Como lo había indicado con anterioridad, realizamos una corrida de nuestros algoritmos usando 100 Muestras y con 100 series de caudales cada una. Pero no supimos que resultados presentar, solo presentamos ciertos datos generados, como las medias de los caudales y una referencia sobre las políticas óptimas encontradas.
Aquí presentamos un breve resumen de los resultados obtenidos, que nos servirán como base para los demás experimentos que realizaremos.
Solo graficamos 71 muestras por una falla en la energía mientras se ejecutaba durante el fin de semana.

Luego de esto, el objetivo planteado fue el siguiente:

1. Integrar las 3 etapas del algoritmo (generar muestras, obtener óptima, buscar robusta)
2. De tal forma que podamos variar: El número de muestras (M), el tamaño de cada muestra (N) y de ser necesario el % de aciertos con el que consideramos a una política como robusta.
3. Además poder ir seleccionando la mejor política robusta entre las generadas por cada una de las muestras (M), de tal manera que si la Óptima Media de una muestra no es mejor que la Robusta obtenida hasta el momento es mayor, no buscamos una a partir de esta.

Para probar el funcionamiento de esta integración realizamos una ejecución con M = 10 y N = 100. El % de variación para buscar la robusta fue de 30% y del 10% el rango para considerar una política como óptima. Estos son los resultados.

El dato peculiar de este gráfico es el que se obtuvo en la primera Muestra. Aunque en un 100% es una política robusta (no viola ninguna de la series de caudales N), el costo de la Política Óptima fue de $500'000.000 y el de la política robusta de 200'000.000. Lo cual la descarta como una Política Óptima y Robusta a la vez.

Esto motivo a hacer una revisión detallada de los datos generados por la 1era muestra. Lo único que pude notar de diferencia en comparación con las otras fue que las políticas de turbinamiento obtenidas en la política óptima fueron muy bajas, por lo cual el costo se elevó tanto.

Por el tiempo que se tardo este ensayo (cerca de 3 horas y media) vamos a reducir a la mitad (5.000) el número de generaciones usadas para busca las Políticas Robustas.

Los experimentos posteriores serán realizados variando: M (20 - 40 - 60 - 80 - 100 iteraciones) y N (30 - 100 - 1.000 series).

This entry was posted on miércoles, abril 14th, 2010 at 3:13 pm and is filed under Optimo-Robusto. You can follow any responses to this entry through the RSS 2.0 feed. You can leave a response, or trackback from your own site.