Estudo da Otimização Dinâmica
utilizando Métodos Diretos para
Resolução
Aluno: Dyego dos Santos Silva – Escola de Química - UFRJ
Orientadores: Lizandro de Sousa Santos (Msc.) PEQ-COPPE
Evaristo Chalbaud Biscaia Jr. (Dr.) PEQ-COPPE
Objetivo: Resolver problemas de otimização dinâmica via
métodos diretos com enfoque algébrico diferencial (efeitos do
nível de discretização da variável de controle).
Função Objetivo
2
1
2
J (u ) :  x1 t  dt
2
0
x1  x2  u (t );
x 2  u (t );
Modelo
Restrições
x1 ( 2)  x2 (2)  0
 10  u (t )  10,
0t 2
Variável de controle
Métodos Diretos: Discretização da Variável de Controle e Otimização do
Sistema NLP resultante.
Metodologia:
i) Resolução de um Problema de Otimização Dinâmica via
Métodos Diretos estudando a influência do
procedimento de busca utilizado no algoritmo de
otimização e o grau de refinamento da malha ;
ii) Estudos de procedimento para adaptação da malha
utilizando wavelets, spline e métodos multigrid
visando obter um perfil ótimo com menor esforço
numérico (Estudos Futuros).
Estudo de Caso1
2
1
2
J (u ) :  x1 t  dt
2
0
x1  x2  u (t );
x 2  u (t );
u0
t0
u1
t1
x1 ( 2)  x2 (2)  0
 10  u (t )  10,
0t 2
Programa Computacional: MATLAB
Algoritmo :
•Fmincon (NLP)
•Ode15s (Runge Kutta)
Algoritmos de busca:
•Conjuntos Ativos:
•Ponto Interior
Número de estágios (ns): 2,4,8,16,32
un
u2
t2

tN
Resultados (Conjuntos Ativos):
Requer elevado número de passos para calcular a nova direção de busca,
porém com baixo custo numérico.
Número de
Estágios
Número de
Avaliações da
Função- Objetivo
Valor da FunçãoObjetivo
Tempo de Cálculo
(s)
2
5
5,858335
2,0992
4
15
4,898494
2,6965
8
39
4,608777
6,2626
16
83
4,593222
20,872
32
83
4,587480
75,231
Resultados (Conjuntos Ativos):
ns=4
ns=8
8
10
6
5
u(t)
u(t)
4
2
0
0
-2
-4
0
0.5
1
t
1.5
-5
2
0
0.5
ns=4
1.5
2
ns=8
6
4
4
3
2
2
x1(t), x2(t)
x1(t), x2(t)
1
t
0
1
0
-2
-1
-4
0
0.5
1
t
1.5
2
-2
0
0.5
1
t
1.5
2
Resultados (Conjuntos Ativos):
ns=32
10
10
5
5
0
u(t)
u(t)
ns=16
-5
-10
0
-5
0
0.5
1
t
1.5
2
-10
0
0.5
3
3
2
2
x1(t), x2(t)
x1(t), x2(t)
4
1
0
-1
-1
-2
0.5
1
t
2
1
0
0
1.5
ns=32
ns=16
4
-2
1
t
1.5
2
0
0.5
1
t
1.5
2
Resultados (Ponto Interior):
Requer baixo número de passos para calcular a nova direção de busca,
porém com elevado custo numérico.
Número de
Estágios
Número de
Avaliações da
Função- Objetivo
Valor da FunçãoObjetivo
Tempo de Cálculo
(s)
2
8
5,858335
1,5697
4
17
4,898495
2,4649
8
44
4,608659
7,4414
16
103
4,592358
40,248
32
203
4,586275
308,66
Conclusões
i)
ii)
Quanto maior o número de estágios, maior o grau de refinamento
da variável de controle. Logo, mais precisa será a solução. Porém, o
custo computacional é maior e a solução é mais lenta.
O método de conjuntos ativos apresentou melhores resultados para
o mesmo nível de discretização da variável de controle.
Próximos Passos
i)
Outras estratégias para parametrização da variável de controle
visando economizar o esforço computacional sem comprometer o
resultado da otimização. Para isso, iremos abordar o uso de análise
multi-resolução wavelets e spline e comparar com os resultados
atuais.
Cronograma / Planejamento
Período
Atividades
Maio
Leitura de textos* sobre
otimização e otimização
dinâmica
Junho
Aprendizado de programação
no Matlab
Julho
Aprendizado de programação
no Matlab e soluções de
problemas NLP usando o
fmincon
Agosto
Estudo do algoritmo do
problema no Matlab
Setembro
Estudo do algoritmo do
problema no Matlab
Outubro
Resolução de outros
problemas
Novembro
Estudo de Wavelets
Dezembro
Estudo de Wavelets
Download

Estudo da Otimização Dinâmica utilizando Métodos Diretos para