Otimização de algoritmo evolucionário multiobjetivo paralelo para a geração automática de projetos de iluminação de áreas externas [thesis]

Hugo Rocha
Rocha, H. X. Optimization Evolutionary algorithms Multiobjective parallel to generate automated Lighting outdoors designs.. 112 p. Ph.D. Thesis -Faculty of Electrical Engineering, Federal University of Uberlândia, 2015 . This paper presents the study of Parallel Multiobjective Evolutionary Algorithms to enable the automation of exterior lighting designs by computers and results in an optimized version of the algorithm. The resulting algorithm basically works with variable length chromosomes and
more » ... gth chromosomes and for which intrinsic operators of crossover and mutation were created. The fitness function was determined through a statistical evaluation method (difference of means), thus enabling the comparison of how different options of fitness functions could impact the performance of the proposed parallel multi-objective evolutionary algorithm. The chosen fitness function enables to develop more efficiently automated designs for exterior lighting. Moreover, adding to the proposed evolutionary algorithm, an application was developed in which the user chooses which the heights of the poles, lamps and fixtures to use and also the layout of the area to be illuminated (allowed to be irregular). Within this area, can be defined sub-areas where there are restrictions on the placement of lighting poles. The user must be set average illumination with a respective tolerance range, though. As a case study, the area of an airport parking lot in the city of Uberlândia-MG (Brazil) is presented. Evolved designs present a low coefficient of variation evaluated for 30 runs. This demonstrates that the system is converging on designs for similar metrics. By identifying the worst and the best of designs achieved by the system for those executions, one could note that there are savings regarding installed capacity when compared to the design of reference: 37.5 % for the worst evolved design and 50.0 % for the best evolved design. Also, evolved designs have better lighting uniformity and energy efficiency, as well as their respective quantities of lighting poles have decreased. Keywords: Lighting. Parallel programming. Evolutionary algorithms multiobjective parallel. NSGA-II. Chromosome variable. Palavras-chave: Iluminação. Programação paralela. Algoritmos Evolucionários multiobjetivo paralelos. NSGA-II. Cromossomo variável. Específico J Escolha estatística da função de aptidão; J Aplicação de caso de estudo, para análise de viabilidade; J Aplicação de caso de estudo com componentes disponíveis comercialmente. Técnicas para apoiar os objetivos específicos J Configurar um cluster de computadores; J Configurar um servidor de serviços Web Apache AXIS ; J Construir um serviço Web para fazer a ligação entre o algoritmo evolucionário multiobjetivo e a aplicação cliente; J Construir uma aplicação cliente que permita ao usuário entrar com os dados e receber do cluster o projeto de iluminação pronto. Interface (MPI). Como os sistemas de software são de livre distribuição, o projeto Beowulf foi criado usando o paradigma mais recente de Pile-of-PCs (PoPC) (ROCHA, 2003): J Uso de componentes disponíveis no mercado; J Processadores dedicados, ao invés de usar tempo ocioso de estações; J Rede de sistema privada (system area network -SAN ); J Nenhum componente feito sob encomenda, de modo a facilitar a replicação; Paralelismo Explícito O paralelismo diz-se explícito quando cabe ao programador(KIRBY; KARNIADAKIS, 2003): J Anotar as tarefas para execução em paralelo; J Atribuir (possivelmente) as tarefas aos processadores; J Controlar a execução, indicando os pontos de sincronização; J Conhecer a arquitetura dos computadores de forma a conseguir o máximo desempenho (aumentar localidade, diminuir comunicação, etc). Esses recursos computacionais podem incluir: J Um único computador com múltiplos processadores; J Um número arbitrário de computadores ligados por rede; J A combinação de ambos. dade e ao fato de ser uma ferramenta de desenvolvimento livre e, portanto, não requer a compra de licenças. No sistema proposto, a aplicação cliente utiliza o serviço Web para enviar e receber informações do front-end que é o computador principal do cluster. Ao receber os parâmetros da aplicação cliente, o serviço Web inicia a execução do AE que foi construído em C/C++ passando os parâmetros necessários para o seu funcionamento. O serviço Web, a partir da utilização de threads, fica esperando o programa em C++ terminar de rodar o AE. Ao fim da execução, o programa envia para o serviço Web os resultados que são repassados ao programa cliente. Dados recebidos pelo serviço Web: J Curvas fotométricas das luminárias escolhidas; J Área a ser iluminada; J Área onde podem ser fixados postes; J Lâmpadas escolhidas; J Conjunto de lâmpadas e luminárias compatíveis; J Postes escolhidos; J Percentagem da população que fará cruzamento; J Percentagem da população que fará mutação; J Tamanho da população; J Número de gerações; J Iluminação ideal; J Tolerância aceita no processo de iluminação; J Tipo de migração; J Percentagem da população que fará a migração; J Tipo de seleção; J Caso o tipo de seleção seja o torneio, será repassada a percentagem de elementos que participarão deste. Também será enviado um valor para determinar o mínimo de elementos que poderão participar; J Percentagem da população que participará do elitismo. Capítulo 4. Soluções desenvolvidas para programação paralela remota 63 O dado enviado como resposta pelo serviço Web é um cromossomo que contém: J lista de pares (poste, conjunto luminária-lâmpada); J Posição em que cada poste será fixado; J Ângulo de rotação de cada luminária ( ) em relação ao poste no plano horizontal. Cliente Java A aplicação cliente é dividida em duas partes principais, uma dedicada ao registro de dados, e a outra dedicada ao desenvolvimento de projetos de iluminação pública otimizada. Manipulação de dados Na parte referente ao cadastro de dados, Figura 22, é possível manipular (incluir, apagar e modificar) os seguintes dados: J Tipos de poste; J Tipos de lâmpadas; J Tipos de luminárias; J Área a ser iluminada. Figura 22 -Programa Java cliente. Capítulo 4. Soluções desenvolvidas para programação paralela remota 64 4.4.1.1 Manipulação de tipos de postes Os postes, Figura 23, têm os seguintes parâmetros que podem ser manipulados: J Descrição do poste; J Altura de montagem da lâmpada no poste em relação ao plano de trabalho. Figura 23 -Manipulação de dados do Poste. 4.4.1.2 Manipulação de tipos de lâmpadas As lâmpadas, Figura 24, têm os seguintes parâmetros que podem ser manipulados: J Nome da lâmpada; J Nome do fabricante; J Tipo de lâmpada; J Potência da lâmpada em Watts; J Fluxo luminoso em Lumens; J Comprimento da lâmpada em milímetros; J Diâmetro da lâmpada em milímetros; J Tipo de base da lâmpada. Um projeto de iluminação tem número ótimo indeterminado de fontes de luz no campo de visão. Para garantir uma maior varredura em um campo de quase infinitas soluções, precisamos de cromossomos com características especiais. O sistema proposto é uma variante dos algoritmos genéticos clássicos (HOLLAND, 1992; GOLDBERG, 1989 )e utiliza, neste trabalho, um genótipo de tamanho variável para representar uma solução candidata. Características do Algoritmo Evolucionário (AE) desenvolvido: J É baseado em Algoritmos Genéticos; J Arquitetura paralela multiple instructions multiple data (MIMD) fracamente acoplada: uso do modelo coarse-grained (granularidade grossa), também conhecido como modelo de ilhas, com implementação em um cluster de computadores; J A Migração entre as ilhas é realizada depois de um determinado número de gerações. Os elementos que sofrerão migração são escolhidos pelo método do torneio e a ilha para qual eles migram é escolhida de forma aleatória. J Orientado para Computer-automated design (CAutoD) (KAMENTSKY; LIU, 1963), ou seja, diferentes indivíduos representam projetos diferentes; J Utiliza como genótipo uma representação real bidimensional de tamanho variado (lista de listas) contendo informações de cada conjunto de iluminação (componentes), ângulo de rotação do braço do poste e respectivas posições de instalação; J Possui operadores genéticos dedicados: a recombinação opera com lista de listas e a mutação garante a convergência em tempo infinito; J O fenótipo de um indivíduo é o resultado da simulação do projeto de iluminação por ele representado e aplicado a uma área de interesse pré-definida; J Modelo paralelo: de Granularidade Grossa (também conhecido como modelo de ilhas); J Modelo de migração: aleatório (todas as ilhas ligadas) -taxa de migração de 1% ocorrendo a cada 10 gerações; J Probabilidade de cruzamento : 85%; J Probabilidade de mutação : 15% ; J Máximo número de gerações: 50; J Tamanho da população : 20.000 (dividido em 500 indivíduos por ilha) ; J Estratégia de classificação da aptidão: crowding distance dos indivíduos não dominados. ; J Estratégia de seleção dos pais: Torneio com 1% dos indivíduos (Mínimo de 5 indivíduos) ;; J Estratégia de redução dos indivíduos: Sobrevivência dos melhores indivíduos. Resultados e discussão Esta seção apresenta alguns resultados. Serão utilizadas duas áreas distintas com o objetivo de validar os projetos gerados pelo sistema proposto.
doi:10.14393/ufu.te.2015.145 fatcat:tolov55afvaqpiz2ve3a6wbg5u