Nonconvexity in optimal control problems: an approach by automated numerical simulations

• Autor(a) principal: Resende, Ranulfo Acir de Oliveira
• Data de Publicação: 2018
• Tipo de documento: Tese
• Idioma: eng
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/154487
• topic: Optimization; Optimal control; Mathematical modeling; Numerical simulation; Otimização; Controle ótimo; Modelagem matemática; Simulação numérica

Esta Tese de Doutorado é composta pelo estudo da aplicação de simulações numéricas automatizadas para solucionar problemas de controle ótimo (PCO) não convexos. Um algoritmo para tratar PCOs não convexos é apresentado como a principal contribuição da Tese. Outra contribuição, a estrutura ASAF - Automated Simulation and Analysis Framework, codificada em linguagem Python e baseada em modernas ferramentas de modelagem, simulação, JModelica.org, e otimização, Interior-Point Optimizer (IPOPT), é utilizada como auxílio para aplicação do referido algorítmo. O algoritmo proposto foi testado de forma metodológica com escala métrica e quatro PCOs não convexos com soluções analíticas exatas conhecidas. A viabilidade de aplicação do algoritmo foi verificada por clássicos métodos estatísticos aplicados aos dados das simulações, alcançando-se os resultados esperados e fundamentando-se a possibilidade de se tratar PCOs não convexos de soluções desconhecidas. Assim, esta Tese apresenta uma contribuição relevante para o tratamento de PCOs não convexos, ao propor um algoritmo para, com uso eficaz dos crescentes recursos computacionais de metaprogramação e automatização, obter solução subótima recomendada aceitável. A mediana da efetividade do algoritmo é estimada, a partir de testes estatísticos, em 93%, com significância de 0,05 (95% de confiança).