Spelling suggestions: "subject:"método doo gradiente projetado"" "subject:"método ddo gradiente projetado""
1 |
Maximização da potência característica de linhas de transmissão usando método de otimização não linear / Maximization of transmission line surge impedance loading by using non linear optimization methodMaciel, Renan de Paula, 1984- 03 November 2013 (has links)
Orientador: Maria Cristina Dias Tavares / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-25T10:45:44Z (GMT). No. of bitstreams: 1
Maciel_RenandePaula_M.pdf: 20862313 bytes, checksum: 8d33d7f791ddf8189e35795948116d81 (MD5)
Previous issue date: 2013 / Resumo: Neste trabalho é proposto um método de otimização para maximizar a potência característica de linhas de transmissão constituída por condutores em feixe. O método iterativo, baseado na minimização pelo gradiente, altera, a cada passo, a posição dos condutores dada na silhueta da torre construindo uma nova configuração dos feixes. Tal configuração corresponde a uma pequena modificação dos feixes deslocando os condutores na direção que leva à máxima redução da função objetivo. São avaliadas a redução da impedância característica e a otimização do campo elétrico superficial. A primeira busca o aumento da potência característica atuando diretamente no caminho de máxima redução da impedância característica. A segunda atua na uniformização do campo elétrico superficial dos condutores, cujo valor limite representa a principal restrição eletromagnética frente à elevação da potência característica na concepção de linhas de transmissão. A última se mostrou predominante, resultando em linhas otimizadas com maior potência característica, porém, levando a feixes com dimensões mais elevadas / Abstract: This work presents an optimization method aiming to maximize the surge impedance loading of bundled transmission lines. The iterative method, based on gradient optimization, changes, on each step, the conductors position generating a new bundle configuration. Such configuration matches a small change on bundles geometry by shifting conductors on the direction that leads to the maximum reduction of the objective function. Both the reduction of natural impedance and the optimization of conductor¿s superficial electric field are evaluated. The former seeks the increase of surge impedance loading actuating directly on the maximal surge impedance reduction path. The second acts on the uniformization of conductor¿s superficial electric field, whose upper bound is the main electromagnetic restriction on the surge impedance loading increase when conceiving transmission lines. The last one was most effective, resulting in greatest natural power transmission lines, yet, leading to most expanded bundles / Mestrado / Energia Eletrica / Mestre em Engenharia Elétrica
|
2 |
Modelo hidraulico para transitorios lentos em conduto forçado / Hydraulic model for slow transients in pipe networksAnjo, Luiz Fernando Resende dos Santos 25 July 2008 (has links)
Orientador: Edevar Luvizotto Junior / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Civil, Arquitetura e Urbanismo / Made available in DSpace on 2018-08-11T21:41:10Z (GMT). No. of bitstreams: 1
Anjo_LuizFernandoResendedosSantos_D.pdf: 3588080 bytes, checksum: 122271523488dc8a40a0d509bd1b0cf8 (MD5)
Previous issue date: 2008 / Resumo: Este texto descreve as etapas que objetivam a utilização da estrutura originalmenteproposta por Todini e Pilati no chamado método gradiente (MG), utilizado para análise em regime permanente em instalações a condutos forçados, na formulação de um modelo dinâmico inercial rígido (MDIR), para a análise de escoamentos transitórios lentos neste tipo de instalação. São apresentadas as bases teóricas para esta nova modelação, justificadas através do equacionamento geral do escoamento fluido em condutos forçados. Os resultados obtidos pelo MDIR são comparados com os resultados obtidos pelo programa EPANET que utiliza o método gradiente. Discussões a respeito da importância da incorporação do efeito de inércia são
apresentadas através de um estudo de casos, no caso de modelação hidráulica, e para análises de qualidade decorrentes desta. / Abstract: This research describes the stages which aim the use of the original structure proposed by Todini and Pilati in the so called gradient method (GM), used in the analysis in steady state of pipe networks, in the formulation of an inertial rigid dynamic model (IRDM) to analyse slow transients in this type of installation. The theoretical bases are presented for this new method, justified by the general equation of fluids flow in pipes networks. The results obtained by the MDIR are compared to the results obtained in the EPANET program, which uses the gradient method. Discussion on the importance of the incorporation of the inertia effect are presented through a study case of hydraulic modelation and for quality analysis which derived from it. / Doutorado / Recursos Hidricos / Doutor em Engenharia Civil
|
3 |
Acelerando o metodo de Levenberg-Marquardt para a minimização da soma de quadrados de funções com restrições de caixa / Accelerating the Levenberg-Marquardt method for the minimization of the square of functions with box constraintsMedeiros, Luiz Antonio da Silva 10 August 2008 (has links)
Orientadores: Francisco de Assis Magalhães Gomes Neto, Jose Mario Martinez / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-12T08:17:16Z (GMT). No. of bitstreams: 1
Medeiros_LuizAntoniodaSilva_D.pdf: 2528214 bytes, checksum: 42e1946a32b63c9fc5cd56b10d24d5cb (MD5)
Previous issue date: 2008 / Resumo: Neste trabalho, apresentamos um algoritmo iterativo para a minimização de somas de quadrados de funções suaves, com restrições de caixa. O algoritmo é fortemente inspirado no trabalho de Birgin e Martínez [4]. A diferença principal está na escolha da direção de busca e na introdução de uma nova técnica de aceleração, usada para atualizar o passo. A cada iteração, definimos uma face ativa e resolvemos, nessa face, um subproblema quadrático irrestrito através do método evenberg-Marquardt (ver [26], [28] e [33]), obtendo uma direção de descida e uma aproximação x+ para a solução do problema. Ainda usando apenas as variáveis livres, tentamos acelerar o método definindo uma nova aproximaçaoo xa como combinação linear das últimas p - 1 aproximações da solução e do vetor x+. Os coeficientes desta combinação linear são calculados convenientemente através da resolução de um problema de Quadrados Mínimos com uma restrição de igualdade. O subproblema que determina o passo acelerado leva em conta as informações sobre a função objetivo nessas p soluções aproximadas. Como em [4], executamos uma busca linear ao longo da direção e usamos técnicas de projeção para adicionar novas restrições. Para deixar a face ativa, usamos a direção do gradiente espectral projetado [5]. Experimentos númericos são apresentados para confirmar a eficiência e robustez do novo algoritmo. / Abstract: In this work, we present an active set algorithm for minimizing the sum of squares of smooth functions, with box constraints. The algorithm is highly inspired in the work of Birgin and Mart'inez [4]. The differences are concentrated on the chosen search direction and on the use of an acceleration technique to update the step. At each iteration, we define an active face and solve an unconstrained quadratic subproblem using the Levenberg-Marquardt method (see [26], [28] and [33]), obtaining a descent direction and an approximate solution x+. Using only the free variables, we try to accelerate the method defining a new solution xa as a linear combination of the last p-1 approximate solutions together with x+. The coefficients of this linear combination are conveniently computed solving a constrained least squares problem that takes into account the objective function values of these p approximate solutions. Like in [4], we compute a line search and use projection techniques to add new constraints to the active set. The spectral projected gradient [5] is used to leave the current active face. Numerical experiments confirm that the algorithm is both efficient and robust. / Doutorado / Matematica Aplicada / Doutor em Matemática Aplicada
|
4 |
Lagrangeana aumentada e barreira combinadas com o metodo do gradiente reduzido na solução do fluxo de potencia otimoCarvalho, Esdras Penedo de 08 June 2004 (has links)
Orientador : Anesio dos Santos Junior / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T23:25:26Z (GMT). No. of bitstreams: 1
Carvalho_EsdrasPenedode_D.pdf: 1776464 bytes, checksum: 0190f59fa01ca49b0518113d289152c6 (MD5)
Previous issue date: 2004 / Doutorado / Automação / Doutor em Engenharia Elétrica
|
5 |
Método do gradiente para funções convexas generalizadas / Gradiente method for generalized convex functionsCOUTO, Kelvin Rodrigues 16 December 2009 (has links)
Made available in DSpace on 2014-07-29T16:02:22Z (GMT). No. of bitstreams: 1
Dissertacao kelvin.pdf: 379268 bytes, checksum: 69875c577ac81dd2f77bb73f65c9f683 (MD5)
Previous issue date: 2009-12-16 / The Convergence theory of gradient method and gradient projection method, for minimization of continuously differentiable generalized convex functions, that is, pseudoconvex functions and quasiconvex functions is studied in this work. We shall see that under certain conditions the gradient method, as well as gradient projection method, generate a convergent sequence and the limit point is a minimizing, whenever the function has minimizing and is pseudoconvex functions. If the objective function is quasiconvex then the generated sequence converges to a stationary point whenever that point exists. / Neste trabalho trataremos da convergência do método do gradiente para minimizar funções continuamente diferenciáveis e convexas-generalizadas, isto é, pseudo-convexas
ou quase-convexas. Veremos que sob certas condições o método do gradiente, assim como o método do gradiente projetado, gera uma sequência que converge para minimizador
quando existe um e a função objetivo é pseudo-convexa. Quando a função objetivo é quase-convexa a sequência gerada converge para um ponto estacionário do problema
quando existe um tal ponto.
|
6 |
Problemas de Otimização Quase Convexos: Método do Gradiente para Funções Escalares e Vetoriais / Optimization Problems Quasi-convex: Gradient Method for Vector and Scalar FunctionsSANTOS, Milton Gabriel Garcia dos 27 October 2011 (has links)
Made available in DSpace on 2014-07-29T16:02:19Z (GMT). No. of bitstreams: 1
Dissertacao Milton Gabriel Garcia dos Santos.pdf: 405990 bytes, checksum: b1b10db3be6011cbbae70bc35ed87950 (MD5)
Previous issue date: 2011-10-27 / This work we study the convergence properties of the Gradient Method Designed and Descent Method for Multi-objective optimization. At first, our optimization problem is
to minimize a real function of n-variables, continuously differentiable and restricted to a set of simple structure and add on the objective function of the hypothesis of
pseudo-convexity or quasi-convexity. Then we consider the problem of unconstrained multi-objective optimization and add some hypotheses about the function vector, such as
convexity or quasi-convexity, and is continuously differentiable. It is noteworthy that in both problems will be used to search for inexact Armijo over viable directions. / Neste trabalho faremos um estudo das propriedades de convergência do Método do Gradiente Projetado e do Método de Descida para otimização Multi-objetivo. No primeiro
momento, o nosso problema de otimização será o de minimizar uma função real de nvariáveis, continuamente diferenciável e restrita a um conjunto de estrutura simples e acrescentaremos sobre a função objetivo a hipótese de quase-convexidade ou pseudoconvexidade. Em seguida iremos considerar o problema de otimização Multi-Objetivo irrestrito e adicionar algumas hipóteses sobre a função vetorial, como a convexidade ou quase-convexidade, além de ser continuamente diferenciável. É importante salientar que
em ambos os problemas será utilizado a busca inexata de armijo ao longo de direções viáveis.
|
Page generated in 0.4898 seconds