Advanced Decomposition Methods in Stochastic Convex Optimization

Simple item page
but.committeeprof. RNDr. Miloslav Druckmüller, CSc. (předseda) prof. Csaba Fabian (člen) RNDr. Martin Šmíd, Ph.D. (člen) prof. RNDr. Zdeněk Pospíšil, Ph.D. (člen) assoc. prof. Francesca Maggioni (člen) doc. RNDr. Miloš Kopa, Ph.D. (člen) doc. RNDr. Martin Branda, Ph.D. (člen) prof. RNDr. Jan Čermák, CSc. (člen)cs
but.defenceThe dissertation contains interesting and original results and demonstrates up-todate knowledge in a wide range of areas. The desenbed procedness have been implemented and thoroughly tested. The implemented software tools have been successfully applied in the solution of real-life problems.cs
but.jazykangličtina (English)
but.programAplikace přírodních vědcs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorPopela, Pavelen
dc.contributor.authorKůdela, Jakuben
dc.contributor.refereeFabian, Csabaen
dc.contributor.refereeŠmíd,, Martinen
dc.date.accessioned2019-10-07T14:56:16Z
dc.date.available2019-10-07T14:56:16Z
dc.date.createdcs
dc.description.abstractPři práci s úlohami stochastického programování se často setkáváme s optimalizačními problémy, které jsou příliš rozsáhlé na to, aby byly zpracovány pomocí rutinních metod matematického programování. Nicméně, v některých případech mají tyto problémy vhodnou strukturu, umožňující použití specializovaných dekompozičních metod, které lze použít při řešení rozsáhlých optimalizačních problémů. Tato práce se zabývá dvěma třídami úloh stochastického programování, které mají speciální strukturu, a to dvoustupňovými stochastickými úlohami a úlohami s pravděpodobnostním omezením, a pokročilými dekompozičními metodami, které lze použít k řešení problému v těchto dvou třídách. V práci popisujeme novou metodu pro tvorbu “warm-start” řezů pro metodu zvanou “Generalized Benders Decomposition”, která se používá při řešení dvoustupňových stochastických problémů. Pro třídu úloh s pravděpodobnostním omezením zde uvádíme originální dekompoziční metodu, kterou jsme nazvali “Pool & Discard algoritmus”. Užitečnost popsaných dekompozičních metod je ukázána na několika příkladech a inženýrských aplikacích.en
dc.description.abstractWhen working with stochastic programming problems, we frequently encounter optimization problems that are too large to be processed by routine methods of mathematical programming. However, in some cases the problem structure allows for a use of specialized decomposition methods that (when utilizing said structure) can be employed to efficiently solve very large optimization problems. This work focuses on two classes of stochastic programming problems that have an exploitable structure, namely two-stage stochastic programming problems and chance constrained problems, and the advanced decomposition methods that can be used to solve optimization problems in these two classes. We describe a novel warm-start cuts for the Generalized Benders Decomposition, which is used as a methods for the two-stage stochastic programming problems. For the class of chance constraint problems, we introduce an original decomposition method, that we named the Pool & Discard algorithm. The usefulness of the described decomposition methods is demonstrated on several examples and engineering applications.cs
dc.description.markPcs
dc.identifier.citationKŮDELA, J. Advanced Decomposition Methods in Stochastic Convex Optimization [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. .cs
dc.identifier.other122504cs
dc.identifier.urihttp://hdl.handle.net/11012/180706
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta strojního inženýrstvícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectstochastická optimalizaceen
dc.subjectstochastické programováníen
dc.subjectdekompoziční metodyen
dc.subjectúlohy dvoustupňového stochastického programováníen
dc.subjectúlohy s pravděpodobnostním omezenímen
dc.subjectstochastic optimizationcs
dc.subjectstochastic programmingcs
dc.subjectdecomposition methodscs
dc.subjecttwo-stage stochastic programming problemscs
dc.subjectchance constrained problemscs
dc.titleAdvanced Decomposition Methods in Stochastic Convex Optimizationen
dc.title.alternativeAdvanced Decomposition Methods in Stochastic Convex Optimizationcs
dc.typeTextcs
dc.type.driverdoctoralThesisen
dc.type.evskpdizertační prácecs
dcterms.dateAccepted2019-09-20cs
dcterms.modified2019-10-07-13:40:10cs
eprints.affiliatedInstitution.facultyFakulta strojního inženýrstvícs
sync.item.dbid122504en
sync.item.dbtypeZPen
sync.item.insts2021.11.22 23:20:49en
sync.item.modts2021.11.22 22:01:22en
thesis.disciplineAplikovaná matematikacs
thesis.grantorVysoké učení technické v Brně. Fakulta strojního inženýrství. Ústav matematikycs
thesis.levelDoktorskýcs
thesis.namePh.D.cs
Files
Original bundle
Now showing 1 - 5 of 5
Thumbnail Image
Name:
final-thesis.pdf
Size:
5.32 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
thesis-1.pdf
Size:
2.36 MB
Format:
Adobe Portable Document Format
Description:
thesis-1.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-Kudela report.pdf
Size:
184.9 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-Kudela report.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-kudela.pdf
Size:
109.18 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-kudela.pdf
Download
Thumbnail Image
Name:
review_122504.html
Size:
1.7 KB
Format:
Hypertext Markup Language
Description:
review_122504.html
Download
Collections
2019