Revisão da literatura sobre modelos de Programação por Metas determinística e sob incerteza

Abstract

Este trabalho objetivou identificar os principais modelos multiobjetivos da Programação por Metas, ou Goal Programming (GP), analisando as suas vantagens e desvantagens quando utilizados para tratar situações reais, envolvendo problemas complexos de grande porte. Foram tratados tanto modelos da GP determinística, como da GP sob incerteza.

Aplicação da programação por metas e análise por envoltória de dados no processo licitatório de embarcações offshore de uma empresa petrolífera

“…A ,1962, TAMIZ et al, 1998, SILVA et al, 2011, SILVA et al, 2012, SILVA et al, 2013aSILVA et al, 2013b;JESUS et al, 2014 (CABALLERO et al, 2009;YAGHOOBI et al, 2007;SILVA et al, 2011, SILVA et al, 2012, SILVA et al, 2013a, SILVA et al, 2013bMARINS, 2014). GPDEA-CCR…”

Um estudo sobre classificação binária baseado em programação matemática

“…Diferente de outras formas de modelos de otimização, GP permite a adição de restrições brandas do tipo (1.9), que possibilita maior flexibilidade, ou seja, o modelo não torna-se infactível quando um objetivo não atinge completamente o valor de alvo pretendido. No entanto, também mantém as restrições rígidas (1.10) iguais a, por exemplo, outros modelos de programação linear (Silva & Marins 2015).…”

“…A função objetivo é composta pelas variáveis de desvios positivas e/ou negativas, ou seja, minimizar esta função garante que a solução encontrada seja o mais próximo possível do conjunto de metas pré-estabelecidas pelo tomador de decisão, uma vez que as variáveis de desvio representam que combina as filosofias de otimização e satisfação (Pareto 1896), e a Programação por metas, MinMax, conhecida por Programação por metas Tchebychev (THGP) que combina as filosofias equilíbrio e satisfação (Hare 1973). A variante LGP é caracterizada pela existência de níveis de prioridade, onde cada nível contém uma função de avaliação a minimizada, ou seja, em cada nível uma função h ℓ (n, q) nas variáveis de desvio é otimizada individualmente segundo uma ordenação natural (Silva & Marins 2015), primeiro h 1 , em seguida h 2 , até h L . Isso tem o efeito de produzir uma série de otimizações sequenciais, cada uma das quais tem uma região factível reduzida com os valores mínimos do otimizações de nível a serem mantidas.…”