et al 2001 Hopcroft John E Rajeev Motwani Jeffrey D Ullman 2001 Introduction to Automata Theory Languages and Computation 2nd ed ed Reading Mass Addison Wesley ISBN 0201441241 Jorgensen amp Bendoricchio 2001 J rgensen S E and Bendoricchio G Fundamen tals of Ecological Modelling Elsevier Science Ltd 3rd edition 2001 Kirkpatrick et al 1983 S Kirkpatrick C D Gelatt amp Vecchi 1983 Optimization by Simulated Annealing Science Vol 220 4598 pp 671 680 Mishra et al 2005 N Mishra Prakash M K Tiwari R Shankar amp F
43. 53 25 7326 25 3378 18 8939 28 3145 8 5442 11 6497 9 1 0031 15 3660 6 6470 14 1153 25 7326 25 3378 18 8939 28 3145 8 5442 11 6497 10 1 0031 15 3660 6 6470 14 1153 10 9804 24 0415 17 6096 28 3145 8 5442 11 6497 11 1 0031 15 3660 6 6470 14 1153 9 7306 24 0415 17 6096 28 3145 8 5442 10 0229 12 1 0031 15 3660 6 6470 14 1153 9 7306 24 0415 17 3710 28 3145 8 5442 10 0229 13 1 0031 15 3660 6 6470 9 3874 9 3113 24 0415 17 0089 28 3145 8 5442 10 0229 14 1 0031 15 3660 6 6470 9 3874 7 0363 24 0415 16 8485 28 3145 8 5442 10 0229 15 1 0031 15 3660 6 6470 9 3874 7 0363 23 6988 16 8485 14 0117 8 5442 9 8652 16 1 0031 13 3988 6 6470 9 3874 7 0363 23 6988 16 8485 11 6114 8 5442 8 1351 17 1 0031 13 3988 6 6470 9 3874 6 4660 8 0650 16 8485 9 8742 8 5442 8 1351 18 1 0031 13 3988 6 6470 9 3874 5 3755 7 8136 15 3665 9 8742 8 5442 8 1351 19 1 0031 13 3988 6 6470 9 3874 5 3755 7 8136 15 3665 9 7583 8 5442 8 1351 20 1 0031 13 3988 6 4887 7 6686 5 3755 7 8136 15 3665 9 7583 8 5442 7 9787 21 0 5822 11 4601 6 4887 7 6686 5 3755 7 8136 15 3665 9 7583 8 5442 7 9787 22 11 4601 6 4887 6 0958 523755 7 8136 15 3665 9 7583 8 5442 7 9787 23 11 4601 6 4887 6 0958 5 3755 6 7106 15 3665 8 3440 6 7611 7 9787 24 11 4601 6 4887 4 0066 5 3755 6 1998 15 3665 8 3440 6 7611 7 9787 25 11 4601 6 4887 4 0066 5 3755 6 1998 15 3665 8 3440 6 7611 7 9787 26 11 4601 4 9795 4 0066 5 3755 6 1998 15 3665 7 6536 6 7611 7 9787 27 9 8010 4 9795 4 0066 5 3755 4 6369 15 3665 7 6536 6 7611 7 9787 28 7 8933 4 8191 4 00
44. 66 5 2157 4 6369 15 3665 7 6536 6 7611 7 9787 29 7 8933 4 8191 4 0066 5 2157 4 6369 15 3665 7 6536 6 7611 6 6470 30 7 7329 4 8191 4 0066 5 2157 4 6369 15 3665 7 6536 4 9870 6 3302 31 7 7329 4 8191 4 0066 5 2157 4 6369 15 3665 7 6536 3 1757 6 3302 32 7 7329 4 8191 4 0066 3 6912 2 7934 14 7202 7 6536 3 1757 6 3302 33 6 0517 3 2884 4 0066 3 5293 2 7934 14 7202 7 6536 3 1757 6 3302 34 6 0517 3 2884 2 1152 3 5293 2 7934 14 7202 7 6536 3 1757 6 3302 35 6 0517 3 2884 2 1152 3 5293 2 7934 14 7202 7 6536 2 2163 6 3302 CAP TULO 5 RESULTADOS E AN LISE 58 36 4 3466 1 5732 2 1152 3 5293 2 7934 14 7202 7 3094 2 2163 6 3302 37 4 1817 1 5732 2 1152 3 5293 2 7934 14 7202 7 3094 2 2163 4 6586 38 2 4500 1 2436 2 1152 3 5293 2 7934 14 7202 7 3094 2 2163 4 6586 39 2 4500 1 2436 2 1152 3 5293 2 7934 14 7202 7 3094 2 2163 4 6586 40 2 4500 1 2436 2 1152 3 5293 2 7934 14 7202 7 3094 2 2163 4 6586 41 2 4500 1 2436 2 1152 3 5293 2 7934 14 5608 7 3094 2 2163 4 6586 42 2 4500 1 2436 1 9474 3 5293 2 7934 14 5608 7 3094 2 2163 4 6586 43 2 4500 0 1667 1 9474 3 5293 2 7934 14 5608 7 3094 2 2163 4 6586 44 2 2827 1 9474 3 5293 2 7934 14 5608 7 3094 2 2163 4 6586 45 2 2827 1 9474 3 5293 2 7934 14 5608 7 3094 2 2163 4 6586 46 2 2827 1 9474 3 5293 2 7934 13 8170 7 3094 2 2163 4 6586 47 2 2827 1 9474 3 4207 2 7934 13 8170 7 3094 0 4164 4 6586 48 2 2827 1 9474 1 8190 2 7934 13 8170
45. 7 3094 4 6586 49 2 2827 1 5072 1 8190 2 1664 13 8170 7 3094 4 6586 50 2 2827 0 2504 1 8190 2 1664 13 8170 7 3094 4 6586 Com muta o de pequenos valores podemos observar na tabela 6 que a diferen a entre as melhores solu es vai decrescendo lentamente o que pressup e acompanhar a tend ncia das pequenas vari ncias nas solu es de cada gera o Outro factor a ter em conta o n mero reduzido de filhos de cada gera o quatro levando que passadas algumas gera es possam existir solu es duplicadas devido ao cruzamento de solu es muito pr ximas Tal como aconteceu nos outros algoritmos algumas simula es convergiram para a solu o ptima depois da gera o tida como limite Todas as simula es realizadas com o algoritmo gen tico convergiram para solu es muito pr ximas ou melhor dizendo com taxas de erro inferiores a 1 Um outro teste foi realizado correr o mesmo algoritmo gen tico cinco vezes sendo a muta o gen tica introduzida em cada gera o feita de forma aleat ria Como explicado no cap tulo anterior a solu o a sofrer muta o escolhida aleatoriamente do grupo de solu es da gera o assim como o par metro A diferen a reside em em vez de ao valor ser adicionado ou subtra do determinado aleatoriamente o valor do Passo este escolhido aleatoriamente dentro do intervalo de valores definido inicialmente para o par metro CAP T
46. 756 8 4445 1 7628 29 38 8670 3 0605 25 9344 15 3434 2 1008 8 4445 34 6756 6 5017 1 7628 30 38 8670 3 2006 25 9344 7 1004 2 1791 24 5772 18 3309 6 3642 1 7628 31 38 8670 3 2006 11 0543 5 6155 2 1791 245772 3 6740 6 2266 0 1667 32 38 8670 3 3405 9 6491 3 8165 2 0137 23 1660 2 1637 16 9302 0 1667 33 24 0631 3 3405 10 0309 3 4408 3 6080 5 0292 3 2836 16 9302 34 22 2412 19 5205 10 0309 1 7628 3 6080 3 3405 3 2836 15 3434 35 23 4136 19 5205 6 7762 0 0000 17 1313 17 9103 3 1259 17 4163 36 23 4136 3 3405 6 6391 0 0000 17 1313 17 9103 3 2884 17 4163 37 21 8329 19 0752 19 0031 17 1313 1 85061 3 2884 19 5205 38 5 3075 19 0752 19 0031 17 1313 3 6080 21 1073 19 5205 39 17 4163 20 9062 17 4163 3 6755 3 6080 21 1073 17 9103 40 17 4163 20 9062 3 8165 5 3075 3 6755 17 4163 2 0137 41 15 8062 22 4949 5 6155 5 3075 3 6755 15 3434 3 7755 42 13 7332 22 4949 5 6155 6 7762 3 8165 17 4163 3 7755 43 13 7332 24 0631 5 4751 6 7762 3 8165 17 4163 17 1313 44 13 7332 24 0631 13 7332 8 4445 3 6755 5 1684 17 1313 45 5 4751 24 0631 13 7332 8 4445 13 7332 3 6755 5 4277 46 5 4277 24 0631 15 0583 6 5017 13 7332 5 4751 22 4949 CAP TULO 5 RESULTADOS E AN LISE 56 47 1 8506 7 3869 15 0583 19 0031 15 0583 5 4751 22 4949 48 0 0000 5 7938 13 7332 19 0031 15 0583 13 7332 20 6685 49 0 0000 6 69
47. CDP MESSAGE ID FOR CLASS VARIABLE ASK sk VECTOR lt SVARIABLES gt CVARIABLE STRUCT OF CLASS VARIABLES E VECTOR lt SPARAMETERS gt CPARAMETER STRUCT OF CLASS PARAMETER Construtor mk MODELCLASS STRING INT INT me MODELCLASS STRING M todos VOID SETV ARIABLES QUEUE VOID SETPARAMETERS QUEUE VECTOR S VARIABLES ARIABLES VECTOR lt SPARAMETERS gt GETPARAMETERS INT GETNUMMESSAGEPARAMETER RETURN ECDP MESSAGE ID INT GETNUMMESSAGEV ARIABLE RETURN ECDP MESSAGE ID VOID SETNUMMESSAGEPARAMETER INT ADD ECDP MESSAGE ID VOID SETNUMMESSAGEV ARIABLE INT ADD ECDP MESSAGE ID STRING GETCLASSNAME RETURN CLASS NAME EK E LE TimeVariables Class Descri o esta classe permite guardar para cada c lula box do modelo de simula o o valor das vari veis Vari veis INT BOX DEFINE THE CELL SIMULATION INT REGINDEX INT REGTIME VECTOR S VARIABLES VARIABLES Construtor TIMEVARIABLES INT INT INT TIMEVARIABLES INT INT INT SVARIABLES M todos VOID SETVARIABLES S VARIABLES INTGETBOX ANEXO 2 LISTA DE CLASSES 80 INT GETREGINDEX INT GETREGTIME VECTOR lt 5 ARIABLES gt ARIABLES RETURN ALL S VARIABLE OBJECTS SV ARIABLES ARIABLES STRING RETURN S VARIABLE OBJECT WITH NAME SimulationModel Class Vari ve
48. Calibra o de Modelos Complexos utilizando Agentes Inteligentes e Metodologias de Optimiza o Pedro Ricardo da Nova Valente Universidade do Porto Faculdade de Engenharia FEUP Faculdade de Engenharia da Universidade do Porto Departamento de Engenharia Inform tica Rua Roberto Frias s n 4200 465 Porto Portugal Janeiro de 2009 Calibra o de Modelos Complexos utilizando Agentes Inteligentes e Metodologias de Optimiza o Pedro Ricardo da Nova Valente Licenciado em Engenharia da Comunica o ramo Sistemas de Informa o pela Faculdade de Ci ncias e Tecnologia da Universidade Fernando Pessoa Disserta o realizada no mbito do Mestrado em Engenharia Inform tica da Faculdade de Engenharia da Universidade do Porto orientada pelo Professor Lu s Paulo Reis e co orientada pelo Mestre Ant nio Pereira Faculdade de Engenharia da Universidade do Porto Departamento de Engenharia Inform tica Rua Roberto Frias s n 4200 465 Porto Portugal Janeiro de 2009 Resumo Nesta disserta o estuda se a problem tica em torno da calibra o de modelos em ambientes de simula es ecol gicas nomeadamente simula es aqu ticas 2 Na implementa o de um modelo matem tico o primeiro conjunto de simula es geralmente planeado de forma a testar a l gica interna do modelo Quando esta tarefa conclu da necess rio calibrar o modelo realizando um segundo conjunto de simula es pa
49. ENS DE ESTUDO A UM SISTEMA eee 7 FIGURA 2 ESQUEMA MODELO RIA FORMOSA eretas 17 FIGURA 3 EXEMPLO MUTA O GEN TICA ALGORITMO GEN TICO eee 22 FIGURA 4 ESQUEMA DE INTERAC O ENTRE OS COMPONENTES DE SISTEMA DE SIMULA O 26 FIGURA 5 ARQUITECTURA SISTEMA ADAPTADA DE PEREIRA ET AL 2004 27 FIGURA 6 ESQUEMA DA BA A DE SANGOO nn nnnnnnnssnnsnssssnssssas 29 FIGURA 7 INTERFACE SIMULADOR ECODYNAWMO eerte nennen tee 30 FIGURA 8 INTERFACE SELECCIONAR CLASSES E VARI VEIS PARA SIMULA CAO 31 FIGURA 9 EXEMPLO ABSTRACTO MENSAGEM ECOLANG eene 35 FIGURA 10 TIPOS DE MENSAGEM ECOLANGQG eee 36 FIGURA 11 INICIALIZA O AGENTE NO ECODYNAMO TROCA DE MENSAGENS 37 FIGURA 12 LISTA DE AGENTES REGISTADOS PELO SERVIDOR 38 FIGURA 13 ESQUEMA AGENTE CALIBRADOR eret eterne triennio tte 40 FIGURA 14 ESTRUTURA DE CLASSES AGENTE CALIBRADOR cete 42 FIGURA 15 REPRESENTA O AGENTE CALIBRADOR EM TR S CAMADAS eee 42 FIGURA 16 A LOCALIZA O DA BA A DE SANGOO INCLUINDO O MODELO DO DOM NIO E BATIMETRIA BATHYMETRY M ones bed ute rebas be maet 61 FIGURA 17 INTERFACE BASE DO ECODYNAMO i p e e HORE 73 FIGURA 18 MENSAGENS ECOLANG ul
50. K STRING MSG VOID MESSAGEERROR1 STRING MSG BOOL PREFIX VOID MESSAGEW ARNING STRING MSG VOID MESSAGEOKI STRING MSG VOID FILLTIMESPECDIALOG INT STEP TIME T START TIME T END VOID FILLOUTPUTTIMEDIALOG INT T START TIME T END VOID UPDATEPARAMETERACTION STRING CLASSNAME STRING PARAMETER NAME DOUBLE PARAMETER VALUE VOID UPDATEVARIABLESACTION TLISTBOX LiSTBOX1 BOXES PBOXES VOID ADDSIMULATIONSTEP INT BOX AUX INT REGINDEX AUX INT REGTIME AUX SVA RIABLES AUX VOID REGISTERV ARIABLES CHAR VARNAME INT REGINDEX LONG REGTIME QUEUE PQUEUE COMANDOS SIMULADOR o VOID SENDRUNMESSAGE VOID SENDPAUSEDMESSAGE VOID SENDSTOPPEDMESSAGE o VOID ENDSIMULATION INT GETINDEXM ODELCLASS STRING CLASSNAME INT GETINDEXCLASSPARAMETER STRING PARAMETERNAME INT CLASSITEM OQ OQ Qc Q O ANEXO 2 LISTA DE CLASSES 82 4 a VOID CLASSES AVAILABLE QUEUE PQUEUE BOOL UPDATEMODELCLASS INT ID MESSAGE QUEUE MESSAGE IMPRIMIR SALVAR O STRING ALTERPATHFILEDATA STRING ORIGINALPATH INT ITERATION O VOID SAVEINITIALFILEDATA STRING FILENAME VECTOR lt SPARAMETERS gt SIMU LATIONPARAMETER VECTOR lt ARIABLES gt SIMULATIONRESULT VOID SAVEFILEDATA STRING FILENAME VECTOR lt ARIABLES gt RESULT VOID READFILEDATA STRING NAMEFILE VOID PRINTRESULTSINTOFILE VOID PRINTRESULTSINTOGRAPH DOUBLE VA
51. LUE VOID PRINTFINALSIMULATION VOID PRINTINITINTERSIMULATION O VOID PRINTINTERSIMULATION DOUBLE ERROR DOUBLE ERRORNEW VECTOR lt SPARAMETERS gt CONVERTPARAMETERS VOID LOADB ASEDATA STRING O D 6 Calibration Class Vari veis EE VIRTUAL VOID RUN 0 DOUBLE BEST COST SIMULATIONMODEL BEST SOLUTION VECTOR lt SPARAMETERS gt WORKING SOLUTION BOOL DIRECTION GENERICFUNC PARENT Construtor E CALIBRATION ECODYNPROTOCOL PECDP GENERICFUNC PARENT M todos F F BOOL COMPARERANDOM VECTOR lt INT gt RANDOMINDEX INT RANDOM POSITION TEST IF SOME RANDOM POSITION ALREADY PICKED BOOL TESTSOLUTION VECTOR lt VECTOR lt SPARAMETERS gt gt ALLSOLUTIONS VECTOR lt SPA RAMETERS gt NEWSOLUTION VOID UPDATERUNSOLUTION VECTOR lt SPARAMETERS gt UPDATE INTO SIMULATOR NEW PARAMETER SOLUTION AND RUN VIRTUAL DOUBLE EVAL BOOL TYPERESULT CALCULATE QUALITY SOLUTION VOID NEWSOLUTION UNSIGNED INT NUMRANDOM DEFINE A NEW PARAMETER SOLUTION VOID ADDSOLUTION COPY SOLUTION TO DATA STRUCTURE GOOD SOLUTION SIMULATIONMODEL BESTSOLUTION BEST SOLUTION SIMULATED DOUBLE BESTCOST UPDATE BEST COST SIMULATED VOID WORKINGSOLUTION UPDATE CURRENT SOLUTION TEST HillClimbing Class Vari veis UNSIGNED INT NUMBER CYCLES DOUBLE C
52. ONDITION STOP ANEXO 2 LISTA DE CLASSES 83 Construtor sk HILLCLIMBING ECODYNPROTOCOL PECDP GENERICFUNC PARENT M todos sk VOID INITIALDATA DOUBLE CONDITIONSTOP INT MAXITERATION VOID RUN mk BOOL ALGORITHM DOUBLE ERROR DOUBLE ERRORNEIGHBOUR Simulated Annealing Class Vari veis DOUBLE CONDITION STOP TEMPERATURE DELTA TEMP STEP sk INTCONDITION NUMBER ITERATION NUMBER ITERATION SUCCESS SUCCESS ITERATION ITERATIONI DOUBLE POPULATION ERROR NEW POPULATION ERROR STRING FILELOG se INT STEP sk SIMULATIONMODEL POPULATION BEST POPULATION UNTIL NOW se SIMULATIONMODEL NEW POPULATION NEW POPULATION Construtor mk SIMULATEDANNEALING ECODYNPROTOCOL PECDP GENERICFUNC PARENT M todos sk VOID ALGORITHM se VOID INITLOG sk VOID LOG SIMULATIONMODEL SOLUTION STRING DESC st VOID LOG SIMULATIONMODEL SOLUTION DOUBLE TEMPERATURE STRING DESC GeneticAlgorithm Class Vari veis UNSIGNED INT NUMBER CYCLES INDICE DOUBLE CONDITION STOP UNSIGNED INT NUM CHILDS DOUBLE ERROR ERRORNEW BOOL ALTERSOLUTION ALTERSOLUTIONI TYPE MUTATION INT STEP VECTOR lt SIMULATIONMODEL gt POPULATION POPULATION OF N INDIVIDUALS VECTOR lt SIMULATIONMODEL gt POPULATION POPULATION N INDIVIDUALS SPARAMETERS V INDIVIDUALS amp amp k amp amp Construtor GENETICALGO
53. RITHM ECODYNPROTOCOL PECDP GENERICFUNC PARENT M todos ANEXO 2 LISTA DE CLASSES 84 EEFE FREER VOID INITIALDATA DOUBLE CONDITIONSTOP INT MAXITERATION INT NUMCHILDS INT TYPEMUTATION VOID RUN VOID LOG SIMULATIONMODEL SOLUTION STRING DESC VOID ALGORITHM VOID FILLPOPULATION VOID CROSSOVER SPARAMETERS GENERATENEIGHBOURS WITCH SPARAMETERS VECTOR lt SIMULATIONMODEL gt SELECTBREED VECTOR lt SIMULATIONMODEL gt P VECTOR lt SIMULATIONMODEL gt P1 VOID UPDATESOLUTION VOID INITLOG INT MUTATESOLUTION VECTOR lt SIMULATIONMODEL gt P
54. ULO 5 RESULTADOS E AN LISE 59 Algoritmo Gen tico Muta o Aleat ria Simulation 1 Simulation 2 Simulation 3 75 c x Simulation 4 Simulation 5 1 3 5 7 9 1131517192123252729313335373941434547495153555759616365676971737577798183858789 Gera es Gr fico 6 Gr fico Simula o Algoritmo Gen tico Muta es Aleat rias para modelo Predador Presa Pela an lise do gr fico 6 podemos constatar que apenas uma das simula es n o convergiu para a solu o inicial ficando preso a um m nimo local Devido ao facto do valor da muta o ser aleat rio isso produz diferen as de erros entre gera es ligeiramente maiores do que com muta es pequenas Apesar de se terem realizado apenas 5 simula es em vez das 10 definidas para os outros algoritmos observa se uma maior dificuldade em encontrar a solu o inicial ou ptima em compara o com pequenas muta es Calibra o Modelo Predador Presa Hill Climbing Arrefecimento Simulado o c Algoritmo Gen tico Pequenas muta es Algoritmo Gen tico Muta es Aleat rias 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 Itera es Gera es Gr fico 7 Compara o Melhores Resultados de cada Algoritmo Modelo Predador Presa CAP TULO 5 RESULTADOS E AN LISE 60 Em termos de conclus o para o modelo predador presa podemos constatar
55. a algoritmo de optimiza o basicamente cont m as vari veis que s o importantes para o manuseio do algoritmo e o algoritmo propriamente dito O output dos resultados quer seja para o ecr ou para ficheiro da responsabilidade da classe Generic Functions 4 3 M dulos O agente calibrador constitu do internamente pelas seguintes classes e Data Manipulation Ficheiro respons vel pela defini o das estruturas de armazenamento dos dados provenientes do Simulador Converte as estruturas de dados do Simulador para classes e vectores de classes Permite uma maior facilidade de reutiliza o e gest o Uma das primeiras ac es do Agente Calibrador o seu preenchimento com os valores retornados do Simulador e Generic Function As fun es gen ricas a utilizar pelo agente calibrador s o definidas dentro de uma classe com o mesmo nome Uma das raz es pela utiliza o de m todos de classe em vez de fun es prende se com a selec o dos algoritmos de calibra o que por sua vez s o classes que herdam todos os m todos desta e Calibration Module Este m dulo vai ser o c rebro do agente calibrador Tem como fun o a inicializa o da fun o objectivo e a chamada dos diferentes algoritmos de optimiza o Pode ter associado um formul rio de manipula o para personaliza o de alguns campos O sucesso do agente calibrador reside na qualidade com que os algoritmos de optimiza o consegue
56. a at SEA lout d la 74 FIGURA 19 INTERFACE DO AGENTE CALIBRADOR n 74 LISTA DE TABELAS XII Lista de Tabelas TABELA 1 EXEMPLO NOMES DE CLASSES E VARI VEIS DO ECODYNAMO 32 TABELA 2 LISTA DE TIPOS DE AC ES ECOLANG eerte 34 TABELA 3 EXEMPLO RESULTADOS DE SIMULA O VARI VEIS eee 45 TABELA 4 LISTA DE PAR METROS E VALORES PTIMOS 51 TABELA 5 MODELO PREDADOR PRESA COM HILL CLIMBING eene 52 TABELA 6 MODELO PREDADOR PRESA COM ARREFECIMENTO SIMULADO eee 54 TABELA 7 MODELO PREDADOR PRESA COM ALGORITMO GEN TICO PEQUENAS MUTAC ES 57 TABELA 8 TABELA COMPARATIVA DAS MELHORES SOLUC ES ENCONTRADAS MODELO EREDADOR PRESA S u asas 60 TABELA 9 LISTA DE CLASSES E PAR METROS DO MODELO SANGOO PARA SIMULA O 62 TABELA 10 EXEMPLO DE RESULTADOS DE SIMULA O PARA O MODELO SANGOO 63 Cap tulo 1 1 Introdu o Ao longo das ltimas d cadas assistiu se a um aumento da utiliza o da modela o matem tica em todos os campos da ci ncia em rela o directa com o r pido progresso dos meios inform ticos Os modelos matem ticos s o utilizados em Ecologia te rica e aplicada Recentemente uma nova rea de investiga o tem vindo a emergir resultante
57. al a zero o que quer dizer que encontraram os mesmos valores de par metros inicialmente estabelecidos Outras experi ncias tais como a primeira a s tima e a oitava encontraram um m nimo local onde podemos observar CAP TULO 5 RESULTADOS E AN LISE 54 que os valores dos erros entram em ciclo ou s o muito similares A simula o 3 conseguiu convergir para a solu o inicial em 64 itera es Arrefecimento Simulado Simulation 1 Simulation 2 Simulation 3 Simulation 4 Simulation 5 Simulation 6 x G x Simulation 7 Simulation 8 Simulation 9 Simulation 10 Gr fico 4 Gr fico Simula o Algoritmo Arrefecimento Simulado para modelo Predador Presa O algoritmo arrefecimento simulado comporta se como o Hill Climbing quando a temperatura igual a zero Pela leitura do Gr fico 4 podemos observar que as solu es apresentadas nem sempre s o melhores do que as anteriores evitando assim poss veis m nimos locais coisa que o algoritmo Hill Climbing apenas conseguia ultrapassar com restarts de solu o aleat ria Verifica se que a componente da probabilidade inerente aceita o da solu o como melhor nem sempre parece ser a mais l gica contudo apenas 2 simula es tenderam para m nimos locais n o conseguindo convergir para a solu o inicial Tabela 6 modelo Predador Presa com Arrefecimento Simulado itera Simula Simula
58. alSango3 Tidal Phase Lag 0 No TBiDimensionalSango3 Coeficiente de Manning 0 03 No TBiDimensionalSango3 Difusion coeficients in W E direction 0 No TBiDimensionalSango3 Difusion coeficients in N S direction 0 No 5 2 1 Resultados De forma a optimizar o processo de calibra o executaram se inicialmente algumas simula es com todos os par metros em calibra o registo dos valores para todas as vari veis e em toda a extens o todas as c lulas do modelo para o intervalo de tempo definido anteriormente Devido ao excesso de informa o a transmitir pelo simulador o agente de calibra o apresentava algumas vezes erros de falta de mem ria ou processamento tornando dif cil inquirir sobre os seus resultados Optou se por simular apenas para uma c lula e calibrando apenas as classes associadas hidrodin mica do modelo tabela 9 Com estas 2 altera es o volume de dados reduziu se drasticamente CAP TULO 5 RESULTADOS E AN LISE 63 possibilitando analisar os resultados Verificou se que algumas vari veis n o apresentavam qualquer altera o no valor ao longo da simula o pelo que poderiam ser descartadas da lista de vari veis a simular Foram realizadas baterias de 5 simula es para cada algoritmo de calibra o tendo sido registado os resultados da taxa de erro por vari vel itera o O crit rio de paragem foi diminu do de 1 para 0 001 Tabela 10 Exemplo de resultados de Simula o para o Mode
59. alores e S mbolos terminais usam a formata o Bold carregado para as letras A defini o completa da sintaxe da ECOLANG e exemplos pode ser consultada em Pereira et al 2005 com a recente actualiza o em Pereira 2008 A sintaxe base de cada mensagem pode ser descrita por lt MESSAGE gt message lt ID gt lt SENDER gt lt RECEIVER gt lt MSG CONTENT gt lt ID gt integer lt SENDER gt string lt RECEIVER gt string Figura 9 Exemplo abstracto mensagem ECOLANG lt ID gt identificador da mensagem um n mero inteiro sequencial controlado por cada emissor valor inicial 1 lt SENDER gt nome agente emissor da mensagem lt RECEIVER gt nome agente destinat rio da mensagem lt MSG CONTENT gt conte do da mensagem Cada mensagem representada por uma refer ncia num rica para facilitar a sua identifica o CAP TULO 3 REDE DE SIMULA O ECOSIMNET 36 As mensagens trocadas pelas aplica es e agentes podem ser de quatro tipos liga o defini o ac es e percep es tal como j foi referido na tabela 2 As mensagens de liga o estabelecem o canal de comunica o entre agentes e ou aplica es de Software e especificam o computador onde cada agente pertence sua porta de comunica o onde cada agente fica escuta das mensagens para ele dirigidas lt sender gt Apesar de existirem ac es e percep es dedicadas a tipos de ag
60. ao sistema real e n o o verdadeiro sistema A realiza o de experiencias no sistema real face a experimenta o atrav s de uma representa o modelo do Sistema permite reduzir os custos associados as altera es a realizar fisicamente assim como ao tempo necess rio para a aplica o das altera es figura 1 muito dispendioso e nada pr tico construir todas as alternativas poss veis do sistema f sico real at se encontrar uma solu o satisfat ria Assim poss vel a elabora o de v rios modelos para ser determinado um modelo optimizado A modela o do sistema permite controlar melhor o ambiente assim como torna se impratic vel alterar o sistema actual sem p r em causa o seu bom funcionamento Normalmente os estudos a um sistema existente t m como objectivo a melhoria optimiza o do seu desempenho sendo necess ria a cria o de um modelo al m da sua compreens o Por outro lado os modelos sendo uma abstrac o da CAP TULO 2 SIMULA O ECOL GICA 8 realidade n o garantem fiabilidade completa sendo a fase de valida o de extrema import ncia na modela o devendo reflectir os objectivos propostos para a tomada de decis o Vulgarmente modelo associado a modela o f sica onde podemos ver por exemplo miniaturas de modelos autom veis em t neis de vento maquetas de edif cios escala ou simuladores de avi o em cabine de controlo reais S o exemplos de modelos f sicos
61. ar algumas funcionalidades de sistemas multi agente que ir o actuar sobre o simulador ecol gico A utiliza o de sistemas multi agente em ambientes de simula o ecol gica uma caracter stica n o muito explorada em sistemas de simula o ecol gica o que poder trazer algumas descobertas e avan os na rea Pretende se representar no sistema de simula o uma maior complexidade de influ ncias externas ao desenvolvimento habitual do ecossistema normalmente introduzidas pelo factor humano cultura de bivalves explora o de locais de turismo zonas de despejo de ETAR s etc Pereira et al 2005 2 O sistema composto por v rias aplica es de software tendo cada uma funcionalidades bem definidas tendo em conta os objectivos tra ados plataforma com capacidade de adapta o a novos modelos e incorpora o de v rios actores que podem influenciar o ecossistema costeiro EcoDynamo simulator 7 Model Database ES Observed Data CAP TULO 3 REDE DE SIM ULACAO ECOSIMNET 26 Calibration Visualizer ECOLANG Messages Simulation N Results Shellfish Natural Park Official Tourism Other Farmer Directorate Manager Stakeholder A Figura 4 Esquema de interac o entre os componentes de Sistema de Simula o Como a figura apresenta toda a plataforma se baseia no simulador EcoDynamo respons vel pela troca de mensagens assim como
62. aracter sticas permitem aos diversos intervenientes do processo ecol gico ter presente o conjunto de ferramentas que satisfa a as suas pesquisas retornando informa o pertinente no formato mais adequado neste prop sito que o pr ximo cap tulo apresenta o desenvolvimento de um novo agente cuja finalidade a pesquisa dos melhores valores para a calibra o de modelos de simula o Cap tulo 4 4 Projecto e Implementa o O agente de calibra o um agente inteligente que comunica atrav s do protocolo de comunica es ECOLANG com a aplica o de simula o EcoDynamo assumindo o controlo sobre as tarefas prim rias sobre a compreens o do modelo por exemplo ler alterar os valores dos par metros correr a simula o recolher resultados Seu objectivo encontrar o melhor conjunto de valores de par metros permitindo desta forma que os resultados de simula o sejam similares com os obtidos pelo sistema atrav s da calibra o do modelo e sua valida o A especifica o e desenvolvimento do agente permite e Selec o de um modelo ecol gico para teste e Correr o modelo para recolher informa o sobre a interac o entre as diferentes classes e Defini o altera o de valores de par metros em tempo real e Monitoriza o em tempo real dos valores das vari veis e analisar as suas sensibilidades varia o dos valores dos par metros e Visualiza o das mensagens trocadas com a aplica
63. as vari veis de estado do sistema nos instantes de actualiza o da contagem de tempo enquanto para os modelos cont nuos o avan o da contagem de tempo na simula o d se de forma cont nua o que possibilita determinar os valores das vari veis de estado a qualquer instante Podemos considerar novamente o exemplo do tr fego autom vel A decis o de usar modelos discretos ou cont nuos depende dos objectivos estipulados para o estudo do sistema Caso estejamos a falar numa auto estrada devemos considerar o modelo discreto caso as caracter sticas e os movimentos dos autom veis individuais serem importantes Alternativamente se os autom veis podem ser tratados como um conjunto a orienta o dos mesmos pode ser descrita por equa es diferenciais no modelo cont nuo 2 1 4 Modelos baseados nos Indiv duos IBM Modelos baseados nos indiv duos IBM Individual based models s o simula es baseadas nas consequ ncias globais das interac es locais dos indiv duos de uma popula o Esses indiv duos podem representar plantas e animais de um ecossistema ve culos autom veis no tr nsito pessoas em multid es ou personagens aut nomas em CAP TULO 2 SIMULA O ECOL GICA 14 anima es e jogos Estes modelos tipicamente consistem num ambiente ou Framework no qual as interac es ocorrem sendo os seus indiv duos definidos em termos de comportamentos procedimentos e par metros Grimm et al 2005 Neste ti
64. cto desenvolvido e projectando caminhos a seguir na optimiza o de par metros de simula o ecol gica Cap tulo 2 2 Simula o Ecol gica Quando nos referimos ao conceito Simula o Computacional este est intrinsecamente ligado ao uso dos computadores para imitar simular opera es e comportamentos do mundo real Esse processo normalmente designa se por Sistema estando associado assump es sobre o modo de funcionamento Essas assump es que se traduzem por rela es matem ticas ou l gicas constituem o Modelo que vai ser usado para extrair a compreens o sobre o sistema correspondente Sistema e Modelo s o dois conceitos relacionados com simula o pelo que conv m definir o seu significado e abrang ncia no dom nio da simula o Segundo Ant nio Brito Brito et al 2001 sistema todo o objecto sobre o qual se pretende realizar um determinado estudo enquanto um seu modelo uma qualquer representa o desse objecto na qual ir efectivamente executar tal estudo Schmidt e Taylor em 1970 definem Sistema de forma gen rica como sendo uma colec o de entidades pessoas ou maquinas que actuam e interagem conjuntamente para realiza o de algo l gico Na pr tica o Sistema depende dos objectivos de determinado estudo Os sistemas podem ser classificados em dois tipos discretos e cont nuos Um sistema discreto um sistema onde o estado das vari veis muda de estado em pontos separados de tem
65. da aplica o de t cnicas da rea da Intelig ncia Artificial tais como a Aprendizagem e os Agentes Aut nomos s Ci ncias do Ambiente conforme referido em diversos Workshops internacionais Na cria o de um novo modelo matem tico o primeiro conjunto de simula es geralmente estruturado a testar a l gica interna do modelo Quando esta tarefa est conclu da necess rio calibrar o modelo realizando um segundo conjunto de simula es para ajustar os par metros do modelo reproduzindo adequadamente os resultados observados Os par metros regulam o comportamento das equa es que descrevem as vari veis ao longo do tempo e do espa o bem como as suas interac es Normalmente existe alguma incerteza quanto ao valor de cada par metro Como consequ ncia o processo de calibra o pode ser longo e trabalhoso requerendo compreens o dos efeitos dos par metros nas vari veis causa efeito Ap s a calibra o do modelo necess rio realizar outro conjunto de simula es validando o modelo com valores observados que n o tenham sido utilizados na calibra o Uma vez validado o modelo define se simula es em fun o dos objectivos para os quais o modelo foi desenvolvido sendo a optimiza o de solu es um dos exemplos Este processo pode ser automatizado ou semi automatizado reduzindo se desta forma o tempo dispendido na modela o e consequente valida o CAP TULO 1 INTRODU O 2
66. de um sinal de sincronismo chamado de rel gio Desta forma cabe aos receptores gerirem as mensagens e criar mensagens de resposta com o mesmo identificador da mensagem recebida para o mesmo agente Cabe s aplica es gerir a interpreta o das mensagens recebidas de forma a esperar por uma determinada mensagem de retorno ou n o O protocolo de comunica o n o tem definido as depend ncias para tipos de mensagens BE List of Known Agents Inl x Host Address 172 29 133 14 172 29 133 14 stationl EcoDynamo Calibration stationl Figura 12 Lista de Agentes registados pelo servidor EcoDynamo Ap s o agente receber a mensagem de accept este est registado junto do simulador servidor como um agente com interesse em obter informa es ou indicar comandos para a simula o figura 12 Quando um agente sai do sistema deve enviar uma mensagem de desligar do simulador 3 5 Conclus es Neste cap tulo foi apresentado a plataforma de simula o EcoSimNet onde o simulador EcoDynamo tem um papel predominante na representa o das altera es levadas a cabo nos modelos ecol gicos aqu ticos Devido plataforma possuir um protocolo de comunica es baseando se no vocabul rio ECOLANG permite o desenvolvimento de aplica es em seu redor permitindo aumentar as funcionalidades da plataforma assim como a partilha de c digo fonte atrav s das bibliotecas de fun es padronizadas Estas c
67. delo O modelo predador presa era representado apenas por uma dimens o espacial representado apenas por uma nica c lula enquanto este modelo mais realista e pr ximo dos utilizados em simula es ecol gicas possui 3 dimens es espaciais x y z sendo a coordenada z correspondente profundidade do modelo CAP TULO 5 RESULTADOS E AN LISE 62 Estas caracter sticas do modelo levaram numa primeira fase identifica o dos par metros cujo valor n o deveriam ser alterados pela calibra o e numa segunda fase defini o de um sub modelo com um menor n mero de classes e par metros para realiza o da experi ncia A experi ncia foi realizada seguindo os mesmos moldes do modelo predador presa tendo sido definido um per odo de simula o desde 29 01 1997 16 00 at s 18 00 com um passo de simula o de 60 segundos o que corresponde a 120 itera es com o simulador Tabela 9 Lista de Classes e Par metros do Modelo Sangoo para Simula o Class Model Parameter Name Parameter Value Constant TTideWithWanContinuousHarmonics Start Year 1997 Yes TBiDimensionalSango3 Gravity 9 8 Yes TBiDimensionalSango3 Difusion coeficient 100 No TBiDimensionalSango3 Start Year 1997 Yes TBiDimensionalSango3 Latitude 37 Yes TBiDimensionalSango3 Northern tidal reference 735 No TBiDimensionalSango3 Southern tidal reference 351 No TBiDimensionalSango3 Critical depth for land boundary 0 No TBiDimension
68. delo ecol gico predador presa para os algoritmos de optimiza o subida de colina arrefecimento simulado e algoritmos gen ticos Os resultados s o expressos pelo coeficiente de erro valor dado pela diferen a do resultado da simula o para a solu o testada com os resultados padr o Apesar de se conseguir que o modelo convirja para a solu o ptima os m nimos locais s o um problema a ter em conta assim como a no o de sensibilidade dos valores dos par metros do modelo Pela an lise dos resultados pensamos que o processo de calibra o deve focalizar a sua aten o na compreens o dos valores dos par metros seus valores m nimos e m ximos assim como o valor m nimo unidade a indicar em cada solu o de valores A defini o dos intervalos de valores para cada par metro assim como do valor de unidade step de extrema import ncia no processo de calibra o visto aumentar o espa o de solu es poss veis Al m do n mero de solu es para simula o caso os valores atribu dos aos par metros sejam desprovidos de algum cuidado por exemplo em termos de unidade ou dos limites o simulador ir produzir resultados incoerentes e em alguns casos leva mesmo a erros de sistema devido ao uso errado de valores de par metros nas f rmulas matem ticas Cap tulo 6 6 Conclus es e Perspectivas de Desenvolvimento A calibra o de modelos realizada atrav s da compara o dos valores observados
69. eado no trabalho de Reis e Lau a COACH UNILANG Reis and Lau 2002 A linguagem COACH UNILANG inserida no contexto do futebol permite a um agente treinador comunicar com os agentes Jogadores os quais necessitam de coordena o para a forma o da equipa e estrat gias eficazes para o per odo de jogo Esta linguagem associada a um protocolo de comunica o permite aos agentes num ambiente multi agente compreender as suas interac es no dom nio ecol gico Alguns dos pr requisitos levantados aquando da cria o da nova linguagem e Linguagem de alto n vel com capacidades de compreens o entre agentes de software e utilizadores humanos e Deve ter uma valida o sint ctica simples e Ontologia deve ser orientada para Sistemas Aqu ticos e Facilmente adapt vel a novos actores no Sistema e Deve ser independente de qualquer plataforma de Hardware ou Software assim como do Sistema Operativo e Linguagem de desenvolvimento As mensagens ECOLANG descrevem as caracter sticas regionais dos sistemas ecol gicos ac es e percep es dos agentes possibilitando v rias camadas de comunica o Tabela 2 Lista de Tipos de Ac es ECOLANG Ac o Descri o Execu o Comandos relativos simula o do modelo run stop pause etc Configura o Escolha de um subdom nio para simula o classes altera o de vari veis e valores iniciais para os par metros altera o reas de cultivo de
70. em conhecimento pr vio do modelo 4 corre a simula o e 5 compara a diferen a dos resultados das vari veis do modelo com os dados reais READ MODEL EcoDynamo simulator Messages oa ux A Model J Calibration Parameters Values Agent P ae Observed Data Figura 13 Esquema Agente Calibrador O processo termina quando os crit rios de converg ncia sao atingidos ou o utilizador obriga atrav s da interface gr fica para o processo de optimiza o O utilizador pode CAP TULO 4 PROJECTO E IMPLEMENTA O 41 guardar a solu o de par metros encontrada at ao momento para utiliza o em simula es futuras ou iniciar o processo de optimiza o de par metros a partir desse ponto O processo iterativo e o seu sucesso depende exclusivamente na escolha dos correctos par metros e seu valor Outro ponto a ter em conta a an lise de sensibilidade dos valores dos par metros visto estes poderem ser de grandezas num ricas diferentes sendo necess rio o seu estudo antes do processo de calibra o O uso de agentes inteligentes pode fazer toda a diferen a devido sua capacidade de aprendizagem e de altera o de estrat gia em qualquer altura do ciclo de computa o 4 2 Tecnologia Toda a plataforma do Agente Calibrador foi idealizada segundo os conceitos OO para facilidade de reutiliza o e capacidade de adi o de novas funcionalidades Com
71. entes atrav s do sistema de visualiza o que comum a todas as aplica es m dulo visualizador Com a divis o do sistema em agentes e a exist ncia de uma linguagem partilhada de comunica o poss vel representar diferentes objectivos para o mesmo modelo de simula o cada um extraindo a informa o que lhe interessa convertendo a em conhecimento que poder alimentar novamente a simula o com os novos dados 3 2 Simulador EcoDynamo Um dos componentes mais importantes do projecto ABSES o simulador ecol gico tem como principal objectivo a f cil utiliza o e manuseio permitindo aos intervenientes do processo de decis o a sua utiliza o sem para tal necessitarem de grandes conhecimentos de inform tica ptica do utilizador Este peda o de Software inicialmente apelidado de EcoDyn sendo mais tarde alterado para EcoDynamo Ecological Dynamics Model foi parcialmente desenvolvido no mbito do projecto europeu DITTY www dittyproject org O EcoDynamo foi idealizado para ter v rias funcionalidades tais como possuir uma plataforma de comunica o para com agentes inteligentes usando a linguagem ECOLANG linguagem de comunica o para simula o de sistemas ecol gicos complexos Pereira et al 2005 A simula o de sistemas ecol gicos no EcoDynamo requer a segmenta o de um dado modelo a simular em reas quadradas de n metros Sendo as v rias f rmulas matem ticas de simula o
72. entes do Sistema devido a especificidade e contexto associado n o existem restri es quanto sua utiliza o por parte das aplica es lt MSG CONTENT gt lt CONNECTION MSG gt lt DEFINITION MSG gt lt ACTION MSG gt lt PERCEPTION MSG gt Figura 10 Tipos de Mensagem ECOLANG Mensagens de liga o definem o in cio e o fim da sess o de comunica o entre aplica es Neste grupo encontram se tamb m as mensagens de valida o da outra parte da sess o de comunica o estabelecida Isto permite a cria o de liga es entre m ltiplas aplica es facilitando a expans o das comunica es e da rede de conhecimento Desde a vers o 1 3 deste protocolo as mensagens permitem a defini o das regi es e informa o acerca do tipo de modelo em uso pelo simulador a sua dimens o morfologia e esp cies animais em simula o Este tipo de mensagens tem sofrido mais altera es devido s necessidades de cada agente aplica o face ao simulador As mensagens de ac es est o intrinsecamente ligadas a cada tipo de agentes envolvido no sistema pelas suas especificidades e objectivos a concretizar Como exemplo um agente aplica o que tenha interesses na produ o de moluscos as suas ac es passam pelo dep sito inspec o e recolha das esp cies As mensagens de percep o actuam de igual forma das de ac es ao estarem dependentes do tipo de agente envolvido e das ac es realizadas por cada
73. ersas subrotinas a cada passo de tempo do modelo As subrotinas representam as entidades e o relacionamento entre elas em termos de processos representando o fluxo que influencia cada vari vel de estado No fim de cada ciclo de simula o todas as vari veis de estado s o actualizadas como uma fun o dos fluxos mencionados CAP TULO 2 SIMULA O ECOL GICA 19 2 4 M todos de Optimiza o No cap tulo anterior fez se refer ncia a import ncia da exist ncia de algoritmos capazes de estimar valores para os par metros dos modelos de forma a garantir que a simula o seja de acordo com o estipulado para o modelo e para os fins que se prop e Os m todos de optimiza o de simula es s o utilizados quando a fun o objectivo pode ser apenas avaliada fazendo recurso a simula es de computador Isto acontece porque n o existe uma express o anal tica para a fun o objectivo que consiga descrever todo o modelo sendo este o resultado da interac o de v rias entidades nele representadas que evoluem ao longo do tempo Jorgensen Jorgensen 2003 defende que al m de bons m todos de optimiza o de par metros dentro do dom nio da simula o ecol gica necess rio especial aten o a sensibilidade dos par metros o que quer dizer que necess rio ter conhecimento pr vio de valores estimados de refer ncia Outra ideia subjacente a vis o do modelo ecol gico como uma abstrac o da realidade log
74. este momento e que sempre me apoiaram e incentivaram a ultrapassar as barreiras da vida Um grande Obrigado NDICE IX ndice 1 2 3 4 Introdu o 1 1 1 Enquadramento e Motiva o aha uq uqa 2 1 2 Su u S seeders oe t ana Sa feeder Ene rete ioe eis 3 L3 Estrutura da DissertaCa Os cuc ee e ecd och eee at nte aus eet 4 Simula o Ecol gica 6 2 1 Simula o de Modelos e teen pisando sus ganga nisso ice is 9 2 1 1 Est ticos Ou din micos oerte a e dee i 11 2 1 2 Determin sticos ou Estoc sticos n annassa 12 2 1 3 Cont nuos oU DISCretos an m Ee i cen edenda 13 2 1 4 Modelos baseados nos Indiv duos 13 2 2 Sumulacao Hidrodin mic ie det e ess 15 2 3 Simuladores Ecol gicos 16 2 4 M todos de Optimiza o 2 ete dete eee iet e dee po ee ET eee etc a 19 24 1 Subida de Colina Hill Climbing eese 19 2 4 2 Arrefecimento Simulado suas uere ee eere epp ed OR ect 20 24 3 Algoritmos rtp eie a Ee ee tee edente 21 2592 ConclUS ES RC 23 Rede de Simula o EcoSimNet 25 3 1 Sistema Multi A gente asim Lal al epit tee CHE tee E e CHER EL alay 26 3 2 simulador Eco Dynamo esses pb em Ue E tete ne
75. i agente onde os agentes neles contidos n o contemplam estruturas simb licas complexas de representa o do ambiente e das entidades nele representadas Estes sistemas tiveram a sua origem nos chamados aut matos celulares cuja componente fundamental era a c lula posicionada numa determinada localiza o espacial e que evoluiu para o conceito corrente de indiv duo posicionado no espa o num determinado ambiente de simula o CAP TULO 2 SIMULA O ECOL GICA 15 2 2 Simula o Hidrodin mica A hidroinform tica desempenha um papel cada vez mais importante na optimiza o de recursos e gest o de ecossistemas aqu ticos devendo a sua utiliza o ser baseado no conhecimento dos ecossistemas em termos de funcionamento A aquisi o deste conhecimento tem de ter por base uma observa o sistem tica dos processos considerados relevantes a qual realisticamente s poder ser efectuada num pequeno n mero de pontos O recurso aos modelos matem ticos permite por um lado integrar a informa o recolhida num n mero reduzido de pontos extrapolando essa informa o para todo o sistema e por outro lado efectuar previs es sobre poss veis comportamentos do sistema em fun o de eventuais altera es das condi es ambientais Nesta perspectiva a optimiza o da gest o de ecossistemas aqu ticos deve assentar num sistema de monitoriza o o qual dever englobar tr s componentes medidas modela o publica
76. ica o foi desenvolvida usando a linguagem de programa o C segundo o paradigma Orientado a Objectos tendo capacidades de modela o para ecossistemas aqu ticos O simulador apresenta se com uma interface gr fica dividida em 2 blocos correr a simula o e op es para guardar os resultados de simula o figura 7 Permite ao utilizador seleccionar o modelo e configurar o ambiente de simula o assim como assegurar a comunica o entre os v rios objectos ou classes e componentes que dependam dos seus resultados Seguindo a associa o com a metodologia Orientada a Objectos cada entidade representada no simulador por uma classe de modelo com as vari veis e comportamentos associados tal e qual se comportam no mundo real Como as classes interagem entre si os resultados vari veis n o est o unicamente dependentes das equa es matem ticas dos processos intr nsecos mas tamb m dos valores par metros que constituem a equa o CAP TULO 3 REDE DE SIMULA O ECOSIMNET 31 Jefinition asses ar 1 Variables output selection Classes defini Available variables FILE Output Box depth Air temperature 2 f Available classes Selected classes gt gt gt Dynamic height TRE Atmospheric IR fiaticAirT emperature TTideWithwanContinuousHarmonics Boundary NH4 concenttaion VV Velocity TBiDimensionalSango3 TAdiiaticdirT emperature Bowsers NO consentido Salinity
77. ics An introduction Springer Verlag 183 pp Watson e tal 1996 Watson R T Zinyowera M C and Moss R H 1996 Climate Change 1995 Impacts adaptations and mitigation of climate change Scientific Technical Analyses Cambridge UK Cambridge University Press 879 pp Weiss 1999 Weiss 1999 ed Multi Agent Systems A Modern Approach to Distri buted Artificial Intelligence MIT Press Wooldridge 2002 M Wooldridge 2002 An Introduction to Multi Agent Systems John Wiley amp Sons Ltd Youssef et al 2001 H Youssef S M Sait amp H Adiche 2001 Evolutionary algorithms simulated annealing and tabu search a comparative study Engineering Applications of Artificial Intelligence Vol 14 2 pp 167 181 1 MANUAL DO UTILIZADOR 73 Anexo 1 Manual do Utilizador Esta sec o introduz as interfaces do agente calibrador explicando como se utiliza e configura o agente durante o processo de calibra o de modelos ecol gicos Apesar do seu simples manuseio carece de algum conhecimento do dom nio no que diz respeito sensibilidade dos valores dos par metros assim como escolha das vari veis para calibra o e s boxes a registar durante a simula o 1 passo ligar ao servidor EcoDynamo O primeiro passo na calibra o do modelo ecol gico passa pela liga o do agente calibrador ao simulador EcoDynamo que a aplica o do simulador esteja a correr assim
78. iferentes processos ou o mesmo processo descrito em diferentes camadas de detalhe O grau de detalhe determinado pela import ncia assumida pelos diferentes processos num determinado ecossistema assim como pelo conhecimento existente sobre este Por exemplo alguns modelos matem ticos usam uma descri o simplificada dos processos de transporte hidrodin micos e detalhada sobre os processos ecol gicos b nticos o termo aplica se ao fundo do mar ou as esp cies ai existentes Barreta et al 1988 e outros modelos o oposto descri o detalhada dos processos hidrodin micos e processos ecol gicos simplificados Luyten et al 1999 Quando um modelo ecol gico constru do as incertezas e variabilidade mencionadas s o reflectidas na fase de implementa o raz o pela qual existe tanto desenvolvimento de modelos criados por diferentes equipas de investigadores em todo o mundo Cada equipa de investigadores adopta diferentes t cnicas de modela o tal como vis vel nas aplica es de simula o ecol gica modelo EMS Dollard descrito por Baretta e Ruardij 1988 modelo COHERENS descrito por Luyten et al 1999 ou software orientado a objectos Eco Win desenvolvido por Ferreira 1995 MOHID em linha Os modelos baseados em linguagens de programa o estruturadas s o constitu dos pelo programa principal onde algumas vari veis de estado descrevem o ecossistema dentro da simula o fazendo a chamada para as div
79. ime spec e output time specs Assim como o step de simula o Nota por exemplo o modelo Sangoo necessita for osamente do step de 30 seg pois os organismos do modelo assim exigem ANEXOI MANUAL DO UTILIZADOR 76 5 passo selec o das vari veis do modelo Water temperature Air temperature Wind speed Wind speed x component Wind speed y component Total surface irradiance PAR surface irradiance Daylight hours Selected for Output Tidal height Water irradiance Net heat flux Latent heat flux AllBoxes Define Boxes Lines Columns Enter lines and columns numbers and or ranges separated by commas For example 1 3 5 12 The intersection points between lines and columns will be the boxes considered Min Value 1 Ok Figura 22 interface Escolha vari veis simula o Selec o das vari veis do modelo a ter em conta para calibra o assim como a rea a simular Por defeito o agente calibrador aplica a todas as boxes Aqui se calhar tamb m se poderia colocar algum tipo de sinal para correr simula es para cada vari vel afim de verificar se o seu valor se altera 6 passo alterar observar os valores dos par metros por classe de modelo Por defeito utiliza em termos de arranque os valores obtidos no modelo Mas possibilita altera o desses valores caso seja necess rio New Value j 0 03 Set Close Figura 23 interface para ges
80. ion application Farmer Visualisation System USER Figura 5 Arquitectura Sistema adaptada de Pereira et al 2004 Cada interveniente no sistema ecol gico inclu do no sistema de simula o como um agente inteligente agente aquicultor agente gestor parque natural agente promotor tur stico etc Os agentes t m autonomia para planear ac es que s o transmitidas para o simulador influenciando o comportamento do ecossistema o sistema de simula o processa a simula o sendo os resultados apresentados aos decisores num formato adequado ajudando no processo de tomada de decis o O simulador comporta se como um Sistema de Apoio a Decis o com capacidade de prever para um dado modelo com um grau de confian a aceit vel altera es no ecossistema Todas as comunica es entre as entidades s o realizadas atrav s de mensagens ECOLANG Pereira et al 2005 linguagem de comunica o desenvolvida especialmente para o projecto actuando como plataforma universal de comunica o entre as aplica es de software Utilizando uma linguagem de comunica o e mensagens pr definidas o sistema permite a inclus o de novas mensagens sem a necessidade de alterar a arquitectura das aplica es de software e ou agentes inteligentes CAP TULO 3 REDE DE SIMULA O ECOSIMNET 28 Apesar de cada aplica o possuir interface pr pria o utilizador pode aceder s diferentes informa es dos compon
81. is sk DOUBLE EVALUATIONRESULT EVALUATION FUNCTION RESULT sk VECTOR lt SPARAMETERS gt PARAMETERSSELECTED PARAMETERS SELECTED sk VECTOR TIMEV ARIABLES ARIABLESRESULT SIMULATION RESULT Construtor mk SIMULATIONMODEL sk SIMULATIONMODEL VECTOR lt SPARAMETERS gt VECTOR lt ARIABLES gt mk SIMULATIONMODEL VECTOR lt SPARAMETERS gt VECTOR lt TIMEV ARIABLES gt DOUBLE M todos VOID SETEVALUATIONRESULT DOUBLE VOID SETPARAMETERSSELECTED VECTOR lt SPARAMETERS gt VOID SETTIMEV ARIABLESRESULT TIMEV ARIABLES DOUBLE GETEVALUATIONRESULT VECTOR lt SPARAMETERS gt GETPAR AMETERSSELECTED SPARAMETERS GETPARAMETERSSELECTED STRING VECTOR lt ARIABLES gt GETTIMEV ARIABLESRESULT Generic Functions As fun es gen ricas a utilizar pelo agente calibrador s o definidas dentro de uma classe com o mesmo nome Uma das raz es pela utiliza o de m todos de classe em vez de fun es prende se com a selec o dos algoritmos de calibra o que por sua vez s o classes que herdam todos os m todos desta TYPEDEF ENUM HC SA GA TYPE Defini o da lista de acr nimos dispon veis para os algoritmos de optimiza o Apenas uma vari vel de estado para identificar a classe correspondente escolha do utilizador na interface gr fica PP Pre processing HC HillClimbing SA Simulated Annealing GA
82. librar um modelo ecol gico de simula o Para isso tem de escolher em tempo real os melhores valores para os par metros das equa es de simula o dos v rios objectos sem ter conhecimento pr vio das equa es e das classes envolvidas Este agente comunica com uma aplica o de simula o biogeoqu mica EcoDynamo localizada no mesmo computador ou num computador remoto utilizando a linguagem de simula o ecol gica ECOLANG Pereira et al 2005 Os objectivos espec ficos relativos ao desenvolvimento do agente incluem e Escolher o modelo e verificar se a sua base de dados est preenchida e Executar o modelo para recolher informa o sobre a interac o entre as diferentes classes do modelo e Realizar uma an lise relativa sensibilidade intra classe sensibilidade de cada vari vel a cada par metro da pr pria classe e extra classe sensibilidade de cada vari vel de cada classe s varia es dos par metros das classes que a influenciam e Iniciar o processo de calibra o a partir dos dados calculados seguindo uma estrat gia definida para a escolha de valores de par metros e Permitir a utiliza o diversos m todos de optimiza o incluindo a subida da colina arrefecimento simulado e algoritmos gen ticos de modo a calibrar o modelo respectivo CAP TULO 1 INTRODU O 4 e Visualizar as mensagens trocadas com a aplica o de simula o EcoDynamo e Guardar as op es tomadas e os dado
83. ling Vol 168 pp 109 143 Duarte et al 2006 Pedro Duarte B Azevedo M Guerreiro C Ribeiro R Bandeira A Pereira M Falc o D Serpa amp J Reia Biogeochemical Modelling of Ria Formosa South Portugal Hydrobiology in press REFER NCIAS BIBLIOGRAFICAS 70 Duarte et al 2006 Pedro Duarte M J Guerreiro J Reia L Cancela da Fonseca A Pereira B Azevedo M Falc o D Serpa C Ribeiro amp R Bandeira 2006 Ferramentas de gest o de zonas costeiras Aplica o Ria Formosa Sul de Portugal Proceedings do 2 Semin rio sobre Sistemas Lagunares Costeiros Vila Nova de Santo Andr Duarte et al 2007 Pedro Duarte Bruno Azevedo C Ribeiro Ant nio Pereira Manuela Falc o Dalila Serpa Rui Bandeira amp Jo o Reia 2007 Management oriented mathematical modelling of Ria Formosa South Portugal Transitional Water Monographs 1 1 pp 13 51 Duarte et al 2007b Pedro Duarte Maria J Guerreiro Jo o Reia Lu s Cancela da Fonseca Ant nio Pereira Bruno Azevedo Manuela Falc o amp Dalila Serpa 2007 Gest o de zonas costeiras aplica o Ria Formosa Sul de Portugal Revista Ci ncia Agron mica v 38 n 1 pp 118 128 ISSN 0045 6888 Duarte et al 2008 Pedro Duarte B Azevedo M Guerreiro C Ribeiro R Bandeira A Pereira M Falc o D Serpa amp J Reia Biogeochemical Modelling of Ria Formosa South Portugal Hydrobiologia v 611 pp 115 132 Eykhoff 1974 P Eykhoff 197
84. lo Sangoo Dyna U Drag Tidal mic Sali Velo Water coeffi MeanU MeanV height U Flow height nity city density cient Velocity Velocity 8545 5360 2696 8 1020 4 0 00351 15 80 1 0 12475 0 0 1 716 0 0 0 449 5 3813 0 0 0 0 8545 5369 2535 7 343 11 44 333 1 79219 0 045 0 005 1026 7 0 00350 15 88 341 68 0 04588 0 00564 2 0 81141 8189 001 4 0 889 645 5 9 0007 2359 0 9 5 8545 5378 2541 5 693 40 45 776 1 85635 0 092 0 005 1026 7 0 00350 15 94 342 40 22 787 0 06915 0 00572 3 0 89174 7954 63 3 0 418 803 5 4 4166 0274 846 4 4 8545 5387 2547 3 2475 0 46 268 2 20171 0 323 0 005 1026 7 0 00347 16 28 1036 7 30 450 0 15385 0 00573 4 O 14558 09437 896 1 0 26 744 5 9 9524 30244 774 6 1 8545 5396 2552 9 4365 8 100 52 0 561 0 012 1026 7 16 56 1396 3 1 8398 0 00123 5 0 57185 53925 7017 2 48158 0 232 254 5 0 00346 9393 00043 05 0 2557 4 8545 5405 2558 5 6628 5 266 49 2 81828 0 832 0 031 1026 7 0 00343 16 90 2412 2 21 577 0 37106 0 00537 6 O 15668 95054 002 1 0 513 828 5 7 6094 72475 247 3 8 8545 5414 2563 9 8893 1 424 56 3 13838 0 00 1 093 0 049 1026 7 0 00341 17 22 3114 9 87 425 0 49142 0 01277 7 0 89922 12718 1111 9 0719 244 764 5 5 6202
85. m encontrar os valores dos par metros mais indicados para as CAP TULO 4 PROJECTO E IMPLEMENTA O 44 caracter sticas da simula o sendo a medida de compara o os valores das vari veis simuladas com o mesmo valor observado na realidade A ideia subjacente ao problema parece simples atribuindo valores aos par metros correr a simula o e comparar o valor das vari veis com amostras reais O procedimento de arranque muito similar em todos os m todos de optimiza o Define se de forma aleat ria uma solu o de valores de par metros para come ar a simula o Ap s esta primeira interac o cada algoritmo aplica as suas estrat gicas Os problemas de optimiza o s o baseados em tr s pontos principais codifica o do problema a fun o objectivo que se deseja maximizar ou minimizar e o espa o de solu es associado Cada algoritmo comporta se como uma caixa negra onde gera uma solu o de par metros e verifica com a fun o objectivo se essa solu o boa ou n o para resolver o problema 4 3 1 Fun o de Avalia o A fun o de avalia o muito importante por determinar a proximidade ou n o da solu o criada com a que pretendemos encontrar Neste dom nio de calibra o de modelos ecol gicos o ponto de compara o ou melhor dizendo o grau de confian a de um simulador a sua capacidade de recriar com os mesmos resultados ou muito similares um cen rio pelos quais j foram rec
86. mental Systems Technical Report Pereira et al 2007 Ant nio Pereira Pedro Duarte amp Lu s Paulo Reis 2007 An Integrated Ecological Modelling and Decision Support Methodology In I Zelinka Z Oplatkov and A Orsoni eds Proceedings of the 21st European Conference Modelling and Simulation pp 497 502 Prague Czech Republic ISBN 0 9553018 2 3 978 0 9553018 2 7 Pereira 2008 Ant nio Pereira 2008 ECOLANG Communications Language for Eco logical Simulations Network Faculty of Engineering of University of Porto LIACC Artificial Intelligence and Computer Science Laboratory Technical Report TR LIACC FEUP AMCP 01 1 Reis amp Lau 2002 Lu s Paulo Reis amp Nuno Lau COACH UNILANG A Standard Lan guage for Coaching a Robo Soccer Team in Andreas Birk Silvia Coradeschi and Satoshi Tadokoro editors RoboCup 2001 Robot Soccer World Cup V Springer Verlag Lecture Notes in Artificial Intelligence Vol 2377 pp 183 192 Berlin 2002 Reis 2003 Lu s Paulo Reis Coordena o em Sistemas Multi Agente Aplica es na Gest o Universit ria e Futebol Rob tico PhD Thesis Tese de Doutoramento Faculdade de Engenharia da Universidade do Porto June 2003 Restivo amp Reis 2006 Andr Restivo amp Luis Paulo Reis 2006 Clustering Agent Optimization Results in Dynamic Scenarios Proceedings of EUMAS 2006 Fourth European Workshop on Multi Agent Systems Lisbon Portugal Restivo 2006 Andr Restiv
87. nte aleat ria que ser inclu da na pr xima solu o escolhida A medida que o algoritmo progride o valor de T diminu do come ando o algoritmo a convergir para uma solu o ptima necessariamente local In cio s GerarSolucaoInicial T Tinicial Enquanto condi o de fim fazer Se aleatorio Entao s NovaSolucao N s 1 Senao NovaSolucao N s 2 Avaliacao s lt Avaliacao s Entao s Senao s CriterioAceitacao s s T ActualizarTemperatura T Fim Algoritmo 5 Arrefecimento Simulado Agente Calibrador Para melhorar o desempenho do algoritmo este simula algumas solu es dentro do mesmo valor de temperatura para estabilizar 4 3 4 Implementa o Algoritmo Gen tico O algoritmo gen tico implementado n o sofreu muitas altera es face ao tradicional Para a componente da muta o gen tica criou se duas vers es uma cuja muta o da solu o apenas difere do valor do passo Na segunda adapta o o valor do par metro escolhido aleatoriamente dentro do intervalo de valores definido inicialmente Tal como nos outros algoritmos a componente de aleatoriedade bastante utilizada para a cria o da primeira gera o assim como da defini o da solu o a sofrer muta o CAP TULO 4 PROJECTO E IMPLEMENTA O 48 4 4 Conclus es Neste cap tulo foi apresentado o agente calibrador e seus componentes dando enfoque nos m todos de optimiza o e varia
88. o poss vel observar no esquema da figura3 definiram se v rios blocos de classes tendo cada um objectivos bem definidos A comunica o entre classes realizada atrav s do mecanismo de heran a ou instancia o O simulador EcoDynamo foi programado por diversos profissionais os quais utilizaram as linguagens de programa o que melhor dominavam o que leva a migra o de c digo e por consequente a n o utiliza o do potencial da linguagem orientado a objectos Um exemplo disso a representa o interna do modelo seus par metros e vari veis que no simulador realizado em estruturas Para normalizar os conceitos de programa o com a linguagem C criou se classes espec ficas para armazenar os dados do modelo Data Manipulation para os par metros vari veis modelo e simula o do modelo ao longo do tempo espa o Desta forma poss vel criar estruturas de dados por exemplo vectores ou arrays do tipo da classe sendo o seu manuseio mais f cil CAP TULO 4 PROJECTO E IMPLEMENTA O 42 Generic Functions Class m Calibration fa a Manipulation Windows structures Forms Simulated Genetic Hill Climbing Annealing Algorithm Figura 14 Estrutura de Classes Agente Calibrador A aplica o possui interface gr fica window Forms na qual o utilizador final interage com o Agente Calibrador Quando a aplica o inicia o seu processo instanciada um objecto do tipo Gene
89. o 2006 Dynamic Scenario Simulation Optimization MSc Thesis Mestrado em Intelig ncia Artificial e Sistemas Inteligentes Faculdade de Engenharia da Universidade do Porto REFER NCIAS BIBLIOGRAFICAS 72 S nchez Mata et al 1999 A S nchez Mata M Gl marec amp J Mora 1999 Physico chemical structure of the benthic environment of a Galician r a R a de Ares Betanzos north west Spain J Mar Biol Ass U K Vol 79 pp 1 21 Schriber 1987 SCHRIBER T J 1987 The Nature and Role of Simulation inthe Design of Manufacturing Systems Simulation in CIM and Artificial Intelligence Techniques 25 5 18 Siarry et al 1997 P Siarry G Berthiau F Durdin amp J Haussy 1997 Enhanced simulated annealing for globally minimizing functions of many continuous variables ACM Transactions on Mathematical Software Vol 23 2 pp 209 228 Sutton amp Barto 1998 R S Sutton 4 A G Barto 1998 Reinforcement Learning An In troduction The MIT Press Van der Tol et al 1998 Van der Tol M W M Scholten H 1998 A model analysis on the effects of decreasing nutrients loads on the biomass of benthic suspension feeders in Oosterschelde ecosystem SW Netherlands Aquatic Ecology 31 395 408 Vieira amp Bordalo 2000 M Vieira amp A A Bordalo 2000 The Douro estuary Portugal a mesotidal salt wedge Oceanologica Acta Vol 23 pp 585 594 Vreugdenhil 1989 C B Vreugdenhil 1989 Computational hydraul
90. o fluxo de autom veis Sempre que um modelo entra em conta com este aspecto de flutua o deixa de ser considerado determin stico para tomar a designa o de estoc stico Apesar desta diverg ncia de defini o entre os dois modelos em muitos casos o modelo considerado determin stico pois as suas regras internas s o bem determinadas e recorrentes de uma matem tica que determin stica Por isso mais correcto afirmar que o processo de simula o estoc stico em vez de apelidar como modelo estoc stico CAP TULO 2 SIMULA O ECOL GICA 13 Mas como introduzir num modelo determin stico o comportamento estoc stico Pode ser aplicado distribui o de valores realizada por meio de experimenta o no sistema ou atrav s de fun es adaptadas ao conjunto dos dados experimentais tais como fun es de probabilidade t picas distribui o Normal distribui o de Poisson entre outras Modelos de simula es estoc sticas produzem resultados que por si s s o aleat rios e devem ser considerados como estimativas das verdadeiras caracter sticas do modelo E uma das desvantagens deste tipo de simula o 2 1 3 Cont nuos ou Discretos S o modelos discretos em que o avan o da contagem de tempo na simula o se d na forma de incrementos cujos valores podem ser definidos em fun o da ocorr ncia dos eventos ou pela determina o de um valor fixo nesses casos s poss vel determinar os valores d
91. o n o representa a 100 o mundo real 2 4 1 Subida de Colina Hill Climbing O m todo de optimiza o Subida de Colina uma t cnica que pertence fam lia de m todos de pesquisa local relativamente simples de implementar e conduz a solu es de modo extremamente r pido tornando se por estes motivos uma primeira escolha popular Embora existam algoritmos com maior complexidade podendo ter melhores resultados na maior parte das situa es este m todo funciona bem O m todo apresenta problemas relativamente a m nimos locais pois n o inclui qualquer m todo que lhe permita escapar deste tipo de m nimos Deste modo a solu o encontrada pela subida de colina tipicamente um m nimo local cuja qualidade pode estar muito distante do ptimo global CAP TULO 2 SIMULA O ECOL GICA 20 In cio s GerarSolucaoInicial T inicial Enquanto condi o de fim fazer 5 NovaSolucao N s Se Avaliacao s lt Avaliacao s Entao s Fim Algoritmo 1 Subida de Colina Gen rico O m todo Subida de Colina pode ser usado para resolver problemas que t m muitas solu es algumas das quais s o melhores do que outras Tudo come a com uma solu o tipicamente calculada de modo aleat rio potencialmente pobre e iterativamente faz pequenas altera es para a solu o cada vez melhorar um pouco procura na vizinhan a da solu o Quando o algoritmo n o consegue encontrar qualquer melhoria termina
92. olhidos os valores em campo verifica o do estado de uma solu o assume se como a compara o das diferen as entre os dados reais e os obtidos da simula o fw gt weight IM original Meimutateal A vari vel weight permite estabelecer escalas de correspond ncias entre vari veis Moriginal corresponde ao valor da vari vel real Msimuiarea ao valor simulado Esse valor guardado juntamente com o cen rio par metros vari veis Neste caso pretende se minimizar o resultado da fun o objectivo para valores pr ximos do zero CAP TULO 4 PROJECTO E IMPLEMENTA O 45 Tabela 3 Exemplo Resultados de Simula o Vari veis Model Class Parameter Name Value TPrey IntrinsicRateOflncrease 0 3 TPredator FoodAbsorption 0 0076 TPredator FeedRate 0 064 TPredator DeathRate 0 064 Step Time Prey abundance Predator abundance 1 1167469200 10 10 2 1167472800 9 858333 9 971307 3 1167476400 9 719428 9 942724 4 1167480000 9 583221 9 914252 5 1167483600 9 44965 9 885888 6 1167487200 9 318655 9 857633 7 1167490800 9 190179 9 829484 8 1167494400 9 064163 9 801441 9 1167498000 8 940554 9 773503 10 1167501600 8 819296 9 74567 11 1167505200 8 700337 9 71794 12 1167508800 8 583626 9 690311 13 1167512400 8 469114 9 662785 A tabela anterior exemplo de um resultado de simula o para uma solu o gerada aleatoriamente S
93. os seus inputs e outputs dispon veis assim como a linguagem de comunica o ECOLANG entre produtos de software agentes inteligentes O capitulo termina explicando como se adiciona um novo agente inteligente plataforma real ando as caracter sticas de reutiliza o de c digo assim como a facilidade de integra o de novas funcionalidades de simula o O quarto cap tulo descreve o projecto e implementa o do Agente de calibra o integrado num sistema multi agente de simula o de ecossistemas costeiros complexos CAP TULO 1 INTRODU O 5 sendo neste caso espec fico usada a plataforma de Simula o EcoSimNet Al m da defini o da arquitectura e tecnologia inerente ao projecto explica as implementa es dos tr s m todos de calibra o descritos no terceiro cap tulo com as respectivas modifica es para melhoramento do desempenho O quinto cap tulo apresenta o ambiente de teste do agente calibrador explicando de forma sucinta os dois modelos de simula o testados Predador Presa e baia de Sangoo suas caracter sticas morfol gicas real ando a complexidade inerente em termos de calibra o Para cada modelo foram realizadas baterias de 10 simula es para cada m todo de calibra o comparando resultados em termos de n meros de solu es criadas melhores solu es O ltimo cap tulo apresenta as conclus es e perspectivas de desenvolvimento tecendo os coment rios globais de todo o proje
94. po Um banco um exemplo de sistema discreto desde que as vari veis de estado por exemplo o n mero de clientes do banco se altere quando um cliente novo abre conta ou quando fecha as contas nesse banco Um sistema cont nuo um em que as vari veis de estado mudam continuamente de valor ao longo do tempo Um avi o realizando um voo um exemplo de sistema cont nuo desde que as vari veis de estado tais como o posicionamento e a velocidade sejam alteradas continuamente ao longo do tempo S o poucos os sistemas que s o exclusivamente CAP TULO 2 SIMULA O ECOL GICA 7 cont nuos ou discretos pelo que s o classificados segundo a caracter stica predominante Hopcroft et al 2001 Durante o tempo de vida de um Sistema necess rio estuda lo para ganhar conhecimento sobre as interac es entre os v rios componentes ou prever mudan as de performance face alguma altera o introduzida Assim a solu o que muitas vezes se adopta a de construir um Modelo que represente adequadamente o Sistema para que Experi ncia com o Sistema actual Modelo Modelo F sico Matem tico Solu o Anal tica Simula o Figura 1 Abordagens de Estudo a um Sistema Experi ncia com Modelo do Sistema sobre ele se possam depois executar os testes Contudo um modelo uma vis o de alto n vel do sistema logo n o contempla todas as suas caracter sticas sendo uma aproxima o
95. po de modelos as caracter sticas de cada indiv duo registado ao longo do tempo Esta caracter stica contrap e os pressupostos das t cnicas de modela o em que as caracter sticas da popula o uma m dia das caracter sticas dos indiv duos e o modelo tenta simular as altera es dessas caracter sticas m dias para toda a popula o Os modelos baseados nos indiv duos s o tamb m conhecidos como entidades ou modelos baseados em agentes assim como simula es baseadas em indiv duos entidades agentes Alguns modelos baseados em indiv duos cont m tamb m conhecimento expl cito sobre a localiza o no espa o geom trico dos indiv duos Esse conhecimento individual confere aos modelos deste tipo a mobilidade onde os indiv duos podem mover se dentro do ambiente Podemos considerar um modelo natural por exemplo de um animal numa simula o ecol gica Onde na mesma simula o as plantas n o possuem a mobilidade dos animais Alguns modelos baseados em indiv duos n o carecem de conhecimento espacial por exemplo uma simula o de uma rede de computadores pode ser baseada em modelos individuais de redes de computadores sendo a sua localiza o irrelevante para os prop sitos da simula o Os modelos com conhecimento espacial usam dom nios de valores cont nuos valores reais ou discretos valores inteiros em forma de grelha Os sistemas de simula o baseados em indiv duos podem ser associados a sistemas mult
96. possibilidade de actua o imediata sobre eventuais anomalias que sejam detectadas 2 3 Simuladores Ecol gicos Aqu ticos A rea costeira sempre desempenhou um papel importante na vida dos seres humanos sendo geograficamente delimitadora entre o mar e a terra providenciando possibilidades de lazer com rcio e servi os b sicos para a humanidade No ltimo s culo assistiu se a uma migra o das popula es do interior para o litoral estando perto de 60 da popula o mundial localizada at 60km do litoral Watson et al 1996 Nas ltimas d cadas depois da observa o de alguns desastres ambientais cientistas pol ticos ambientalistas e outros intervenientes tomaram consci ncia da necessidade de unir esfor os para assegurar uma gest o sustent vel da orla mar tima mantendo os n veis de qualidade dos ecossistemas compat veis com as estrat gias de desenvolvimento normalmente apelidado de gest o para o desenvolvimento sustent vel de ecossistemas CAP TULO 2 SIMULA O ECOL GICA 17 Tavira Clube Naval Fuzeta Canal gt Faro Harbour Olh o Canal de Marim Eve meter Float A Current meter Tide gauge Hr Meteorological station Subtidal area water column main channel Figura 2 Esquema modelo Ria Formosa Algarve Com a sedimenta o populacional no litoral a aquacultura o turismo e desenvolvimento urbano interagem com o ecossis
97. primeiro modelo predador presa permitiu testar os m todos de optimiza o devido simplicidade em termos de modelo e ao reduzido n mero de interac es entre as duas entidades presentes Por sua vez o modelo da ba a de Sangoo sendo mais complexo permitiu estudar o desempenho e resultados dos m todos de optimiza o sem uso de metodologias de aprendizagem autom tica os resultados obtidos s o indicadores da import ncia da pr an lise de sensibilidade dos par metros como forma de garantir boas solu es dentro de um tempo aceit vel Os algoritmos testados apesar da sua simplicidade de implementa o provaram serem uma boa ferramenta de aux lio para o processo de calibra o Abstract This dissertation studies the issues concerning the calibration of simulations of ecological environments particularly aquatic simulations In the implementation of a mathematical model the first set of simulations is usually planned in order to test the internal logic of the model When this task is completed it is necessary to calibrate the model conducting a second set of simulations to adjust the parameters of the model in order to adequately reproduce the observed results parameters govern the behaviour of the equations that describe the variables over time and space and their interactions Generally there is uncertainty about the value of each parameter The solution proposed in this dissertation is based on the u
98. ra ajustar os par metros do modelo de modo a reproduzir adequadamente os resultados observados Os par metros regulam o comportamento das equa es que descrevem as vari veis ao longo do tempo e do espa o bem como as suas interac es Geralmente h alguma incerteza quanto ao valor de cada par metro A solu o proposta nesta disserta o baseia se na utiliza o de metodologias de optimiza o para parametriza o de modelos ecol gicos usando a plataforma de simula o Multi Agente EcoSimNet desenvolvida no projecto ABSES Agent Based Simulation of Ecological Systems Um modelo diz se calibrado quando os resultados de simula o s o similares aos resultados obtidos nas mesmas caracter sticas do mundo real A partir desse ponto o simulador conseguir realizar simula es com um grau de confian a acrescido Com essa finalidade foi desenvolvido uma aplica o intitulada Agente Calibrador que faz uso de tr s m todos de optimiza o Subida em Colina Arrefecimento Simulado e Algoritmos Gen ticos Apesar do uso destes m todos o agente calibrador foi desenvolvido de forma a ser poss vel a adi o de mais m todos de optimiza o com caracter sticas diferentes O agente interage com o simulador EcoDynamo atrav s de mensagens ECOLANG linguagem de comunica o ecol gica O trabalho de disserta o inclui um conjunto de testes em dois modelos ecol gicos Predador Presa e ba a de Sangoo O
99. rador De forma a tornar a escolha mais inteligente dotou se o algoritmo respons vel pela cria o de novas solu es de direc o do novo valor novo valor ser mais baixo ou mais elevado tendo como base a ltima solu o encontrada Isto permite que se determinado caminho tem bons resultados deve se seguir nessa direc o Estas altera es ao algoritmo base permitem tirar proveito das qualidades do mesmo ultrapassando as limita es do algoritmo Com esta forma de atribui o de novas solu es o espa o de pesquisa deixa de ser fulcral para o desempenho do algoritmo visto este seguir um caminho no sentido da melhor solu o encontrada at ao momento em vez de atribuir valores aleat rios dentro da gama de valores dispon veis para os par metros 4 3 3 Implementa o Arrefecimento Simulado Herda da classe Calibration Aplica o algoritmo Arrefecimento Simulado Arrefecimento simulado ou simulated annealing uma meta heur stica para optimiza o que consiste numa t cnica de pesquisa local probabil stica e fundamenta se numa analogia com a termodin mica De forma an loga o algoritmo de arrefecimento simulado substitui a solu o actual por uma solu o pr xima 1 na sua CAP TULO 4 PROJECTO E IMPLEMENTA O 47 vizinhan a no espa o de solu es escolhida de acordo com a fun o de avalia o e com uma vari vel T dita Temperatura por analogia Quanto maior for T maior a compone
100. rar em maior n mero Atrav s da realiza o das baterias de testes e an lise dos resultados obtidos podemos tirar conclus es sobre o uso da calibra o autom tica em vez da tradicional realizada por peritos 5 1 Modelo Predador Presa Os matem ticos e ecologistas pioneiros que descobriram as propriedades deste modelo sugeriram que este tipo de relacionamento poderia explicar as oscila es observadas entre conjuntos de animais tais como a lebre de neve e seu predador o lince As CAP TULO 5 RESULTADOS E AN LISE 50 oscila es regulares destas popula es foram medidas por contagem de peles cruas no Canad pela empresa Hudson Bay Company de 1845 1935 D g Tc z g 2 Gr fico 1 Distribui o Predador h e 4 vs tempo Quando a popula o de presas come a a crescer exponencialmente a popula o de predadores cresce rapidamente fazendo que a popula o de presas se reduza novamente Com menos comida dispon vel a popula o de predadores diminui O gr fico das duas popula es versus tempo mostra se no Gr fico 1 Predador H Presa Q Gr fico 2 Rela o Predador Presa Em lugar de desenhar as duas popula es versus tempo como no Gr ficol pode se fazer um gr fico com a quantidade de uma popula o sobre o eixo horizontal e a quantidade da outra popula o sobre o eixo vertical Como resultado do processo de oscila o obt m se um gr
101. ric Functions permitindo a todos os formul rios gr ficos da interface comunicarem entre si partilhando os dados Decidiu se separar a componente Windows Form Classes TT Presentation Tier Generic Function Class Calibration Classes Logic Tier Data Manipulation Classes SS e Data Tier Figura 15 Representa o agente calibrador em tr s camadas gr fica das fun es gen ricas seguindo a arquitectura de software em 3 camadas Eckerson 1995 possibilitando no futuro a migra o para outro tipo de interface sem necessidade de adapta o para as fun es relativas ao comportamento As classes das interfaces apenas cont m vari veis locais necess rias para comunicarem com os objectos do formul rio por exemplo caixas de texto ou checkbox passando os seus valores como par metro de fun o para dentro da inst ncia Generic Functions CAP TULO 4 PROJECTO E IMPLEMENTA O 43 No entanto podem ter associadas algumas fun es de verifica o de estado e sem ntica Resumindo a sua fun o meramente de input output Devido ao facto de os algoritmos de optimiza o partilharem um conjunto de fun es de manuseio dos dados e comunica o com o simulador criou se uma classe base onde esses m todos est o representados e em alguns casos definem se as fun es membro como virtuais cabendo depois s classes derivadas a sua implementa o As classes associadas a cad
102. rmite validar o comportamento do modelo ao longo das simula es sendo a sua dura o em modelos mais complexos at a pr xima fase calibra o Calibra o esta fase dedicada a encontrar as melhores combina es de valores dos par metros de forma a diminuir a varia o entre os resultados simulados e os observados no mundo real Este processo costuma ser por tentativa erro realizado por especialistas em modela o e do dom nio de CAP TULO 2 SIMULA O ECOL GICA 1 aplica o neste caso simula es ecol gicas um processo moroso em termos de tempo pelo que cada modelo deve ser calibrado afim de se poder extrair algum tipo de conhecimento aumentando o grau de confian a nos resultados produzidos nesta fase que este projecto recai tentando automatizar o processo de calibra o tendo como base alguns dados do modelo a simular e Valida o deve ser distinguida da verifica o Enquanto a verifica o estuda os comportamentos das diversas entidades representadas no modelo a valida o preocupa se com a qualidade dos resultados obtidos da simula o Um modelo diz se estruturalmente valido quando se consiga estabelecer a mesma rela o causa efeito do sistema real com um grau de exactid o consider vel A escolha de fun es de avalia o depende dos objectivos para o modelo em simula o mas normalmente realizam se os desvios entre os resultados simulados e os observados no sistema real Os
103. s que as sustentam e Monitorizar o seu pr prio processo de resolu o do problema Al m disso dever permitir ao utilizador visualizar toda a actividade realizada no mbito das suas ac es 1 3 Estrutura da Disserta o Esta disserta o encontra se estruturada em 6 seis cap tulos dos quais o primeiro composto por esta introdu o ao trabalho O segundo cap tulo faz a contextualiza o rea da simula o ecol gica fazendo a distin o dos diferentes tipos de modelos de simula o e aplica es desenvolvidas para o efeito Introduz a simula o ecol gica como tema central focalizando se na simula o hidrodin mica Tem como objectivo definir os conceitos b sicos inerentes a simula o real ando as vantagens desvantagens do seu uso como sistema de apoio decis o De que forma as meta heuristicas podem auxiliar o perito em modelos ecol gicos a calibrar o modelo aumentando o grau de confian a nos resultados de simula o Neste cap tulo apresenta se resumidamente os principais m todos utilizados na calibra o de simula es ecol gicas dando realce a Subida em Colina Hill Climbing Arrefecimento Simulado Simulated Annealing e aos Algoritmos gen ticos Genetic Algorithms O terceiro cap tulo apresenta a plataforma de Simula o EcoSimNet como plataforma para suportar um sistema multi agente inteligente SMA Caracteriza o simulador EcoDynamo como n cleo de toda a plataforma pel
104. se of optimization methodologies for the parameterisation of ecological models using EcoSimNet Multi agent simulation platform developed at project ABSES Agent Based Simulation of Ecological Systems A model is considered to be calibrated when the results of simulation are similar to the results obtained in the same characteristics in the real world From that point the simulator can perform simulations with a greater degree of confidence It was developed an application for this task called Calibration Agent which makes use of three optimization methods Hill Climbing Genetic Algorithms and Simulated Annealing Despite the use of these three methods the application was developed in order to be able to add more optimization methods with different characteristics The agent interacts with the EcoDynamo simulator through messages that follow the ECOLANG format ecological language of communication The work of dissertation ends with a series of tests in two ecological models predator prey and Sangoo Bay The first model predator prey allowed to test the methods of optimization because of the simplicity of the model and the small number of interactions between these two entities The Sangoo Bay model is much more complex in entities and relationships and allowed to study the performance and results of the optimization methods without the use of learning techniques as well as to take a set of conclusions about those resul
105. spectivas de trabalho futuro incluindo e Implementa o de novos m todos de optimiza o e seu teste no mbito do agente de calibra o implementado e Inclus o de potencialidades de selec o autom tica do m todo de calibra o no agente desenvolvido e Realiza o de um conjunto mais alargado de experi ncias utilizando outros modelos ecol gicos O agente de calibra o desenvolvido constitui uma boa base para a implementa o destes e de outros desenvolvimentos REFER NCIAS BIBLIOGRAFICAS 69 Refer ncias Bibliogr ficas Amirjanov 2006 A Amirjanov 2006 The development of a changing range genetic algorithm Computer Methods in Applied Mechanics amp Engineering 195 19 22 pp 2495 2508 Baretta et al 1988 Baretta and Ruardij 1988 J W Baretta and P Ruardij Tidal flat estuaries simulation and analysis of the Ems Estuary Ecological Studies vol 71 Springer Verlag 1988 Barteneva et al 2006 Daria Barteneva Nuno Lau Luis Paulo Reis 2006 Implementa tion of Emotional Behaviors in Multi Agent System using Fuzzy Logic and Tempera mental Decision Mechanism Proceedings of EUMAS 2006 Fourth European Work shop on Multi Agent Systems Lisbon Portugal Barteneva et al 2007 Daria Barteneva Luis Paulo Reis amp Nuno Lau 2007 Bilayer Agent Based Model Of Social Behavior How Temperament Influence On Team Per formance In L Zelinka Z Oplatkov and A Orsoni eds Proceedings of the
106. ssim sucessivamente tabela 1 De uma forma simplificada cada classe comporta se como uma caixa negra que reage mediante a entrada de dados produzindo resultados de sa da que podem vir a alimentar a entrada de dados de outras classes a modelar pelo sistema CAP TULO 3 REDE DE SIMULA O ECOSIMNET 32 Tabela 1 Exemplo Nomes de Classes e Vari veis do EcoDynamo Class Type Classes Wind speed forcing functions Air temperature Air temperature Water temperature Irradiative fluxes and balance between water atmosphere and water temperature Light intensity Total and photo synthetically active radiation PAR Tide object Tidal height Classes Hydrodynamics 2D Sea level current speed and direction providing state variables Sediment biogeochemistry Inorganic nitrogen phosphorus and oxygen sediment adsorbed inorganic phosphorus organic phosphorus nitrogen and carbon Dissolved substances Ammonia nitrate and nitrite inorganic phosphorus and oxygen Suspended matter TPM POM POC PON POP and extinction coefficient Phytoplankton Phytoplankton biomass chlorophyll productivity and cell nutrient quotas Enteromorpha sp and Ulva Macroalgae biomass productivity and cell nutrient Sp quotas Zostera noltii Macrophyte biomass and numbers cell nutrient quotas and demographic fluxes Clams Ruditapes Clam size biomass density filtration feeding decussatus assimilation and scope for growth A aplica o permite ao
107. sticos e Cont nuos ou Discretos 2 1 Simula o de Modelos Apesar do reconhecimento das potencialidades da modela o enquanto ferramenta de suporte decis o necess rio ter em conta que como modelo uma representa o abstracta da realidade logo n o cont m todos os aspectos do sistema O modelador tem de ter a no o dessa caracter stica na an lise dos resultados da simula o Os resultados devem ser observados com a mesma abstrac o da realidade Na formula o matem tica um modelo num dom nio cient fico tem cinco componentes Jorgensen et al 2001 e Vari veis externas ou fun es fixas vari veis ou fun es que s o de natureza externa ao sistema mas que interagem com este influenciando o estado do ecossistema sistema e Vari veis de sistema como o nome indica s o vari veis que descrevem o estado do ecossistema A selec o das mesmas s o cruciais na estrutura do modelo mas normalmente a sua escolha bvia Normalmente os resultados da simula o s o expressos segundo valores para as vari veis de sistema outputs CAP TULO 2 SIMULA O ECOL GICA 10 Equa es matem ticas s o usadas para representar os processos biol gicos qu micos e f sicos Descrevem as rela es entre as fun es fixas e as vari veis de sistema O mesmo tipo de processos pode ser encontrado em diferentes contextos o que implica que a mesma equa o pode ser usada em diferentes modelos Exemplo
108. t o Par metros 7 passo escolha do nome do ficheiro de output Escolha do nome do ficheiro de output a criar como output dos resultados A representa o depende se se coloca o visto na caixa save to file assim como do algoritmo de optimiza o utilizado ANEXOI MANUAL DO UTILIZADOR 77 8 passo escolha do algoritmo de calibra o Escolha do algoritmo de calibra o e personaliza o dos campos associados ao algoritmo Tem um tabulador para cada algoritmo Por defeito ja aparecem valores listados Main Hill Climbing Simulated Annealing Genetic Algorithm 5 Criteria Stop Minimum Error 0 0 01 Conversion factor K 1 Initial Temperature 1 Delta 10 Iteration Number B5 Iteration Success 08 Temp Step Figura 24 interface defini o caracter sticas m todos optimiza o 9 Passo In cio processo de calibra o Calibration Agent Ecodynamo Version 0 2 Ele Specs Simulation Helo Calibration GRAPH 1 Calibration Data File 3 Output Time Specs Tog OK Begin Simulation 124381 0 510 060 210 2 4 68149 0 5 0 06 0 1 0 2 m Warming SIMULATION RUNNING W aming Hill climbing 8 1 waming End Simulation Process 469149 D5 O 5 0 1 0 2 2 79403 0 4 I0 06 0 110 2 Waming Initialise Model OK End Calibration Process 0 Main Hill Climbing Simulated Annealing Genetic Algorithm
109. t o ceterae 28 3 3 ECOLANG Linguagem de Comunica o para Redes de Simula o Ecol gicas 33 3 4 Desenvolvimento de Agentes Inteligentes rrenan 37 3 3 Gonclusoes sa a pei e d erede erede sate eo ee nee 38 Projecto e Implementa o 39 Al ATQUILOC UTA se tita E 40 4 2 Tecnologlga ie ete eee ADO ee eee ER m uu u Sa 41 4 3 ua RE PE ER ua qaa gasas 43 4 3 L Funcao de Avaliacao inire aaa ag bt e tte 44 4 3 2 Implementa o Hill Climbing eene nennen 45 NDICE 4 3 3 Implementa o Arrefecimento Simulado 4 3 4 Implementa o Algoritmo Gen tico eee 47 Concl sOess ee ette tee ete eoe eere Beda na 5 Resultados e An lise 5 1 Modelo S Resultados o e apu 5 2 Modelo Ba a Sangoo nennen nennen 9 251 m a ua u 5 3 Gornclusoes si naykin us m eh IN AA 6 Conclus es e Perspectivas de Desenvolvimento Refer ncias Bibliogr ficas Anexo 1 Manual do Utilizador Anexo 2 Lista de Classes 49 49 50 60 62 66 67 69 73 78 LISTA DE FIGURAS XI Lista de Figuras FIGURA 1 ABORDAG
110. tais sistemas em uma variedade de condi es O uso de simula es est geralmente associado necessidade de compreens o de como determinado sistema se comporta sob a influ ncia de vari veis de ambiente e caso sejam alterados verificar se estes melhoram o desempenho O processo de calibra o dentro da simula o de modelos uma ferramenta importante no estudo de altera es no sistema sendo muitas vezes recombina o de par metros avaliando se o novo conjunto de valores mais adequado Para ajudar a resolver este problema um grande n mero de m todos de optimiza o t m sido desenvolvidos Estes m todos podem ser usados para encontrar o melhor conjunto de par metros para uma determinada simula o CAP TULO 1 INTRODU O 3 O processo de optimiza o de par metros de simula o apesar de muito discutido e investigado mas que ainda uma rea muito activa e com enorme potencial V rios algoritmos t m sido desenvolvidos e estudados ao longo dos anos tais como aproxima o estoc stica arrefecimento simulado e pesquisa tabu No entanto na maioria das vezes estes algoritmos s ir o optimizar uma simula o para um determinado cen rio est tico Caso o cen rio evolua com o tempo ou espacialmente a optimiza o de par metros provavelmente ir mudar 1 2 Objectivos O principal objectivo deste trabalho o desenvolvimento de um agente de calibra o que consiga automaticamente ca
111. tamb m designados por modelo ic nicos Contudo a maioria dos modelos s o matem ticos representando o sistema em termos l gicos e quantificando as rela es podendo desta forma fazer as altera es no modelo observando as suas reac es caso seja um modelo v lido Eykhoff 1974 Ap s constru do o modelo matem tico este deve ser examinado para verifica o se os resultados obtidos v o ao encontro das quest es estipuladas inicialmente acerca do sistema Caso o modelo seja simples poss vel trabalhar com as suas rela es e quantidades de forma a obter uma solu o anal tica Exemplo de um modelo simples matem tico a determina o da dist ncia d v t em que v a velocidade e o t o tempo Com este modelo caso tenhamos conhecimento da dist ncia a percorrer e da velocidade podemos utilizar o modelo para obter o t Apesar de este modelo ser simples de calcular existem outros em que as solu es anal ticas s o complexas requerendo carga computacionais acrescidas Com o aumento das necessidades e complexidade dos sistemas a valida o dos modelos matem ticos torna se um processo complexo n o podendo as suas solu es ser expressas em termos anal ticos Desta forma o modelo deve ser simulado isto devem ser observados os resultados outputs das f rmulas matem ticas tendo em conta a performance do sistema fazendo altera es nas entradas inputs do modelo 2 Simular segundo
112. tema aqu tico for ando a movimenta o de guas ricas em nutrientes org nicos e minerais derivado da agricultura dos afluentes urbanos e industriais assim como dos esgotos dom sticos Duarte et al 2007b As estrat gias levadas a cabo para o desenvolvimento sustentado dos ecossistemas devem incluir todos os interesses de cada regi o e devem explicar com a maior clareza poss vel a tomada das decis es e os benef cios que ir o cumprir a m dio e a longo prazo para cada ecossistema Essas estrat gias podem incluir objectivos a curto prazo quando est em causa a reposi o do equil brio ambiental mas devem ser elaboradas tendo em conta gera es futuras Modelos de ecossistemas aqu ticos incluem processos bioqu micos tais como a fotoss ntese o ciclo de nutrientes assim como o processo de transporte tornando os CAP TULO 2 SIMULA O ECOL GICA 18 modelos complexos quer em representa o matem tica assim como no processo de calibra o dos seus par metros Muitos modelos matem ticos usados na ecologia s o baseados em simplifica es impl citas ou amb guas que nem sempre v o ao encontro das teorias aceites cientificamente Isto origina resultados incertos devido incerteza associada aos par metros do modelo aos valores de entrada e em alguns casos at na estrutura do modelo Scholten et al 1998 No dom nio da modela o de ecossistemas ecol gicos diferentes modelos podem incluir d
113. ts The major experience conclusions use of parameter sensibility for understand parameters values boundaries and its weight into evaluation formula The use of the traditional optimization methods describe before permit to achieve a good solution within an acceptable time This tool helps human expert into model calibration process Aos meus pais Agrade o pelo que sou hoje e o que poderei ser amanh Agradecimentos Na elabora o deste trabalho foram v rios os que contribu ram para que fosse poss vel atingir o fim desta disserta o Em primeiro lugar agradecer ao meu orientador Professor Doutor Lu s Paulo Reis pela proposta deste tema pela paci ncia e sapi ncia que demonstrou ao longo deste per odo N o podia deixar um agradecimento especial ao Ant nio Pereira que desde o in cio evidenciou grande profissionalismo empenhamento e companheirismo ao longo do projecto Agrade o ao Professor Pedro Duarte pelo tempo dispendido na prepara o do modelo Predador Presa para o Simulador EcoDynamo assim como da introdu o ao projecto ABSES Aos membros do LIACC NIAD amp R que proporcionaram as condi es necess rias para a realiza o deste projecto A todos os meus amigos Lara Raquel Ricardo Rui Susana Paulo Duarte entre outros que sempre me apoiaram nos momentos mais atribulados orientando me na direc o correcta Aos meus pais que sempre foram e s o a minha raz o de estar aqui n
114. um sobre o simulador Retomando o exemplo do agente produtor de moluscos cuja inten o a produ o da dita esp cie as suas percep es s o o resultado das ac es desenroladas que podem ser expressas em unidades de medida CAP TULO 3 REDE DE SIMULA O ECOSIMNET 37 3 4 Desenvolvimento de Agentes Inteligentes A comunica o entre o simulador EcoDynamo e os outros agentes aplica es de software presentes no sistema de simula o usualmente do tipo handshake express o utilizada nas reas das telecomunica es e tecnologias de informa o sendo um processo autom tico de negocia o que dinamicamente estabelece os par metros do canal de comunica es entre duas entidades antes da comunica o propriamente dita seguida do estabelecimento da liga o f sica do canal e transfer ncia normal da informa o Neste caso espec fico uma mensagem do tipo ac o espera receber uma resposta da aplica o destinat ria essa resposta vem na forma de uma percep o Apenas as mensagens espont neas e de registo enviadas pelo simulador n o necessitam de uma mensagem de retorno A primeira mensagem que cada agente realiza a inten o de se ligar ao simulador com a mensagem connect tal como demonstrado pela figura 11 ponto 1 O agente Calibration d se a conhecer ao servidor EcoDynamo indicando os valores da sua localiza o nome da m quina IP e porta de comunica o A resposta uma
115. utilizador seleccionar as classes que deseja simular atrav s da interface aumentando assim as possibilidades de teste de simula o figura 8 Os processos de simula o incluem e Hidrodin mica dos Sistemas Aqu ticos correntes mar timas e suas velocidades e Termodin mica equil brio entre a atmosfera e a superf cie aqu tica e sua temperatura e Bioqu mica interac o entre as esp cies biol gicas e os nutrientes e Press es antropog nicas tal como a recolha de biomassa As propriedades das caracter sticas do ecossistema est o descritas na base de dados do modelo que n o s o mais do que ficheiros de configura o podendo encontrar a CAP TULO 3 REDE DE SIMULA O ECOSIMNET 33 informa o representa o morfol gica e geom trica do modelo dimens o do modelo n mero de c lulas classes vari veis de sa da valores iniciais dos par metros e seus limites A comunica o entre os diferentes objectos que representam vari veis e processos respectivamente pode ser realizada atrav s da consola Permite obter um hist rico das interac es entre os diferentes objectos sendo uma ferramenta importante para o processo de aprendizagem introduzido anteriormente O utilizador pode escolher diferentes formatos de recolha de dados de simula o ficheiro gr fico ou tabela Estes formatos de recolha de dados s o compat veis com algumas das aplica es comerciais tais como o Software
116. utivos o que pressup e que a melhor solu o prevalece com o avan ar das gera es n o tendo o cruzamento de solu es ou a muta o de uma solu o produzido melhores resultados Neste algoritmo as muta es inseridas foram CAP TULO 5 RESULTADOS E AN LISE 57 de valores vizinhos da solu o escolhida aleatoriamente sendo apenas adicionado o valor do Passo para cima ou para baixo do valor de refer ncia Tabela 7 modelo Predador Presa com Algoritmo Gen tico pequenas muta es Genera Simula Simula Simula Simula Simula Simula Simula Simula Simula Simula tions tion 1 tion 2 tion 3 tion 4 tion 5 tion 6 tion 7 tion 8 tion 9 tion 10 0 21 9469 15 5283 7 5494 24 8073 25 7326 39 8630 20 1689 32 2713 8 5442 16 8121 1 21 9469 15 5283 7 5494 24 8073 25 7326 39 8630 20 1689 32 2713 8 5442 13 2541 2 3 1198 15 5283 7 5494 24 8073 25 7326 39 8630 20 1689 32 2713 8 5442 13 2541 3 3 1198 15 5283 7 5494 24 8073 25 7326 39 8630 20 1689 32 2713 8 5442 13 2541 4 3 1198 15 5283 6 6470 24 8073 25 7326 39 8630 19 1287 28 3145 8 5442 13 2541 5 2 9495 15 5283 6 6470 15 4829 25 7326 25 6746 18 8939 28 3145 8 5442 13 2541 6 2 9495 15 5283 6 6470 15 4829 25 7326 25 6746 18 8939 28 3145 8 5442 13 2541 7 1 3390 15 3660 6 6470 15 4829 25 7326 25 3378 18 8939 28 3145 8 5442 13 2541 8 1 0031 15 3660 6 6470 14 11

Calibração de Mode utilizando Agentes Metodologias de O

Contents

Download Pdf Manuals

Related Search

Related Contents

Calibra&ccedil;&atilde;o de Mode utilizando Agentes Metodologias de O

Contents

Download Pdf Manuals

Related Search

Related Contents

Calibração de Mode utilizando Agentes Metodologias de O