Submitted by Leonardo Cavalcante (leo.ocavalcante@gmail.com) on 2018-06-11T11:34:10Z No. of bitstreams: 1 Arquivototal.pdf: 1995596 bytes, checksum: bfcc1e1f3a77514dcbf7a8e4f5e4701b (MD5) / Made available in DSpace on 2018-06-11T11:34:10Z (GMT). No. of bitstreams: 1 Arquivototal.pdf: 1995596 bytes, checksum: bfcc1e1f3a77514dcbf7a8e4f5e4701b (MD5) Previous issue date: 2017-02-16 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / The problem in investment portfolio selection consists in the allocation of resources to a finite number of assets, aiming, in its classic approach, to overcome a trade-off between the risk and expected return of the portfolio. This problem is one of the most important topics targeted at today’s financial and economic issues. Since the pioneering works of Markowitz, the issue is treated as an optimisation problem with the two aforementioned objectives. However, in recent years, various restrictions and additional risk measurements were identified in the literature, such as, for example, cardinality restrictions, minimum transaction lot and asset pre-selection. This practice aims to bring the issue closer to the reality encountered in financial markets. In that regard, this paper proposes a metaheuristic called Particle Swarm for the optimisation of several PSPs, in such a way that allows the resolution of the problem considering a set of restrictions chosen by the investor. / O problema de seleção de carteiras de investimentos (PSP) consiste na alocação de recursos a um número finito de ativos, objetivando, em sua abordagem clássica, superar um trade-off entre o retorno esperado e o risco da carteira. Tal problema ´e uma das temáticas mais importantes voltadas a questões financeiras e econômicas da atualidade. Desde os pioneiros trabalhos de Markowitz, o assunto é tratado como um problema de otimização com esses dois objetivos citados. Entretanto, nos últimos anos, diversas restrições e mensurações de riscos adicionais foram consideradas na literatura, como, por exemplo, restrições de cardinalidade, de lote mínimo de transação e de pré-seleção de ativos. Tal prática visa aproximar o problema da realidade encontrada nos mercados financeiros. Neste contexto, o presente trabalho propõe uma meta-heurística denominada Adaptive Non-dominated Sorting Multiobjective Particle Swarm Optimization para a otimização de vários problemas envolvendo PSP, de modo que permita a resolução do problema considerando um conjunto de restri¸c˜oes escolhidas pelo investidor.

Made available in DSpace on 2014-12-17T14:53:05Z (GMT). No. of bitstreams: 1 EvertonS_DISSERT.pdf: 1215528 bytes, checksum: 9fd0b2ab4c831dc0b107eb1bed7bb87b (MD5) Previous issue date: 2012-01-27 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / This work presents a hybrid approach for the supplier selection problem in Supply Chain Management. We joined decision-making philosophy by researchers from business school and researchers from engineering in order to deal with the problem more extensively. We utilized traditional multicriteria decision-making methods, like AHP and TOPSIS, in order to evaluate alternatives according decision maker s preferences. The both techiniques were modeled by using definitions from the Fuzzy Sets Theory to deal with imprecise data. Additionally, we proposed a multiobjetive GRASP algorithm to perform an order allocation procedure between all pre-selected alternatives. These alternatives must to be pre-qualified on the basis of the AHP and TOPSIS methods before entering the LCR. Our allocation procedure has presented low CPU times for five pseudorandom instances, containing up to 1000 alternatives, as well as good values for all considered objectives. This way, we consider the proposed model as appropriate to solve the supplier selection problem in the SCM context. It can be used to help decision makers in reducing lead times, cost and risks in their supply chain. The proposed model can also improve firm s efficiency in relation to business strategies, according decision makers, even when a large number of alternatives must be considered, differently from classical models in purchasing literature / Este trabalho apresenta uma abordagem h?brida para o problema de sele??o de fornecedores em cadeias de suprimentos geridas com base na metodologia SCM (do ingl?s, Supply Chain Management). Busca-se combinar as filosofias de avalia??o tradicionalmente adotadas pelos pesquisadores oriundos da escola de neg?cios e pelos pesquisadores oriundos da ?rea de engenharia, esta ?ltima baseada em otimiza??o, para o trato do problema. Para tal, utilizam-se t?cnicas multicrit?rios tradicionais, como os m?todos AHP e TOPSIS para avaliar as alternativas segundo a prefer?ncia dos decisores. Ambas as t?cnicas s?o modeladas de maneira a suportar defini??es da Teoria dos Conjuntos Fuzzy, tratando-se assim informa??es imprecisas. Adicionalmente, apresenta-se um algoritmo GRASP, com base em m?ltiplos objetivos, para a aloca??o de pedidos entre as alternativas pr?-selecionadas por meio dos m?todos supracitados. Este algoritmo, por sua vez, apresenta tempos de CPU relativamente baixos para cinco inst?ncias pseudo-aleat?rias, contendo entre 20 e 1000 alternativas, bem como valores pr?ximos aos valores m?nimos para cada um dos objetivos considerados. Destaca-se que o modelo proposto se mostrou apropriado para a avalia??o de fornecedores no contexto apresentado, podendo-se auxiliar os decisores na redu??o de lead times, custos e riscos de sua cadeia de suprimentos, bem como na melhoria da efici?ncia desta estrutura em rela??o ? sua vis?o de neg?cios, mesmo quando um n?mero elevado de alternativas ? considerado, diferentemente dos modelos cl?ssicos apresentados na literatura

O processo de escolha de portfólios é um problema clássico da área financeira. Neste problema, o investidor busca aplicar seu dinheiro em um mercado de ações de forma a obter um bom compromisso entre o retorno esperado e o risco. Em geral, quanto maior o retorno esperado da carteira, maior o risco a ela associado. Neste trabalho foram estudadas modelagens para o problema de escolha de portfólio ótimo e suas aplicações ao mercado brasileiro. Do ponto de vista de modelagem foi proposta a inclusão do risco diversificável e não-diversificável ao modelo linear estudado. O risco diversificável foi incluído através de uma restrição que impõe um número mínimo de ativos na composição do portfólio ótimo, enquanto o risco não-diversificável foi adicionado considerando o beta da carteira. Do ponto de vista de aplicação, foi considerada a atribuição de valores de probabilidade para os retornos históricos dos ativos utilizados na análise do problema, visando incorporar informações do comportamento apresentado pelo mercado nos resultados. Na geração dos resultados, foram desenvolvidos em CPLEX um método ótimo de solução para o problema e um método para geração de uma curva de soluções Pareto ótimas / The process of selecting a portfolio is a classical problem in finance, where the investor intends to invest money in the stock market in such way that a reasonable trade-off between expected return and risk is obtained. In general, the higher the expected return of the portfolio is, the higher his risk will be. In this work the single period portfolio optimization problem is studied in terms of modeling and application for the Brazilian stock market. Referring to the model, changes are proposed to include the diversifiable and nondiversifiable risk. The diversifiable risk is included by imposing a minimum number of assets on the portfolio, while the nondiversifiable risk is controlled by restricting the portfolios beta. On the applications side, a method to estimate the probability of the assets historical returns is proposed, so more information about the market behavior is considered on the problem. The results were obtained by a optimal method to find the best solution and another one to generate the Pareto-optimal solutions, both developed using CPLEX

O problema do caixeiro viajante (PCV) é um problema clássico de otimização que possui diversas variações, aplicações e instâncias. Encontrar a solução ótima para muitas instâncias desse problema é geralmente muito difícil devido o alto custo computacional. Vários métodos de otimização, conhecidos como meta-heurísticas (MHs), são capazes de encontrar boas soluções para o PCV. Muitos algoritmos baseados em diversas MHs têm sido propostos e investigados para diferentes variações do PCV. Como não existe um algoritmo universal que encontre a melhor solução para todas as instâncias de um problema, diferentes MHs podem prover a melhor solução para diferentes instâncias do PCV. Desse modo, a seleção a priori da MH que produza a melhor solução para uma dada instância é uma tarefa difícil. A pesquisa desenvolvida nesta tese investiga o uso de abordagens de meta-aprendizado para selecionar as MHs mais promissoras para novas instâncias de PCV. Essas abordagens induzem meta-modelos preditivos a partir do treinamento das técnicas de aprendizado de máquina em um conjunto de meta-dados. Cada meta-exemplo, em nosso conjunto de meta-dados, representa uma instância de PCV descrita por características (meta-atributos) do PCV e pelo desempenho das MHs (meta-atributo alvo) para essa instância. Os meta-modelos induzidos são usados para indicar os valores do meta-atributo alvo para novas instâncias do PCV. Vários experimentos foram realizados durante a investigação desta pesquisa e resultados importantes foram obtidos / The traveling salesman problem (TSP) is a classical optimization problem that has several variations, applications and instances. To find the optimal solution for many instances of this problem is usually a very hard task due to high computational cost. Various optimization methods, known as metaheuristics (MHs), are capable to generate good solutions for the TSP. Many algorithms based on different MHs have been proposed and investigated for different variations of the TSP. Different MHs can provide the best optimization solution for different TSP instances, since there is no a universal algorithm able to find the best solution for all instances. Thus, a priori selection of the MH that produces the best solution for a given instance is a hard task. The research developed in this thesis investigates the use of meta-learning approaches to select the most promising MHs for new TSP instances. These approaches induce predictive meta-models from the training of machine learning techniques on a set of meta-data. In our meta-data, each meta-example is a TSP instance described by problem characteristics (meta-features) and performance of MHs (target meta-features) for this instance. The induced meta-models are used to indicate the values of the target meta-feature for new TSP instances. During the investigation of this research, several experiments were performed and important results were obtained

Tesis por compendio / [ES] La optimización en las empresas manufactureras es especialmente importante, debido a las grandes inversiones que realizan, ya que a veces estas inversiones no obtienen el rendimiento esperado porque los márgenes de beneficio de los productos son muy ajustados. Por ello, las empresas tratan de maximizar el uso de los recursos productivos y financieros minimizando el tiempo perdido y, al mismo tiempo, mejorando los flujos de los procesos y satisfaciendo las necesidades del mercado. El proceso de planificación es una actividad crítica para las empresas. Esta tarea implica grandes retos debido a los cambios del mercado, las alteraciones en los procesos de producción dentro de la empresa y en la cadena de suministro, y los cambios en la legislación, entre otros. La planificación del aprovisionamiento, la producción y la distribución desempeña un papel fundamental en el rendimiento de las empresas manufactureras, ya que una planificación ineficaz de los proveedores, los procesos de producción y los sistemas de distribución contribuye a aumentar los costes de los productos, a alargar los plazos de entrega y a reducir los beneficios. La planificación eficaz es un proceso complejo que abarca una amplia gama de actividades para garantizar que los equipos, los materiales y los recursos humanos estén disponibles en el momento y el lugar adecuados. Motivados por la complejidad de la planificación en las empresas manufactureras, esta tesis estudia y desarrolla herramientas cuantitativas para ayudar a los planificadores en los procesos de la planificación del aprovisionamiento, producción y distribución. Desde esta perspectiva, se proponen modelos realistas y métodos eficientes para apoyar la toma de decisiones en las empresas industriales, principalmente en las pequeñas y medianas empresas (PYMES). Las aportaciones de esta tesis suponen un avance científico basado en una exhaustiva revisión bibliográfica sobre la planificación del aprovisionamiento, la producción y la distribución que ayuda a comprender los principales modelos y algoritmos utilizados para resolver estos planes, y pone en relieve las tendencias y las futuras direcciones de investigación. También proporciona un marco holístico para caracterizar los modelos y algoritmos centrándose en la planificación de la producción, la programación y la secuenciación. Esta tesis también propone una herramienta de apoyo a la decisión para seleccionar un algoritmo o método de solución para resolver problemas concretos de la planificación del aprovisionamiento, producción y distribución en función de su complejidad, lo que permite a los planificadores no duplicar esfuerzos de modelización o programación de técnicas de solución. Por último, se desarrollan nuevos modelos matemáticos y enfoques de solución de última generación, como los algoritmos matheurísticos, que combinan la programación matemática y las técnicas metaheurísticas. Los nuevos modelos y algoritmos comprenden mejoras en términos de rendimiento computacional, e incluyen características realistas de los problemas del mundo real a los que se enfrentan las empresas de fabricación. Los modelos matemáticos han sido validados con un caso de una importante empresa del sector de la automoción en España, lo que ha permitido evaluar la relevancia práctica de estos novedosos modelos utilizando instancias de gran tamaño, similares a las existentes en la empresa objeto de estudio. Además, los algoritmos matheurísticos han sido probados utilizando herramientas libres y de código abierto. Esto también contribuye a la práctica de la investigación operativa, y proporciona una visión de cómo desplegar estos métodos de solución y el tiempo de cálculo y rendimiento de la brecha que se puede obtener mediante el uso de software libre o de código abierto. / [CA] L'optimització a les empreses manufactureres és especialment important, a causa de les grans inversions que realitzen, ja que de vegades aquestes inversions no obtenen el rendiment esperat perquè els marges de benefici dels productes són molt ajustats. Per això, les empreses intenten maximitzar l'ús dels recursos productius i financers minimitzant el temps perdut i, alhora, millorant els fluxos dels processos i satisfent les necessitats del mercat. El procés de planificació és una activitat crítica per a les empreses. Aquesta tasca implica grans reptes a causa dels canvis del mercat, les alteracions en els processos de producció dins de l'empresa i la cadena de subministrament, i els canvis en la legislació, entre altres. La planificació de l'aprovisionament, la producció i la distribució té un paper fonamental en el rendiment de les empreses manufactureres, ja que una planificació ineficaç dels proveïdors, els processos de producció i els sistemes de distribució contribueix a augmentar els costos dels productes, allargar els terminis de lliurament i reduir els beneficis. La planificació eficaç és un procés complex que abasta una àmplia gamma d'activitats per garantir que els equips, els materials i els recursos humans estiguen disponibles al moment i al lloc adequats. Motivats per la complexitat de la planificació a les empreses manufactureres, aquesta tesi estudia i desenvolupa eines quantitatives per ajudar als planificadors en els processos de la planificació de l'aprovisionament, producció i distribució. Des d'aquesta perspectiva, es proposen models realistes i mètodes eficients per donar suport a la presa de decisions a les empreses industrials, principalment a les petites i mitjanes empreses (PIMES). Les aportacions d'aquesta tesi suposen un avenç científic basat en una exhaustiva revisió bibliogràfica sobre la planificació de l'aprovisionament, la producció i la distribució que ajuda a comprendre els principals models i algorismes utilitzats per resoldre aquests plans, i posa de relleu les tendències i les futures direccions de recerca. També proporciona un marc holístic per caracteritzar els models i algorismes centrant-se en la planificació de la producció, la programació i la seqüenciació. Aquesta tesi també proposa una eina de suport a la decisió per seleccionar un algorisme o mètode de solució per resoldre problemes concrets de la planificació de l'aprovisionament, producció i distribució en funció de la seua complexitat, cosa que permet als planificadors no duplicar esforços de modelització o programació de tècniques de solució. Finalment, es desenvolupen nous models matemàtics i enfocaments de solució d'última generació, com ara els algoritmes matheurístics, que combinen la programació matemàtica i les tècniques metaheurístiques. Els nous models i algoritmes comprenen millores en termes de rendiment computacional, i inclouen característiques realistes dels problemes del món real a què s'enfronten les empreses de fabricació. Els models matemàtics han estat validats amb un cas d'una important empresa del sector de l'automoció a Espanya, cosa que ha permés avaluar la rellevància pràctica d'aquests nous models utilitzant instàncies grans, similars a les existents a l'empresa objecte d'estudi. A més, els algorismes matheurístics han estat provats utilitzant eines lliures i de codi obert. Això també contribueix a la pràctica de la investigació operativa, i proporciona una visió de com desplegar aquests mètodes de solució i el temps de càlcul i rendiment de la bretxa que es pot obtindre mitjançant l'ús de programari lliure o de codi obert. / [EN] Optimisation in manufacturing companies is especially important, due to the large investments they make, as sometimes these investments do not obtain the expected return because the profit margins of products are very tight. Therefore, companies seek to maximise the use of productive and financial resources by minimising lost time and, at the same time, improving process flows while meeting market needs. The planning process is a critical activity for companies. This task involves great challenges due to market changes, alterations in production processes within the company and in the supply chain, and changes in legislation, among others. Planning of replenishment, production and distribution plays a critical role in the performance of manufacturing companies because ineffective planning of suppliers, production processes and distribution systems contributes to higher product costs, longer lead times and less profits. Effective planning is a complex process that encompasses a wide range of activities to ensure that equipment, materials and human resources are available in the right time and the right place. Motivated by the complexity of planning in manufacturing companies, this thesis studies and develops quantitative tools to help planners in the replenishment, production and delivery planning processes. From this perspective, realistic models and efficient methods are proposed to support decision making in industrial companies, mainly in small- and medium-sized enterprises (SMEs). The contributions of this thesis represent a scientific breakthrough based on a comprehensive literature review about replenishment, production and distribution planning that helps to understand the main models and algorithms used to solve these plans, and highlights trends and future research directions. It also provides a holistic framework to characterise models and algorithms by focusing on production planning, scheduling and sequencing. This thesis also proposes a decision support tool for selecting an algorithm or solution method to solve concrete replenishment, production and distribution planning problems according to their complexity, which allows planners to not duplicate efforts modelling or programming solution techniques. Finally, new state-of-the-art mathematical models and solution approaches are developed, such as matheuristic algorithms, which combine mathematical programming and metaheuristic techniques. The new models and algorithms comprise improvements in computational performance terms, and include realistic features of real-world problems faced by manufacturing companies. The mathematical models have been validated with a case of an important company in the automotive sector in Spain, which allowed to evaluate the practical relevance of these novel models using large instances, similarly to those existing in the company under study. In addition, the matheuristic algorithms have been tested using free and open-source tools. This also helps to contribute to the practice of operations research, and provides insight into how to deploy these solution methods and the computational time and gap performance that can be obtained by using free or open-source software. / This work would not have been possible without the following funding sources: Conselleria de Educación, Investigación, Cultura y Deporte, Generalitat Valenciana for hiring predoctoral research staff with Grant (ACIF/2018/170) and the European Social Fund with the Grant Operational Programme of FSE 2014-2020. Conselleria de Educación, Investigación, Cultura y Deporte, Generalitat Valenciana for predoctoral contract students to stay in research centers outside the research centers outside the Valencian Community (BEFPI/2021/040) and the European Social Fund. / Guzmán Ortiz, BE. (2022). Models and Algorithms for the Optimisation of Replenishment, Production and Distribution Plans in Industrial Enterprises [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/187461 / Compendio

[pt] Esta pesquisa de tese teve como objetivo explorar a análise de mídias sociais, especialmente as disponíveis em comunidades online de sites de redes sociais, a fim de realizar estudos sociais sobre questões de saúde. Com base em uma abordagem prática foi definido um processo para realizar esses estudos. Este processo contou com ferramentas computacionais adaptados para fornecer apoio em tarefas específicas, tais como recuperação de conteúdo, seleção e análise. Duas ferramentas que se destacam são apresentadas por causa de sua utilidade e a complexidade do processo em que a sua construção se baseou. Para o benefício da análise de comunidades online, o Mapa de Associação de Comunidades é um processo desenvolvido para apoiar especialistas em compreender os interesses dos usuários com base em suas associações dentro de suas comunidades. A outra ferramenta visa auxiliar analistas a selecionar discussões de fóruns online a serem analisados manualmente com técnicas de pesquisa qualitativa, por exemplo, análise de conteúdo e do discurso. Esta ferramenta, TorchSR, foi criada baseada em aprendizado de máquina não supervisionado, usando agrupamento hierárquico, para dar suporte na resolução do problema de seleção de conteúdo. Um estudo de caso exploratório mostra que esta ferramenta ajuda na resolução do problema. O processo proposto foi utilizado em dois estudos sobre questões relevantes de saúde (hepatite C e o abuso de drogas), que resultou em descobertas relevantes sobre saúde pública. Em conclusão, este trabalho apresenta a aplicação prática de ciência social computacional no campo da saúde, através do desenvolvimento de um processo e ferramentas utilizadas para apoiar os analistas e melhorar a sua aplicação. / [en] This research thesis is aiming to exploit valuable social media, especially those available in online communities of social network sites, in order to perform social studies about healthcare issues. Based on a practical approach, a process was defined to conduct such studies. This process relied on tailored computational tools to provide support for specific tasks such as contente retrieval, selection, and analysis. Two tools that stand out are presented because of their utility and the complexity of the process in which their development was based on. The first tool, for the benefit of online community analysis, is the Community Association Map, a process developed to support experts in understanding users’ interests based on their associations within their communities. Our second tool (TorchSR) aims to aid analysts in the selection of discussions from online forums to be manually analyzed by (qualitative) research techniques (e.g. content and discourse analysis). This task, which was defined as solving the content selection problem, was tackled with a tool based on unsupervised machine learning techniques, such as hierarchical clustering. An exploratory study case shows that TorchSR helps analysts in dealing with the problem. The proposed process was employed in two studies about relevant healthcare issues (i.e. hepatitis C and drug abuse) which resulted in interesting findings in the field of public health. In conclusion, this thesis presents a practical application of computational social science to the field of health, through development of a process and tools used to support analysts and improve its application.