Biblioteca em Python para Métodos de Otimização Não Linear
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10348/11037 |
Resumo: | Num Problema de Otimização genérico, procura-se encontrar o ótimo de uma função de Otimização (obter o máximo ou o mínimo da função de Otimização), que é uma solução aproximada do Problema. Para obter o ótimo, faz-se uso de Métodos de Otimização, que sendo mais ou menos rápidos, procuram pelo ótimo da função. Em diversas áreas como a Engenharia, Química, Economia e outras, aparecem com frequência problemas onde as funções envolvidas (função objetivo e restrições) se apresentam sob diversas formas, como por exemplo as suas derivadas não serem conhecidas, terem expressões complexas, terem expressões analíticas que em alguns casos não podem ser determinadas ou pelo seu custo (temporal, monetário, computacional entre outros), esses problemas são designados de Problemas de Otimização sem uso de derivadas. Neste trabalho usam-se Métodos de Pesquisa Direta, que são métodos que fazem uso apenas dos valores das funções para chegar a uma solução ótima, enquanto comparam esses valores em determinados pontos durante a resolução do problema, sem usar derivadas, nem modelos que aproximem as derivadas das funções envolvidas. Os métodos usados neste trabalho foram os Métodos de Otimização sem Restrições, mais precisamente o Método de Pesquisa Coordenada, o Método de Nelder-Mead e o Método de Hooke e Jeeves. Com o grande desenvolvimento dos meios digitais e da Web, e com a ocorrência de um problema a uma escala global, como a pandemia, criou-se uma aplicação Web, a BeneSolution, um site que permite o registo de utilizadores dividindo-os segundo a sua profissão (Outros, Alunos ou Professores), o registo de novos problemas por partes dos Professores e a resolução de Problemas de Otimização Não-Lineares consoante o tipo de métodos presentes na base de dados do site por parte dos utilizadores. A metodologia utilizada para a implementação destes métodos foi feita com recurso à Tecnologia Python, já a criação e implementação da aplicação Web foi através da Tecnologia Django, uma framework Web Python de alto-nível. |
id |
RCAP_a689f1bed0dd2e1681e2930e167720be |
---|---|
oai_identifier_str |
oai:repositorio.utad.pt:10348/11037 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Biblioteca em Python para Métodos de Otimização Não LinearPythonDjangoNum Problema de Otimização genérico, procura-se encontrar o ótimo de uma função de Otimização (obter o máximo ou o mínimo da função de Otimização), que é uma solução aproximada do Problema. Para obter o ótimo, faz-se uso de Métodos de Otimização, que sendo mais ou menos rápidos, procuram pelo ótimo da função. Em diversas áreas como a Engenharia, Química, Economia e outras, aparecem com frequência problemas onde as funções envolvidas (função objetivo e restrições) se apresentam sob diversas formas, como por exemplo as suas derivadas não serem conhecidas, terem expressões complexas, terem expressões analíticas que em alguns casos não podem ser determinadas ou pelo seu custo (temporal, monetário, computacional entre outros), esses problemas são designados de Problemas de Otimização sem uso de derivadas. Neste trabalho usam-se Métodos de Pesquisa Direta, que são métodos que fazem uso apenas dos valores das funções para chegar a uma solução ótima, enquanto comparam esses valores em determinados pontos durante a resolução do problema, sem usar derivadas, nem modelos que aproximem as derivadas das funções envolvidas. Os métodos usados neste trabalho foram os Métodos de Otimização sem Restrições, mais precisamente o Método de Pesquisa Coordenada, o Método de Nelder-Mead e o Método de Hooke e Jeeves. Com o grande desenvolvimento dos meios digitais e da Web, e com a ocorrência de um problema a uma escala global, como a pandemia, criou-se uma aplicação Web, a BeneSolution, um site que permite o registo de utilizadores dividindo-os segundo a sua profissão (Outros, Alunos ou Professores), o registo de novos problemas por partes dos Professores e a resolução de Problemas de Otimização Não-Lineares consoante o tipo de métodos presentes na base de dados do site por parte dos utilizadores. A metodologia utilizada para a implementação destes métodos foi feita com recurso à Tecnologia Python, já a criação e implementação da aplicação Web foi através da Tecnologia Django, uma framework Web Python de alto-nível.In a generic Optimization Problem, we search for the optimal of na Optimization function (obtain the maximum or the minimum of a Optimization function), that is na aproximated solution of the problema. To find the optimal, we make use of Optimization Methods, that being more or less fast, search fot the optimal of the function. In many fields such as Engineering, Chemistry, Economics and others, problems often appear, where the involved functions (objective function and constrains) come in various forms, such as their derivatives not being know, have complex expressions, have analytical expressions that in some cases cannot be determined, have their cost (temporal, monetary, computacional, among others) very high, these problems are called Optimization Problems. In this work are used Direct Research Methods, which are methods that use only the values of the functions to arrive to a optimal solution, while comparing these values at certain points during the resolution of the problema, without using derivatives or models that an aproximation of the functions involved. The methods used in this work where the Optimization Methods without Constrains, more specifically the Coordinated Research Method, the Nelder-Mead Method and the Hooke and Jeeves Method. With the great development of the digital media and the Web, and with the occurence of a problem on a global scale, such as the pandemic, a Web application was created, BeneSolution, a website that allows the registration of the users according with their profession (Others, Students or Teachers), the registration of new problems by the Teachers and the resolution of Non-Linear Optimization Problems depending on the type of methods present in the website’s databse by all users. The technology used to the implementation of these methods was Python and the creation and implementation of the Web application was using Django Technology, a high-level Python Web framework.2022-02-22T15:47:34Z2021-11-05T00:00:00Z2021-11-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/10348/11037porRibeiro, Diogo Armando de Castroinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-02T12:56:31Zoai:repositorio.utad.pt:10348/11037Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:06:24.503352Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Biblioteca em Python para Métodos de Otimização Não Linear |
title |
Biblioteca em Python para Métodos de Otimização Não Linear |
spellingShingle |
Biblioteca em Python para Métodos de Otimização Não Linear Ribeiro, Diogo Armando de Castro Python Django |
title_short |
Biblioteca em Python para Métodos de Otimização Não Linear |
title_full |
Biblioteca em Python para Métodos de Otimização Não Linear |
title_fullStr |
Biblioteca em Python para Métodos de Otimização Não Linear |
title_full_unstemmed |
Biblioteca em Python para Métodos de Otimização Não Linear |
title_sort |
Biblioteca em Python para Métodos de Otimização Não Linear |
author |
Ribeiro, Diogo Armando de Castro |
author_facet |
Ribeiro, Diogo Armando de Castro |
author_role |
author |
dc.contributor.author.fl_str_mv |
Ribeiro, Diogo Armando de Castro |
dc.subject.por.fl_str_mv |
Python Django |
topic |
Python Django |
description |
Num Problema de Otimização genérico, procura-se encontrar o ótimo de uma função de Otimização (obter o máximo ou o mínimo da função de Otimização), que é uma solução aproximada do Problema. Para obter o ótimo, faz-se uso de Métodos de Otimização, que sendo mais ou menos rápidos, procuram pelo ótimo da função. Em diversas áreas como a Engenharia, Química, Economia e outras, aparecem com frequência problemas onde as funções envolvidas (função objetivo e restrições) se apresentam sob diversas formas, como por exemplo as suas derivadas não serem conhecidas, terem expressões complexas, terem expressões analíticas que em alguns casos não podem ser determinadas ou pelo seu custo (temporal, monetário, computacional entre outros), esses problemas são designados de Problemas de Otimização sem uso de derivadas. Neste trabalho usam-se Métodos de Pesquisa Direta, que são métodos que fazem uso apenas dos valores das funções para chegar a uma solução ótima, enquanto comparam esses valores em determinados pontos durante a resolução do problema, sem usar derivadas, nem modelos que aproximem as derivadas das funções envolvidas. Os métodos usados neste trabalho foram os Métodos de Otimização sem Restrições, mais precisamente o Método de Pesquisa Coordenada, o Método de Nelder-Mead e o Método de Hooke e Jeeves. Com o grande desenvolvimento dos meios digitais e da Web, e com a ocorrência de um problema a uma escala global, como a pandemia, criou-se uma aplicação Web, a BeneSolution, um site que permite o registo de utilizadores dividindo-os segundo a sua profissão (Outros, Alunos ou Professores), o registo de novos problemas por partes dos Professores e a resolução de Problemas de Otimização Não-Lineares consoante o tipo de métodos presentes na base de dados do site por parte dos utilizadores. A metodologia utilizada para a implementação destes métodos foi feita com recurso à Tecnologia Python, já a criação e implementação da aplicação Web foi através da Tecnologia Django, uma framework Web Python de alto-nível. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-11-05T00:00:00Z 2021-11-05 2022-02-22T15:47:34Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10348/11037 |
url |
http://hdl.handle.net/10348/11037 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137152416612352 |