Escolar Documentos
Profissional Documentos
Cultura Documentos
Wendel Melo
Faculdade de Computação
Universidade Federal de Uberlândia
1
Problema abordado
Problema de Otimização Não Linear Inteira Mista (ONLIM)
“convexo”:
2
Classes de algoritmos para ONLIM
Algoritmos de Branch-and-Bound;
Algoritmos híbridos;
Heurísticas;
3
Classes de algoritmos para ONLIM
Algoritmos de Branch-and-Bound;
Algoritmos híbridos;
Heurísticas;
4
Algoritmos de Aproximação Linear
Tendo nas mãos uma boa rotina para OLIM, são métodos de
fácil entendimento e implementação;
5
Algoritmos de Aproximação Linear
Plano de corte estendido (Westerlund e Pettersson, 1995);
6
Algoritmos de Aproximação Linear
Plano de corte estendido (Westerlund e Pettersson, 1995);
7
Algoritmos de Aproximação Linear
Plano de corte estendido (Westerlund e Pettersson, 1995);
8
Algoritmos de Aproximação Linear
Plano de corte estendido (Westerlund e Pettersson, 1995);
9
Algoritmos de Aproximação Linear
Plano de corte estendido (Westerlund e Pettersson, 1995);
10
Algoritmos de Aproximação Linear
Plano de corte estendido (Westerlund e Pettersson, 1995);
11
Algoritmos de Aproximação Linear
Plano de corte estendido (Westerlund e Pettersson, 1995);
13
Algoritmos de Aproximação Linear
14
Algoritmos de Aproximação Linear
15
Algoritmos de Aproximação Linear
16
Algoritmos de Aproximação Linear
17
Algoritmos de Aproximação Linear
18
Algoritmos de Aproximação Linear
19
Algoritmos de Aproximação Linear
20
Aproximações de Taylor de 1ª Ordem
Dada uma função não linear e um ponto de linearização ,
podemos aproximar linearmente por Taylor:
22
Problema Mestre
Assim, dado um conjunto com p pontos de linearização:
23
Algoritmos de Aproximação Linear
O problema mestre fornece limites inferiores válidos para (P);
Com isso, a aproximação dada pelo problema mestre vai sendo me-
lhorada, até que este seja suficiente para atestar a otimalidade de (P)
(limites superiores são obtidos com soluções viáveis).
24
Funcionamento Geral
1) Inicializar o conjunto de pontos de linearização ;
27
Algoritmos de Aproximação Linear
Plano de corte estendido (Westerlund e Pettersson, 1995);
29
Plano de Corte Estendido
Note que a aproximação linear construída sobre é exata no
próprio ponto ;
30
Plano de Corte Estendido
Se for viável e não for ótima para (P), a linearização da
função objetivo sobre essa solução garante que ela não seja solução
ótima do problema mestre;
31
Plano de Corte Estendido - Algoritmo
32
Plano de Corte Estendido
O algoritmo de PCE não possui convergência finita;
33
Plano de Corte Estendido
Por ser dependente apenas da resolução do problema mestre, o algo-
ritmo possui uma caraterística interessante:
34
Bibliografia
Marco Duran and Ignacio Grossmann. An outer-approximation algorithm
for a class of mixed-integer nonlinear programs. Mathematical Program-
ming, 36:307–339, 1986. 10.1007/BF02592064
Roger Fletcher and Sven Leyffer. Solving mixed integer nonlinear programs
by outer approximation. Mathematical Programming, 66:327–349, 1994.
10.1007/BF01581153.
Jan Kronqvist, Andreas Lundell, and Tapio Westerlund. The extended sup-
porting hyperplane algorithm for convex mixed-integer nonlinear pro-
gramming. Journal of Global Optimization, 64(2):249–272, 2016.
35
Bibliografia
Wendel Melo, Marcia Fampa and Fernanda Raupp, Two linear approximation al-
gorithms for convex mixed integer nonlinear programming. Annals of Operations
Research, 2020. DOI: 10.1007/s10479-020-03722-5.
Ignacio Quesada and Ignacio E. Grossmann. An lp/nlp based branch and bound
algorithm for convex minlp optimization problems. Computers & Chemical Engi-
neering, 16(10-11):937 – 947, 1992.
Claus Still and Tapio Westerlund. Solving convex minlp optimization problems
using a sequential cutting plane algorithm. Computational Optimization and Ap-
plications, 34:63–83, 2006. 10.1007/s10589-005-3076-x
Tapio Westerlund and Frank Pettersson. An extended cutting plane method for
solving convex minlp problems. Computers & Chemical Engineering, 19, Sup-
plement 1(0):131 – 136, 1995.
36
Obrigado!
wendelmelo@ufu.br
https://wendelmelo.net
37