Orientador: Celso Pascoli Bottura / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-04T18:33:31Z (GMT). No. of bitstreams: 1 DelRealTamariz_Annabell_D.pdf: 5783881 bytes, checksum: 21a1a2e27552398a982a934513988a24 (MD5) Previous issue date: 2005 / Resumo: Este estudo apresenta contribuições para modelagem computacional de dados multivariáveis no espaço de estado, tanto com sistemas lineares invariantes como com variantes no tempo. Propomos para modelagem determinística-estocástica de dados ruidosos, o Algoritmo MOESP_AOKI. Propomos, utilizando Redes Neurais Recorrentes multicamadas, algoritmos para resolver a Equação Algébrica de Riccati Discreta bem como a Inequação Algébrica de Riccati Discreta, via Desigualdades Matriciais Lineares. Propomos um esquema de controle adaptativo com Escalonamento de Ganhos, baseado em Redes Neurais, para sistemas multivariáveis discretos variantes no tempo, identificados pelo algoritmo MOESP_VAR, também proposto nesta tese. Em síntese, uma estrutura de controle inteligente para sistemas discretos multivariáveis variantes no tempo, através de uma abordagem que pode ser chamada ILPV (Intelligent Linear Parameter Varying), é proposta e implementada. Um controlador LPV Inteligente, para dados computacionalmente modelados pelo algoritmo MOESP_VAR, é concretizado, implementado e testado com bons resultados / Abstract: This study presents contributions for state space multivariable computational data modelling with discrete time invariant as well as with time varying linear systems. A proposal for Deterministic-Estocastica Modelling of noisy data, MOESP_AOKI Algorithm, is made. We present proposals forsolving the Discrete-Time Algebraic Riccati Equation as well as the associate Linear Matrix Inequalityusing a multilayer Recurrent Neural Network approaches. An Intelligent Linear Parameter Varying(ILPV) control approach for multivariable discrete Linear Time Varying (LTV) systems identified bythe MOESP_VAR algorithm, are both proposed. A gain scheduling adaptive control scheme based on neural networks is designed to tune on-line the optimal controllers. In synthesis, an Intelligent Linear Parameter Varying (ILPV) Control approach for multivariable discrete Linear Time Varying Systems (LTV), identified by the algorithm MOESP_VAR, is proposed. This way an Intelligent LPV Control for multivariable data computationally modeled via the MOESP_VAR algorithm is structured, implemented and tested with good results / Doutorado / Automação / Doutor em Engenharia Elétrica

[pt] Finanças Corporativas tem como objetivo encontrar a política de investimentos e financiamentos que maximize o valor para o acionista. Baseada no modelo estático de Modigliani e Miller, a literatura recente apresenta modelos dinâmicos que buscam maior aderência à realidade. No entanto, para obter uma metodologia de solução computacionalmente tratável, duas simplificações são usualmente adotadas: (i) agentes financeiros são neutros a risco; (ii) custo de financiamento são fixos e independentes da alavancagem da empresa. Neste trabalho, é proposto um modelo de programação dinâmica estocástica para a determinação da política ótima de investimentos e financiamentos considerando acionistas avessos a risco e empresas que enfrentam incerteza na receita e custos marginais de financiamentos não-decrescentes com o nível de alavancagem da empresa. O modelo proposto é resolvido de maneira eficiente utilizando o algoritmo de Programação Dinâmica Dual Estocástica. Ao final do trabalho, são realizados estudos empíricos e análises de sensibilidade para melhor compreensão das políticas de investimentos e financiamentos das corporações. / [en] Corporate Finance is the study of investment and financing policies in order to maximize shareholder value. Based on the static model of Modigliani and Miller, recent literature presents dynamic models that seek greater adherence to reality. However, to obtain a computationally treatable solution methodology, two simplifications are usually adopted: (i) financial agents are risk neutral; (ii) cost of financing is static and independent of the company s leverage. In this work, a dynamic stochastic programming model is proposed to determine the optimum investment and financing policy, considering risk-averse shareholders and companies that face uncertainty on income and non-decreasing marginal costs of financing. The proposed model is efficiently solved using the Stochastic Dual Dynamic Programming algorithm. At the end of the study, empirical studies and sensitivity analyzes are carried out to the better understanding of corporate investment and financing policies.