O objetivo deste trabalho é propor uma metodologia para a priorização de obras do sistema de distribuição de média tensão - até 36 kV - voltada ao cumprimento do índice de continuidade DEC e FEC imposto pela ANEEL, visando reduzir a quantidade de conjuntos que estão fora dos limites e que geram multas para a empresa frente ao órgão regulador e aos consumidores. Inicialmente, os diversos tipos de obras têm seu benefício calculado com o uso do Método do Payoff Simplificado, baseado no Método do Payoff COPEL, que consiste na extração somente da parcela relativa a interrupção, no DEC ou FEC, que determinada obra trará ao sistema. De posse deste benefício estimado, as obras foram analisadas de duas maneiras: geral e por conjunto. A análise Geral consiste em observar as obras propostas de maneira independente, preocupando-se com o benefício que elas trarão para a empresa como um todo. Na análise por conjunto, as obras são agrupadas por conjunto ANEEL, e o objetivo é a colocação da maior quantidade de conjuntos dentro dos limites de continuidade impostos pelo órgão regulador. A definição do objetivo apropriado é que irá orientar todo o processo de seleção das obras. Para isso são propostos modelos matemáticos, e para trabalhar com eles, foi utilizada como ferramenta a programação matemática. Foram realizadas simulações divididas em dois grupos: no primeiro, análise geral, a otimização é executada diretamente. Já no segundo, na análise por conjunto, é aplicada a programação multi-nível, mais especificamente, a programação em dois níveis (\"Bilevel Programming Problem\"), utilizando a programação inteira ou por metas (\"goal programming\"). Os resultados das simulações mostraram que o objetivo principal, que é tirar a maior quantidade de conjuntos da transgressão, foi atingido com menor orçamento com o uso da metodologia e dos modelos matemáticos empregados neste trabalho. A metodologia proposta pretende ser uma ferramenta adicional para as concessionárias de distribuição de energia elétrica que normalmente elaboram programas de obras específicos para redução de índices de continuidade ou quando pressionados pelo órgão regulador elaboram programas alternativos que competem pelo mesmo orçamento frente aos programas de obras tradicionais. / The purpose of this paper is to propose a methodology to prioritize planned works in the medium-voltage distribution system - up to 36 kV - aiming to adequate the DEC and FEC continuity index to the limits defined by the Brazilian regulatory agency (ANEEL) through the reduction of the number of sets out of target and consequently the reduction of monetary penalties to the utility imposed by the regulatory agency and consumers. At first every planned work has its benefit calculated by the Simplified Payoff Method which is based on COPEL Payoff Method and which consists in extracting just the interruption event from the DEC or FEC which a given work will bring to the system. Once you have got the estimated benefit, the planned works are analyzed in two different ways - general analysis and set analysis. General analysis consists in checking up proposed works independently, focusing on the benefit they will bring to the company as a whole. In the set analysis, works are grouped by \"ANEEL sets\" and the main aim is to gather the greatest number of sets into the continuity limits defined by the regulatory agency. The aims definition will lead the whole work selection process. To achieve that mathematical models are proposed and mathematical programming tools are used. Two groups of simulations were done - in the first one which is also called general analysis, optimization is executed directly. The second one called set analysis, is applied the bilevel programming using the integer programming or goal programming. The simulation results showed that the main aim which was to eliminate the greatest number of sets from the transgression was reached with a lower budget using the methodology and mathematical models. The proposed methodology intends to be an additional tool to the electricity distribution companies (utilities). These companies usually plan specific works to reduce the continuity index or when they are pressed by regulatory agencies, they plan alternative programs which compete by the same budget facing traditional work programs.

La chaine d’approvisionnement énergétique a fortement évolué aux cours des 20 dernières années. La libéralisation des marchés de l’électricité et les nouvelles technologies ont fortement influencé la manière d’envisager la production et la transmission d’électricité. Les modèles mathématiques classiques utilisés dans les problèmes lié à l’énergie ont besoin d’être revus pour intégrer les contraintes pratiques modernes.Un problème classique pour un Compagnie Génératrice (CG) est le problème de Unit Commitment (UC) qui consiste à établir un plan de production pour une demande en électricité connue. Lorsque ce problème fut considéré, le prix de l’électricité et la demande étaient relativement simple à estimer comme une seule CG nationale avait le monopole du marché. Ce problème a été étudié de manière extensive en utilisant de la Programmation Mathématique (PM). Aujourd’hui, le prix de l’électricité est relativement volatile à cause de l’introduction de marchés dérégulés et la demande du marché est répartie entre plusieurs CGs en compétition sur divers marchés. Une CG ne peut se limiter à considérer un problème de UC seul pour envisager sa production. Il y a un besoin d’intégrer les incertitudes liées au marché de l’électricité et aux quantités à produire aux modèles utilisés pour qu’une CG puisse établir un plan de production rentable.La technologie a aussi permis d’envisager de nouveaux concept tel que les Micro-Grilles (MGs). Une MG est composée d’un ensemble de consommateurs reliés à travers un réseau de transmission, possédant des générateurs d’électricité et optimisant leur consommation interne. Ce concept est possible grâce à l’utilisation croissante d’énergies renouvelables locales ainsi que l’utilisant croissante d’appareils interconnectés. Cependant, étant donné que les énergies renouvelables ont un faible rendement, sont intermittentes et que les appareils de stockage d’énergie sont encore peu efficaces, les MGs ne peuvent pas envisager d’être pleinement autonome en électricité. Il y a donc une nécessité d’avoir un fournisseur d’électricité externe pour avoir suffisamment d’électricité disponible à tout moment. Une CG jouant le rôle de fournisseur auprès d’une MG fait face énormément d’incertitude concernant la demande à cause de la gestion interne de la MG sur laquelle elle n’a pas de contrôle.Dans cette thèse, des problèmes d’optimisation intégrant de nouvelles contraintes modernes liés à l’approvisionnement énergétique sont étudiés via la PM. Plusieurs problèmes considèrant des interactions entre plusieurs acteurs sont modélisés via des formulations bi-niveau. Nous illustrons comment les difficultés liées aux contraintes modernes peuvent être exploitées pour obtenir des propriétés permettant de reformuler les problèmes étudiés en formulation linéaire en nombre entiers. Des heuristiques performantes sont obtenus à partir des formulations exactes dont certaines sont applicables à des problèmes plus généraux. Une analyse extensive de la performance des méthodes de résolution ainsi que de l’influence des contraintes modernes sont présentées dans diverses expériences numériques. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

The presented thesis discusses bilevel programming problems with the focus on solution algorithms. Bilevel programming problem is a hierarchical programming problem, where constraints contain another programming problem. We formulate basic bilevel optimization theory and describe three types of so- lution algorithms for bilevel programming problems: Algorithms based on KKT reformulation where the lower level is replaced by its KKT conditions, algorithms based on optimal value function where the bilevel programming problem is re- duced to a single level problem using the optimal value function of the lower level problem, and algorithms solving linear bilevel programming problems. Using real data for portfolio optimization bilevel programming problems, we compare ability to solve the problems and computing time of some of the pre- sented algorithms. 1

In the dissertation the solution approaches for different fuzzy optimization problems are presented. The single-level optimization problem with fuzzy objective is solved by its reformulation into a biobjective optimization problem. A special attention is given to the computation of the membership function of the fuzzy solution of the fuzzy optimization problem in the linear case. Necessary and sufficient optimality conditions of the the convex nonlinear fuzzy optimization problem are derived in differentiable and nondifferentiable cases. A fuzzy optimization problem with both fuzzy objectives and constraints is also investigated in the thesis in the linear case. These solution approaches are applied to fuzzy bilevel optimization problems. In the case of bilevel optimization problem with fuzzy objective functions, two algorithms are presented and compared using an illustrative example. For the case of fuzzy linear bilevel optimization problem with both fuzzy objectives and constraints k-th best algorithm is adopted.

Le génome est très organisé au sein du noyau cellulaire. Cette organisation et plus spécifiquement la localisation et la dynamique des gènes et chromosomes contribuent à l'expression génétique et la différenciation des cellules que ce soit dans le cas de pathologies ou non. L'exploration de cette organisation pourrait dans le futur aider à diagnostiquer et identifier de nouvelles cibles thérapeutiques. La conformation des chromosomes peut être analysée grâce au marquage ADN sur plusieurs sites et aux mesures de distances entre ces différents marquages fluorescents. Dans ce contexte, l'organisation spatiale du chromosome III de levure a montré que les deux types de cellules, MATa et MATalpha, sont différents. Par contre, les données issues de l'imagerie electronique sont bruitées à cause de la résolution des systèmes de microscope et du fait du caractère vivant des cellules observées. Dans cette thèse, nous nous intéressons au développement de méthodes de classification pour différencier les types de cellules sur la base de mesures de distances entre 3 loci du chromosome III et d'une estimation du bruit. Dans un premier temps, nous nous intéressons de façon générale aux problèmes de classification binaire à l'aide de SVM de grandes tailles et passons en revue les algorithmes d'optimisation stochastiques du premier ordre. Afin de prendre en compte les incertudes, nous proposons un modèle d'apprentissage qui ajuste sa robustesse en fonction du bruit. La méthode évite les situations où le modèle est trop conservatif et que l'on rencontre parfois avec les formulations SVM robustes. L'amplitude des pertubations liées au bruit qui sont incorporées dans le modèle est controllée par l'optimisation d'une erreur de généralisation. Aucune hypothèse n'est faite sur la distribution de probabilité du bruit. Seule une borne estimée des pertubations est nécessaire. Le problème peut s'écrire sous la forme d'un programme biniveaux de grande taille. Afin de le résoudre, nous proposons un algorithme biniveau qui réalise des déplacements stochastiques très peu coûteux et donc adapté aux problèmes de grandes tailles. La convergence de l'algorithme est prouvée pour une classe générale de problèmes. Nous présentons des résultats numériques très encourageants qui confirment que la technique est meilleure que l'approche SOCP (Second Order Cone Programming) pour plusieurs bases de données publiques. Les expériences numériques montrent également que la nonlinéarité additionnelle générée par l'incertitude sur les données pénalise la classification des chromosomes et motivent des recherches futures sur une version nonlinéaire de la technique proposée. Enfin, nous présentons également des résultats numériques de l'algorithme biniveau stochastique pour la sélection automatique de l'hyperparamètre de pénalité dans les SVM. L'approche évite les coûteux calculs que l'on doit inévitablement réaliser lorsque l'on effectue une validation croisée sur des problèmes de grandes tailles. / The genome is highly organized within the cell nucleus. This organization, in particular the localization and dynamics of genes and chromosomes, is known to contribute to gene expression and cell differentiation in normal and pathological contexts. The exploration of this organization may help to diagnose disease and to identify new therapeutic targets. Conformation of chromosomes can be analyzed by distance measurements of distinct fluorescently labeled DNA sites. In this context, the spatial organization of yeast chromosome III was shown to differ between two cell types, MATa and MATa. However, imaging data are subject to noise, due to microscope resolution and the living state of yeast cells. In this thesis, the aim is to develop new classification methods to discriminate two mating types of yeast cells based on distance measurements between three loci on chromosome III aided by estimation the bound of the perturbations. We first address the issue of solving large scale SVM binary classification problems and review state of the art first order optimization stochastic algorithms. To deal with uncertainty, we propose a learning model that adjusts its robustness to noise. The method avoids over conservative situations that can be encountered with worst case robust support vector machine formulations. The magnitude of the noise perturbations that is incorporated in the model is controlled by optimizing a generalization error. No assumption on the distribution of noise is taken. Only rough estimates of perturbations bounds are required. The resulting problem is a large scale bi-level program. To solve it, we propose a bi-level algorithm that performs very cheap stochastic gradient moves and is therefore well suited to large datasets. The convergence is proven for a class of general problems. We present encouraging experimental results confirming that the technique outperforms robust second order cone programming formulations on public datasets. The experiments also show that the extra nonlinearity generated by the uncertainty in the data penalizes the classification of chromosome data and advocates for further research on nonlinear robust models. Additionally, we provide the experimenting results of the bilevel stochastic algorithm used to perform automatic selection of the penalty parameter in linear and non-linear support vector machines. This approach avoids expensive computations that usually arise in k-fold cross validation.

Cette thèse aborde l'optimisation multicritère et l'optimisation à deux niveaux. L'investigation porte principalement sur les méthodes, les applications et les liens possibles entre les deux classes d'optimisation. Premièrement, nous développons une méthode de résolution des problèmes d'optimisation linéaire multicritère. Pour ce faire, nous introduisons une nouvelle caractérisation des faces efficaces et exploitons le résultat selon lequel l'ensemble des tableaux idéaux associés aux sommets extrêmes dégénérés est connexe. Ceci a permis de développer une approche de parcours de sommet extrême pour générer l'ensemble des solutions efficaces. Dans le même ordre d'idée, nous développons une méthode de résolution des problèmes linéaires à deux niveaux. L'approche est basée sur un résultat, que nous avons formalisé et démontré, qui stipule que la solution optimale du problème linéaire à deux niveaux est l'un des sommets extrêmes du domaine admissible. L'implémentation de l'approche a permis de démontrer qu'il existait dans la littérature des problèmes dont les solutions connues étaient fausses. Deuxièmement, en termes d'applications, nous construisons un modèle d'optimisation multicritère pouvant être exploité dans l'optique d'une planification optimale de la distribution de l'énergie électrique au Cameroun. Nous proposons aussi, à partir d'un modèle d'optimisation à deux niveaux, une technique dont la mise en œuvre par l'État pourrait permettre de protéger les industries locales de la concurrence des firmes internationales. Enfin, nous étudions l'interrelation entre l'optimisation multicritère et l'optimisation à deux niveaux. Tout d'abord, nous tirons des conditions de Pareto-optimalité des solutions du problème à deux niveaux. Ensuite, nous montrons qu'il est possible d'obtenir une solution optimale de certaines classes de problèmes d'optimisation à deux niveaux en résolvant deux problèmes particuliers d'optimisation multicritère. Puis, nous étudions le cas de problème à deux niveaux dans lequel chaque décideur possède plusieurs fonctions objectifs conflictuelles, en nous focalisant sur le cas linéaire. Après, nous construisons un problème artificiel d'optimisation linéaire multicritère dont l'ensemble des solutions efficaces est égal au domaine des solutions admissibles du problème du leader. Pour terminer, nous utilisons ce résultat pour proposer deux approches de résolution dépendant chacune des aspirations du leader / This thesis addresses two important classes of optimization : multiobjective optimization and bilevel optimization. The investigation concerns their solution methods, applications, and possible links between them. First of all, we develop a procedure for solving Multiple Objective Linear Programming Problems (MOLPP). The method is based on a new characterization of efficient faces. It exploits the connectedness property of the set of ideal tableaux associated to degenerated points in the case of degeneracy. We also develop an approach for solving Bilevel Linear Programming Problems (BLPP). It is based on the result that an optimal solution of the BLPP is reachable at an extreme point of the underlying region. Consequently, we develop a pivoting technique to find the global optimal solution on an expanded tableau that represents the data of the BLPP. The solutions obtained by our algorithm on some problems available in the literature show that these problems were until now wrongly solved. Some applications of these two areas of optimization problems are explored. An application of multicriteria optimization techniques for finding an optimal planning for the distribution of electrical energy in Cameroon is provided. Similary, a bilevel optimization model that could permit to protect any economic sector where local initiatives are threatened is proposed. Finally, the relationship between the two classes of optimization is investigated. We first look at the conditions that guarantee that the optimal solution of a given BPP is Pareto optimal for both upper and lower level objective functions. We then introduce a new relation that establishes a link between MOLPP and BLPP. Moreover, we show that, to solve a BPP, it is possible to solve two artificial M0PPs. In addition, we explore Bilevel Multiobjective Programming Problem (BMPP), a case of BPP where each decision maker (DM) has more than one objective function. Given a MPP, we show how to construct two artificial M0PPs such that any point that is efficient for both problems is also efficient for the BMPP. For the linear case specially, we introduce an artificial MOLPP such that its resolution can permit to generate the whole feasible set of the leader DM. Based on this result and depending on whether the leader can evaluate or not his preferences for his different objective functions, two approaches for obtaining efficient solutions are presented

Optimalizace toku v síti je klasickou aplikací matematického programování. Tyto modely mají, mimo jiné, široké uplatnění také v logistice, kde se tak snažíme docílit optimálního rozdělení dopravy, např. vzhledem k maximalizaci zisku, či minimalizaci nákladů. Toto pojetí ovšem často problém idealizuje, poněvadž předpokládá existenci jediného rozhodovatele. Takový přístup je možný ve striktně organizovaných sítích jako např. v logistických sítích přepravních společností, železničních sítích či armádním zásobování. Úloha ''Traffic Assignment Problem'' (TAP) se zaměřuje na dopady teorie her na optimalizaci toku, tj. zkoumá vliv více rozhodovatelů na celkové využití sítě. V práci se zaobíráme úlohou TAP s působením náhodných vlivů, k čemuž využíváme metod stochastické a vícestupňové optimalizace. Dále zkoumáme možnosti zlepšení stávajícího využití sítě za rozhodnutí autoritativního rozhodovatele, kterému je umožněn zásah do samotné struktury sítě, k čemuž využíváme víceúrovňové programování.

Transport and trade of gas are decoupled after the liberalization of the European gas markets, which are now organized as so-called entry-exit systems. At the core of this market system are bookings and nominations, two special capacity-right contracts that grant traders access to the gas network. The latter is operated by a separate entity, known as the transmission system operator (TSO), who is in charge of the transport of gas from entry to exit nodes. In the mid to long term, traders sign a booking contract with the TSO to obtain injection and withdrawal capacities at entry and exit nodes, respectively. On a day-ahead basis, they then nominate within these booked capacities a balanced load flow of the planned amounts of gas to be injected into and withdrawn from the network the next day. The key property is that by signing a booking contract, the TSO is obliged to guarantee transportability for all balanced load flows in compliance with the booked capacities. To assess the feasibility of a booking, it is therefore necessary to check the feasibility of infinitely many nominations. As a result, deciding if a booking is feasible is a challenging mathematical problem, which we investigate in this dissertation.Our results range from passive networks, consisting of pipes only, to active networks, containing controllable elements to influence gas flows. Since the study of the latter naturally leads to a bilevel framework, we first consider some more general properties of bilevel optimization. For the case of linear bilevel optimization, we consider the hardness of validating the correctness of big-Ms often used in solving these problems via a single-level reformulation. We also derive a family of valid inequalities to be used in a bilevel-tailored branch-and-cut algorithm as a big-M-free alternative.We then turn to the study of feasible bookings. First, we present our results on passive networks, for which bilevel approaches are not required. A characterization of feasible bookings on passive networks is derived in terms of a finite set of nominations. While computing these nominations is a difficult task in general, we present polynomial complexity results for the special cases of tree-shaped or single-cycle passive networks. Finally, we consider networks with linearly modeled active elements. After obtaining a bilevel optimization model that allows us to determine the feasibility of a booking in this case, we derive various single-level reformulations to solve the problem. In addition, we obtain novel characterizations of feasible bookings on active networks, which generalize our characterization in the passive case. The performance of these various approaches is compared in a case study on two networks from the literature, one of which is a simplified version of the Greek gas network. / Transport et commerce de gaz sont découplés depuis la libéralisation des marchés européens du gaz, qui sont désormais organisés en systèmes dit d'entrée-sortie. Au cœur de ce système de marché se trouvent les réservations et les nominations, deux contrats spéciaux de droit à la capacité qui permettent aux négociants d'accéder au réseau de gaz. Ce dernier est exploité par une entité distincte, appelée gestionnaire de réseau de transport~(GRT), qui est chargée du transport du gaz entre les nœuds d'entrée et de sortie. À moyen et long terme, les négociants signent un contrat de réservation avec le GRT pour obtenir des capacités d'injection et d'extraction aux nœuds d'entrée et de sortie, respectivement. Au jour le jour, ils désignent ensuite, dans les limites des capacités réservées, un flux de charge équilibrée des quantités de gaz prévues à injecter et à extraire le lendemain. La propriété essentielle est qu'en signant un contrat de réservation, le GRT est obligé de garantir la transportabilité de tous les flux de charge équilibrée respectant les capacités réservées. Pour évaluer la faisabilité d'une réservation, il est donc nécessaire de vérifier la faisabilité d'une infinité de nominations. Par conséquent, décider si une réservation est réalisable est un problème mathématique difficile, que nous étudions dans cette thèse.Nos résultats vont des réseaux passifs, constitués uniquement de pipelines, aux réseaux actifs, contenant des éléments contrôlables pour influencer les flux de gaz. Comme l'étude de ces derniers conduit naturellement à un cadre biniveau, nous considérons d'abord certaines propriétés plus générales de l'optimisation biniveau. Pour le cas de l'optimisation biniveau linéaire, nous étudions la difficulté de valider l'exactitude des constantes de type big-M souvent utilisées dans la résolution de ces problèmes via une reformulation à un seul niveau. Nous déduisons également une famille d'inégalités valides à utiliser dans un algorithme de branch-and-cut adapté au biniveau comme alternative à l'approche utilisant des big-Ms.Nous nous tournons ensuite vers l'étude des réservations réalisables. D'abord, nous présentons nos résultats sur les réseaux passifs, pour lesquels les approches biniveaux ne sont pas nécessaires. Une caractérisation des réservations réalisables sur les réseaux passifs est déduite en termes d'un ensemble fini de nominations. Bien que le calcul de ces nominations soit une tâche difficile en général, nous présentons des algorithmes polynomiaux pour les cas particuliers des réseaux passifs en forme d'arbre ou contenant un cycle unique. Enfin, nous considérons les réseaux avec des éléments actifs modélisés à l'aide de contraintes linéaires. Après avoir obtenu un modèle biniveau, permettant de déterminer la faisabilité d'une réservation dans ce cas, nous dérivons diverses reformulations à un seul niveau pour résoudre le problème. En outre, nous obtenons de nouvelles caractérisations des réservations réalisables sur les réseaux actifs, qui généralisent notre caractérisation dans le cas passif. La performance de ces différentes approches est comparée dans une étude de cas réalisée sur deux réseaux de la littérature, dont l'un est une version simplifiée du réseau de gaz grec. / Nach der Liberalisierung der europäischen Gasmärkte, welche nun als sogenannte Entry-Exit Systeme organisiert sind, sind Transport und Handel von Gas entkoppelt. Im Zentrum dieses neuen Marktsystems sind Buchungen und Nominierungen, zwei spezielle Kapazitätrechtsverträge, die Händlern Zugang zum Gasnetz gewähren. Letzteres wird von einem separaten Akteur betrieben, dem sogenannten Fernleitungsnetzbetreiber (FNB), der für den Transport des Gases von den Einspeise- zu den Ausspeiseknoten verantwortlich ist. Händler schließen mittel- bis langfristig einen Buchungsvertrag mit dem FNB ab, um Ein- und Ausspeisekapazitäten zu erhalten. Täglich nominieren sie dann innerhalb der gebuchten Kapazitäten einen bilanzierten Lastfluss der geplanten Gasmengen, die am nächsten Tag eingespeist und entnommen werden sollen. Die Haupteigenschaft ist, dass der FNB sich durch Unterzeichnung eines Buchungsvertrages für die Transportierbarkeit aller bilanzierten Lastflüsse innerhalb der gebuchten Kapazitäten verpflichtet. Um die Zulässigkeit einer Buchung zu bestimmen ist es daher notwendig, die Zulässigkeit von unendlich vielen Nominierungen zu prüfen. Die Entscheidung, ob eine Buchung zulässig ist, ist daher ein anspruchsvolles mathematisches Problem, das wir in dieser Dissertation untersuchen.Unsere Ergebnisse reichen von passiven Netzen, die nur aus Rohren bestehen, bis hin zu aktiven Netzen, die steuerbare Elemente zur Beeinflussung der Gasflüsse enthalten. Da die Untersuchung aktiver Netze uns auf natürlichem Wege zu Bilevel-Problemen führt, betrachten wir zunächst einige allgemeinere Eigenschaften der Bilevel-Optimierung. Für den Fall der linearen Bilevel-Optimierung betrachten wir die Schwierigkeit, Big-Ms zu validieren, die oft bei der Lösung dieser Probleme mittels einer einstufigen Reformulierung verwendet werden. Wir leiten außerdem eine Familie gültiger Ungleichungen ab, die in einem Bilevel-spezifischen Branch-and-Cut Algorithmus als big-M-freie Alternative verwendet werden können.Wir wenden uns dann der Untersuchung von zulässigen Buchungen zu. Zunächst stellen wir unsere Ergebnisse zu passiven Netzwerken vor, für die Bilevel-Ansätze nicht erforderlich sind. Eine Charakterisierung zulässiger Buchungen in passiven Netzwerken wird in Bezug auf eine endliche Menge an Nominierungen hergeleitet. Während die Berechnung dieser Nominierungen im Allgemeinen eine schwierige Aufgabe ist, präsentieren wir polynomielle Komplexitätsergebnisse für die Spezialfälle baumförmiger oder einzyklischer passiver Netze. Schließlich betrachten wir Netze mit linear modellierten aktiven Elementen. Nachdem wir ein Bilevel-Modell hergeleitet haben, mit dem wir die Zulässigkeit einer Buchung in diesem Fall bestimmen können, leiten wir verschiedene einstufige Reformulierungen zur Lösung des Problems ab. Darüber hinaus erhalten wir neuartige Charakterisierungen zulässiger Buchungen auf aktiven Netzen, die unsere Charakterisierung im passiven Fall verallgemeinern. Die Anwendbarkeit dieser verschiedenen Ansätze wird in einer Fallstudie an zwei Netzen aus der Literatur verglichen, wovon eines eine vereinfachte Version des griechischen Gasnetzes ist. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

[pt] A otimização de binível é uma ferramenta extremamente poderosa para modelar problemas realistas em várias áreas. Por outro lado, sabe-se que a otimização de dois níveis frequentemente leva a problemas complexos ou intratáveis. Nesta tese, apresentamos três trabalhos que expandem o estado da arte da otimização de dois níveis e sua interseção com sistemas de potência. Primeiro, apresentamos BilevelJuMP, um novo pacote de código aberto para otimização de dois níveis na linguagem Julia. O pacote é uma extensão da linguagem de modelagem de programação matemática JuMP, é muito geral, completo e apresenta funcionalidades únicas, como a modelagem de programas cônicos no nível inferior. O software permite aos usuários modelar diversos problemas de dois níveis e resolvê-los com técnicas avançadas. Como consequência, torna a otimização de dois níveis amplamente acessível a um público muito mais amplo. Nos dois trabalhos seguintes, desenvolvemos métodos especializados para lidar com modelos complexos e programas de dois níveis de grande escala decorrentes de aplicações de sistemas de potência. Em segundo lugar, usamos a programação de dois níveis como base para desenvolver o Aprendizado Dirigido pela Aplicação, uma nova estrutura de ciclo fechado na qual os processos de previsão e tomada de decisão são mesclados e co-otimizados. Descrevemos o modelo matematicamente como um programa de dois níveis, provamos resultados de convergência e descrevemos métodos de solução heurísticos e exatos para lidar com sistemas de grande escala. O método é aplicado para previsão de demanda e alocação de reservas na operação de sistemas de potência. Estudos de caso mostram resultados muito promissores com soluções de boa qualidade em sistemas realistas com milhares de barras. Em terceiro lugar, propomos um simulador para modelar mercados de energia hidrotérmica de longo prazo baseados em ofertas. Um problema de otimização estocástica multi-estágio é formulado para acomodar a dinâmica inerente aos sistemas hidrelétricos. No entanto, os subproblemas de cada etapa são programas de dois níveis para modelar agentes estratégicos. O simulador é escalável em termos de dados do sistema, agentes, cenários e estágios considerados. Concluímos o terceiro trabalho com simulações em grande porte com dados realistas do sistema elétrico brasileiro com 3 agentes formadores de preço, 1000 cenários e 60 estágios mensais. Esses três trabalhos mostram que, embora a otimização de dois níveis seja uma classe extremamente desafiadora de problemas NP-difíceis, é possível desenvolver algoritmos eficazes que levam a soluções de boa qualidade. / [en] Bilevel Optimization is an extremely powerful tool for modeling realistic problems in multiple areas. On the other hand, Bilevel Optimization is known to frequently lead to complex or intractable problems. In this thesis, we present three works expanding the state of the art of bilevel optimization and its intersection with power systems. First, we present BilevelJuMP, a novel open-source package for bilevel optimization in the Julia language. The package is an extension of the JuMP mathematical programming modeling language, is very general, feature-complete, and presents unique functionality, such as the modeling of lower-level cone programs. The software enables users to model a variety of bilevel problems and solve them with advanced techniques. As a consequence, it makes bilevel optimization widely accessible to a much broader public. In the following two works, we develop specialized methods to handle much model complex and very large-scale bilevel programs arising from power systems applications. Second, we use bilevel programming as the foundation to develop Application-Driven Learning, a new closed-loop framework in which the processes of forecasting and decision-making are merged and co-optimized. We describe the model mathematically as a bilevel program, prove convergence results and describe exact and tailor-made heuristic solution methods to handle very large-scale systems. The method is applied to demand forecast and reserve allocation in power systems operation. Case studies show very promising results with good quality solutions on realistic systems with thousands of buses. Third, we propose a simulator to model long-term bid-based hydro-thermal power markets. A multi-stage stochastic program is formulated to accommodate the dynamics inherent to hydropower systems. However, the subproblems of each stage are bilevel programs in order to model strategic agents. The simulator is scalable in terms of system data, agents, scenarios, and stages being considered. We conclude the third work with large-scale simulations with realistic data from the Brazilian power system with 3 price maker agents, 1000 scenarios, and 60 monthly stages. These three works show that although bilevel optimization is an extremely challenging class of NP-hard problems, it is possible to develop effective algorithms that lead to good-quality solutions.

In the dissertation the solution approaches for different fuzzy optimization problems are presented. The single-level optimization problem with fuzzy objective is solved by its reformulation into a biobjective optimization problem. A special attention is given to the computation of the membership function of the fuzzy solution of the fuzzy optimization problem in the linear case. Necessary and sufficient optimality conditions of the the convex nonlinear fuzzy optimization problem are derived in differentiable and nondifferentiable cases. A fuzzy optimization problem with both fuzzy objectives and constraints is also investigated in the thesis in the linear case. These solution approaches are applied to fuzzy bilevel optimization problems. In the case of bilevel optimization problem with fuzzy objective functions, two algorithms are presented and compared using an illustrative example. For the case of fuzzy linear bilevel optimization problem with both fuzzy objectives and constraints k-th best algorithm is adopted.:1 Introduction 1 1.1 Why optimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Fuzziness as a concept . . . . . . . . . . . . . . . . . . . . .. . . . . . . 2 1.3 Bilevel problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2 Preliminaries 11 2.1 Fuzzy sets and fuzzy numbers . . . . . . . . . . . . . . . . . . . . . 11 2.2 Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.3 Fuzzy order . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2.4 Fuzzy functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .17 3 Optimization problem with fuzzy objective 19 3.1 Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3.2 Solution method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 3.3 Local optimality . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.4 Existence of an optimal solution . . . . . . . . . . . . . . . . . . . . 25 4 Linear optimization with fuzzy objective 27 4.1 Main approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 4.2 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 4.3 Optimality conditions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 4.4 Membership function value . . . . . . . . . . . . . . . . . . . . . . . . 34 4.4.1 Special case of triangular fuzzy numbers . . . . . . . . . . . . 36 4.4.2 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .39 5 Optimality conditions 47 5.1 Differentiable fuzzy optimization problem . . . . . . . . . . .. . . . 48 5.1.1 Basic notions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 5.1.2 Necessary optimality conditions . . . . . . . . . . . . . . . . . . .. 49 5.1.3 Suffcient optimality conditions . . . . . . . . . . . . . . . . . . . . . . 49 5.2 Nondifferentiable fuzzy optimization problem . . . . . . . . . . . . 51 5.2.1 Basic notions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 5.2.2 Necessary optimality conditions . . . . . . . . . . . . . . . . . . . 52 5.2.3 Suffcient optimality conditions . . . . . . . . . . . . . . . . . . . . . . 54 5.2.4 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6 Fuzzy linear optimization problem over fuzzy polytope 59 6.1 Basic notions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.2 The fuzzy polytope . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .63 6.3 Formulation and solution method . . . . . . . . . . . . . . . . . . .. . 65 6.4 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 7 Bilevel optimization with fuzzy objectives 73 7.1 General formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 7.2 Solution approaches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .74 7.3 Yager index approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 7.4 Algorithm I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 7.5 Membership function approach . . . . . . . . . . . . . . . . . . . . . . .78 7.6 Algorithm II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .80 7.7 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 8 Linear fuzzy bilevel optimization (with fuzzy objectives and constraints) 87 8.1 Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 8.2 Solution approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 8.3 Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 8.4 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 9 Conclusions 95 Bibliography 97