Otimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIFESP |
Texto Completo: | https://repositorio.unifesp.br/xmlui/handle/11600/63626 |
Resumo: | A abordagem mais popular atualmente para ajudar o tomador de decisão durante o tratamento da incerteza em problemas de otimização linear e inteira tem o revés de necessitar de um parâmetro de controle de incerteza que nem sempre é de trivial escolha. Este trabalho apresenta três avanços nesta área: 1) Desenvolvimento de uma abordagem para resolver problemas de otimização sob incerteza, aplicando o método desenvolvido em um problema de otimização linear da Indústria 4.0 (empacotamento de largura de banda) e comparar com uma abordagem da literatura; 2) Modelagem e resolução de um problema não linear de localização 2D de alvos sob incerteza utilizando geometria de distância, comparando com uma abordagem da literatura e; 3) Criação de uma medida de qualidade baseada em factibilidade e validar em um problema de otimização linear clássico da literatura. O método de resolução de problemas de otimização sob incerteza proposto nesta tese, chamado de SIROM (Sampling-based multi-objective Iterative Robust Optimization Method), foi arquitetado para encontrar automaticamente soluções para problemas de otimização sob incerteza utilizando as informações obtidas durante um processo de simulação e agrupamento de soluções por semelhança. Sua aplicação ao problema de largura de banda obteve em 92,5% das instâncias resultados melhores ou iguais aos resultados da aplicação no método da literatura para o mesmo problema. A modelagem do problema de localização 2D de alvos considerou uma definição diferente do tipo de incerteza usada no modelo clássico da literatura e sua resolução encontrou menor erro de localização em 59% dos casos, além de menor tempo de execução. Além disso, foi criada uma nova medida de robustez, chamada Hardness, que considera a factibilidade de uma solução para qualquer realização dos parâmetros incertos, que, por considerar a diferença do grau de robustez entre as soluções, demonstrou ser mais clara do que as medidas de qualidade da literatura. |
id |
UFSP_7fbad8e3bf33432b1a94cbfd06e8c0e3 |
---|---|
oai_identifier_str |
oai:repositorio.unifesp.br:11600/63626 |
network_acronym_str |
UFSP |
network_name_str |
Repositório Institucional da UNIFESP |
repository_id_str |
3465 |
spelling |
Butkeraites, Renan Brito Cano [UNIFESP]http://lattes.cnpq.br/3494006054065503http://lattes.cnpq.br/3728820959678712http://lattes.cnpq.br/6568555460229412Salles Neto, Luiz Leduino de [UNIFESP]Lodwick, Weldon A.São José dos Campos, SP2022-03-24T12:24:56Z2022-03-24T12:24:56Z2021-03-10https://repositorio.unifesp.br/xmlui/handle/11600/63626A abordagem mais popular atualmente para ajudar o tomador de decisão durante o tratamento da incerteza em problemas de otimização linear e inteira tem o revés de necessitar de um parâmetro de controle de incerteza que nem sempre é de trivial escolha. Este trabalho apresenta três avanços nesta área: 1) Desenvolvimento de uma abordagem para resolver problemas de otimização sob incerteza, aplicando o método desenvolvido em um problema de otimização linear da Indústria 4.0 (empacotamento de largura de banda) e comparar com uma abordagem da literatura; 2) Modelagem e resolução de um problema não linear de localização 2D de alvos sob incerteza utilizando geometria de distância, comparando com uma abordagem da literatura e; 3) Criação de uma medida de qualidade baseada em factibilidade e validar em um problema de otimização linear clássico da literatura. O método de resolução de problemas de otimização sob incerteza proposto nesta tese, chamado de SIROM (Sampling-based multi-objective Iterative Robust Optimization Method), foi arquitetado para encontrar automaticamente soluções para problemas de otimização sob incerteza utilizando as informações obtidas durante um processo de simulação e agrupamento de soluções por semelhança. Sua aplicação ao problema de largura de banda obteve em 92,5% das instâncias resultados melhores ou iguais aos resultados da aplicação no método da literatura para o mesmo problema. A modelagem do problema de localização 2D de alvos considerou uma definição diferente do tipo de incerteza usada no modelo clássico da literatura e sua resolução encontrou menor erro de localização em 59% dos casos, além de menor tempo de execução. Além disso, foi criada uma nova medida de robustez, chamada Hardness, que considera a factibilidade de uma solução para qualquer realização dos parâmetros incertos, que, por considerar a diferença do grau de robustez entre as soluções, demonstrou ser mais clara do que as medidas de qualidade da literatura.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)164 f.porUniversidade Federal de São PauloOtimização robustaProgramação heurísticaIncerteza de mediçãoTomada de decisõesAdminsitraçãoOtimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicaçõesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESPInstituto de Ciência e Tecnologia (ICT)Pesquisa OperacionalORIGINALTese_Renan_Butkeraites_2021.pdfTese_Renan_Butkeraites_2021.pdfTese de doutoradoapplication/pdf7508962${dspace.ui.url}/bitstream/11600/63626/1/Tese_Renan_Butkeraites_2021.pdf29004c7f815af8c0fae5634a75c0f7fbMD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-85863${dspace.ui.url}/bitstream/11600/63626/2/license.txtbbbbcde31caa9bab1401cfa29b38c1ecMD52open accessTEXTTese_Renan_Butkeraites_2021.pdf.txtTese_Renan_Butkeraites_2021.pdf.txtExtracted texttext/plain352145${dspace.ui.url}/bitstream/11600/63626/6/Tese_Renan_Butkeraites_2021.pdf.txt39e11f49f90f90ce2114b269a4044098MD56open accessTHUMBNAILTese_Renan_Butkeraites_2021.pdf.jpgTese_Renan_Butkeraites_2021.pdf.jpgIM Thumbnailimage/jpeg4526${dspace.ui.url}/bitstream/11600/63626/8/Tese_Renan_Butkeraites_2021.pdf.jpg1e629eafbb2009c46a8959d414222403MD58open access11600/636262023-05-17 01:25:22.251open accessoai:repositorio.unifesp.br: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Repositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestopendoar:34652023-05-17T04:25:22Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false |
dc.title.pt_BR.fl_str_mv |
Otimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações |
title |
Otimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações |
spellingShingle |
Otimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações Butkeraites, Renan Brito Cano [UNIFESP] Otimização robusta Programação heurística Incerteza de medição Tomada de decisões Adminsitração |
title_short |
Otimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações |
title_full |
Otimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações |
title_fullStr |
Otimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações |
title_full_unstemmed |
Otimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações |
title_sort |
Otimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações |
author |
Butkeraites, Renan Brito Cano [UNIFESP] |
author_facet |
Butkeraites, Renan Brito Cano [UNIFESP] |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3494006054065503 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3728820959678712 |
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6568555460229412 |
dc.contributor.author.fl_str_mv |
Butkeraites, Renan Brito Cano [UNIFESP] |
dc.contributor.advisor1.fl_str_mv |
Salles Neto, Luiz Leduino de [UNIFESP] |
dc.contributor.advisor-co1.fl_str_mv |
Lodwick, Weldon A. |
contributor_str_mv |
Salles Neto, Luiz Leduino de [UNIFESP] Lodwick, Weldon A. |
dc.subject.por.fl_str_mv |
Otimização robusta Programação heurística Incerteza de medição Tomada de decisões Adminsitração |
topic |
Otimização robusta Programação heurística Incerteza de medição Tomada de decisões Adminsitração |
description |
A abordagem mais popular atualmente para ajudar o tomador de decisão durante o tratamento da incerteza em problemas de otimização linear e inteira tem o revés de necessitar de um parâmetro de controle de incerteza que nem sempre é de trivial escolha. Este trabalho apresenta três avanços nesta área: 1) Desenvolvimento de uma abordagem para resolver problemas de otimização sob incerteza, aplicando o método desenvolvido em um problema de otimização linear da Indústria 4.0 (empacotamento de largura de banda) e comparar com uma abordagem da literatura; 2) Modelagem e resolução de um problema não linear de localização 2D de alvos sob incerteza utilizando geometria de distância, comparando com uma abordagem da literatura e; 3) Criação de uma medida de qualidade baseada em factibilidade e validar em um problema de otimização linear clássico da literatura. O método de resolução de problemas de otimização sob incerteza proposto nesta tese, chamado de SIROM (Sampling-based multi-objective Iterative Robust Optimization Method), foi arquitetado para encontrar automaticamente soluções para problemas de otimização sob incerteza utilizando as informações obtidas durante um processo de simulação e agrupamento de soluções por semelhança. Sua aplicação ao problema de largura de banda obteve em 92,5% das instâncias resultados melhores ou iguais aos resultados da aplicação no método da literatura para o mesmo problema. A modelagem do problema de localização 2D de alvos considerou uma definição diferente do tipo de incerteza usada no modelo clássico da literatura e sua resolução encontrou menor erro de localização em 59% dos casos, além de menor tempo de execução. Além disso, foi criada uma nova medida de robustez, chamada Hardness, que considera a factibilidade de uma solução para qualquer realização dos parâmetros incertos, que, por considerar a diferença do grau de robustez entre as soluções, demonstrou ser mais clara do que as medidas de qualidade da literatura. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021-03-10 |
dc.date.accessioned.fl_str_mv |
2022-03-24T12:24:56Z |
dc.date.available.fl_str_mv |
2022-03-24T12:24:56Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.unifesp.br/xmlui/handle/11600/63626 |
url |
https://repositorio.unifesp.br/xmlui/handle/11600/63626 |
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 |
164 f. |
dc.coverage.spatial.pt_BR.fl_str_mv |
São José dos Campos, SP |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Paulo |
publisher.none.fl_str_mv |
Universidade Federal de São Paulo |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFESP instname:Universidade Federal de São Paulo (UNIFESP) instacron:UNIFESP |
instname_str |
Universidade Federal de São Paulo (UNIFESP) |
instacron_str |
UNIFESP |
institution |
UNIFESP |
reponame_str |
Repositório Institucional da UNIFESP |
collection |
Repositório Institucional da UNIFESP |
bitstream.url.fl_str_mv |
${dspace.ui.url}/bitstream/11600/63626/1/Tese_Renan_Butkeraites_2021.pdf ${dspace.ui.url}/bitstream/11600/63626/2/license.txt ${dspace.ui.url}/bitstream/11600/63626/6/Tese_Renan_Butkeraites_2021.pdf.txt ${dspace.ui.url}/bitstream/11600/63626/8/Tese_Renan_Butkeraites_2021.pdf.jpg |
bitstream.checksum.fl_str_mv |
29004c7f815af8c0fae5634a75c0f7fb bbbbcde31caa9bab1401cfa29b38c1ec 39e11f49f90f90ce2114b269a4044098 1e629eafbb2009c46a8959d414222403 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP) |
repository.mail.fl_str_mv |
|
_version_ |
1802764274516361216 |