[pt] MODELOS DE PROGRAMAÇÃO ESTOCÁSTICA COM INCERTEZAS ENDÓGENAS: UMA APLICAÇÃO EM LOGÍSTICA HUMANITÁRIA

• Ano de defesa: 2019
• Autor(a) principal: BRUNO DA COSTA FLACH
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] OTIMIZACAO ESTOCASTICA; [pt] CONVEXIFICACAO; [pt] INCERTEZAS ENDOGENAS; [pt] LOGISTICA HUMANITARIA; [en] STOCHASTIC OPTIMIZATION; [en] CONVEXIFICATION; [en] ENDOGENOUS UNCERTAINTY; [en] HUMANITARIAN LOGISTICS
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=37562&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=37562&idi=2; http://doi.org/10.17771/PUCRio.acad.37562

[pt] Neste trabalho estudamos uma classe de problemas de otimização estocástica com incertezas endógenas que é formulado como um problema de programação não-linear inteira (MINLP). Esta classe de problemas difere dos problemas de otimização estocástica geralmente estudados na literatura pelo fato de que que a distribuição de probabilidade dos parâmetros aleatórios depende das decisões tomadas. Apesar de discutido dentro do contexto do problema de logística humanitária, a metodologia proposta e os resutados obtidos são válidos para uma classe geral de problemas que agrega uma variedade de aplicações. Em particular, propõe-se (i) uma técnica de convexificação de polinômios de variáveis binárias, (ii) um algoritmo de geração de cortes e (iii) a incorporação dos conceitos de importance sampling dentro do contexto de otimização estocástica de modo a permitir a solução de grandes instâncias do problema. Os resultados computacionais apresentados demonstram as vantagens da metodologia proposta ao permitir a solução de instâncias significativamente maiores que aquelas atualmente apresentadas em trabalhos relacionados.