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);
8
Problema Mestre
Assim, dado um conjunto com p pontos de linearização:
9
Aproximação Externa
Na iteração k, seja a solução ótima obtida para o pro-
blema mestre;
O algoritmo usa o valor para fixar as variáveis inteiras em (P) e
resolver o problema a seguir:
10
Aproximação Externa
Se é viável, seja uma solução
ótima.
11
Aproximação Externa
Se for inviável, não há solução viável para (P) com
Nesse caso, passa-se então a resolução de um problema de
viabilidade:
12
Aproximação Externa
O acréscimo de ao con-
junto de pontos de linearização
cortará da região viável do
problema mestre (Fletcher e
Leiffer, 1994).
13
Aproximação Externa
O acréscimo de ao con-
junto de pontos de linearização
cortará da região viável do
problema mestre (Fletcher e
Leiffer, 1994).
Onde:
14
Algoritmo
Aproximação
Externa
15
Algoritmo Aproximação Externa
Usualmente, o ponto de linearização inicial é escolhido como a solu-
ção ótima da relaxação contínua de (P);
Por sua vez, uma solução inteira ótima pode ser visitada, no máximo,
duas vezes;
16
Algoritmo Aproximação Externa
Em comparação com Plano de Corte Estendido, Aproximação Externa
necessita resolver, a cada iteração, um ou dois problemas de otimi-
zação não linear;
17
Algoritmos de Aproximação Linear
Plano de corte estendido (Westerlund e Pettersson, 1995);
19
Decomposição de Benders Generalizada
Assim, o problema mestre é escrito apenas em função de e :
Sejam:
Sejam:
25
Problema Mestre
Assim, dado um conjunto com p pontos de linearização:
26
B&B baseado em PL/PNL
A ideia é integrar a resolução do problema mestre com a resolução
de e ;
Sempre que uma solução inteira viável for encontrada para o pro-
blema mestre, resolve-se os problemas e para se fortale-
cer a relaxação acrescentando um novo ponto de linearização;
Assim, não são realizadas podas por viabilidade. Apenas por limite e
inviabilidade.
28
Algoritmo
B&B baseado
em PL/PNL
29
B&B baseado em PL/PNL
A expectativa é economizar na resolução de relaxações lineares do
problema mestre sendo resolvidas;
30
B&B baseado em PL/PNL
A expectativa é economizar na resolução de relaxações lineares do
problema mestre sendo resolvidas;
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.
32
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.
33
Obrigado!
wendelmelo@ufu.br
https://wendelmelo.net
34