Orientador: Michel Daoud Yacoub / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-10T01:21:53Z (GMT). No. of bitstreams: 1 CaceresZuniga_YusefRafael_D.pdf: 1196886 bytes, checksum: b589961266e398a3fd22bfd7b30719e4 (MD5) Previous issue date: 2007 / Resumo: Nesta tese, estuda-se o problema da alocação de potência através de duas abordagens: estocástica e robusta, sendo os ganhos do canal, que descrevem o estado do sistema de comunicações sem fio, parcialmente observados pelo decisor. Na abordagem estocástica, considera-se que os ganhos do canal são variáveis aleatórias, que representam a variação rápida do sinal de rádio. Nesse contexto, reformula-se o índice de desempenho do sistema através do CVaR (Conditional. Value-at-Risk). Na abordagem robusta, considera-se que os ganhos do canal e o ruído pertencem a um determinado conjunto convexo. Em ambas as abordagens, a solução ótima é obtida em termos de um problema de otimização convexa. Adicionalmente, na abordagem estocástica, apresenta-se um algoritmo recursivo e distribuído, que converge para uma solução subótima, quando o ruído é nulo e a potência transmitida é limitada tanto superior como inferiormente. Também mostra-se que, em um sistema onde os ganhos do canal coincidem com o seu valor esperado, esse algoritmo converge para a soluçãã ótima quando a qualidade do enlace é muito maior que a mínima requerida / Abstract: This thesis deals with the power allocation problem under the stochastic and robust approaches, where the channel gains describe the wireless communication system state and are partially known by the controller. The stochastic approach considers the channel gains as random variables which represent the fast fading of the radio signal. Under these settings, the system performance index is reformulated using CVaR (Conditional Value-at-Risk). The robust approach considers that the channels gains and noise belong to a determined convex set. ln both approaches, the optimal solution is determined in terms of a convex optimization problem. Additionally, under the stochastic approach, a recursive and distributed algorithm is presented which converges to its suboptimal solution when noise is null and the transmitted power is upper and lower bounded. It is also show that this algorithm converges to its optimal solution when the link quality is much greater than the minimum required quality in a system where the channels gains match its expected value / Doutorado / Telecomunicações e Telemática / Doutor em Engenharia Elétrica

Made available in DSpace on 2014-07-29T16:02:20Z (GMT). No. of bitstreams: 1 Dissertacao Jose Carlos Rubianes Silva.pdf: 825326 bytes, checksum: f8797d1d8d333606ebad1d9941d5d26d (MD5) Previous issue date: 2011-02-18 / In this dissertation we consider a primal convex optimization problem and we study variants of subgradient method applied to the dual problem obtained via a Lagrangian function. We analyze the conditional subgradient method developed by Larsson et al, which is a variant of the usual subgradient method. In this variant, the subgradients are conditioned to a constraint set, more specifically, the behavior of the objective function outside of the constraint set is not taken into account. One motivation for studying such methods is primarily its simplicity, in particular, these methods are widely used in large-scale problems. The subgradient method, when applied to a dual problem, is relatively effective to obtain a good approximation of a dual solution and the optimal value, but it is not efficient to obtain primal solutions. We study a strategy to obtain good approximations of primal solutions via conditional subgradient method, under suitable additional computational costs. This strategy consists of constructing an ergodic sequence of solutions of the Lagrangian subproblems.We show that the limit points of this ergodic sequence are primal solutions. We consider different step sizes rule, in particular, following the ideas of Nedic and Ozdaglar, using the constant step size rule, we present estimates of the ergodic sequence and primal solutions and / or the feasible set. / Nesta dissertação consideramos um problema de otimização convexo e estudamos variações do método subgradiente aplicado ao problema dual obtido via uma função Lagrangiana. Estudamos o método subgradiente condicional desenvolvido por Larsson et al, o qual é uma simples variação do método subgradiente usual . A principal diferença é que os subgradientes são condicionados a um conjunto restrição, mais especificamente, o comportamento da função fora do conjunto restrição não é levado em conta. Uma motivação para estudar tais métodos consiste principalmente na sua simplicidade, em especial, estes métodos são bastante usados em problemas de grande porte. O método subgradiente, quando aplicado a um problema dual, é relativamente eficaz para obter boas aproximações de soluções duais e do valor ótimo, no entanto, não possue a mesma eficiência para obter soluções primais. Analisamos uma estratégia para obter boas aproximações de soluções primais via método subgradiente condicional, com pouco custo computacional adicional. Esta estratégia consiste em construir uma sequência ergódica das soluções obtidas durante a resolução dos subproblemas Lagrangianos. Mostraremos que os pontos limites desta sequência ergódica são soluções primais. Consideramos diferentes regras para o tamanho do passo, em particular, seguindo as idéias de Nedic e Ozdaglar, apresentamos estimativas da sequência ergódica com o conjunto de soluções primais e/ou o conjunto viável quando usamos a regra de passos constantes.