|
|
Approximations in Stochastic Optimization and Their Applications
Mrázková, Eva ; Horová, Ivana (referee) ; Štěpánek, Petr (referee) ; Karpíšek, Zdeněk (advisor)
Mnoho inženýrských úloh vede na optimalizační modely s~omezeními ve tvaru obyčejných (ODR) nebo parciálních (PDR) diferenciálních rovnic, přičemž jsou v praxi často některé parametry neurčité. V práci jsou uvažovány tři inženýrské problémy týkající se optimalizace vibrací a optimálního návrhu rozměrů nosníku. Neurčitost je v nich zahrnuta ve formě náhodného zatížení nebo náhodného Youngova modulu. Je zde ukázáno, že dvoustupňové stochastické programování nabízí slibný přístup k řešení úloh daného typu. Odpovídající matematické modely, zahrnující ODR nebo PDR omezení, neurčité parametry a více kritérií, vedou na (vícekriteriální) stochastické nelineární optimalizační modely. Dále je dokázáno, pro jaký typ úloh je nutné použít stochastické programování (EO reformulace), a kdy naopak stačí řešit jednodušší deterministickou úlohu (EV reformulace), což má v praxi význam z hlediska výpočetní náročnosti. Jsou navržena výpočetní schémata zahrnující diskretizační metody pro náhodné proměnné a ODR nebo PDR omezení. Matematické modely odvozené pomocí těchto aproximací jsou implementovány a řešeny v softwaru GAMS. Kvalita řešení je určena na základě intervalových odhadů "optimality gapu" spočtených pomocí metody Monte Carlo. Parametrická analýza vícekriteriálního modelu vede na výpočet "efficient frontier". Jsou studovány možnosti aproximace modelu zahrnujícího pravděpodobnostní členy související se spolehlivostí pomocí smíšeného celočíselného nelineárního programování a reformulace pomocí penalizační funkce. Dále je vzhledem k budoucím možnostem paralelních výpočtů rozsáhlých inženýrských úloh implementován a testován PHA algoritmus. Výsledky ukazují, že lze tento algoritmus použít, i když nejsou splněny matematické podmínky zaručující konvergenci. Na závěr je pro deterministickou verzi jedné z úloh porovnána metoda konečných diferencí s metodou konečných prvků za použití softwarů GAMS a ANSYS se zcela srovnatelnými výsledky.
|
|
|
Stochastic Programming Algorithms
Klimeš, Lubomír ; Mrázková, Eva (referee) ; Popela, Pavel (advisor)
Stochastické programování a optimalizace jsou mocnými nástroji pro řešení široké škály inženýrských problémů zahrnujících neurčitost. Algoritmus progressive hedging je efektivní dekompoziční metoda určená pro řešení scénářových stochastických úloh. Z důvodu vertikální dekompozice je možno tento algoritmus implementovat paralelně, čímž lze významně ušetřit výpočetní čas a ostatní prostředky. Teoretická část této diplomové práce se zabývá matematickým a zejména pak stochastickým programováním a detailně popisuje algoritmus progressive hedging. V praktické části je navržena a diskutována původní paralelní implementace algoritmu progressive hedging, která je pak otestována na jednoduchých úlohách. Dále je uvedená paralelní implementace použita pro řešení inženýrského problému plynulého odlévání ocelové bramy a na závěr jsou získané výsledky zhodnoceny.
|
|
|
Stochastic Optimization of Network Flows
Málek, Martin ; Holešovský, Jan (referee) ; Popela, Pavel (advisor)
Magisterská práce se zabývá stochastickou optimalizací síťových úloh. Teoretická část pokrývá tři témata - teorii grafů, optimalizaci a progressive hedging algoritmus. V rámci optimalizace je hlavní část věnována stochastickému programování a dvoustupňovému programování. Progressing hedging algoritmus zahrnuje také metodu přiřazování scénářů a modifikaci obecného algoritmu na dvou stupňové úlohy. Praktická část je věnována modelům na reálných datech z oblasti svozu odpadu v rámci České republiky. Data poskytl Ústav procesního inženýrství.
|
|
|
Spatial Decomposition for Differential Equation Constrained Stochastic Programs
Šabartová, Zuzana ; Mrázková, Eva (referee) ; Popela, Pavel (advisor)
Rozsáhlá třída inženýrských optimalizačních úloh vede na modely s omezeními ve tvaru obyčejných nebo parciálních diferenciálních rovnic (ODR nebo PDR). Protože diferenciálních rovnice je možné řešit analyticky jen v nejjednodušších případech, bylo k řešení použito numerických metod založených na diskretizaci oblasti. Zvolili jsme metodu konečných prvků, která umožňuje převod omezení ve tvaru diferenciálních rovnic na omezení ve tvaru soustavy lineárních rovnic. Reálné problémy jsou často velmi rozsáhlé a přesahují dostupnou výpočetní kapacitu. Výpočetní čas lze snížit pomocí progressive hedging algoritmu (PHA), který umožňuje paralelní implementaci. PHA je efektivní scénářová dekompoziční metoda pro řešení scénářových stochastických úloh. Modifikovaný PHA byl využit pro původní přístup prostorové dekompozice. Aproximace diferenciálních rovnic v modelu problému je dosaženo pomocí diskretizace oblasti. Diskretizace je dále využita pro prostorovou dekompozici modelu. Algoritmus prostorové dekompozice se skládá z několika hlavních kroků: vyřešení problému s hrubou diskretizací, rozdělení oblasti problému do překrývajících se částí a iterační řešení pomocí PHA s jemnější diskretizací s využitím hodnot z hrubé diskretizace jako okrajových podmínek. Prostorová dekompozice byla aplikována na základní testovací problém z oboru stavebního inženýrství, který se zabývá návrhem rozměrů průřezu nosníku. Algoritmus byl implementován v softwaru GAMS. Získané výsledky jsou zhodnoceny vzhledem k výpočetní náročnosti a délce překrytí.
|
|
|
Stochastic Optimization of Network Flows
Málek, Martin ; Holešovský, Jan (referee) ; Popela, Pavel (advisor)
Magisterská práce se zabývá stochastickou optimalizací síťových úloh. Teoretická část pokrývá tři témata - teorii grafů, optimalizaci a progressive hedging algoritmus. V rámci optimalizace je hlavní část věnována stochastickému programování a dvoustupňovému programování. Progressing hedging algoritmus zahrnuje také metodu přiřazování scénářů a modifikaci obecného algoritmu na dvou stupňové úlohy. Praktická část je věnována modelům na reálných datech z oblasti svozu odpadu v rámci České republiky. Data poskytl Ústav procesního inženýrství.
|
|
|
Approximations in Stochastic Optimization and Their Applications
Mrázková, Eva ; Horová, Ivana (referee) ; Štěpánek, Petr (referee) ; Karpíšek, Zdeněk (advisor)
Mnoho inženýrských úloh vede na optimalizační modely s~omezeními ve tvaru obyčejných (ODR) nebo parciálních (PDR) diferenciálních rovnic, přičemž jsou v praxi často některé parametry neurčité. V práci jsou uvažovány tři inženýrské problémy týkající se optimalizace vibrací a optimálního návrhu rozměrů nosníku. Neurčitost je v nich zahrnuta ve formě náhodného zatížení nebo náhodného Youngova modulu. Je zde ukázáno, že dvoustupňové stochastické programování nabízí slibný přístup k řešení úloh daného typu. Odpovídající matematické modely, zahrnující ODR nebo PDR omezení, neurčité parametry a více kritérií, vedou na (vícekriteriální) stochastické nelineární optimalizační modely. Dále je dokázáno, pro jaký typ úloh je nutné použít stochastické programování (EO reformulace), a kdy naopak stačí řešit jednodušší deterministickou úlohu (EV reformulace), což má v praxi význam z hlediska výpočetní náročnosti. Jsou navržena výpočetní schémata zahrnující diskretizační metody pro náhodné proměnné a ODR nebo PDR omezení. Matematické modely odvozené pomocí těchto aproximací jsou implementovány a řešeny v softwaru GAMS. Kvalita řešení je určena na základě intervalových odhadů "optimality gapu" spočtených pomocí metody Monte Carlo. Parametrická analýza vícekriteriálního modelu vede na výpočet "efficient frontier". Jsou studovány možnosti aproximace modelu zahrnujícího pravděpodobnostní členy související se spolehlivostí pomocí smíšeného celočíselného nelineárního programování a reformulace pomocí penalizační funkce. Dále je vzhledem k budoucím možnostem paralelních výpočtů rozsáhlých inženýrských úloh implementován a testován PHA algoritmus. Výsledky ukazují, že lze tento algoritmus použít, i když nejsou splněny matematické podmínky zaručující konvergenci. Na závěr je pro deterministickou verzi jedné z úloh porovnána metoda konečných diferencí s metodou konečných prvků za použití softwarů GAMS a ANSYS se zcela srovnatelnými výsledky.
|
|
|
Spatial Decomposition for Differential Equation Constrained Stochastic Programs
Šabartová, Zuzana ; Mrázková, Eva (referee) ; Popela, Pavel (advisor)
Rozsáhlá třída inženýrských optimalizačních úloh vede na modely s omezeními ve tvaru obyčejných nebo parciálních diferenciálních rovnic (ODR nebo PDR). Protože diferenciálních rovnice je možné řešit analyticky jen v nejjednodušších případech, bylo k řešení použito numerických metod založených na diskretizaci oblasti. Zvolili jsme metodu konečných prvků, která umožňuje převod omezení ve tvaru diferenciálních rovnic na omezení ve tvaru soustavy lineárních rovnic. Reálné problémy jsou často velmi rozsáhlé a přesahují dostupnou výpočetní kapacitu. Výpočetní čas lze snížit pomocí progressive hedging algoritmu (PHA), který umožňuje paralelní implementaci. PHA je efektivní scénářová dekompoziční metoda pro řešení scénářových stochastických úloh. Modifikovaný PHA byl využit pro původní přístup prostorové dekompozice. Aproximace diferenciálních rovnic v modelu problému je dosaženo pomocí diskretizace oblasti. Diskretizace je dále využita pro prostorovou dekompozici modelu. Algoritmus prostorové dekompozice se skládá z několika hlavních kroků: vyřešení problému s hrubou diskretizací, rozdělení oblasti problému do překrývajících se částí a iterační řešení pomocí PHA s jemnější diskretizací s využitím hodnot z hrubé diskretizace jako okrajových podmínek. Prostorová dekompozice byla aplikována na základní testovací problém z oboru stavebního inženýrství, který se zabývá návrhem rozměrů průřezu nosníku. Algoritmus byl implementován v softwaru GAMS. Získané výsledky jsou zhodnoceny vzhledem k výpočetní náročnosti a délce překrytí.
|
|
|
Stochastic Programming Algorithms
Klimeš, Lubomír ; Mrázková, Eva (referee) ; Popela, Pavel (advisor)
Stochastické programování a optimalizace jsou mocnými nástroji pro řešení široké škály inženýrských problémů zahrnujících neurčitost. Algoritmus progressive hedging je efektivní dekompoziční metoda určená pro řešení scénářových stochastických úloh. Z důvodu vertikální dekompozice je možno tento algoritmus implementovat paralelně, čímž lze významně ušetřit výpočetní čas a ostatní prostředky. Teoretická část této diplomové práce se zabývá matematickým a zejména pak stochastickým programováním a detailně popisuje algoritmus progressive hedging. V praktické části je navržena a diskutována původní paralelní implementace algoritmu progressive hedging, která je pak otestována na jednoduchých úlohách. Dále je uvedená paralelní implementace použita pro řešení inženýrského problému plynulého odlévání ocelové bramy a na závěr jsou získané výsledky zhodnoceny.
|
guest ::
