| Processo: | 17/05198-4 |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado |
| Data de Início da vigência: | 01 de junho de 2017 |
| Data de Término da vigência: | 31 de maio de 2018 |
| Área de conhecimento: | Ciências Exatas e da Terra - Matemática - Matemática Aplicada |
| Pesquisador responsável: | José Mário Martinez Perez |
| Beneficiário: | Rafael Durbano Lobato |
| Supervisor: | Antonio Frangioni |
| Instituição Sede: | Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Instituição Anfitriã: | Università di Pisa, Itália |
| Vinculado à bolsa: | 15/18053-9 - Estudo e implementação de métodos determinísticos de otimização global para programação não linear, BP.PD |
| Assunto(s): | Otimização matemática |
| Palavra(s)-Chave do Pesquisador: | Benders' Decomposition | Lagrangian Relaxation | Modelling Systems | Nondifferentiable Optimization | Reformulation techniques | Otimização |
Resumo Muitos problemas de otimização de energia, como o de alocação de unidades (UC), possuem várias formas de estrutura espacial, temporal e lógica que particionam as decisões (variáveis) em blocos distintos. Assim, eles se decomporiam nessa linha, não fosse por algumas condições operacionais ou lógicas (acoplando restrições ou variáveis) que relacionam decisões de blocos diferentes. Estes problemas são, portanto, particularmente adequados para abordagens de decomposição, tais como as baseadas em métodos de Lagrangeano ou Benders. No entanto, estes são difíceis de implementar, em parte devido ao apoio muito limitado de ferramentas de modelagem e resolução. O objetivo do projeto é explorar o Sistema de Modelagem Estruturado (SMS++), um ambiente de modelagem em C++ que está sendo desenvolvido atualmente no Departamento de Ciência da Computação da Universidade, para implementar abordagens de solução genérica baseadas em decomposição para diferentes variantes do UC. Graças às capacidades do SMS++, as abordagens serão capazes de trabalhar com resolvedores de propósito geral e explorar a disponibilidade de algoritmos especializados para subproblemas especialmente estruturados, permitindo assim desenvolver abordagens que não dependem dos detalhes do modelo, como as restrições operacionais das unidades geradoras, que mudam muito em ambientes operacionais diferentes. A resolução dos problemas de otimização não-diferenciável de grande porte correspondentes exigirá a melhoria das técnicas de estado-da-arte para esta classe de problemas, utilizando, por exemplo, técnicas como "componentes fáceis", decomposição estruturada e algoritmos inexatos/incrementais/assíncronos. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |