Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2014 / Made available in DSpace on 2015-02-05T21:07:09Z (GMT). No. of bitstreams: 1 329082.pdf: 2114425 bytes, checksum: 7619c2267ed887db1dd635bd0fd5e7f9 (MD5) Previous issue date: 2014 / A introdução de fontes renováveis com capacidade variável, tais como usinas eólicas e fotovoltaicas, traz grandes desafios para a operação dos sistemas de energia elétrica. São necessárias ferramentas computacionais capazes de realizar a análise da condições operativas dos sistemas na presença dessas novas fontes de geração. O presente trabalho apresenta uma ferramenta computacional que otimiza os custos da operação de um sistema elétrico incorporando o comportamento aleatório da geração eólica. As equações que fornecem o ponto de operação em regime permanente de usinas eólicas são inseridas no problema de fluxo de potência ótimo (FPO), sendo a aleatoriedade do vento representada através de cenários de velocidade de vento equiprováveis. O problema FPO é formulado de maneira que a complementação da geração eólica seja feita pelas usinas hidrelétricas, enquanto que as usinas termelétricas mantêm constantes suas gerações nos diferentes cenários de vento. Utilizam-se conceitos da relaxação Lagrangenana e da programação dual para viabilizar a resolução do problema. Com o intuito de melhorar o desempenho da ferramenta computacional as restrições relaxadas são adicionadas a função objetivo através de um termo linear e um termo quadrático, resultando em um Lagrangeano Aumentado. O problema é resolvido através do Método dos Multiplicadores com Direção Alternada (MMDA). A eficácia da ferramenta computacional é avaliada através de simulações em três sistemas elétricos, sendo eles: os sistemas teste do IEEE de 14 e 30 barras e um equivalente do sistema da Região Sul com 192 barras. Os resultados obtidos mostram a aplicabilidade do modelo FPO e a eficiência do método de resolução.<br> / Abstract: The use of renewable energy sources, with variable generation capacity, brings new challenges to power system operation. Computational tools used in the analysis of the system must be updated in order to properly represent the impact of this new type of generation on system. This work describes a computational tool to minimize operational costs of hidrothermal systems considering the random behavior of wind power generation. The equations that express the steady state operation of wind farms are incorated in a estochastic optimal power flow (OPF) problem that represent the variability of wind through a set of equiprobable scenarios. The OPF problem is formulated in a way that wind power generation is complemented by hydro generation, while the thermoelectric plants maintain the same dispatch in every scenario of wind. The Lagrangian Relaxation is used solve the problem. In order to improve the performance of the solution algorithm, the relaxed constraints are introduced into the OPF objective function by linear and quadratic penalties, which results in a Aungmented Lagrangian. The problem is solved by the Alternating Direction Method of Multpliers (ADMM). The efficiency of the computacional tool is evaluated through simulations using the IEEE test systems with 14 and 30 buses and an equivalent of the Brazilian Southern Region system with 192 buses. The results demonstrate the applicability the OPF model proposed and the efficiency of the solution method.

O trabalho apresentado nesta dissertação é referente ao estudo da evacuação de pessoas, mais especificamente, a evacuação predial faseada. O objetivo é determinar, para instâncias de até 25 andares, os instantes de liberação de cada grupo de pessoas, a fim de minimizar o tempo total de evacuação do edifício. No entanto, a determinação destes instantes deve considerar o risco ao qual os diferentes grupos estão submetidos, priorizando a evacuação do andar afetado. Além disso, os conflitos de diferentes grupos por espaço nas rotas de evacuação também devem ser evitados, já que, são nessas situações que acontecem grande parte dos acidentes. Para atingir tal objetivo, foi elaborado um modelo matemático de programação linear inteira. Devido à alta complexidade do modelo, fez-se necessária a aplicação de métodos heurísticos para a obtenção de soluções. Dessa maneira, foram desenvolvidas uma heurística de busca baseada em GRASP e uma heurística lagrangeana. Apesar da heurística lagrangeana atestar a qualidade da solução (a partir da comparação do resultado obtido com o limitante inferior), a heurística de busca mostrou-se mais adequada para o problema, pois forneceu resultados de qualidade com pouco esforço computacional. / This dissertation studies the evacuation of people, more specifically, building phased evacuation. The objective of this study is to determine, for buildings of up to 25 floors, in which instants each group of people has to be released, in order to minimize the total evacuation time. Furthermore, the determination of these instants has to consider the risk to which each group of people is submitted, thus the affected floor has to be the first group to be released. In addition, conflicts for space between groups should be avoided, since such situations increase the occurrences of accidents. To achieve this goal, an integer linear programming model was designed. Due to the high complexity of the model, it was necessary to apply heuristics to obtain solutions for some instances. Therefore, a search heuristic based on GRASP and a lagrangian heuristic were developed. Despite the fact that the lagrangian heuristic attests to the quality of the solution (when it is compared to the lower bound), the search heuristic was considered more suitable for this problem because it provided quality results with lower computational efforts.

Fornecedores necessitam atender a demanda de seus clientes da forma mais adequada possível e mantendo a qualidade de seu serviço, porém em muitos casos essa demanda é desconhecida. Esse problema pode ser modelado como um problema de roteirização e estoque com demanda estocástica o qual inclui o controle de estoque, transporte do produto e decisões de agendamento da entrega. Existem vários trabalhos na literatura para resolver esse problema, porém nenhum deles lida com janela de tempo de atendimento, capacidade máxima de estoque tanto no cliente quanto no depósito e o nível de confiança de atendimento individualizado para cada cliente. O objetivo principal deste trabalho é propor um novo algoritmo baseado em otimização matemática para lidar com esse problema mais realista. Além disso, este trabalho tem como objetivo secundário melhorar o algoritmo de estado da arte baseado em otimização matemática, visando encontrar soluções com um menor tempo computacional e custo. Foram realizados experimentos com instâncias sintéticas com 15 até 50 clientes, as quais são geradas aleatoriamente, e com uma instância real, baseada na experiência profissional no mercado empresarial e em cenários reais de distribuição na cidade de São Paulo / Providers need to supply the demand of their clients as optimally as possible and maintaining the quality of their service, however in many cases this demand is unknown. This problem can be modeled as a inventory routing problem with stochastic demand, which includes inventory control, product transportation and delivery scheduling decisions. There are several papers in the literature to solve this problem, but none of them deals with service time window, maximum stock capacity for both the customer and the depot and individualized confidence level for each costumer. The main objective of this work is to propose a new algorithm based on mathematical optimization to deal with this more realistic problem. In addition, this work has as secondary objective to improve the state of the art algorithm based on mathematical optimization, aiming to find solutions with a lower computational time and cost. Experiments were performed with synthetic instances with 15 to 50 clients, which are randomly generated, and with a real instance, based on professional experience in the business market and in real distribution scenarios in the city of São Paulo

Fornecedores necessitam atender a demanda de seus clientes da forma mais adequada possível e mantendo a qualidade de seu serviço, porém em muitos casos essa demanda é desconhecida. Esse problema pode ser modelado como um problema de roteirização e estoque com demanda estocástica o qual inclui o controle de estoque, transporte do produto e decisões de agendamento da entrega. Existem vários trabalhos na literatura para resolver esse problema, porém nenhum deles lida com janela de tempo de atendimento, capacidade máxima de estoque tanto no cliente quanto no depósito e o nível de confiança de atendimento individualizado para cada cliente. O objetivo principal deste trabalho é propor um novo algoritmo baseado em otimização matemática para lidar com esse problema mais realista. Além disso, este trabalho tem como objetivo secundário melhorar o algoritmo de estado da arte baseado em otimização matemática, visando encontrar soluções com um menor tempo computacional e custo. Foram realizados experimentos com instâncias sintéticas com 15 até 50 clientes, as quais são geradas aleatoriamente, e com uma instância real, baseada na experiência profissional no mercado empresarial e em cenários reais de distribuição na cidade de São Paulo / Providers need to supply the demand of their clients as optimally as possible and maintaining the quality of their service, however in many cases this demand is unknown. This problem can be modeled as a inventory routing problem with stochastic demand, which includes inventory control, product transportation and delivery scheduling decisions. There are several papers in the literature to solve this problem, but none of them deals with service time window, maximum stock capacity for both the customer and the depot and individualized confidence level for each costumer. The main objective of this work is to propose a new algorithm based on mathematical optimization to deal with this more realistic problem. In addition, this work has as secondary objective to improve the state of the art algorithm based on mathematical optimization, aiming to find solutions with a lower computational time and cost. Experiments were performed with synthetic instances with 15 to 50 clients, which are randomly generated, and with a real instance, based on professional experience in the business market and in real distribution scenarios in the city of São Paulo

DIAS, Fábio Carlos Sousa. Algoritmos para o problema de localização simples baseados nas formulações clássica e canônica. 2008. 81 f. : Dissertação (mestrado) - Universidade Federal do Ceará, Centro de Ciências, Departamento de Computação, Fortaleza-CE, 2008. / Submitted by guaracy araujo (guaraa3355@gmail.com) on 2016-06-22T17:13:52Z No. of bitstreams: 1 2008_dis_fcsdias.pdf: 533140 bytes, checksum: 547c9cf8d771e2646884c423f5a39936 (MD5) / Approved for entry into archive by guaracy araujo (guaraa3355@gmail.com) on 2016-06-22T17:16:23Z (GMT) No. of bitstreams: 1 2008_dis_fcsdias.pdf: 533140 bytes, checksum: 547c9cf8d771e2646884c423f5a39936 (MD5) / Made available in DSpace on 2016-06-22T17:16:23Z (GMT). No. of bitstreams: 1 2008_dis_fcsdias.pdf: 533140 bytes, checksum: 547c9cf8d771e2646884c423f5a39936 (MD5) Previous issue date: 2008 / In this work, we study the Simple Plant Location Problem (SPLP). Using its classical mathematical programming formulation and another recently proposed formulation, we develop several algorithms to …nd lower and upper bounds for the problem as well as branch-and-bound algorithms. With the classical formulation, such bounds are obtained via the data correction method and dominance criteria between …xed and transportation costs. We propose a projection of this formulation that has shown to be computationally atractive. Using the new formulation, we propose and prove the correctness of several iterative procedures that attempt to …nd an optimal solution to the problem by solving a sequence of parametric sub-problems, each one obtained by removing some variables and constraints of the original formulation. At each iteration of this process, we can obtain lower and upper bounds. We also apply Lagrangean relaxation to this new formulation in order to get other bounds. We consider several possibilities of relaxing the constraints. In addition, we develop branch-and-bound algorithms based on both formulations and the obtained bounds. We evaluate the computational e¢ ciency of all proposed algorithms with hard test instances from the literature. Computational results are reported and comparisons with other algorithms from the literature are carried out. / Neste trabalho, estudamos o problema de localização simples (SPLP - Simple Plant Location Problem). Usando a formulação matemática clássica e uma outra formulação proposta recentemente, desenvolvemos vários algoritmos para encontrar limites inferiores e superiores, bem como algoritmos tipo branch-and-bound. Com a formulação clássica, tais limites são obtidos utilizando o método de correção de dados e critérios de dominância entre os custos …xos e de transporte. Propomos uma projeção dessa formulação, que se mostrou computacionalmente atrativa. Usando a nova formulação propomos e mostramos a corretude de vários procedimentos iterativos que procuram encontrar uma solução para o problema, resolvendo uma seqüência de subproblemas paramétricos obtidos com a remoção de variáveis e restrições da formulação original. Em cada iteração desse processo, podemos gerar limites inferiores e superiores. Aplicamos ainda relaxação lagrangeana a essa nova formulação para obter outros limites. Analisamos várias possibilidades de relaxação das restrições. Desenvolmento também algoritmos branch-and-bound baseados em ambas as formulações e nos limites obtidos. Avaliamos a e…ciência computacional de todos os algoritmos com instâncias de teste difíceis, disponíveis na literatura. Resultados computacionais e comparações com outros algoritmos da literatura são reportados.

Uma maneira de resolver problemas de programação linear de grande escala é explorar a relaxação lagrangeana das restrições \"difíceis\'\' e utilizar métodos de subgradientes. Populares por fornecerem rapidamente boas aproximações de soluções duais, eles não produzem diretamente as soluções primais. Para obtê-las com custo computacional adequado, pode-se construir seqüências ergódicas ou utilizar uma técnica proposta recentemente, denominada algoritmo do volume. As propriedades teóricas de convergência não foram bem estabelecidas nesse algoritmo, mas pequenas modificações permitem a demonstração da convergência dual. Destacam-se como adaptações o algoritmo do volume revisado, um método de feixes específico, e o algoritmo do volume incorporado ao método de variação do alvo. Este trabalho foi baseado no estudo desses algoritmos e de todos os conceitos envolvidos, em especial, análise convexa e otimização não diferenciável. Estudamos as principais diferenças teóricas desses métodos e realizamos comparações numéricas com problemas lineares e lineares inteiros, em particular, o corte máximo em grafos. / One way to solve large-scale linear programming problems is to exploit the Lagrangian relaxation of the difficult constraints and use subgradient methods. Such methods are popular as they give good approximations of dual solutions. Unfortunately, they do not directly yield primal solutions. Two alternatives to obtain primal solutions under reasonable computational cost are the construction of ergodic sequences and the use of the recently developed volume algorithm. While the convergence of ergodic sequences is well understood, the convergence properties of the volume algorithm is not well established in the original paper. This lead to some modifications of the original method to ease the proof of dual convergence. Three alternatives are the revised volume algorithm, a special case of the bundle method, and the volume algorithm incorporated by the variable target value method. The aim of this work is to study such algorithms and all related concepts, especially convex analysis and nondifferentiable optimization. We analysed the main theoretical differences among the methods and performed numerical experiments with linear and integer problems, in particular, the maximum cut problem on graphs.

Made available in DSpace on 2015-04-11T14:02:46Z (GMT). No. of bitstreams: 1 Adriana Gomes Penaranda.pdf: 2772639 bytes, checksum: e4d23c72018fc1400d20f9996f6aacc1 (MD5) Previous issue date: 2013-03-01 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / Wireless Sensor Networks (WSNs) are composed of a large number of sensor nodes. These networks require density control to ensure a better functioning because the high concentration of sensor nodes generates collision data, interference, and retransmittions. In addition, sensor nodes have limited energy, processing, and communication, therefore is interesting to optimize the energy consumption of the network in order to extend its lifetime. Density control schemes have been used to prolong the network lifetime. The Density Control Problem in Wireless Sensor Networks (DCP-WSNs) minimizes the energy consumed by the sensor nodes active, choosing a subset of sensor nodes that meets the application requirements and maximize the use of network resources. This paper presents two approaches to treat DCP-WSN: Periodic and Multiperiod. The Periodic Approach always chooses the best solution for a given period, having a local view of the network lifetime and repeats this proceduce periodically. The Multiperiod Approach defines an expected life time of the network and divide it into periods. For each period the solution is chosen taking into consideration the other periods, thus with an global view of the network lifetime and periods. Both approaches are modeled with Integer Linear Programming and solved by an optimization software. For the Periodic Approach model is proposed a Lagrangean Relaxation with a Lagrangean Heuristic which relax difficults constraints in order to make the problem easier to be solved. We also present a Genetic Algorithm Hybrid (GA) which uses the Periodic Approach to generate the solution of each period and execute a refinement stage based on concepts of the Multiperiod Approach. The proposed heuristics are compared with algorithms of the literature and results show that the Lagrangean Relaxation and Heuristic reach better energy consumption and solution time. Furthermore the Lagrangean relaxation generates lower bounds for the DCP-WSN that may be used to evaluate other algorithms Density Control. / As Redes de Sensores Sem Fios (RSSFs) são redes compostas por um grande número de nós de sensores. Estas redes necessitam de controle de densidade para garantir um melhor funcionamento, pois a alta concentração de nós sensores gera colisão de dados, interferências e consequentemente retransmissão de dados. Os nós sensores possuem limitações de energia, processamento e comunicação e por isto é interessante otimizar o consumo de energia da rede com o objetivo de estender seu tempo de vida. Esquemas de controle de densidade têm sido utilizados como recursos para prolongar o tempo de vida da rede. O Problema de Controle de Densidade em Redes de Sensores Sem Fios (PCD-RSSFs) consiste em minimizar a energia consumida pelos nós sensores ativos, escolhendo um subconjunto de nós que atenda os requisitos da aplicação e maximize a utilização dos recursos da rede. Este trabalho apresenta duas abordagens para tratar o PCD-RSSFs: Periódica e Multiperíodo. A Abordagem Periódica escolhe a melhor solução para um dado período, tendo uma visão local do tempo de vida da rede e repete este procedimento periodicamente. A Abordagem Multiperíodo consiste em definir um tempo esperado de vida da rede e dividí-lo em períodos. Para cada período a solução é escolhida levando em consideração os outros períodos, caracterizando uma visão global do tempo de vida da rede e dos períodos. Ambas as abordagens foram modeladas com Programação Linear Inteira e resolvidas por um software de otimização. Para a modelagem da Abordagem Periódica é proposta uma Relaxação Lagrangeana em conjunto com uma Heurística Lagrangeana onde a ideia é relaxar restrições difíceis com o intuito de deixar o problema mais simples de ser resolvido. Também é apresentado um Algoritmo Genético (AG) híbrido que utiliza Abordagem Periódica para gerar a solução de cada período e em seguida uma fase de refinamento baseada nos conceitos da Abordagem Multiperíodo. As heurísticas implementadas são comparadas com algoritmos da literatura e os resultados mostram que a combinação Relaxação Lagrangeana e Heurística Lagrangeana obtêm melhor desempenho tanto em consumo de energia quanto em tempo de solução. Além disso a Relaxação Lagrangeana gera limites inferiores para o PCD-RSSFs que podem ser utilizados para avaliação de outros algoritmos de controle de Densidade

Uma maneira de resolver problemas de programação linear de grande escala é explorar a relaxação lagrangeana das restrições \"difíceis\'\' e utilizar métodos de subgradientes. Populares por fornecerem rapidamente boas aproximações de soluções duais, eles não produzem diretamente as soluções primais. Para obtê-las com custo computacional adequado, pode-se construir seqüências ergódicas ou utilizar uma técnica proposta recentemente, denominada algoritmo do volume. As propriedades teóricas de convergência não foram bem estabelecidas nesse algoritmo, mas pequenas modificações permitem a demonstração da convergência dual. Destacam-se como adaptações o algoritmo do volume revisado, um método de feixes específico, e o algoritmo do volume incorporado ao método de variação do alvo. Este trabalho foi baseado no estudo desses algoritmos e de todos os conceitos envolvidos, em especial, análise convexa e otimização não diferenciável. Estudamos as principais diferenças teóricas desses métodos e realizamos comparações numéricas com problemas lineares e lineares inteiros, em particular, o corte máximo em grafos. / One way to solve large-scale linear programming problems is to exploit the Lagrangian relaxation of the difficult constraints and use subgradient methods. Such methods are popular as they give good approximations of dual solutions. Unfortunately, they do not directly yield primal solutions. Two alternatives to obtain primal solutions under reasonable computational cost are the construction of ergodic sequences and the use of the recently developed volume algorithm. While the convergence of ergodic sequences is well understood, the convergence properties of the volume algorithm is not well established in the original paper. This lead to some modifications of the original method to ease the proof of dual convergence. Three alternatives are the revised volume algorithm, a special case of the bundle method, and the volume algorithm incorporated by the variable target value method. The aim of this work is to study such algorithms and all related concepts, especially convex analysis and nondifferentiable optimization. We analysed the main theoretical differences among the methods and performed numerical experiments with linear and integer problems, in particular, the maximum cut problem on graphs.