• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 10
  • 1
  • Tagged with
  • 12
  • 12
  • 12
  • 6
  • 6
  • 6
  • 5
  • 4
  • 4
  • 4
  • 4
  • 4
  • 4
  • 4
  • 4
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

An augmented Lagrangian algorithm for optimization with equality constraints in Hilbert spaces

Maruhn, Jan Hendrik 03 May 2001 (has links)
Since augmented Lagrangian methods were introduced by Powell and Hestenes, this class of methods has been investigated very intensively. While the finite dimensional case has been treated in a satisfactory manner, the infinite dimensional case is studied much less. The general approach to solve an infinite dimensional optimization problem subject to equality constraints is as follows: First one proves convergence for a basic algorithm in the Hilbert space setting. Then one discretizes the given spaces and operators in order to make numerical computations possible. Finally, one constructs a discretized version of the infinite dimensional method and tries to transfer the convergence results to the finite dimensional version of the basic algorithm. In this thesis we discuss a globally convergent augmented Lagrangian algorithm and discretize it in terms of functional analytic restriction operators. Given this setting, we prove global convergence of the discretized version of this algorithm to a stationary point of the infinite dimensional optimization problem. The proposed algorithm includes an explicit rule of how to update the discretization level and the penalty parameter from one iteration to the next one - questions that had been unanswered so far. In particular the latter update rule guarantees that the penalty parameters stay bounded away from zero which prevents the Hessian of the discretized augmented Lagrangian functional from becoming more and more ill conditioned. / Master of Science
2

Estudo de reativos em sistemas de distribuição de energia elétrica / Reactive power study in energy distribution systems

Vasconcelos, Fillipe Matos de 22 March 2012 (has links)
Este trabalho tem o objetivo de utilizar métodos de otimização não linear a fim de desenvolver uma metodologia eficiente para alocação de bancos de capacitores visando a eliminar violações de tensão em redes de distribuição. A aplicação de capacitores em paralelo a sistemas elétricos de potência é comumente empregada com o intuito de se obter melhor controle do fluxo de potência, gerenciamento do perfil de tensão, correção do fator de potência e minimização de perdas. Tendo em vista estes benefícios, a metodologia deste trabalho se dará por meio da resolução de um problema de programação não linear associada com a aproximação linear da relação potência reativa versus tensão para determinar o número, a localização e o dimensionamento dos bancos capacitores ao longo das linhas de distribuição. Desta forma, pretende-se minimizar a injeção de reativos e reduzir as perdas ativas totais de modo que todas as restrições de operação e de carga sejam atendidas. Os resultados são avaliados pelo programa GAMS (General Algebraic Modeling System), pelo MATLAB TM (Matrix Laboratory) e por um programa elaborado em Fortran, sendo possível analisar e descrever as contribuições alcançadas pelo presente trabalho, considerando que este é um tema de grande relevância para a operação e planejamento da expansão dos sistemas elétricos de potência. / This work aims to use nonlinear optimization methods to develop an efficient methodology for capacitor banks allocation to eliminate voltage violations in distribution networks. The application of capacitors in parallel to the electric power systems are commonly employed in order to have better control of power flow, voltage profile management, power factor correction and loss minimization. To achieve these benefits, the methodology of this work will be done through the resolution of a nonlinear programming problem associated with the linear approach of Voltage Variations versus Reactive Power Variation, calculating the number, location and optimal design of capacitor banks along distribution lines. Thus, it looks forward to minimize reactive power injection and reduce losses subject to meeting the operating and the loading constraints. The results are evaluated by the program GAMS TM (General Algebraic Modeling System), by Matlab TM (Matrix Laboratory) and by a program written in FORTRAN TM, being able to analyze and describe the contributions achieved by this work, considering it is a topic of great relevance to the operation and expansion planning of electric power systems.
3

Condições de otimalidade, qualificação e métodos tipo Lagrangiano aumentado para problemas de equilíbrio de Nash generalizados / Optimality conditions, constraint qualifications and Augmented Lagrangian type methods for Generalized Nash Equilibrium Problems

Rojas, Frank Navarro 14 March 2018 (has links)
Esta tese é um estudo acerca do Problema de Equilíbrio de Nash Generalizado (GNEP). Na primeira parte, faremos um resumo dos principais conceitos sobre GNEPs, a relação com outros problemas já conhecidos e comentaremos brevemente os principais métodos já feitos até esta data para resolver numericamente este tipo de problema. Na segunda parte, estudamos condições de otimalidade e condições de qualificação (CQ) para GNEPs, fazendo uma analogia como em otimização. Estendemos os conceitos de cone tangente, normal, gerado pelas restrições ativas, linearizado e polar para a estrutura dos GNEPs. Cada CQ de otimização gera dois tipos de CQ para GNEPs, sendo que a denotada por CQ-GNEP é mais forte e útil para a análise de algoritmos para GNEPs. Mostramos que as condições de qualificação para GNEPs deste tipo em alguns casos não guardam a mesma relação que em otimização. Estendemos também o conceito de Aproximadamente Karush-KuhnTucker (AKKT) de otimização para GNEPs, o AKKT-GNEP. É bem conhecido que AKKT é uma genuína condição de otimalidade em otimização, mas para o caso dos GNEPs mostramos que isto não ocorre em geral. Por outro lado, AKKT-GNEP é satisfeito, por exemplo, em qualquer solução de um GNEP conjuntamente convexo, desde que seja um equilíbrio bvariacional. Com isso em mente, definimos um método do tipo Lagrangiano Aumentado para o GNEP usando penalidades quadráticas e exponenciais e estudamos as propriedades de otimalidade e viabilidade dos pontos limites de sequências geradas pelo algoritmo. Finalmente alguns critérios para resolver os subproblemas e resultados numéricos são apresentados. / This thesis is a study about the generalized Nash equilibrium problem (GNEP). In the first part we will summarize the main concepts about GNEPs, the relationship with other known problems and we will briefly comment on the main methods already done in order to solve these problems numerically. In the second part we study optimality conditions and constraint qualification (CQ) for GNEPs making an analogy with the optimization case. We extend the concepts of the tangent, normal and generated by the active cones, linear and polar cone to the structure of the GNEPs. Each optimization CQ generates two types of CQs for GNEPs, with the one called CQ-GNEP being the strongest and most useful for analyzing the algorithms for GNEPs. We show that the qualification conditions for GNEPs of this type in some cases do not have the same relation as in optimization. We also extend the Approximate Karush- Kuhn-Tucker (AKKT) concept used in optimization for GNEPs to AKKT-GNEP. It is well known that AKKT is a genuine optimality condition in optimization but for GNEPs we show that this does not occur in general. On the other hand, AKKT-GNEP is satisfied, for example, in any solution of a jointly convex GNEP, provided that it is a b-variational equilibrium. With this in mind, we define Augmented Lagrangian methods for the GNEP, using the quadratic and the exponential penalties, and we study the optimality and feasibility properties of the sequence of points generated by the algorithms. Finally some criteria to solve the subproblems and numerical results are presented.
4

Métodos de penalidade e barreira para programação convexa semidefinida / Penalty / barrier methods for convex semidefinite programming

Santos, Antonio Carlos dos 29 May 2009 (has links)
Este trabalho insere-se no contexto de métodos de multiplicadores para a resolução de problemas de programação convexa semidefinida e a análise de suas propriedades através do método proximal aplicado sobre o problema dual. Nosso foco será uma subclasse de problemas de programação convexa semidefinida com restrições afins, para a qual estudaremos relações de dualidade e condições para a existência de soluções dos problemas primal e dual. Em seguida, analisaremos dois métodos de multiplicadores para resolver essa classe de problemas e que são extensões de métodos conhecidos para programação não-linear. O primeiro, proposto por Doljansky e Teboulle, aborda um método de ponto proximal interior entrópico e sua conexão com um método de multiplicadores exponenciais. O segundo, apresentado por Mosheyev e Zibulevsky, estende para a classe de problemas de nosso interesse um método de lagrangianos aumentados suaves proposto por Ben-Tal e Zibulevsky. Por fim, apresentamos os resultados de testes numéricos feitos com o algoritmo proposto por Mosheyev e Zibulevsky, analisando diferentes escolhas de parâmetros, o aproveitamento do padrão de esparsidade das matrizes do problema e critérios para a resolução aproximada dos subproblemas irrestritos que devem ser resolvidos a cada iteração desse algoritmo de lagrangianos aumentados. / This work deals with multiplier methods to solve semidefinite convex programming problems and the analysis of their proprieties based on the proximal point method applied on the dual problem. We focus on a subclass of semidefinite programming problems with affine constraints, for which we study duality relations an conditions for the existence of solutions of the primal and dual problems. Afterwards, we analyze two multiplier methods to solve this class of problems which are extensions of known methods in nonlinear programming. The first one, introduced by Doljansky e Teboulle, approaches an entropic interior proximal algorithm and their relationship with an exponential multiplier method. The second one, presented by Mosheyev e Zibulevsky, extends a smooth augmented Lagrangian method proposed by Ben-Tal and Zibulevsky for the problems of our interest. Finally, we present the results of numerical experiments for the algorithm proposed by Mosheyev e Zibulevsky, analyzing some choices of parameters, the sparsity patterns of matrices of the problem and criteria to accept approximate solutions of the unconstrained subproblems that must be solved at each iteration of the augmented Lagrangian method.
5

Estudo de reativos em sistemas de distribuição de energia elétrica / Reactive power study in energy distribution systems

Fillipe Matos de Vasconcelos 22 March 2012 (has links)
Este trabalho tem o objetivo de utilizar métodos de otimização não linear a fim de desenvolver uma metodologia eficiente para alocação de bancos de capacitores visando a eliminar violações de tensão em redes de distribuição. A aplicação de capacitores em paralelo a sistemas elétricos de potência é comumente empregada com o intuito de se obter melhor controle do fluxo de potência, gerenciamento do perfil de tensão, correção do fator de potência e minimização de perdas. Tendo em vista estes benefícios, a metodologia deste trabalho se dará por meio da resolução de um problema de programação não linear associada com a aproximação linear da relação potência reativa versus tensão para determinar o número, a localização e o dimensionamento dos bancos capacitores ao longo das linhas de distribuição. Desta forma, pretende-se minimizar a injeção de reativos e reduzir as perdas ativas totais de modo que todas as restrições de operação e de carga sejam atendidas. Os resultados são avaliados pelo programa GAMS (General Algebraic Modeling System), pelo MATLAB TM (Matrix Laboratory) e por um programa elaborado em Fortran, sendo possível analisar e descrever as contribuições alcançadas pelo presente trabalho, considerando que este é um tema de grande relevância para a operação e planejamento da expansão dos sistemas elétricos de potência. / This work aims to use nonlinear optimization methods to develop an efficient methodology for capacitor banks allocation to eliminate voltage violations in distribution networks. The application of capacitors in parallel to the electric power systems are commonly employed in order to have better control of power flow, voltage profile management, power factor correction and loss minimization. To achieve these benefits, the methodology of this work will be done through the resolution of a nonlinear programming problem associated with the linear approach of Voltage Variations versus Reactive Power Variation, calculating the number, location and optimal design of capacitor banks along distribution lines. Thus, it looks forward to minimize reactive power injection and reduce losses subject to meeting the operating and the loading constraints. The results are evaluated by the program GAMS TM (General Algebraic Modeling System), by Matlab TM (Matrix Laboratory) and by a program written in FORTRAN TM, being able to analyze and describe the contributions achieved by this work, considering it is a topic of great relevance to the operation and expansion planning of electric power systems.
6

Condições de otimalidade, qualificação e métodos tipo Lagrangiano aumentado para problemas de equilíbrio de Nash generalizados / Optimality conditions, constraint qualifications and Augmented Lagrangian type methods for Generalized Nash Equilibrium Problems

Frank Navarro Rojas 14 March 2018 (has links)
Esta tese é um estudo acerca do Problema de Equilíbrio de Nash Generalizado (GNEP). Na primeira parte, faremos um resumo dos principais conceitos sobre GNEPs, a relação com outros problemas já conhecidos e comentaremos brevemente os principais métodos já feitos até esta data para resolver numericamente este tipo de problema. Na segunda parte, estudamos condições de otimalidade e condições de qualificação (CQ) para GNEPs, fazendo uma analogia como em otimização. Estendemos os conceitos de cone tangente, normal, gerado pelas restrições ativas, linearizado e polar para a estrutura dos GNEPs. Cada CQ de otimização gera dois tipos de CQ para GNEPs, sendo que a denotada por CQ-GNEP é mais forte e útil para a análise de algoritmos para GNEPs. Mostramos que as condições de qualificação para GNEPs deste tipo em alguns casos não guardam a mesma relação que em otimização. Estendemos também o conceito de Aproximadamente Karush-KuhnTucker (AKKT) de otimização para GNEPs, o AKKT-GNEP. É bem conhecido que AKKT é uma genuína condição de otimalidade em otimização, mas para o caso dos GNEPs mostramos que isto não ocorre em geral. Por outro lado, AKKT-GNEP é satisfeito, por exemplo, em qualquer solução de um GNEP conjuntamente convexo, desde que seja um equilíbrio bvariacional. Com isso em mente, definimos um método do tipo Lagrangiano Aumentado para o GNEP usando penalidades quadráticas e exponenciais e estudamos as propriedades de otimalidade e viabilidade dos pontos limites de sequências geradas pelo algoritmo. Finalmente alguns critérios para resolver os subproblemas e resultados numéricos são apresentados. / This thesis is a study about the generalized Nash equilibrium problem (GNEP). In the first part we will summarize the main concepts about GNEPs, the relationship with other known problems and we will briefly comment on the main methods already done in order to solve these problems numerically. In the second part we study optimality conditions and constraint qualification (CQ) for GNEPs making an analogy with the optimization case. We extend the concepts of the tangent, normal and generated by the active cones, linear and polar cone to the structure of the GNEPs. Each optimization CQ generates two types of CQs for GNEPs, with the one called CQ-GNEP being the strongest and most useful for analyzing the algorithms for GNEPs. We show that the qualification conditions for GNEPs of this type in some cases do not have the same relation as in optimization. We also extend the Approximate Karush- Kuhn-Tucker (AKKT) concept used in optimization for GNEPs to AKKT-GNEP. It is well known that AKKT is a genuine optimality condition in optimization but for GNEPs we show that this does not occur in general. On the other hand, AKKT-GNEP is satisfied, for example, in any solution of a jointly convex GNEP, provided that it is a b-variational equilibrium. With this in mind, we define Augmented Lagrangian methods for the GNEP, using the quadratic and the exponential penalties, and we study the optimality and feasibility properties of the sequence of points generated by the algorithms. Finally some criteria to solve the subproblems and numerical results are presented.
7

Métodos de penalidade e barreira para programação convexa semidefinida / Penalty / barrier methods for convex semidefinite programming

Antonio Carlos dos Santos 29 May 2009 (has links)
Este trabalho insere-se no contexto de métodos de multiplicadores para a resolução de problemas de programação convexa semidefinida e a análise de suas propriedades através do método proximal aplicado sobre o problema dual. Nosso foco será uma subclasse de problemas de programação convexa semidefinida com restrições afins, para a qual estudaremos relações de dualidade e condições para a existência de soluções dos problemas primal e dual. Em seguida, analisaremos dois métodos de multiplicadores para resolver essa classe de problemas e que são extensões de métodos conhecidos para programação não-linear. O primeiro, proposto por Doljansky e Teboulle, aborda um método de ponto proximal interior entrópico e sua conexão com um método de multiplicadores exponenciais. O segundo, apresentado por Mosheyev e Zibulevsky, estende para a classe de problemas de nosso interesse um método de lagrangianos aumentados suaves proposto por Ben-Tal e Zibulevsky. Por fim, apresentamos os resultados de testes numéricos feitos com o algoritmo proposto por Mosheyev e Zibulevsky, analisando diferentes escolhas de parâmetros, o aproveitamento do padrão de esparsidade das matrizes do problema e critérios para a resolução aproximada dos subproblemas irrestritos que devem ser resolvidos a cada iteração desse algoritmo de lagrangianos aumentados. / This work deals with multiplier methods to solve semidefinite convex programming problems and the analysis of their proprieties based on the proximal point method applied on the dual problem. We focus on a subclass of semidefinite programming problems with affine constraints, for which we study duality relations an conditions for the existence of solutions of the primal and dual problems. Afterwards, we analyze two multiplier methods to solve this class of problems which are extensions of known methods in nonlinear programming. The first one, introduced by Doljansky e Teboulle, approaches an entropic interior proximal algorithm and their relationship with an exponential multiplier method. The second one, presented by Mosheyev e Zibulevsky, extends a smooth augmented Lagrangian method proposed by Ben-Tal and Zibulevsky for the problems of our interest. Finally, we present the results of numerical experiments for the algorithm proposed by Mosheyev e Zibulevsky, analyzing some choices of parameters, the sparsity patterns of matrices of the problem and criteria to accept approximate solutions of the unconstrained subproblems that must be solved at each iteration of the augmented Lagrangian method.
8

Uma abordagem primal-dual de reescalamento não-linear integrado para problemas de programação matemática discreta-mista com restrições de equilíbrio e suas aplicações ao problema de fluxo de potência ótimo reativo / A primal-dual integrated nonlinear rescaling approach for mixed-discrete mathematical problems with equilibrium constraints and its application to the reactive optimal power flow problems

Pinheiro, Ricardo Bento Nogueira Mori 03 May 2017 (has links)
Neste trabalho propomos uma abordagem computacional especificamente talhada para a solução de problemas de programação matemática discreta-mista com restrições de equilíbrio (MPEC). Para isso, inicialmente, transformamos o MPEC discreto-misto em uma sequência de MPECs contínuos. Na formulação dos MPECs contínuos, inserimos restrições de igualdade e de desigualdades artificias, as quais nos permitem considerar as variáveis discretas como contínuas. Cada MPEC contínuo é transformado em um problema de programação não-linear (PNL) padrão. Isso é feito por meio da reformulação das restrições de complementaridade originais do MPEC contínuo em um conjunto equivalente de restrições usuais de desigualdade. As restrições de igualdade originais do PNL são tratadas por meio da função lagrangiana clássica, as restrições de igualdade artificiais associada às variáveis discretas do PNL são tratadas por meio de uma técnica variante do método de penalidades clássico e as restrições de desigualdade artificias e originais do problema são tratadas por meio do método de reescalamento não-linear integrado proposto neste trabalho. Cada PNL é resolvido por meio de uma abordagem primal-dual do método de reescalamento não-linear integrado (PDRNLI) com atualização dinâmica dos parâmetros e com a estratégia de convergência global proposta. O método PDRNLI é aplicado ao problema de fluxo de potência ótimo reativo com restrições de atuação de dispositivo de controle de tensão associado aos sistemas elétricos IEEE-14, IEEE-30 e IEEE-118 barras. Os resultados numéricos comprovam a eficiência do método PDRNLI proposto para a solução do problema. / In this work we propose a computational approach specifically tailored for solving mixed-discrete mathematical problems with equilibrium constraints (MPEC). For such a purpose, we initially transform the mixed-discrete MPEC problem into a sequence of continuous MPEC problems. In the formulation of the continuous MPECs, we insert artificial equality and inequality constraints, which allow us handling discrete variables as continuous ones. Each continuous MPEC is transformed into a standard nonlinear programming problem (NLP). This is performed by reformulating the original complementarity constraints of the continuous MPEC problems into an equivalent system of standard inequality constraints. The original equality constraints of the NLP problem are handled by means of the classical lagrangian function, while the artificial equality constraints associated with the discrete variables are handled by means of a variant of the classic penalty method. The original and artificial inequality constraints are handled by means of the integrated nonlinear rescaling method proposed in this work. Each NLP is solved by means of a primal-dual version of the integrated nonlinear rescaling approach (PDINLR), with dynamic updating of parameters together with proposed a global convergence strategy. The PDINLR method is applied to the reactive optimal power flow problem with additional constraints associated with the actuation of voltage control devices for the associated with IEEE-14, 30 and 118 bus electrical systems. Numerical results assure the efficiency of the method PDINLR proposed for solving the problem.
9

Tópicos em otimização com restrições lineares / Topics on linearly-constrained optimization

Andretta, Marina 24 July 2008 (has links)
Métodos do tipo Lagrangiano Aumentado são muito utilizados para minimização de funções sujeitas a restrições gerais. Nestes métodos, podemos separar o conjunto de restrições em dois grupos: restrições fáceis e restrições difíceis. Dizemos que uma restrição é fácil se existe um algoritmo disponível e eficiente para resolver problemas restritos a este tipo de restrição. Caso contrário, dizemos que a restrição é difícil. Métodos do tipo Lagrangiano aumentado resolvem, a cada iteração, problemas sujeitos às restrições fáceis, penalizando as restrições difíceis. Problemas de minimização com restrições lineares aparecem com freqüência, muitas vezes como resultados da aproximação de problemas com restrições gerais. Este tipo de problema surge também como subproblema de métodos do tipo Lagrangiano aumentado. Assim, uma implementação eficiente para resolver problemas com restrições lineares é relevante para a implementação eficiente de métodos para resolução de problemas de programação não-linear. Neste trabalho, começamos considerando fáceis as restrições de caixa. Introduzimos BETRA-ESPARSO, uma versão de BETRA para problemas de grande porte. BETRA é um método de restrições ativas que utiliza regiões de confiança para minimização em cada face e gradiente espectral projetado para sair das faces. Utilizamos BETRA (denso ou esparso) na resolução dos subproblemas que surgem a cada iteração de ALGENCAN (um método de lagrangiano aumentado). Para decidir qual algoritmo utilizar para resolver cada subproblema, desenvolvemos regras que escolhem um método para resolver o subproblema de acordo com suas características. Em seguida, introduzimos dois algoritmos de restrições ativas desenvolvidos para resolver problemas com restrições lineares (BETRALIN e GENLIN). Estes algoritmos utilizam, a cada iteração, o método do Gradiente Espectral Projetado Parcial quando decidem mudar o conjunto de restrições ativas. O método do gradiente Espectral Projetado Parcial foi desenvolvido especialmente para este propósito. Neste método, as projeções são computadas apenas em um subconjunto das restrições, com o intuito de torná-las mais eficientes. Por fim, tendo introduzido um método para minimização com restrições lineares, consideramos como fáceis as restrições lineares. Incorporamos BETRALIN e GENLIN ao arcabouço de Lagrangianos aumentados e verificamos experimentalmente a eficiência e eficácia destes métodos que trabalham explicitamente com restrições lineares e penalizam as demais. / Augmented Lagrangian methods are widely used to solve general nonlinear programming problems. In these methods, one can split the set of constraints in two groups: the set of easy and hard constraints. A constraint is called easy if there is an efficient method available to solve problems subject to that kind of constraint. Otherwise, the constraints are called hard. Augmented Lagrangian methods solve, at each iteration, problems subject to the set of easy constraints while penalizing the set of hard constraints. Linearly constrained problems appear frequently, sometimes as a result of a linear approximation of a problem, sometimes as an augmented Lagrangian subproblem. Therefore, an efficient method to solve linearly constrained problems is important for the implementation of efficient methods to solve nonlinear programming problems. In this thesis, we begin by considering box constraints as the set of easy constraints. We introduce a version of BETRA to solve large scale problems. BETRA is an active-set method that uses a trust-region strategy to work within the faces and spectral projected gradient to leave the faces. To solve each iteration\'s subproblem of ALGENCAN (an augmented Lagrangian method) we use either the dense or the sparse version of BETRA. We develope rules to decide which box-constrained inner solver should be used at each augmented Lagrangian iteration that considers the main characteristics of the problem to be solved. Then, we introduce two active-set methods to solve linearly constrained problems (BETRALIN and GENLIN). These methods use Partial Spectral Projected Gradient method to change the active set of constraints. The Partial Spectral Projected Gradient method was developed specially for this purpose. It computes projections onto a subset of the linear constraints, aiming to make the projections more efficient. At last, having introduced a linearly-constrained solver, we consider the set of linear constraints as the set of easy constraints. We use BETRALIN and GENLIN in the framework of augmented Lagrangian methods and verify, using numerical experiments, the efficiency and robustness of those methods that work with linear constraints and penalize the nonlinear constraints.
10

Uma abordagem primal-dual de reescalamento não-linear integrado para problemas de programação matemática discreta-mista com restrições de equilíbrio e suas aplicações ao problema de fluxo de potência ótimo reativo / A primal-dual integrated nonlinear rescaling approach for mixed-discrete mathematical problems with equilibrium constraints and its application to the reactive optimal power flow problems

Ricardo Bento Nogueira Mori Pinheiro 03 May 2017 (has links)
Neste trabalho propomos uma abordagem computacional especificamente talhada para a solução de problemas de programação matemática discreta-mista com restrições de equilíbrio (MPEC). Para isso, inicialmente, transformamos o MPEC discreto-misto em uma sequência de MPECs contínuos. Na formulação dos MPECs contínuos, inserimos restrições de igualdade e de desigualdades artificias, as quais nos permitem considerar as variáveis discretas como contínuas. Cada MPEC contínuo é transformado em um problema de programação não-linear (PNL) padrão. Isso é feito por meio da reformulação das restrições de complementaridade originais do MPEC contínuo em um conjunto equivalente de restrições usuais de desigualdade. As restrições de igualdade originais do PNL são tratadas por meio da função lagrangiana clássica, as restrições de igualdade artificiais associada às variáveis discretas do PNL são tratadas por meio de uma técnica variante do método de penalidades clássico e as restrições de desigualdade artificias e originais do problema são tratadas por meio do método de reescalamento não-linear integrado proposto neste trabalho. Cada PNL é resolvido por meio de uma abordagem primal-dual do método de reescalamento não-linear integrado (PDRNLI) com atualização dinâmica dos parâmetros e com a estratégia de convergência global proposta. O método PDRNLI é aplicado ao problema de fluxo de potência ótimo reativo com restrições de atuação de dispositivo de controle de tensão associado aos sistemas elétricos IEEE-14, IEEE-30 e IEEE-118 barras. Os resultados numéricos comprovam a eficiência do método PDRNLI proposto para a solução do problema. / In this work we propose a computational approach specifically tailored for solving mixed-discrete mathematical problems with equilibrium constraints (MPEC). For such a purpose, we initially transform the mixed-discrete MPEC problem into a sequence of continuous MPEC problems. In the formulation of the continuous MPECs, we insert artificial equality and inequality constraints, which allow us handling discrete variables as continuous ones. Each continuous MPEC is transformed into a standard nonlinear programming problem (NLP). This is performed by reformulating the original complementarity constraints of the continuous MPEC problems into an equivalent system of standard inequality constraints. The original equality constraints of the NLP problem are handled by means of the classical lagrangian function, while the artificial equality constraints associated with the discrete variables are handled by means of a variant of the classic penalty method. The original and artificial inequality constraints are handled by means of the integrated nonlinear rescaling method proposed in this work. Each NLP is solved by means of a primal-dual version of the integrated nonlinear rescaling approach (PDINLR), with dynamic updating of parameters together with proposed a global convergence strategy. The PDINLR method is applied to the reactive optimal power flow problem with additional constraints associated with the actuation of voltage control devices for the associated with IEEE-14, 30 and 118 bus electrical systems. Numerical results assure the efficiency of the method PDINLR proposed for solving the problem.

Page generated in 0.5014 seconds