Orientador: Valeriano Antunes de Oliveira / Resumo: Neste trabalho, primeiramente, serão apresentados problemas de otimização nos quais a função objetivo é de múltiplas variáveis e de valor intervalar e as restrições de desigualdade são dadas por funcionais clássicos, isto é, de valor real. Serão dadas as condições de otimalidade usando a E−diferenciabilidade e, depois, a gH−diferenciabilidade total das funções com valor intervalar de várias variáveis. As condições necessárias de otimalidade usando a gH−diferenciabilidade total são do tipo KKT e as suficientes são do tipo de convexidade generalizada. Em seguida, serão estabelecidos problemas de controle ótimo nos quais a funçãao objetivo também é com valor intervalar de múltiplas variáveis e as restrições estão na forma de desigualdades e igualdades clássicas. Serão fornecidas as condições de otimalidade usando o conceito de Lipschitz para funções intervalares de várias variáveis e, logo, a gH−diferenciabilidade total das funções com valor intervalar de várias variáveis. As condições necessárias de otimalidade, usando a gH−diferenciabilidade total, estão na forma do célebre Princípio do Máximo de Pontryagin, mas desta vez na versão intervalar. / Abstract: In this work, firstly, it will be presented optimization problems in which the objective function is interval−valued of multiple variables and the inequality constraints are given by classical functionals, that is, real−valued ones. It will be given the optimality conditions using the E−differentiability and then the total gH−differentiability of interval−valued functions of several variables. The necessary optimality conditions using the total gH−differentiability are of KKT−type and the sufficient ones are of generalized convexity type. Next, it will be established optimal control problems in which the objective function is also interval−valued of multiple variables and the constraints are in the form of classical inequalities and equalities. It will be furnished the optimality conditions using the Lipschitz concept for interval−valued functions of several variables and then the total gH−differentiability of interval−valued functions of several variables. The necessary optimality conditions using the total gH−differentiability is in the form of the celebrated local Pontryagin Maximum Principle, but this time in the intervalar version. / Doutor

[pt] Esquemas semi-Lagrangeanos usados para a aproximação do princípio da programação dinâmica são baseados em uma discretização temporal reconstruída no espaço de estado. O uso de uma malha estruturada torna essa abordagem inviável para problemas de alta dimensão devido à maldição da dimensionalidade. Nesta tese, apresentamos uma nova abordagem para problemas de controle ótimo de horizonte infinito onde a função valor é calculada usando Funções de Base Radial (RBFs) pelo método de aproximação de mínimos quadrados móveis de Shepard em malhas irregulares. Propomos um novo método para gerar uma malha irregular guiada pela dinâmica e uma rotina de otimizada para selecionar o parâmetro responsável pelo formato nas RBFs. Esta malha ajudará a localizar o problema e aproximar o princípio da programação dinâmica em alta dimensão. As estimativas de erro para a função valor também são fornecidas. Testes numéricos para problemas de alta dimensão mostrarão a eficácia do método proposto. Além do controle ótimo de EDPs clássicas mostramos como o método também pode ser aplicado ao controle de equações não-locais. Também fornecemos um exemplo analisando a convergência numérica de uma equação não-local controlada para o modelo contínuo. / [en] Semi-Lagrangian schemes for the approximation of the dynamic programming principle are based on a time discretization projected on a state-space grid. The use of a structured grid makes this approach not feasible for highdimensional problems due to the curse of dimensionality. In this thesis, we present a new approach for infinite horizon optimal control problems where the value function is computed using Radial Basis Functions (RBF) by the Shepard s moving least squares approximation method on scattered grids. We propose a new method to generate a scattered mesh driven by the dynamics and an optimal routine to select the shape parameter in the RBF. This mesh will help to localize the problem and approximate the dynamic programming principle in high dimension. Error estimates for the value function are also provided. Numerical tests for high dimensional problems will show the effectiveness of the proposed method. In addition to the optimal control of classical PDEs, we show how the method can also be applied to the control of nonlocal equations. We also provide an example analyzing the numerical convergence of a nonlocal controlled equation towards the continuous model.

No description available.