$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas |



Título: DECOMPOSITION METHODS FOR TWO-STAGE DISTRIBUTIONALLY ROBUST OPTIMIZATION PROBLEMS WITH RIGHT-HAND-SIDE UNCERTAINTY UNDER WASSERSTEIN-BASED AMBIGUITY SET
Instituição:  -
Autor(es): CARLOS ANDRES GAMBOA RODRIGUEZ

Colaborador(es):  DAVI MICHEL VALLADAO - Orientador
ALEXANDRE STREET DE AGUIAR - Coorientador
Número do Conteúdo: 52664
Catalogação:  12/05/2021 Idioma(s):  ENGLISH - UNITED STATES

Tipo:  TEXT Subtipo:  PRESENTATION
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52664@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52664@2
Referência DOI:  https://doi.org/10.17771/PUCRio.SeminarPPGEP.52664

Resumo:
Distributionally robust optimization (DRO) is a mathematical framework to incorporate ambiguity over the actual data-generating probability distribution. Data-driven DRO problems based on the Wasserstein distance are of particular interest for its sound mathematical properties. For right-hand-sided uncertainty however, existing methods rely on dual vertex enumeration rendering the problem intractable in practical applications. In this context, we study decomposition methods for two-stage data-driven Wasserstein-based DROs with right-hand-sided uncertainty and rectangular support. We propose a novel finite reformulation that explores the rectangular uncertainty support to develop and test three new different decomposition schemes: Column-Constraint Generation, Single-cut Benders and Multi-cut Benders. We compare the efficiency of the proposed methods with an existing benchmark for a unit commitment problem with 5, 14, and 54 thermal generators over a 24-hour uncertainty dimension.

Descrição Arquivo
COMPLETE  PDF
Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui