Detalhes bibliográficos
| Ano de defesa: |
2018 |
| Autor(a) principal: |
Resende, Ranulfo Acir de Oliveira |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
eng |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/154487
|
Resumo: |
Esta Tese de Doutorado é composta pelo estudo da aplicação de simulações numéricas automatizadas para solucionar problemas de controle ótimo (PCO) não convexos. Um algoritmo para tratar PCOs não convexos é apresentado como a principal contribuição da Tese. Outra contribuição, a estrutura ASAF - Automated Simulation and Analysis Framework, codificada em linguagem Python e baseada em modernas ferramentas de modelagem, simulação, JModelica.org, e otimização, Interior-Point Optimizer (IPOPT), é utilizada como auxílio para aplicação do referido algorítmo. O algoritmo proposto foi testado de forma metodológica com escala métrica e quatro PCOs não convexos com soluções analíticas exatas conhecidas. A viabilidade de aplicação do algoritmo foi verificada por clássicos métodos estatísticos aplicados aos dados das simulações, alcançando-se os resultados esperados e fundamentando-se a possibilidade de se tratar PCOs não convexos de soluções desconhecidas. Assim, esta Tese apresenta uma contribuição relevante para o tratamento de PCOs não convexos, ao propor um algoritmo para, com uso eficaz dos crescentes recursos computacionais de metaprogramação e automatização, obter solução subótima recomendada aceitável. A mediana da efetividade do algoritmo é estimada, a partir de testes estatísticos, em 93%, com significância de 0,05 (95% de confiança). |
