Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Algoritmi genetici per l'ottimizzazione ed il controllo dell'uso di energia elettrica

La seguente tesi è nata come un lavoro di analisi e ricerca effettuato come tirocinio presso il Gruppo Loccioni, azienda che da anni collabora con l’Università di Camerino. Mosso da una esigenza propria e spinto dal mio tutor aziendale, Alessandro Olivi, ho incentrato questo lavoro sulla ricerca di una possibile integrazione tra lo sviluppo tecnologico ed il rispetto per l’ambiente mediante l’ausilio informatico.
In questo ambito, studiare gli algoritmi genetici è stato un modo per capire quanto in certi casi, l’informatica, riesca ad avvicinarsi alla vita stessa, addirittura simulando il funzionamento dell’evoluzione genetica umana. L’applicazione dei suddetti algoritmi è diffusa in diversi ambiti, da quelli puramente matematici, fino a quelli industriali e commerciali, ma non sono stati ancora studiati ai fini di ottimizzazione dei consumi; in questo contesto nello specifico, nel consumo di energia elettrica.
Dopo una introduzione che spiega come viene prodotta e reperita energia elettrica si vedranno come le fonti energetiche attualmente disponibili non sono infinite, si discuteranno di tecnologie alternative emerse negli ultimi decenni che tuttavia non sono ancora diffuse e di altre che sono ancora in fase di sviluppo, ma nessuna delle quali, per il momento, in grado di soddisfare il fabbisogno mondiale di energia. Nasce dunque l’esigenza di risparmiare energia elettrica nelle amministrazioni statali, nelle industrie ed anche in ambienti casalinghi. In questo senso molte sono le campagne e le iniziative in tutto il mondo che incentivano un consumo critico dell’energia elettrica ma, in che modo ottimizzare i consumi ad esempio in casa? Quanto dovremmo privarci di determinate abitudini che abbiamo, quali sono i casi in cui potremmo fare a meno di usare un elettrodomestico? A questa domanda, corrispondono molte risposte, è soggettivo infatti quanto ognuno di noi è predisposto a sacrificare le proprie abitudini e le proprie comodità per donarsi all’ambiente. In questo contesto si studierà un modo, però, per tentare di risparmiare energia elettrica pur non compromettendo le abitudini quotidiane, in questo senso si cercherà, di ottimizzare il lavoro di un elettrodomestico, in base al suo uso e cercare di eliminare quei consumi superflui che non comportino grandi cambiamenti al comportamento abituale. Come capire, però, quali sono le abitudini di una persona?
Sappiamo che molte delle sue azioni vengono eseguite grosso modo tutti i giorni alla stessa ora, ma altre possono cambiare in maniera imprevedibile, come imprevedibile è il comportamento umano. L’algoritmo che meglio si accosta alla natura umana in se stessa, è proprio un tipo di algoritmo genetico, che si adatta in base agli stimoli esterni cambiando lentamente la sua soluzione avvicinandosi ad una soluzione ottima per un dato comportamento. In questo modo potremmo capire in linea di massima le ore in cui i singoli apparecchi vengono usati e tenerli accesi solo in quei periodo, evitando i sprechi dovuti ai consumi in stand-By nelle ore di inutilizzo. Questa soluzione, seppur portando un miglioramento dei consumi ridotto (circa un 10% ) contribuirebbe a rallentare in qualche modo il deturpamento delle risorse terrestri nella speranza che un giorno, fonti rinnovabili e nuove tecnologie riescano a trovare una soluzione definitiva ai problemi ambientali.
Ritengo infatti fondamentale, per il nostro progresso che, con l’avanzare delle ricerche, la tecnologia venga vista come un modo per avvicinarsi all’ambiente, e non per distruggerlo, per far sì, quindi, che non sia solo l’essere umano a crescere, ma l’intero sistema in cui abitiamo.

Mostra/Nascondi contenuto.
2. AlgoritmiGenetici 2.1 GlialgoritmiGenetici 2.1.1 DeVnizione Un algoritmo genetico (comunemente chiamato GA) può essere deVnito come un metodo euristico ed adattativo di ricerca, i suoi obiettivi sono quelli di trovare soluzioni vere o ap- prossimative di ottimizzazione e ricerca di un problema. Gli algoritmi genetici sono ispirati al principio della selezione naturale di Charles Darwin, che regola l’evoluzione biologica secondoiprincipidellagenetica. 2.1.2 Storia Lostudioelasimulazionedell’evoluzionebiologicatramitecomputerhainizionel1950,dopo 15annidiricercheRechenberg(1965,1973)introdusseilconcettodievoluzionestrategica,che fù poi espanso grazie all’apporto di Schwefel (1975, 1977). I loro studi portarono tre studiosi del periodo, Fogel, Owen e Walsh (1966) a sviluppare la prima tecnica di programmazione evolutiva, anch’essa ispirata all’evoluzione naturale, ma non alla genetica. Durante questi annimoltialtriscenziatihannolavoratosutematichequalil’apprendimentoautomaticoegli algoritmi ispirati dall’evoluzione, tra di questi possiamo trovare Box (1957), Friedman (1959), Bledose(1961),Bremermann(1962)eReed,ToomseBarricelli(1967). [7]Inognicasoilpadre deglialgoritmigenetici(GA)èstatosicuramenteJohnHolland,cheliinventònel1960elisvi- luppò nel corso degli anni insieme ad un gruppo di studenti e colleghiVno allaVne del 1970. Laricercasuquestotipidialgoritmi,inognimodo,rimaseunostudioteoricoVnoametàdegli anni ottanta, quando ci fù la prima conferenza internazionale sugli algoritmi genetici, David Goldberg,fedelestudentediHolland,diedeuncontributonotevoleall’aUermazionediquesto nuovo metodo, che viene tuttora usato in ambito informatico, ingegneristico, Vnanziario ed ovviamente nel campo delle scienze sociali e naturali. L’obiettivo origiario di Holland, non era quello di trovare soluzioni a speciVci problemi, piuttosto voleva studiare formalmente il fenomeno dell’adattamento così come avviene in natura cercando di importarlo nei sistemi informatici. Holland spiega come passare da una popolazione iniziale di cromosomi ad una nuova, più adatta all’ambiente in cui risiede, usando un meccanismo di selezione naturale e deglioperatorigeneticidicrossover,mutazioneedinversione. 2.1.3 ApplicazionideiGA Gli algoritmi genetici possono trovare applicazione in un gran numero di ambienti, esempi più comuni si possono trovare, in informatica, in ingegneria, in economia, nella chimica, nella Vsica, nella matematica e nella statistica. Solitamente il loro utilizzo è Vnalizzato al raggiungimentodiunodeiseguentiobiettivi

Laurea liv.I

Facoltà: Scienze e Tecnologie Informatiche

Autore: Michele Cappannari Contatta »

Composta da 79 pagine.

 

Questa tesi ha raggiunto 969 click dal 26/04/2011.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.