Introducao
-
Upload
vitor-seger-zeni -
Category
Documents
-
view
12 -
download
2
description
Transcript of Introducao
Introdução
EEL 5102-47: Métodos Numéricos de Otimização I
Laboratório de Planejamento de Sistemas de Energia ElétricaCentro Tecnológico – Departamento de Engenharia ElétricaTel. +55 (48) 3721.9731/9933 – Fax +55 (48) 3721.7538
Homepage: htto://www.labplan.ufsc.br
Prof.: Erlon Cristian Finardi, D. [email protected]
Técnicas para a Operação de SEE 22EEL5102-47: Métodos Numéricos de Otimização
Informações Gerais
Professor: Erlon Cristian Finardi, D. Eng. – [email protected]éditos: 2Horário/Local: Terças e quintas-feiras 08h20min –10h00min, EEL001
OBJETIVO PRINCIPAL
Fornecer uma descrição compreensiva de importantes metodologiaspara a resolução de problemas de otimização não-linear e linearcontínuos e diferenciáveis
PRÉ-REQUISITOS
Conhecimentos básicos de álgebra linear, cálculo diferencial edesenvolvimento de algoritmos computacionais (básicos)
Técnicas para a Operação de SEE 33EEL5102-47: Métodos Numéricos de Otimização
Ementa
Tópico 1: Conceitos introdutórios. Fundamentos de otimização irrestrita e condições de otimalidade. Estratégia geral de algoritmos para problemas sem restrições: busca linear. Tamanho de passo: condições de Armijo e Wolfe. Direções de busca: gradiente, Newton e Quase-Newton.
Tópico 2: Fundamentos de otimização com restrições. Problemas com restrições de igualdade. Problemas com desigualdades. Condições de otimalidade primeira e de segunda para problemas restritos.
Tópico 3: Introdução à programação linear. Caracterização geométrica de problemas lineares. Métodos básicos do Simplex e de pontos interiores.
Técnicas para a Operação de SEE 44EEL5102-47: Métodos Numéricos de Otimização
Avaliação
2 provas e 1 trabalho computacional 0,85 ( 1 2) 0,15MF NP NP NT
Conceito max min
A 10,0 8,5
B 8,5 7,0
C 7,0 5,0
E 5,0 0,0
Técnicas para a Operação de SEE 55EEL5102-47: Métodos Numéricos de Otimização
Bibliografia Sugerida NOCEDAL, J., WRIGHT, S. J.; Numerical Optimization, Springer Series in
Operations Research, Second Edition, 2006. BONNANS, J. F., GILBERT, J. C., LEMARÉCHAL, C., SAGASTIZÁBAL, C.;
Numerical Optimization. Theoretical and Practical Aspects, Universitext, Springer-Verlag, Berlin, 2002.
BERTSEKAS, D. P.; Nonlinear Programming, Athena Scientific, 2nd Edition, Belmont, MA, 1999.
FRIEDLANDER, A.; Elementos de Programação Não-Linear, Editora da UNICAMP, Campinas, SP, 1994.
Fletcher, R. Practical methods of optimization, John Wiley & Sons, 1987. GILL, P. E., MURRAY, W., WRIGHT, M. H.; Practical Optimization, Academic
Press, Stanford University, California, USA, 1981. BAZARAA, S. M., SHETTY, C. M.; Nonlinear Programming, John Wiley & Sons,
Atlanta, 1979. HIMMELBLAU, D. M., Applied Nonlinear Programming, McGraw-Hill Book
Company, University of Texas, Austin, Texas, USA, 1972. LASDON, L. S.; Optimization Theory of Large Systems, Macmillan Company, New
York, NY, 1970. RUSZCZYNSKI, A.; Nonlinear Optimization, Princeton University Press, New
Jersey, 2006. SARKER, R. A., NEWTON, C.; Optimization Modelling – A Practical Approach,
CRC Press, Taylor & Francis Group, 2008.
Técnicas para a Operação de SEE 66EEL5102-47: Métodos Numéricos de Otimização
Otimização Atividades Humanas
Companhias aéreas programam operações com aeronaves e tripulações para minimizar custo
Investidores visam encontrar portfólios que maximizem o retorno financeiro, considerando um nível aceitável de risco
Natureza Sistemas físicos tendem a um estado de mínima energia Raios de luz seguem um caminho que minimiza seu tempo
de viagem
Importante instrumento metodológico para tomada de decisões e análise de sistemas físicos
Técnicas para a Operação de SEE 77EEL5102-47: Métodos Numéricos de Otimização
Utilizando a Otimização... (1)
Identificação de objetivo Medida de desempenho: lucro, custos, perdas ou qualquer
combinação de quantidades que possa ser representada numericamente
Objetivo é modelado por um conjunto de variáveis ou incógnitas
Identificação de restrições Com frequência as variáveis apresentam restrições em seus
valores – e.g., potência de uma unidade geradora de eletricidade não pode ser negativa
Variáveis + Objetivo + Restrições
Modelagem
Técnicas para a Operação de SEE 88EEL5102-47: Métodos Numéricos de Otimização
Utilizando a Otimização (2) Modelagem: pode ser o ponto mais importante
(Simplicidade x precisão) e (complexidade x dificuldade de solução)
Resolução: não existe um algoritmo universal Cada algoritmo é projetado para uma classe de problemas Escolha determina eficiência e quando uma solução será encontrada
Identificar/caracterizar uma solução Expressões matemáticas elegantes: condições de otimalidade Se essas condições não são atendidas, pode-se obter informações
importantes para melhorar a estimativa de uma nova solução candidata
Técnicas de análise de sensibilidade Detalham a sensibilidade da solução com respeito a mudanças no
modelo
Técnicas para a Operação de SEE 99EEL5102-47: Métodos Numéricos de Otimização
Formulação Matemática Definição matemática da otimização
Minimizar ou maximizar uma função objetivo sujeito a restrições em suas variáveis
Notaçãox vetor de variáveisf função objetivo, que depende de xc vetor de restrições, que depende de x
Formulação( ) 0
min ( ) sujeito a: ( ) 0i
nx i
c x if x
c x i
f e ci funções escalares de x e conjuntos de índices
Técnicas para a Operação de SEE 1010EEL5102-47: Métodos Numéricos de Otimização
Um Simples Exemplo...Caso com Restrições
Deseja maximizar o volume de uma caixa Com a base quadrada Área total limitada em 108 m2
xx
h
s.a:
* max
,
V x hx x hx h
2
2 4 1080 0
Técnicas para a Operação de SEE 1111EEL5102-47: Métodos Numéricos de Otimização
Análise do Problema Variação do volume em função de diferentes configurações
construtivas Todas com área total de 108 m2
22
13
55
4,15 0,2
10 10
V = 52 m3 V = 103,7 m3 V = 20 m3
Técnicas para a Operação de SEE 1212EEL5102-47: Métodos Numéricos de Otimização
Caso Irrestrito
* 2
2
max s.a: 4 108 0, 0
V x hx x hx h
21084xhx
2 3* 2 108max max 27
4 4x xV x xx
Técnicas para a Operação de SEE 1313EEL5102-47: Métodos Numéricos de Otimização
Ilustração – Caso Irrestrito
0 1 2 3 4 5 6 7 8 9 100
20
40
60
80
100
120
x [m]
Vol
ume
[m3 ]
0 1 2 3 4 5 6 7 8 9 100
20
40
60
80
100
120
x [m]
Vol
ume
[m3 ]
x = 6
2
2
1084
108 64 6
3
xhx
h
h
Técnicas para a Operação de SEE 1414EEL5102-47: Métodos Numéricos de Otimização
Problema Restrito Original
xx
h
s.a:
* max
,
V x hx x hx h
2
2 4 1080 0
Técnicas para a Operação de SEE 1515EEL5102-47: Métodos Numéricos de Otimização
Representação Geométrica
Função objetivo: Volume da caixa
1
10
20
30
40
50
60
70
80
90
100
110
120
130
140
150
160
17
180
1
x [m]
h [m
]
0 1 2 3 4 5 60
1
2
3
4
5
6
Técnicas para a Operação de SEE 1616EEL5102-47: Métodos Numéricos de Otimização
Representação Geométrica
Restrição: Área da caixa
108
x [m]
h [m
]
0 1 2 3 4 5 6 7 8 9 100
1
2
3
4
5
6
7
8
9
10
Técnicas para a Operação de SEE 1717EEL5102-47: Métodos Numéricos de Otimização
Representação GeométricaFunção objetivo + restrição
x = 6 e h = 3
Técnicas para a Operação de SEE 1818EEL5102-47: Métodos Numéricos de Otimização
Algoritmos de Otimização...(1) Processo iterativo
À partir de um ponto inicial é produzido uma sequência até encontrar um candidato a solução
Estratégia de avanço entre as iterações distingue os diferentes algoritmos
Maioria das estratégias podem fazer uso de f(x), ci(x) e (possivelmente) das derivadas primeira e segunda
Podem acumular informações passadas ou utilizar apenas informações da iteração atual
Características Robustez: operar bem para vários problemas de sua classe Eficiência: não requerer muito tempo ou capacidade computacional Precisão: identificar solução com precisão, com pouca sensibilidade
a erros nos parâmetros de entrada e de arredondamento
Técnicas para a Operação de SEE 1919EEL5102-47: Métodos Numéricos de Otimização
Algoritmos de Otimização...(2) Objetivos conflitantes
Um algoritmo com rápida convergência exige muita capacidade de armazenamento; de outra maneira, algoritmos robustos podem ser lentos
Relações entre robustez x taxa de convergência x eficiência são aspectos centrais em otimização numérica
Teoria Caracteriza uma solução Fornece a base para a construção da maioria dos algoritmos
Objetivos principais do curso Fornecer um conhecimento básico das questões práticas associadas
com as condições de otimalidade Descrição das vantagens e desvantagens de importantes algoritmos
utilizados em problemas de otimização restrita e irrestrita
OBRIGADO!
Prof. Erlon Cristian Finardi [email protected]