Escolar Documentos
Profissional Documentos
Cultura Documentos
1 1 (37)
P(y, α, d) = − ( tan( α ). y ) + ( tan( α )) 2 . y 2 + d 2
III. MÉTODO DE PENALIZAÇÃO HIPERBÓLICA 2 2
Considere o problema geral de Programação Não-Linear: com α ∈ [0, π ) e d ≥ 0
2
(P) Minimizar f(x) (28) A ideia básica do método é a seguinte: Inicialmente,
aumenta-se o ângulo α da assíntota da função penalidade P
Sujeito a
conforme Fig. 1, provocando significativo aumento da
g i (x) ≥ 0, i = 1,..., u (29)
penalização (valor da função F) fora da região viável e,
h j (x) = 0, j = 1,..., p (30) reduzindo simultaneamente a penalização para pontos
x ∈ ℜn (31) pertencentes à região viável. O processo continua até que se
obtenha um ponto viável.
MOURA BRITO AND XAVIER : A NONLINEAR OPTIMIZATION ALGORITHM APPLIED 4765
Em seguida, mantem-se α constante e diminui-se Se esse ponto não for viável, aumenta-se o valor do
sequencialmente o valor d de acordo com Fig. 2. parâmetro α implicando, consequentemente, o aumento do
valor da função F(x,α,d) (passo 6). Caso contrário, reduz-se no
passo (5) o valor do parâmetro d. Ao final de k iterações,
sendo xk um ponto viável e cuja diferença em relação ao ponto
xk-1, em módulo, é menor ou igual a um parâmetro ε, esse
ponto corresponde ao ótimo x* do problema.
k=k+1
m
3 Minimize F(x, α, d) = f(x) + P(g i (x), α k , d k ) a usando xk-1
i=1
e produzindo o ponto xk
4 Se xk é viável Então
Figura 1. Aumento do ângulo α. Se ||xk-xk-1|| > ε Então (ainda não é aceitável)
5 dk+1=ρ2dk, αk+1=αk
Fim-se
Senão
6 αk+1=ρ1αk+(1-ρ1)π/2 e dk+1=dk
Fim-se
7 Até que (||xk-xk-1|| ≤ε)
8 Faça x*=xk (ponto de ótimo)
Não obstante, em trabalhos futuros, pretende-se avaliar o [24] T.Liu, F.Wang and G.Agraw, “Stratified Sampling for Data Mining on
the Deep Web”, IEEE International Conference on Data Mining, pp. 324-333,
novo método proposto considerando um quantitativo maior de 2010.
novas populações com mais estratos e mais variáveis de [25] S.Joshi and Christopher Jermaine, “Robust Stratified Sampling Plans for
pesquisa. Low Selectivity Queries”, IEEE 24th International Conference on Data
Ainda que o método de penalização hiperbólica não seja Engineering, pp. 199-208, 2008.
[26] S. A. Souza, R. A. Macêdo, E. T. Vargas, D. V. Coury, M. Oleskovicz,
diretamente dependente do ponto de partida, também se “Estimação de Parâmetros de um Sistema Elétrico de Potência Utilizando
pretende desenvolver e utilizar, em experimentos futuros, uma Algoritmos Genéticos”, IEEE Latin America Transactions, vol. 4(1),
heurística que produza pontos iniciais viáveis que propiciarão pp. 47-54, 2006.
a convergência do algoritmo em um tempo computacional [27] R. L. Chambers and R. Dunstan, “Estimating Distribution Functions
from Survey Data”, Biometrika, vol. 73 (3), pp. 597-604, 1986.
menor. Neste sentido, uma possível alternativa seria a
utilização de algoritmos genéticos [26].
José André de Moura Brito tem bacharelado em Matemática
REFERÊNCIAS pela Universidade Federal do Rio de Janeiro (1997), Mestrado
[1] W. G. Cochran, “Sampling Techniques”, Third Edition – Wiley, 1977 em Engenharia de Sistemas e Computação (Otimização) pela
[2] A.D.E.Xavier, “ Hyperbolic Penalty: A New Method for Nonlinear Universidade Federal do Rio de Janeiro (1999), Doutorado em
Programing with inequalities,” International Transactions in Operational Engenharia de Sistemas e Computação (Otimização) pela
Research, vol. 8 (6), p. 659-672, 2001. Universidade Federal do Rio de Janeiro (2004) e
[3] S.L. Lohr, “Sampling: Design and Analysis”, 2nd edition. Brooks/Cole, Pós-Doutorado em Otimização na UFF (2008). É professor da
Cengage Learning, 2010. Escola Nacional de Ciências e Estatística (ENCE/IBGE), onde leciona
[4] P.V. Sukhatme, B.V. Sukhatme, S. Sukhatme and C. Asok, “Sampling disciplinas na graduação e no mestrado. É editor executivo da Revista
Theory of Surveys with Applications”. Iowa State University Press, 3rd Brasileira de Estatística (RBE). Tem experiência nas áreas de Otimização,
Edition, 1984. Estatística e Computação, atuando principalmente nos seguintes temas:
[5] A.R. Kokan, “Optimum Allocation in Multivariate Surveys”, Journal Metaheurísticas, Programação Inteira, Otimização Combinatória, Suavização,
of the Royal Statistical Society, Series A, vol. 126 (4), pp. 557-565, 1963. Análise de Algoritmos, Análise de Agrupamentos e
[6] J.L. Folks and C.E.Antle, “Optimum Allocation of Sampling Units to Amostragem. http://lattes.cnpq.br/9036541085964477.
Strata When There Are R Responses of Interest”, Journal of the American
Statistical Association, vol. 60 (309), pp. 225-233, 1965. Adilson Elias Xavier possui graduação em Engenharia
[7] A.R. Kokan and S. Khan, “Optimum Allocation in Multivariate Surveys: Mecanica pela Universidade Federal de Minas Gerais (1966),
An Analytical Solution”. Journal of the Royal Statistical Society, Series B, especialização em Análise de Sistemas pela Analista de
vol. 29 (1), pp.115-125, 1967. Sistemas (1970), mestrado em Engenharia de Sistemas e
[8] H.F. Huddleston, P.L. Claypool and R.R. Hocking, “Optimal Sample Computação pela Universidade Federal do Rio de
Allocation to Strata Using Convex Programming”, Journal of the Royal Janeiro(1982) e doutorado em Engenharia de Sistemas e
Statistical Society, Series C, vol. 19 (3), pp. 273- 278,1970. Computação pela Universidade Federal do Rio de
[9] L. Kish, “ Optima and Proxima in Linear Sample Designs”, Journal of Janeiro(1992). Atualmente é Professor Adjunto da Universidade Federal do
the Royal Statistical Society, Series A, vol. 139 (1), pp. 80-95, 1976. Rio de Janeiro, Revisor de periódico da Pesquisa Operacional, Membro de
[10] J. Bethel,“An Optimum Allocation Algorithm for Multivariate Surveys”, corpo editorial da Revista de Matemática: Teoria y Aplicaciones, Revisor de
Proceedings of the Survey Research Methods Section of the American periódico da International Transactions in Operational Research, Revisor de
Statistical Association, pp. 209-212, 1985. periódico da Revista de Matemática: Teoria y Aplicaciones, Membro de corpo
[11] J. Bethel, “Sample Allocation in Multivariate Surveys”, Survey editorial da Investicacion Operativa, Revisor de periódico da Investicacion
Methodology, vol 15 (1), pp. 47-57, 1989. Operativa, Revisor de periódico da Computational and Applied Mathematics,
[12] J. Chromy, “Design Optimization with Multiple Objectives”. Revisor de periódico da Mathematical Problems in Engineering, Revisor de
Proceedings of the Survey Research Methods Section of the American periódico da INFORMATICA (Lithuania) e Revisor de periódico da
Statistical Association, pp. 194-199, 1987. Optimization (Print). Tem experiência na área de Matemática, com ênfase em
[13] R. Valliant and J.E. Gentle, “An Application of Mathematical
Modelos e Algoritmos em Programação Matemática. Atuando principalmente
Programming to Sample Allocation”, Computational Statistics & Data
Analysis, vol. 25, pp. 337-360, 1997. nos seguintes temas:Penalização Hiperbólica, Otimização, Programação Não-
[14] M.G.M. Khan and M.J. Ahsan, “A note on optimum allocation in Linear, Métodos dos Multiplicadores. http://lattes.cnpq.br/6653416458352062
multivariate stratified sampling”, S.Pac. Journal Nat. Sci, vol. 21, pp. 91-95,
2003.
[15] J.A.D. Garciá and L.U. Cortez, “Optimum Allocation in Multivariate
Stratified Sampling: Multi-Objective Programming”, Comunicaciones Del
Cimat, no I-06-07/28-03-2006, 2006.
[16] M. Kozak, “Multivariate Sample Allocation: Application of Random
Search Method”, Statistics in Transition, vol. 7 (4), pp. 889-900, 2006.
[17] C.D.Day, “A Multi-Objective Evolutionary Algorithm for Multivariate
Optimal Allocation”, Proceedings of the Survey Research Methods Section of
the American Statistical Association, 2010.
[18] M.V. Ismail, K. Nasser, and Q.S. Ahmad, “Solution of a Multivariate
Stratified Sampling Problem through Chebyshev´s Goal Programming”,
Pak.J.Stat.Oper.Res, vol. 7 (1), pp. 101-108, 2011.
[19] M. F. Khan, I. Ali, Y.S. Raghav and A. Bari, “Allocation in Multivariate
Stratified Surveys with Non-linear Random Cost Function”, American
Journal of Operations Research, vol. 2, pp. 100-105, 2012.
[20] R. Varshey, M.G.M. Khan, U. Fatima, and M.J. Ahsan, “Integer
Compromise Allocation in Multivariate Stratified Surveys”, Annals of
Operations Research, vol. 226, pp. 659-668, 2015.
[21] J.A.M. Brito, P.L.N Silva, G.S. Semaan and N. Maculan, “Integer
Programming Formulations Applied to Optimal Allocation in Stratified
Sampling”, Survey Methodology, vol. 41 (2),pp. 427-442, 2015.
[22] M.S.Bazaraa, H. D. Sherali and C. M. Shetty, “Nonlinear Programming:
Theory and Algorithms”, 3rd Edition, Wiley, 2006.
[23]G. Barcaroli, “SamplingStrata: An R Package for the Optimization of
Stratified Sampling”, Journal of Statistical Software, 61 (4), pp. 1-24, 2014.