Campus Salvador Dissertações
Use este identificador para citar ou linkar para este item: https://repositorio.ifba.edu.br/jspui/handle/123456789/501
Registro completo de metadados
Campo DCValorIdioma
dc.creatorBarreto, Ubiraci Alves Muniz-
dc.date.accessioned2023-12-21T17:11:45Z-
dc.date.available2023-11-30-
dc.date.available2023-12-21T17:11:45Z-
dc.date.issued2023-09-20-
dc.identifier.citationBarreto, Ubiraci Alves Muniz. Alocação otimizada de estações rádio base para sistemas de radiocomunicação profissionais utilizando algoritmo baseado em enxame de partículas. Dissertação (Programa de Pós-Graduação em Engenharia de Sistemas de Produtos) -- Instituto Federal da Bahia, Salvador, 2023.pt_BR
dc.identifier.urihttps://repositorio.ifba.edu.br/jspui/handle/123456789/501-
dc.description.abstractA great challenge in the implementation of radiocommunication networks for Public Safety and Defense is obtaining an optimal positioning for the Radio Base Stations (RBSs). due to the number of variables needed to analyze these positions, this problem is recognized in the literature as of high computational complexity. Normally, to carry out the studies, only radio propagation forecasting tools were used. However, these solutions usually depend on the expe- rience and intuition of the designer to define the best location for the ERBs. In this work, we are presenting an alternative solution based on the heuristic method, known as particle swarm optimization, in which a function fitness is optimized considering weighted form, coverage and economy. The model of Longley - Rice propagation was used based on a comparison with medications performed in field. For a study region of 1,806 km2, the performance of the algo- rithm showed good results, when taken into account the modeling used, with the possibility of allocation of four ERBs with percentages greater than 90.pt_BR
dc.languageporpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia da Bahiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectRadiocomunicaçãopt_BR
dc.subjectEstação rádio basept_BR
dc.subjectEnxame de partículaspt_BR
dc.subjectRadio communicationpt_BR
dc.subjectBase Radio Stationpt_BR
dc.subjectGenetic Algorithmpt_BR
dc.titleAlocação otimizada de estações rádio base para sistemas de radiocomunicação profissionais utilizando algoritmo baseado em enxame de partículaspt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Silva, Fabrício Gerônimo Simões-
dc.contributor.advisor1ID7821553341191974pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7821553341191974pt_BR
dc.contributor.referee1Silva, Fabrício Gerônimo Simões-
dc.contributor.referee2Araújo, José Mário-
dc.contributor.referee2ID3279934192221716pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3279934192221716pt_BR
dc.contributor.referee3Assis, Karcius Day Rosário-
dc.contributor.referee3ID0117460865270656pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/0117460865270656pt_BR
dc.contributor.referee4Lima, Antonio Cézar de Castro-
dc.contributor.referee4ID5292493358061597pt_BR
dc.contributor.referee4Latteshttp://lattes.cnpq.br/5292493358061597pt_BR
dc.description.resumoUm grande desafio na melhoria da eficiência na implementação de redes de radiocomunicação para Segurança Publica e Defesa e a obtenção de um posicionamento ótimo para a Estação Radio Base. Devido ao número de variáveis necessárias para análise destas posições, este problema é reconhecido na literatura como de alta complexidade computacional. Normalmente, para realização dos estudos, são utilizadas ferramentas de predição da propagação de rádio. No entanto, estas solução dependem geralmente da experiência e intuição do projetista para definição da melhor localização para as Estações Rádio Base. Neste trabalho, é apresentada uma solução alternativa baseada no método meta-heurístico conhecido como otimização por enxame de partículas, em que uma função fitness é otimizada considerando de forma ponderada cobertura e economia. O modelo de propagação de Longley - Rice foi utilizado a partir de um comparativo com medições realizadas em campo. Para uma região de estudo de 1806 km2, o desempenho do algoritmo mostrou bons resultados, quando considerada a modelagem utilizada, com possibilidade de alocação de quatro Estações Rádio Base com percentuais superiores a 90% de cobertura.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentPrograma de Pós-Graduação em Engenharia De Sistemas e Produtos (PPGESP)pt_BR
dc.publisher.programMestrado Profissional em Engenharia de Sistemas e Produtos (PPGESP)pt_BR
dc.publisher.initialsIFBApt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.relation.referencesALENOGHENA, C.; EMAGBETERE, J.; AIBINU, A. M. Artificial intelligence based tech-nique for bts placement. IOP Conference Series: Materials Science and Engineering, v. 53, n. 13, 2013. ALMEIDA, B. S. G. de; LEITE, V. C. Particle swarm optimization: A powerful technique for solving engineering problems. In: SER, J. D.; VILLAR, E.; OSABA, E. (Ed.). Swarm Intelli-gence. Rijeka: IntechOpen, 2019. cap. 3. Disponível em: ⟨https://doi.org/10.5772/intechopen.89633⟩. AMARAL, C. T. do. Uma Analise do Modelo de Propagação ̧ao Longley-Rice sob a perspectiva de Ambientes Urbanos Localizados em Area de Clima Tropical. 8 p. Dissertac ̧ao (Mestrado) — Universidade Federal de Minas Gerais, Belo Horizonte, 2012. AMORIM1, L. O. et al. Base station placement across a simulated city using a biased random- key genetic algorithm. Universidade Federal de Alagoas (UFAL) Maceió – AL – Brazil, 2019. ANTUNES, E. et al. Soluções otimizadas para o problema de localização de máxima cobertura em redes militarizadas 4g/lte. In: . [S.l.: s.n.], 2021. BASTOS, E. A. Otimização de Seções Retangulares de Concreto Armado Submetidas a Flexo- ` Compressao Oblíqua Utilizando Algoritmos Geneticos. Dissertação (Mestrado) — UFRJ, Rio ̃de Janeiro, 2004. BELL, N.; OOMMEN, B. J. Particle field optimization: A new paradigm for swarm intelligence. In: . Richland, SC: International Foundation for Autonomous Agents and Multiagent Systems, 2015. ISBN 781450334136. BERNARDES, W. M. S. Algoritmo Enxame de Part ́ıculas Discreto para Coordenação de Relações Direcionais de Sobrecorrente em Sistemas Eletricos de Poência. Dissertação (Mestrado) — USP, São Carlos, 2013. BRANDÃO, M. A. L. Estudo de Alguns Metodos Determinísticos de Otimização Irrestrita. Dissertação (Mestrado) — Universidade Federal de Uberlândia, MG, 2010. CARVALHO, E. da C. R. Soluc ̧ao de Problemas de Otimizac ̧ ̃ ao com restric ̧ ̃ oes usando es- ̃ trategias de penalizac ̧ ́ ao adaptativa e um algoritmo do tipo PSO ̃ . Dissertac ̧ao (Mestrado), ̃ UFJF, Juiz de Fora, 2014. CASTRO, L. D. Fundamentals of natural computing: An overview. Physics of Life Reviews, v. 4, p. 1–36, 03 2007. CASTRO, L. D.; JOSe, F.; ZUBEN, A. A. von. Artificial immune systems: Part i-basic theory and applications. 01 2000. CAVALCANTE, G. A. Otimização de modelos de predição da perda de propagação aplicáveis em 3,5 GHz utilizando algoritmo genéticos . Dissertação (Mestrado) — UFRN, Natal/RN, 2010. ̃ CEKUS, D.; SKROBEK, D. The influence of inertia weight on the particle swarm optimization algorithm. Journal of Applied Mathematics and Computational Mechanics, v. 17, p. 5–11, 12 2018. CORTES, O. A. C. Implementado Algoritmos Geneticos em R ́ . 2017. Dispon ́ıvel em: https://medium.com/semper-evolutionis/implementado-algoritmos-gen\\%C3\\% A9ticos-em-r-845219a56984⟩. COSTA, V. O. Alocac ̧ao de Antenas para Rede Celular de 4G utilizando Algoritmos Memeticos ́ . Dissertac ̧ao (Mestrado), Universidade Federal do Tocantins Palmas, 2016. DIAS, M. H. C. Ferramenta de predic ̧ao de cobertura para planejamento de comunicações estaticas V/UHF ́ . Dissertacão (Mestrado), ITA, S ̃ ao Paulo, 2018. ̃ ELIAS, M. E. P. Comparac ̧ao entre Modelos Empiricos e Semi empiricos de predic ̧ ̃ ao de Co- ̃ bertura Movel Celular: Estudo de Caso em ambiente Outdoor ́ . Dissertac ̧ao (Mestrado), USP, ̃ Sao Carlos, SP, 2005. ̃ ERTEL, P. C. R. Uma abordagem cont ́ınua para o problema do caixeiro viajante. Dissertac ̧ao ̃ (Mestrado) — Universidade de Sao Paulo, S ̃ ao Paulo, SP, 2023. ̃ FILHO, F. G. S. da S. Otimizac ̧ao do Posicionamento de M ̃ ultiplas Small Cells em Ambien- ́ tes Outdoor da Regiao Amaz ̃ onica Utilizando Enxame de Part ˆ ́ıculas e Polinizac ̧ao de Flores ̃ . Dissertac ̧ao (Mestrado), UFPA / ITEC / PPGEE Campus Universit ̃ ario do Guam ́ a Bel ́ em-Par ́ a- ́ Brasil, 2019. GOEDERT, M. L.; FILHO, P. L. P.; BLANCO, D. R. Computac ̧ao natural: conceitos e ̃ aplicac ̧oes da computac ̧ ̃ ao inspirada na natureza. ̃ Revista Espacios, v. 38, p. 31, 03 2017. GOES, A. A. Redes 4G: Aplicac ̧ao de Modelos de Propagac ̧ ̃ ao ̃ . 2017. Dispon ́ıvel em: ⟨https: //www.teleco.com.br/tutoriais/tutorialredes4g/default.asp⟩. GOMES, C. R. Modelo de radio propagação em UHF para ambientes não homogêneos e climas distintos utilizando tecnica de aprendizagem de máquina. Tese (Doutorado), Universidade Federal do Para, 2015. ́ HAN, J. et al. Genetic approach with a new representation for base station placement in mobile communications. In: . [S.l.: s.n.], 2001. p. 2703 – 2707 vol.4. HAO, J.-K. A heuristic approach for antenna positioning in cellular networks. Journal of Heu- ristics, v. 7, p. 443–472, 2 HASSAN, R.; COHANIM, B.; WECK, O. de. A comparison of particle swarm optimization and the genetic algorithm. In: . [S.l.: s.n.], 2005. v. 2. HUFFORD, G.; LONGLEY, A.; KISSICK, W. A Guide to the Use of the ITS Irregular Terrain Model in the Area Prediction Mode. U.S Departament of Commerce Malcolm Baldrige - NTIA REPORT 82-100: [s.n.], 1982. ISABELA. O que sao algoritmos bioinspirados? ̃ https://www.ecycle.com.br/algoritmos- bioinspirados/: [s.n.], 2012. JUNIOR, E. N. Implantac ̧ao de algoritmo para an ̃ alise de radiopropagac ̧ ́ ao em aplicac ̧ ̃ oes de ̃ seguranc ̧a publica ́ . Dissertac ̧ao (Mestrado), Universidade Federal do Paran ̃ a, 2015. ́ JUNIOR, J. V. F. M. Comparac ̧ao de M ̃ etodos de dimensionamento em redes de distribuic ̧ ́ ao ̃ de agua ́ . Dissertac ̧ao (Mestrado) — Universidade Federal do Cear ̃ a, Fortaleza, 2012. ́ LEE, W. Mobile Cellular Telecommunications Systems. [S.l.]: McGraw-Hill Inc.,US, 1989. LEMOS, N. A. Caracterizac ̧ao de cobertura de sinais na faixa de 700 MHz em ambientes indoor. Dissertação(Mestrado) — Instituto Federal de Educação, Ciência e Tecnologia, Paraíba, 2016. LIESKA, K.; LAITINEN, E.; LAHTEENMAKI, J. Radio coverage optimization with genetic algorithms. In: Ninth IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (Cat. No.98TH8361). [S.l.: s.n.], 1998. v. 1, p. 318–322 vol.1. LONES, M. Sean luke: essentials of metaheuristics. Genetic Programming and Evolvable Ma- chines, v. 12, p. 333–334, 09 2011. LUZIA, L. F. Introduc ̧ao ao Escalonamento e Aplicac ̧ ̃ oes: Estudo sobre as Metaheur ̃ ́ısticas. Editora Unisonos: [s.n.], 2010. MACLENNAN, B. Natural computation and non-turing models of computation. Theor. Com- put. Sci., v. 317, p. 115–145, 06 2004. MILLONAS, M. M. Swarms, Phase Transitions, and Collective Intelligence. 1993. MONSHI, m.; ISLAM, S. M. Base station placement of mobile communication system-a par- ticle swarm optimization. In: . [S.l.: s.n.], 2012. MOREIRA, T. da C. Utilizac ̧ao de algoritmos gen ̃ eticos para otimizac ̧ ́ ao de modelos de ̃ predic ̧ao na cidade de Apodi - RN ̃ . Dissertac ̧ao (Mestrado), UFERSA, Pau dos Ferros, 2017. ̃ NASCIMENTO, F. et al. Meta-heur ́ıstica otimizac ̧ao por enxame de part ̃ ́ıculas aplicada ao planejamento florestal. In: . [S.l.: s.n.], 2013. p. 355–366. ISBN 9788564619104. OLIVEIRA, A.; MACULAN, N. Combinatorial optimization, combined algorithms and pro- blem positioning radio stations based wireless and mobile. In: . [S.l.: s.n.], 2015. OLIVIERI, B. P. Otimizac ̧ao do Projeto de Pontes Protendidas Pr ̃ e-Moldadas pelo Métodos dos ́ Algoritmos Geneticos ́ . Dissertac ̧ao (Mestrado) — UFRJ, Rio de Janeiro, 2004. ̃ OUAMRI, M. A. Base station placement optimization using genetic algortithm. International Journal of Computer Aided Engineering and Technology, v. 12, 05 2017. PATRIOTA, G. D. Modelo de Propagac ̧ao Outdoor para regi ̃ ao urbana densa na Cidade de ̃ Curitiba. Dissertac ̧ao (Mestrado), UFPR, Curitiba, 2011. ̃ PEREIRA, M. A. B. Analise de modelos de propagac ̧ ́ ao na ̃ area urbana da regi ́ ao de Curitiba ̃ – PR na faixa de frequ ̈encia de 1800 MHz ˆ . Dissertac ̧ao (Mestrado), Universidade Federal do ̃ Parana, 2007. ́ PEREIRA, M. B. Particle swarm optimization for base station placement. In: 2014 Internatio- nal Telecommunications Symposium (ITS). [S.l.: s.n.], 2014. p. 1–5. SARAMAGO, S. P. Tecnicas heur ́ ́ısticas de Otimizac ̧ao Aplicadas em Engenharia ̃ .https://seer.ufu.br/index.php/horizontecientifico/article/view/4425/3225: :text=S[s.n.], 2009. SECCHI, A. R. Otimizac ̧ao de Processos. Aulas Piloto ̃ . COPPE, UFRJ, Rio de Janneiro: [s.n.],2018. SERAPIAO, A. Fundamentos de otimizac ̧ao por intelig ̃ encia de enxames: Uma vis ˆ ao geral. ̃ Controle y Automacao, v. 20, p. 271–304, 07 2009. SHIGANG; ZHOU, F.; WANG, F. Effect of inertia weight w on pso-sa algorithm. International Journal of Online Engineering, v. 9, p. 87–91, 06 2013. SURIYA, A.; PORTER, J. D. Genetic algorithm based approach for rfid network planning. In: TENCON 2014 - 2014 IEEE Region 10 Conference. [S.l.: s.n.], 2014. p. 1–5. TAKAHASHI, R. H. C. Otimizac ̧ao Escalar e Vetorial Volume 2: Otimizac ̧ ̃ ao Escalar ̃ . Notas de Aula. UFMG. Belo Horizonte: [s.n.], 2007. TALAU, M. An approach for solving the base station placement problem using particle swarm intelligence. In: . [S.l.: s.n.], 2010. TARALDSEN, G. et al. Uncertainty of decibel levels. The Journal of the Acoustical Society of America, v. 138, 09 2015. THEVENOT, A. Particle Swarm Optimization Visually Explained.https://towardsdatascience.com/particle-swarm-optimization-visually-explained-46289eeb2e14: [s.n.], 2020. VALAVANIS, I. et al. Base-station location optimization for lte systems with genetic algo- rithms. In: . [S.l.: s.n.], 2014. VALENTE, A.; RODRIGUES, J.; PINHEIRO, M. Otimizac ̧ao de modelos de perda de ̃ propagac ̧ao da rede lte 1800 mhz utilizando algoritmo gen ̃ etico. In: . [S.l.: s.n.], 2016. ́ VENKATASESHAIAH, C.; ARUMUGAM, M. S. Particle swarm optimization with various inertia weight variants for optimal power flow solution. Hindawi Publishing Corporation, v. 10, 08 2010. VINCENTY, T. Direct and inverse solutions of geodesics on the ellipsoid with application of nested equations. Survey Review, XXII, 176, 1975. WANG, D.; TAN, D.; LIU, L. Particle swarm optimization algorithm: an overview. Soft Com- puting, v. 22, 01 2018. YACOUB, M. D. Foundations of mobile radio engineering. [S.l.]: CRC Press, 1993. YANGYANG, Z. et al. Particle swarm optimization for base station placement in mobile com- munication. In: . [S.l.: s.n.], 2004. v. 1, p. 428 – 432 Vol.1. ISBN 0-7803-8193-9.pt_BR
Aparece nas coleções:Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissert_Ubiraci Barreto_PPGESP.pdfDissertação12.61 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons

Ferramentas do administrador