dc.contributorSalles Neto, Luiz Leduino de [UNIFESP]
dc.contributorhttp://lattes.cnpq.br/3494006054065503
dc.contributorhttp://lattes.cnpq.br/3728820959678712
dc.contributorLodwick, Weldon A.
dc.contributorhttp://lattes.cnpq.br/6568555460229412
dc.creatorButkeraites, Renan Brito Cano [UNIFESP]
dc.date.accessioned2022-03-24T12:24:56Z
dc.date.accessioned2023-09-04T19:16:49Z
dc.date.available2022-03-24T12:24:56Z
dc.date.available2023-09-04T19:16:49Z
dc.date.created2022-03-24T12:24:56Z
dc.date.issued2021-03-10
dc.identifierhttps://repositorio.unifesp.br/xmlui/handle/11600/63626
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8624771
dc.description.abstractA abordagem mais popular atualmente para ajudar o tomador de decisão durante o tratamento da incerteza em problemas de otimização linear e inteira tem o revés de necessitar de um parâmetro de controle de incerteza que nem sempre é de trivial escolha. Este trabalho apresenta três avanços nesta área: 1) Desenvolvimento de uma abordagem para resolver problemas de otimização sob incerteza, aplicando o método desenvolvido em um problema de otimização linear da Indústria 4.0 (empacotamento de largura de banda) e comparar com uma abordagem da literatura; 2) Modelagem e resolução de um problema não linear de localização 2D de alvos sob incerteza utilizando geometria de distância, comparando com uma abordagem da literatura e; 3) Criação de uma medida de qualidade baseada em factibilidade e validar em um problema de otimização linear clássico da literatura. O método de resolução de problemas de otimização sob incerteza proposto nesta tese, chamado de SIROM (Sampling-based multi-objective Iterative Robust Optimization Method), foi arquitetado para encontrar automaticamente soluções para problemas de otimização sob incerteza utilizando as informações obtidas durante um processo de simulação e agrupamento de soluções por semelhança. Sua aplicação ao problema de largura de banda obteve em 92,5% das instâncias resultados melhores ou iguais aos resultados da aplicação no método da literatura para o mesmo problema. A modelagem do problema de localização 2D de alvos considerou uma definição diferente do tipo de incerteza usada no modelo clássico da literatura e sua resolução encontrou menor erro de localização em 59% dos casos, além de menor tempo de execução. Além disso, foi criada uma nova medida de robustez, chamada Hardness, que considera a factibilidade de uma solução para qualquer realização dos parâmetros incertos, que, por considerar a diferença do grau de robustez entre as soluções, demonstrou ser mais clara do que as medidas de qualidade da literatura.
dc.publisherUniversidade Federal de São Paulo
dc.rightsAcesso aberto
dc.subjectOtimização robusta
dc.subjectProgramação heurística
dc.subjectIncerteza de medição
dc.subjectTomada de decisões
dc.subjectAdminsitração
dc.titleOtimização sob incerteza: um novo método computacional, uma nova medida de robustez e aplicações
dc.typeTese de doutorado


Este ítem pertenece a la siguiente institución