Utilize este identificador para referenciar este registo:
https://hdl.handle.net/10316/41472
Título: | Otimização com meta-heurísticas populacionais em modelos multiobjetivo e em dois níveis | Autor: | Carrasqueira, Pedro Miguel | Orientador: | Alves, Maria João Antunes, Carlos Henggeler |
Palavras-chave: | Otimização Multiobjetivo; Otimização em dois níveis (Bi-level); Otimização por Enxame de Partículas; Algoritmo baseado no mecanismo eletromagnético (Electromagnetism-like Mechanism); Algoritmos Evolucionários | Data: | 13-Out-2017 | Citação: | CARRASQUEIRA, Pedro Miguel - Otimização com meta-heurísticas populacionais em modelos multiobjetivo e em dois níveis. Coimbra : [s.n.], 2017. Tese de doutoramento. Disponível na WWW: http://hdl.handle.net/10316/41472 | Resumo: | A otimização multiobjetivo permite tratar problemas considerando explicitamente
múltiplos eixos de avaliação do mérito das soluções, possibilitando obter um conjunto de
soluções não dominadas, as quais estabelecem um compromisso entre os valores
alcançados para as funções objectivo. As meta-heurísticas populacionais têm-se revelado
adequadas em problemas multiobjetivo fortemente não lineares e/ou combinatórios, pela
capacidade de fazer evoluir a população de soluções para o conjunto de soluções não
dominadas.
Neste trabalho começámos por analisar algumas das principais meta-heurísticas
populacionais para problemas de otimização multiobjetivo. Propusemos modificações no
algoritmo baseado no mecanismo eletromagnético, o qual tem sido pouco explorado em
problemas multiobjectivo, resultantes da avaliação positiva do respetivo desempenho em
comparação com outras meta-heurísticas populacionais adequadas para problemas com
variáveis contínuas. Utilizámos as meta-heurísticas com melhor desempenho neste
primeiro estudo para desenvolver algoritmos para problemas mais complexos, nos quais
existem dois níveis de decisão e com múltiplas funções objetivo. Começámos por
desenvolver um algoritmo para resolução de um problema em dois níveis (bi-level),
multiobjetivo em ambos os níveis, sendo o problema de cada nível resolvido por uma
meta-heurística populacional baseada em optimização por enxames de partículas.
Uma das áreas de aplicação em que os modelos de otimização em dois níveis são
particularmente adequados diz respeito à interação entre as empresas comercializadoras
de eletricidade (retalhista) e os consumidores. Neste trabalho desenvolvemos um modelo
de otimização em dois níveis para um problema de definição de tarifas dinâmicas por
parte de um comercializador de energia elétrica tendo em conta a resposta por parte do
consumidor residencial, através da calendarização do funcionamento dos aparelhos que
prestam diferentes serviços de energia. Num primeiro modelo considerámos um problema
em dois níveis mono-objetivo, em que o objetivo do retalhista é a maximização do lucro e
o objetivo do consumidor é a minimização da sua conta de eletricidade. Foram
desenvolvidos algoritmos baseados em optimização por enxames de partículas e em
algoritmos evolucionários especialmente adaptados para a resolução deste problema. O
problema do consumidor foi ainda transformado num problema linear inteiro-misto e
resolvido de forma exata por meio de um solver, integrado numa abordagem híbrida que
utiliza operadores genéticos para resolver o problema do nível superior. Desenvolvemos
também um modelo com duas funções objetivo no nível inferior, considerando a
minimização do possível desconforto associado à utilização dos equipamentos fora do
período de funcionamento preferido como um objetivo adicional do consumidor.
Adaptámos os algoritmos desenvolvidos anteriormente, baseados em otimização com
enxames de partículas e em algoritmos evolucionários, para resolver diferentes instâncias
do modelo, nas quais considerámos diferentes perfis de consumidores face à
disponibilidade de alteração dos períodos de funcionamento dos equipamentos. Estes
algoritmos determinam soluções para o problema de acordo com as perspetivas otimista e
pessimista do retalhista sobre a reação do consumidor.
Ao longo deste trabalho verificámos que as abordagens baseadas em otimização
por enxame de partículas e em algoritmos evolucionários obtiveram, em geral, bons
resultados, quer para problemas benchmark, quer para o modelo de otimização em dois
níveis para estudo da interação entre o retalhista e consumidores de energia elétrica. Estes
algoritmos poderão ser adaptados para a resolução de outros problemas de otimização em
dois níveis e/ou multiobjetivo. Multiobjective optimization enables to deal with problems that consider multiple axes of evaluation of the merit of the solutions, providing a set of non-dominated solutions which establish a compromise between the objective functions. In non-linear and/or combinatorial problems, population-based metaheuristics have shown a good performance enabling populations to evolve to the non-dominated solution set. In this work we started by analysing some of the main population-based metaheuristics to solve multiobjective optimization problems. We proposed modifications in the electromagnetism-like mechanism, which has not been much exploited in multiobjective problems. These modifications resulted from the assessment of this approach in comparison with other population-based metaheuristics for problems with continuous variables. We considered the best performing metaheuristics in this study to design algorithms for more complex problems with two decision levels (bi-level) and multiple objective functions. Accordingly, we have developed an algorithm based on particle swarm optimization to solve bi-level problems with multiple objective functions at both levels. Bi-level optimization models are particularly adequate to study the interaction between electricity retailers and consumers. We have developed a bi-level optimization model to a problem of designing dynamic tariffs by electricity retailers, considering the residential consumer response by means of rescheduling the operation of his loads providing distinct energy services. In a first model, the retailer intends to maximize its profit and the consumer aims at minimizing his electricity bill. Algorithms based on particle swarm optimization and evolutionary algorithms adapted to the resolution of this problems have been developed. The consumer problem was reformulated as mixed integer linear problem, which was solved exactly integrated in a hybrid approach that uses genetic operators to solve the upper level problem. We have further developed another version of this model with a bi-objective problem at the lower level, which considers not only the minimization of the consumer’s cost but also the consumer’s dissatisfaction (comfort dimension) associated with rescheduling load operation. We have adapted the previously developed bi-level approaches based on particle swarm optimization and evolutionary algorithms to solve different instances of the model, considering different consumer’s profiles regarding the willingness to accept changes in the load operation periods. These approaches determine solutions to the problem according to the optimistic and the pessimistic perspectives of the retailer concerning the consumer’s reaction. Throughout this work we have observed that the approaches based on particle swarm optimization and evolutionary algorithms achieved, in general, good results, both in benchmark problems and the bi-level optimization problem to study the interaction between electricity retailers and consumers. These algorithms can be adapted to solve other bi-level and/or multiobjective optimization problems. |
Descrição: | Tese de doutoramento em Gestão, na especialidade de Ciência Aplicada à Decisão, apresentada à Faculdade de Economia da Universidade de Coimbra | URI: | https://hdl.handle.net/10316/41472 | Direitos: | openAccess |
Aparece nas coleções: | UC - Teses de Doutoramento FEUC- Teses de Doutoramento |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Otimização com meta heurísticas populacionais em modelos multiobjetivo e em dois níveis.pdf | 4.31 MB | Adobe PDF | Ver/Abrir |
Visualizações de página 20
692
Visto em 23/out/2024
Downloads 50
692
Visto em 23/out/2024
Google ScholarTM
Verificar
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.