Thesis (Ph. D.)--University of Washington, 2007. / Vita. Includes bibliographical references (leaves 146-155).

- / -

CAPES / Este trabalho apresenta um estudo comparativo entre técnicas de controle PID (proporcional integral e derivativo) lineares e não-lineares, aplicada a um conversor abaixador de tensão de topologia Buck. O principal objetivo desse trabalho é a comparação do desempenho das técnicas de controle PID clássico e o controle PID não linear com ganhos baseados em perfil gaussiano. Trata-se de uma técnica de controle adaptativo baseada no controle PID clássico, através de uma metodologia na qual os ganhos são obtidos a partir de uma função gaussiana, buscando obter um aumento do desempenho desse sistema. Foram realizadas simulações computacionais, onde foi feita a varredura paramétrica de cada ganho (proporcional, integral e derivativo). Os resultados alcançados comprovam a eficiência da técnica proposta. / This work presents a comparative study of linear and non-linear PID control techniques (proportional, integral and derivative) applied to a step-down voltage converter in the Buck topology. The main objective of this work is to compare the performance of classical PID control and nonlinear PID control with gains based on Gaussian-shaped functions. It is an adaptive control technique based on the classical PID control, by means of a methodology in which the gains are obtained fro a Gaussian function, aiming to obtain a performance enhancement for this system. Computer simulations were performed, where a parametric sweep on the parameters for each gain (proportional , integral and derivative) were done. The achieved results verify the efficiency of the proposed tecnique.

Orientadores: Jose Mario Martinez Perez, Sandra Augusta Santos / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-10T09:09:15Z (GMT). No. of bitstreams: 1 Trevisan_AndreLuis_M.pdf: 869874 bytes, checksum: 5ebe5dc00f3b02ab307c84261e94ff4d (MD5) Previous issue date: 2008 / Resumo: Este trabalho aborda o problema de Otimizaçâo do Valor Ordenado e tem por objetivo investigar o papel desempenhado pelas estratégias de ordenação, com vistas a aplicações na área de avaliação de risco. São apresentados alguns métodos clássicos de ordenação, bem como algoritmos e adaptações para determinar o elemento que ocupa uma dada posição num vetor. Por meio de experimentos numéricos, foi possével comparar o desempenho desses métodos e verificar qual mostrou-se mais eficiente para o problema de determinação de uma dada estatística de ordem / Abstract: This paper deals with the Order-Value Optimization problem and it aims to investigate the role played for the sorting strategies, with sights the applications in the area of risk evaluation. Some classic methods for sorting are presented, as well as algorithms and adaptations to determine the element that occupies a given position in a vector. Throughout numerical experiments, it was possible to compare the performance of these methods and to verify which of them revealed more efficient towards the problem of determination of a given order statistics / Mestrado / Otimização / Mestre em Matemática Aplicada

Orientador: Vera Lucia da Rocha Lopes / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-10T13:27:54Z (GMT). No. of bitstreams: 1 Ciappina_JussaraRodrigues_M.pdf: 1299723 bytes, checksum: 473913fb8e57df7b80d0615902c1f967 (MD5) Previous issue date: 2008 / Resumo: Neste trabalho, tratamos de métodos de busca direta para minimização irrestrita de uma função de n variáveis a valores reais. Alem de serem derivative-free, métodos que não calculam derivadas, os métodos de busca direta não fazem uso de aproximações das derivadas nem do valor explicito da função nas suas operações. Nesta classe, abordamos um método baseado no simplex proposto por Paul Tseng em 1999, conhecido por método FDSS (Fortified-Descent Simplicial Search Method). Esse algoritmo usa o critério do decréscimo fortalecido e também impõe que os ângulos internos dos simplex-testes sejam maiores que uma constante positiva, para garantir resultados de convergência. Realizamos testes computacionais em problemas clássicos de minimização irrestrita e especialmente em funções diferenciáveis estritamente convexas para as quais o método de Nelder-Mead falha, quando s¿ao feitas escolhas particulares para o simplex inicial / Abstract. In this work we deal with direct search methods for the unconstrained minimization of functions from Rn to R (f : Rn 7- R). Besides being derivative free, these methods do not use approximations of the derivatives of the function and they do not use the function values in their operations. In this class, we study a method based on the simplex, proposed by Paul Tseng in 1999. His method is know as FDSS (Fortified-Descent Simplicial Search Method). This algorithm uses the fortified-descent criterion and also imposes a lower positive bound for the angles of the simplex tests, in order to have convergence results. We present computational tests made with several problems of the classical literature and specifically with differentiable strictly convex functions for which the Nelder-Mead method does not converge for some particular choices of the initial simplex / Mestrado / Otimização Matematica / Mestre em Matemática Aplicada

Orientador: Aurelio Ribeiro Leite de Oliveira / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-18T09:56:13Z (GMT). No. of bitstreams: 1 Contharteze_Eliana_M.pdf: 964639 bytes, checksum: d9a9a761fbb64f1950cd4f206057d779 (MD5) Previous issue date: 2011 / Resumo: Os métodos de pontos interiores primais-duais para o problema de regressão pela norma-p desenvolvidos terão sua estrutura matricial resultante explorada objetivando uma implementação eficiente. O problema de regressão tem inúmeras aplicações em diversas áreas. A norma-2 é muito popular, entre outros motivos, por permitir uma solução direta. Por sua vez a norma-1 permite reduzir o efeito de pontos discrepantes enquanto que a norma infinito garante proteção contra o pior caso. A norma-p permite pensar estas características de diferentes formas, adaptando o método ao problema a ser resolvido. A implementação dos métodos de pontos interiores a ser desenvolvida será comparada com implementações eficientes de outros métodos já existentes / Abstract: The specific primal-dual interior point methods for the p-norm fitting problem previously developed will have their resulting matrix structure exploited aiming at an efficient implementation. The fitting problem has numerous applications in various areas. The 2-norm is very popular, among other reasons, for allowing a direct solution. The 1-norm allows the reduction of the effect of outliers while the infinite norm provides protection against the worst case. The p-norm allows to think these characteristics in different ways adapting the method to the problem to be solved. The interior point method implementation to be developed will be compared with an efficient implementation of other existing methods / Mestrado / Matematica Aplicada / Mestre em Matemática Aplicada

Orientadores: Jose Mario Martinez, Roberto Andreani / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-05T13:39:47Z (GMT). No. of bitstreams: 1 Schuverdt_MariaLaura_D.pdf: 1606082 bytes, checksum: 6abf2c2c3c8ff70ce48c73fc1732d3c0 (MD5) Previous issue date: 2006 / Resumo: Condições de qualificação são ferramentas úteis na análise de convergência de métodos de otimização. Neste trabalho provamos que a nova condição de dependência linear positiva constante (CPLD) é uma condição de qualificação e mostramos que ela é mais fraca que condições clássicas, como regularidade, Mangasarian- Fromovitz e posto constante. Além disso, apresentamos um algo ritmo de Lagrangiano aumentado para resolver problemas gerais de programação matemática com convergência utilizando a CPLD. O algo ritmo proposto é definido para resolver problemas com dois conjuntos de restrições: um, mais complexo, formado pelas restrições que são penalizadas e, outro, mais simples, pelas restrições que são satisfeitas por todos os iterados gerados no processo. O resultado de convergência global estabelece que se um ponto limite da seqüência gerada pelo algoritmo satisfaz a condição CPLD então esse ponto é um ponto estacionário do problema original. O resultado de convergência global obtido é mais forte que resultados de convergência para problemas mais específicos obtidos utilizando condições de qualificação mais fortes, como a regularidade. Indicamos também as hipóteses adequadas sob as quais obtemos limitação do parâmetro de penalidade. A confiabilidade do algo ritmo foi testada mediante uma exaustiva comparação com o algoritmo LANCELOT, mostrando que nosso método é mais robusto e eficiente. Além disso, e como aplicação do nosso algoritmo no caso em que restrições diferentes são incorporadas no problema, apresentamos a resolução de problemas de alocação nos quais existem muitas restrições não-lineares no conjunto complexo. Utilizando o método de Gradiente Projetado Espectral mostramos que problemas desse tipo com muitas variáveis e restrições são resolvidos de maneira eficiente num tempo razoável / Abstract: Contraint qualifications are useful tools in the convergence analysis of optimization methods. In this work we prove that the new constant positive linear dependence condition (CPLD) is a constraint qualification and we show that it is weaker than classic constraint qualifications, like the regularity, the Mangasarian-Fromovitz and the constant rank conditions. Moreover, we introduce an augmented Lagrangian algorithm for solving general nonlinear programming problems whose convergence result uses the CPLD condition. The proposed algorithm is developed for problems with two sets of constraints: a complex one, formed by the penalized constraints and a simple one, formed by the constraints that are verified for all the iterates generated along the process. The global convergence result establishes that if a limit point of the sequence generated by the algorithm satisfies the CPLD condition then this point is a stationary point of the original problem. Thus, the global convergence result is stronger than the previous results for more specific problems obtained using stronger constraint qualification, as the regularity. We also indicate suitable conditions under which we prove boundedness of the penalty parameter. The reliability of the approach was tested by means of an exhaustive comparison against LANCELOT, demonstrating that our method is more robust and efficient. Moreover, as an application of our algorithm when different constraints are incorporated, we introduce the resolution of Location Problems in which there exist many nonlinear constraints in the complex set. We show that, employing the Spectral Projected Gradient method for solving the subproblems, this class of problems with many variables and constraints is efficiently solved with moderate computational effort / Doutorado / Otimização / Doutor em Matemática Aplicada

Orientadores: Roberto Andreani, Jose Mario Martinez / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-06T17:34:49Z (GMT). No. of bitstreams: 1 Yano_FlavioSakakisbara_D.pdf: 1668967 bytes, checksum: 8aa24c4b6cbdb9b2496b221c339bc28b (MD5) Previous issue date: 2006 / Resumo: Dadas r funções reais Pl,"., Pr definidas em n C IRn e um inteiro p entre 1 e r, o problema de otimização da menor soma de valores ordenados (LaVO) consiste em minimizar a soma das funções que tomam os p menores valores. Se (Yl, . . . , Yr) é um vetor de dados e T(x, ti) é o valor previsto da observação i ao adotar um parâmetro x E n, é natural definir Fi(X) = (T(x, ti) - yd2 (erro quadrático da observação i quando x é o parâmetro adotado). Neste caso, quando p = r, temos o clássico problema de quadrados mínimos não-linear. Entretanto, a situação é mais interessante quando p é menor que r. Neste caso, é possível desprezar um número pré-determinado de observações ruins. Assim, o problema LaVO aponta como uma ferramenta interessante para fazer estimação robusta de parâmetros. Quando p « r o LaVO pode ser usado para encontrar padrões ocultos em um determinado conjunto de dados. Neste trabalho discutiremos condições de otimalidade, algoritmos para resolver o LaVO serão introduzidos e teoremas de convergência serão provados. Finalmente, experimentos numéricos serão apresentados / Abstract: Given r real functions Fl(X),..., Fr(x) defined in n c IRn and an integer p between 1 and r, the Low Order-Value Optimization problem (LOVO) consists of minimizing the sum of the functions that take the p smallest values. If (Yl,..., Yr) is a vector of data and T(x, ti) is the predicted value of the i-th observation / Doutorado / Otimização / Doutor em Matemática Aplicada

Orientador: Jose Mario Martinez Perez / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-13T12:07:27Z (GMT). No. of bitstreams: 1 Martinez_AndreLuisMachado_D.pdf: 1457053 bytes, checksum: 6d70bba5dd246c0212765142b6451a5d (MD5) Previous issue date: 2009 / Resumo: Quando resolvemos problemas de programação não linear por meio de algoritmos que utilizam o Lagrangiano Aumentado, um fenômeno chamado voracidade pode ocorrer. Quando isto ocorre o método busca pontos muito infactíveis com valores de função muito pequenos, em geral, nas primeiras iterações, assim o parâmetro de penalidade cresce excessivamente, de tal forma que prejudica o condicionamento do problema. Neste trabalho 'e sugerida uma abordagem de regularização para superar esta dificuldade. Um método de Lagrangiano Aumentado é definido, com a adição de um termo regularizador que inibe a possibilidade do iterando se afastar demasiadamente do ponto de referência. Provamos convergência e apresentamos exemplos numéricos. / Abstract: When one solves Nonlinear Programming problems by means of algorithms that use merit criteria combining the objective function and penalty feasibility terms, a phenomenon called greediness may occur. Unconstrained minimizers attract the iterates at early stages of the calculations and, so, the penalty parameter needs to grow excessively, in such a way that ill conditioning harms the overall convergence. In this work a regularization approach is suggested to overcome this dificulty. An Augmented Lagrangian method is defined with the addition of a regularization term that inhibits the possibility that the iterates go far from a reference point. Convergence proofs and numerical examples are given. / Doutorado / Doutor em Matemática Aplicada

Orientador: Francisco de Assis Magalhães Gomes Neto / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-13T12:28:53Z (GMT). No. of bitstreams: 1 Senne_ThadeuAlves_M.pdf: 1074089 bytes, checksum: 76e0320b61aeb0cef5475189e51d218e (MD5) Previous issue date: 2009 / Resumo: Neste trabalho, estudamos algumas formulações possíveis para o problema de otimização topológica de um mecanismo flexível, propostas por Nishiwaki et al. [33], Lima [26] e Sigmund [37]. Para resolver os problemas de programação não linear associados a cada uma das formulações estudadas, usamos uma versão globalmente convergente da Programação Linear Seqüencial, inspirada no trabalho de Gomes et al. [18], e uma versão globalmente convergente do Método das Assíntotas Móveis, desenvolvida por Svanberg [46]. Fazemos uma análise comparativa do desempenho desses dois métodos de otimização, no que diz respeito às topologias ótimas obtidas para as estruturas e ao esforço computacional para a resolução dos problemas de otimização topológica. Comparamos também a eficácia de alguns filtros espaciais propostos na literatura, que têm o papel de evitar o aparecimento de regiões semelhantes a um tabuleiro de xadrez nas topologias ótimas das estruturas / Abstract: In this work, we study some possible formulations for the topology optimization problem of a compliant mechanism, proposed by Nishiwaki et al. [33], Lima [26] and Sigmund [37]. To solve the nonlinear programming problem associated to each formulation, we use a globally convergent version of the Sequential Linear Programming, inspired in the Gomes' et al. [18] work, and a globally convergent version of the Method of Moving Asymptotes, developed by Svanberg [46]. We make a comparative analysis of the performance of these two optimization methods, with respect to the optimum topologies obtained for the structures and to the computational e ort for the resolution of the topology optimization problems. Also, we compare the e ciency of some spatial lters already proposed in the literature, used to avoid the occurrency of regions similar to a checkerboard in the optimum topology of the structures / Mestrado / Matematica Aplicada - Otimização / Mestre em Matemática Aplicada