Uma Introdução à Otimização sob Incerteza Aula 3 · 2014. 7. 28. · 3. Aceitar...

Uma Introdução à Otimização sob IncertezaAula 3

Bernardo Kulnig Pagnoncelli1 e Humberto José Bortolossi2

1Departamento de MatemáticaPontifícia Universidade Católica do Rio de Janeiro

2Departamento de Matemática AplicadaUniversidade Federal Fluminense

III Bienal da SBMUniversidade Federal de Goiás

6 a 10 de novembro de 2006

B. K. Pagnoncelli, H. J. Bortolossi Uma Introdução à Otimização sob Incerteza 1

Quem fez o dever de casa?(Exercício [05] do Capítulo 3)

A solução está valendo um chocolate!

Quem fez o dever de casa?

minimizarx1 + x2 + q1 Eω1 [(ω1 x1 + x2 − 7)−] + q2 Eω2 [(ω2 x1 + x2 − 4)−]

sujeito a x1 ≥ 0, x2 ≥ 0,

é equivalente a

minimizar g(x1, x2) = x1 + x2 + Q(x1, x2)

sujeito a x1 ≥ 0, x2 ≥ 0,

Q(x1, x2) = E[

miny1≥0, y2≥0

{q1y1 + q2y2

∣∣∣∣ ω1 x1 + x2 + y1 ≥ 7ω2 x1 + x2 + y2 ≥ 4

Otimização estocástica

Espere e Veja (Wait and See)

Aqui e Agora (Here and Now)

1. Eliminar incertezas.

2. Incorporar riscos nas restrições (chance constraints).

a. Níveis de confiabilidade individuais.

b. Nível de confiabilidade conjunto.

3. Aceitar inadmissibilidade penalizando déficits.

O problema da produção

Minimizar do custo de produção c x sob a restrição de que aprodução x atenda à demanda ω:

minimizar f (x) = c xsujeito a x = ω,

x ≥ 0,

A demanda ω é uma variável aleatória contínua não-negativa,com

1. Média: µ = E [ω].

2. Variância: σ2 = E[(ω − E [ω])2

3. Função distribuição: F (t) = P (ω ≤ t), com t ∈ R.

Minimizar do custo de produção c x sob a restrição de que aprodução x atenda à demanda ω:

minimizar f (x) = c xsujeito a x = ω,

x ≥ 0,

A demanda ω é uma variável aleatória contínua não-negativa,com

1. Média: µ = E [ω].

2. Variância: σ2 = E[(ω − E [ω])2

3. Função distribuição: F (t) = P (ω ≤ t), com t ∈ R.

Abordagem “espere e veja”Se o agente de decisão pode esperar pela realização dademanda ω antes de escolher o valor da produção x , então oproblema é fácil se resolver: x∗(ω) = ω e v∗(ω) = c x∗(ω) = c ω.

Abordagem “aqui e agora”

1. Abolir incertezasSubstituir ω por ω̂ = µ ou ω̂ = µ + ∆ (com ∆ = σ ou ∆ = 2 σ).

Probabilidade de que a demanda seja satisfeita (nível de serviço):

P (ω ≤ µ + ∆) = F (µ + ∆).

Abordagem “espere e veja”Se o agente de decisão pode esperar pela realização dademanda ω antes de escolher o valor da produção x , então oproblema é fácil se resolver: x∗(ω) = ω e v∗(ω) = c x∗(ω) = c ω.

1. Abolir incertezasSubstituir ω por ω̂ = µ ou ω̂ = µ + ∆ (com ∆ = σ ou ∆ = 2 σ).Probabilidade de que a demanda seja satisfeita (nível de serviço):

P (ω ≤ µ + ∆) = F (µ + ∆).

2. Incorporar riscos nas restriçõesConstruir uma restrição probabilística do tipo P (x = ω) ≥ αnão é conveniente.

Para valores adequados de α1 e α2, também não éconveniente construir restrições probabilísticas combinadas:

P (x ≥ ω) ≥ α1 e P (x ≤ ω) ≥ α2.

É preciso estabelecer prioridades: escolha α ∈ (1/2, 1) emodele o problema da mistura como

minx≥0

{cx | P (x ≥ ω) ≥ α} = minx≥0

{cx | x ≥ F−1(α)

}cuja solução é, evidentemente, x∗ = F−1(α).

P (x ≥ ω) ≥ α1 e P (x ≤ ω) ≥ α2.

minx≥0

{cx | P (x ≥ ω) ≥ α} = minx≥0

{cx | x ≥ F−1(α)

P (x ≥ ω) ≥ α1 e P (x ≤ ω) ≥ α2.

minx≥0

{cx | P (x ≥ ω) ≥ α} = minx≥0

{cx | x ≥ F−1(α)

3. Aceitar inadmissibilidade, penalizando desviosPenalizamos superávits e déficits:

Q(x) = E[h · (ω − x)− + q · (ω − x)+

z− =

{0, se z ≥ 0,

−z, se z < 0,e z+ =

{z, se z ≥ 0,0, se z < 0,

O problema original fica então assim:

minimizar f (x) = c x + Q(x)

sujeito a x ≥ 0,

3. Aceitar inadmissibilidade, penalizando desviosComo

f ′(x) = c + Q′(x) = c − q + (q + h) F (x),

segue-se que a solução ótima é dada por

x∗ = F−1(

q − cq + h

Se h = 0, esta solução coincide com a solução obtida por chanceconstraints se

1− α.

3. Aceitar inadmissibilidade, penalizando desviosComo

f ′(x) = c + Q′(x) = c − q + (q + h) F (x),

segue-se que a solução ótima é dada por

x∗ = F−1(

q − cq + h

Se h = 0, esta solução coincide com a solução obtida por chanceconstraints se

1− α.

3. Aceitar inadmissibilidade, penalizando desvios

α(nível de confiabilidade)

q/c(custo de déficit/custo de produção)

0.990 1000.975 400.950 200.900 100.800 50.500 2

Esta tabela é interessante: ela nos dá uma idéia de que valoresescolher para o custo q em termos do nível de confiabilidade α.

Modelos de Recurso

Motivação: programação linear por metas

minx∈X

{cx | Ax = b e Tx ∼ h}

X = {x ∈ Rn | x ≤ x ≤ x} ou X = {x ∈ Rn | 0 ≤ x < +∞},

c ∈ Rn, A é m̃ × n, b ∈ Rem, T é m × n, h ∈ Rm,

cx = c1 · x1 + c2 · x2 + · · ·+ cn · xn =∑n

i=1 ci · xi ,

o símbolo ∼ representa uma das relações =, ≥ e ≤(componente a componente).

minx∈X

Restrições rígidas : Ax = b.

Restrições flexíveis: Tx ∼ h.A idéia é penalizar os desvios de meta z = h − Tx dasrestrições flexíveis através de uma função de penalidade

z 7→ v(z)

que é incorporada à função objetivo do problema deotimização original:

minx∈X

{cx + v(h− Tx) | Ax = b}

minx∈X

{cx + v(z) | Ax = b e Tx + z = h} .

minx∈X

Restrições rígidas : Ax = b.Restrições flexíveis: Tx ∼ h.

A idéia é penalizar os desvios de meta z = h − Tx dasrestrições flexíveis através de uma função de penalidade

z 7→ v(z)

minx∈X

{cx + v(h− Tx) | Ax = b}

minx∈X

{cx + v(z) | Ax = b e Tx + z = h} .

minx∈X

Restrições rígidas : Ax = b.Restrições flexíveis: Tx ∼ h.A idéia é penalizar os desvios de meta z = h − Tx dasrestrições flexíveis através de uma função de penalidade

z 7→ v(z)

minx∈X

{cx + v(h− Tx) | Ax = b}=

minx∈X

{cx + v(z) | Ax = b e Tx + z = h} .

Como escolher a função de penalidade v?

Notação

Tx ∼ h ⇔ z = h− Tx ∼ 0

tix ∼ hi ⇔ zi = hi − tix ∼ 0 ∀i = 1, . . . , m

tix ≤ hi ⇔ zi = hi − tix ≥ 0

Notação

Tx ∼ h ⇔ z = h− Tx ∼ 0

tix ∼ hi ⇔ zi = hi − tix ∼ 0 ∀i = 1, . . . , m

tix ≤ hi ⇔ zi = hi − tix ≥ 0

Notação

Tx ∼ h ⇔ z = h− Tx ∼ 0

tix ∼ hi ⇔ zi = hi − tix ∼ 0 ∀i = 1, . . . , m

tix ≥ hi ⇔ zi = hi − tix ≤ 0

Notação

Tx ∼ h ⇔ z = h− Tx ∼ 0

tix ∼ hi ⇔ zi = hi − tix ∼ 0 ∀i = 1, . . . , m

tix = hi ⇔ zi = hi − tix = 0

Função de penalidade com custos individuais

v(z) =m∑

vi(zi) =m∑

+i + q

iz−i

)︸︷︷︸

vi (zi )

Como escolher qi e qi?

Restrição do tipo tix = hi (isto é, zi = 0):

Penalizamos superávits escolhendo qi > 0 e penalizamosdéficits q

A função vi é convexa como soma de funções convexas.

v(z) =m∑

vi(zi) =m∑

+i + q

iz−i

)︸︷︷︸

vi (zi )

Restrição do tipo tix = hi (isto é, zi = 0):

Penalizamos superávits escolhendo qi > 0 e penalizamosdéficits q

A função vi é convexa como soma de funções convexas.

v(z) =m∑

vi(zi) =m∑

+i + q

iz−i

)︸︷︷︸

vi (zi )

Restrição do tipo tix ≥ hi (isto é, zi ≤ 0):

Penalizamos superávits escolhendo qi > 0 e premiamos déficitsescolhendo q

A função vi é convexa se qi+ qi ≥ 0.

v(z) =m∑

vi(zi) =m∑

+i + q

iz−i

)︸︷︷︸

vi (zi )

Restrição do tipo tix ≤ hi (isto é, zi ≥ 0):

Premiamos superávits escolhendo qi < 0 e penalizamos déficitsescolhendo q

A função vi é convexa se qi+ qi ≥ 0.

Função de penalidade com custo conjunto

Supondo que todas as restrições são da forma zi ≥ 0:

v(z) = v(z1, z2, . . . , zm) = q0 max{z−1 , z−2 , . . . , z−m}.

A função v é convexa se q0 ≥ 0.

Função de penalidade via ações de recurso

Ingredientes necessários para construir a função de penalidade:

1. Uma estrutura de recurso (q, W).

Aqui q ∈ Rp (vetor de custos) e W é m × p (matriz de recurso).

2. Um conjunto Y de variáveis de recurso.

Y = {y ∈ Rp | y ≤ y ≤ y}ou

Y = {y ∈ Rp | 0 ≤ y ≤ +∞} = Rp+.

A função de recurso v é então definida por:

v(z) = miny∈Y

{qy | Wy ∼ z} .

Escolhendo-se uma estrutura de recurso adequado, é possívelrecuperar a função de penalidade com custos individuais e comcusto conjunto definidas anteriormente!

vi(zi) = qiz+i + q

iz−i .

qi , qi

)∈ R× R = R2, W =

[+1 −1

]1×2 ,

Y = R+ × R+ = R2+.

vi(zi) = miny∈Y

{qy | Wy = zi}

= miny≥0,y≥0

] ∣∣∣∣ [+1 −1

= miny≥0,y≥0

{qy + qy | y − y = zi

}= qiz

+i + q

iz−i .

vi(zi) = qiz+i + q

iz−i .

qi , qi

)∈ R× R = R2, W =

[+1 −1

]1×2 ,

Y = R+ × R+ = R2+.

vi(zi) = miny∈Y

{qy | Wy = zi}

= miny≥0,y≥0

] ∣∣∣∣ [+1 −1

= miny≥0,y≥0

{qy + qy | y − y = zi

}= qiz

+i + q

iz−i .

vi(zi) = qiz+i + q

iz−i .

qi , qi

)∈ R× R = R2, W =

[+1 −1

]1×2 ,

Y = R+ × R+ = R2+.

vi(zi) = miny∈Y

{qy | Wy = zi}

= miny≥0,y≥0

] ∣∣∣∣ [+1 −1

= miny≥0,y≥0

{qy + qy | y − y = zi

}= qiz

+i + q

iz−i .

vi(zi) = qiz+i + q

iz−i .

qi , qi

)∈ R× R = R2, W =

[+1 −1

]1×2 ,

Y = R+ × R+ = R2+.

vi(zi) = miny∈Y

{qy | Wy = zi}

= miny≥0,y≥0

] ∣∣∣∣ [+1 −1

= miny≥0,y≥0

{qy + qy | y − y = zi

}= qiz

+i + q

iz−i .

vi(zi) = qiz+i + q

iz−i .

qi , qi

)∈ R× R = R2, W =

[+1 −1

]1×2 ,

Y = R+ × R+ = R2+.

vi(zi) = miny∈Y

{qy | Wy = zi}

= miny≥0,y≥0

] ∣∣∣∣ [+1 −1

= miny≥0,y≥0

{qy + qy | y − y = zi

= qiz+i + q

iz−i .

vi(zi) = qiz+i + q

iz−i .

qi , qi

)∈ R× R = R2, W =

[+1 −1

]1×2 ,

Y = R+ × R+ = R2+.

vi(zi) = miny∈Y

{qy | Wy = zi}

= miny≥0,y≥0

] ∣∣∣∣ [+1 −1

= miny≥0,y≥0

{qy + qy | y − y = zi

}= qiz

+i + q

iz−i .

q0)∈ R, W =

−1...

, Y = R+.

v(z) = miny∈Y

{qy | Wy ≤ z}

= miny≥0

] ∣∣∣∣∣∣∣ −1

...−1

= miny≥0

{qy | y ≥ −z1, . . . , y ≥ −zm}

= q0 max{z−1 , z−2 , . . . , z−m},

q0)∈ R, W =

−1...

, Y = R+.

v(z) = miny∈Y

{qy | Wy ≤ z}

= miny≥0

] ∣∣∣∣∣∣∣ −1

...−1

= miny≥0

{qy | y ≥ −z1, . . . , y ≥ −zm}

= q0 max{z−1 , z−2 , . . . , z−m},

q0)∈ R, W =

−1...

, Y = R+.

v(z) = miny∈Y

{qy | Wy ≤ z}

= miny≥0

] ∣∣∣∣∣∣∣ −1

...−1

= miny≥0

{qy | y ≥ −z1, . . . , y ≥ −zm}

= q0 max{z−1 , z−2 , . . . , z−m},

q0)∈ R, W =

−1...

, Y = R+.

v(z) = miny∈Y

{qy | Wy ≤ z}

= miny≥0

] ∣∣∣∣∣∣∣ −1

...−1

= miny≥0

{qy | y ≥ −z1, . . . , y ≥ −zm}

= q0 max{z−1 , z−2 , . . . , z−m},

q0)∈ R, W =

−1...

, Y = R+.

v(z) = miny∈Y

{qy | Wy ≤ z}

= miny≥0

] ∣∣∣∣∣∣∣ −1

...−1

= miny≥0

{qy | y ≥ −z1, . . . , y ≥ −zm}

= q0 max{z−1 , z−2 , . . . , z−m},

q0)∈ R, W =

−1...

, Y = R+.

v(z) = miny∈Y

{qy | Wy ≤ z}

= miny≥0

] ∣∣∣∣∣∣∣ −1

...−1

= miny≥0

{qy | y ≥ −z1, . . . , y ≥ −zm}

= q0 max{z−1 , z−2 , . . . , z−m},

Modelos de recurso em otimização estocástica

minx∈X

{cx | Ax = b e T(ω)x ∼ h(ω)}

ESTÁGIO 1 ESTÁGIO 2

decisão em x → ocorre ω → ação corretiva y

minx∈X

{cx + E [v(z,ω)] | Ax = b}

v(z,ω) = miny∈Y

{q(ω)y | W(ω)y ∼ h(ω)− T(ω)x} .

minx∈X

{cx | Ax = b e T(ω)x ∼ h(ω)}

minx∈X

{cx + E [v(z,ω)] | Ax = b}

v(z,ω) = miny∈Y

{q(ω)y | W(ω)y ∼ h(ω)− T(ω)x} .

minx∈X

{cx | Ax = b e T(ω)x ∼ h(ω)}

minx∈X

{cx + E [v(z,ω)] | Ax = b}

v(z,ω) = miny∈Y

{q(ω)y | W(ω)y ∼ h(ω)− T(ω)x} .

minx∈X

{cx +Q(x) | Ax = b}

Q(x) = E [v(z,ω)] = E[miny∈Y

{q(ω)y | W(ω)y ∼ h(ω)− T(ω)x}]

︸︷︷︸LP de segundo estágio

Perguntas:O problema de segundo estágio sempre está bem definido?A esperança (uma integral!) sempre é finita?Q é uma função simpática?

minx∈X

{cx +Q(x) | Ax = b}

Q(x) = E [v(z,ω)] = E[miny∈Y

{q(ω)y | W(ω)y ∼ h(ω)− T(ω)x}]

︸︷︷︸LP de segundo estágio

Perguntas:O problema de segundo estágio sempre está bem definido?A esperança (uma integral!) sempre é finita?Q é uma função simpática?

Perguntas:O problema de segundo estágio sempre está bem definido?

Resposta: Sim, se W é de recurso completo ou de recursosimples, isto é, se

∀z ∈ Rm,∃y≥0 | Wy = z (recurso completo)

[+I −I

]. (recurso simples)

A esperança (uma integral!) sempre é finita?

Resposta: Sim, se ω tem segundos momentos finitos.

Q é uma função simpática?

Resposta: Sim! Q é convexa e diferenciável de ω temdistribuição contínua.

Perguntas:O problema de segundo estágio sempre está bem definido?Resposta: Sim, se W é de recurso completo ou de recursosimples, isto é, se

[+I −I

A esperança (uma integral!) sempre é finita?

Resposta: Sim, se ω tem segundos momentos finitos.

[+I −I

A esperança (uma integral!) sempre é finita?Resposta: Sim, se ω tem segundos momentos finitos.

[+I −I

A esperança (uma integral!) sempre é finita?Resposta: Sim, se ω tem segundos momentos finitos.

Q é uma função simpática?Resposta: Sim! Q é convexa e diferenciável de ω temdistribuição contínua.

A forma extensa

minx∈X

{cx + E

[miny∈Y

{q(ω)y | W(ω)y = h(ω)− T(ω)x}] ∣∣∣∣ Ax = b

minimizarx∈X

y1,y2,...,yS∈Y

cx + p1q1y1 + p2q2y2 + · · ·+ pSqSyS

sujeito a Ax = b,

T1x + Wy1 ∼ h1,

T1x + Wy2 ∼ h2,...

. . ....

...TSx + WyS ∼ hS,

ps = P(ω = ωS)

, qs = q(ωs), ys = y(ωs), Ts = T(ωs), hs = h(ωs),W(ω) = W (recurso fixo).

A forma extensa

minx∈X

{cx + E

[miny∈Y

{q(ω)y | W(ω)y = h(ω)− T(ω)x}] ∣∣∣∣ Ax = b

minimizarx∈X

y1,y2,...,yS∈Y

cx + p1q1y1 + p2q2y2 + · · ·+ pSqSyS

sujeito a Ax = b,

T1x + Wy1 ∼ h1,

T1x + Wy2 ∼ h2,...

. . ....

...TSx + WyS ∼ hS,

ps = P(ω = ωS)

, qs = q(ωs), ys = y(ωs), Ts = T(ωs), hs = h(ωs),W(ω) = W (recurso fixo).

Uma Introdução à Otimização sob Incerteza Aula 3 · 2014. 7. 28. · 3. Aceitar...

Documents

Transcript of Uma Introdução à Otimização sob Incerteza Aula 3 · 2014. 7. 28. · 3. Aceitar...

Custo Meta e Custo Qualidade - Controladoria - UNEB PUSAI

A Dinâmica do Equilíbrio Financeiro Municipal e a Lei de ... · A proposta então consiste na redução da carga tributária como solução para o aumento do déﬁcit orçamentário,

Análise de Custo - Custo Fácil

Primeira Turma - ww2.stj.jus.br · Tributário. Recurso ordinário em mandado de segurança. Inovação em sede recursal. Inadmissibilidade. Recurso não provido. 1. A alegação,

Excelentíssima Ministra ROSA WEBER Tribunal Superior Eleitoral · inadmissibilidade dessas provas, dada a sua ilicitude. Por consequência, ... (mal resolvidas em acareações) são

VII ENCONTRO INTERNACIONAL DO CONPEDI/BRAGA - … · O contributo intitulado “Acessibilidade recursal ao STF e STJ na hipótese de inadmissibilidade recursal por inexistência de

CUSTO DO PEDIDO Para calcularmos os custo anual de todos os pedidos, usamos a fórmula: N – Número de pedidos efetuados B – Custo do pedido CTP – Custo.

Inadmissibilidade de Tentativa Em Crimes Preterdolosos

SISTEMA EUROPEU DE DIREITOS HUMANOS · declarar a inadmissibilidade ou mandar arquivar qualquer petição formulada nos termos do artigo 34° se essa decisão puder ser tomada sem

Custo Direto e Custo Indireto

INVERSIÓN PÚBLICA Y FINANCIAMIENTO CHINO EN AMÉRICA … · características durante los últimos años: déﬁcit en la balanza comercial favorable a China de la mayoría de los

A INADMISSIBILIDADE DAS PROVAS CONSIDERADAS …tcconline.utp.br/media/tcc/2015/08/A-INADMISSIBILIDADE-DAS-PROVAS... · Não há como falar de provas sem passar pelos sistemas processuais

RIO ALTO ENERGIA TPO - gruporioalto.com.br · A ﬁm de contribuir para a redução do déﬁcit habitacional brasileiro, desde 2009, em parceria com a Caixa Econômica Federal e

· Custo por pirâmide Custo por evento CUSTO FINAL ESTIMADO CUSTO FIXO MENSAL CUSTO VARIÁVEL MENSAL LUCRO IMPOSTOS 16 30,00 horas 220,00 220,00 220,00 P/unidade Km rodado Unid

GESTÃO GESTÃO & ANALISE DE CUSTO ANALISE DE CUSTO.

UNIVERSIDADE TUIUTI DO PARANÁ CLAUDIA VANESSA …tcconline.utp.br/media/tcc/2017/03/A-INADMISSIBILIDADE-DE-PROVAS-I... · métodos de torturas para puni-los ou absolvê-los, métodos

A INADMISSIBILIDADE DA PROVA ILÍCITA NO PROCESSO PENALtcconline.utp.br/media/tcc/2015/...PROVA-ILICITA-NO-PROCESSO-PENAL.pdf · a inadmissibilidade da prova ilÍcita no processo

Solicitação para Instauração de Processo 1/2017 MICHEL … · a)Inadmissibilidade de aceitação da prova ilícita no processo penal ..... 51 b) Violação às garantias da intimidade

INTENSIFICAR A UNIDADE E RADICALIZAR AS AÇÕES PARA ...adufmat.org.br/portal/images/150908_BOLETIM_ED_11_ADUFMAT_PAGINAS.…de Lei Orçamentária Anual 2016 com déﬁcit de R$ 30,5

LCC - Custo Ciclo de ViLCC - Custo Ciclo de Vidada