Detecção de Linhas Redundantes em Problemas de Programação Linear de Grande Porte

Tamanho: px
Começar a partir da página:

Download "Detecção de Linhas Redundantes em Problemas de Programação Linear de Grande Porte"

Transcrição

1 Detecção de Linhas Redundantes em Problemas de Programação Linear de Grande Porte Aurelio R. L. de Oliveira, Daniele Costa Silva, Depto de Matemática Aplicada, IMECC, UNICAMP, , Campinas, SP Resumo: A presença de linhas redundantes na matriz de restrições não é incomum em problemas reais de grande porte. A existência de tais linhas deve ser levada em consideração na solução destes problemas. Se o método de solução adotado for o simplex, existem procedimentos de fácil implementação que contornam este problema. O mesmo se aplica quando métodos de pontos interiores são adotados e os sistemas lineares resultantes são resolvidos por métodos diretos. No entanto, existem problemas de grande porte cuja única forma possível de solução é resolver os sistemas lineares por métodos iterativos. Nesta situação as linhas redundantes geram uma matriz singular e os métodos iterativos não convergem. A única alternativa viável consiste em detectar tais linhas e eliminá-las antes da aplicação do método. Este trabalho tem como objetivo apresentar um procedimento eficiente de detecção de linhas redundantes. Palavras-chave: Linhas Redundantes, Métodos de Pontos Interiores, Forma Produto. 1 Introdução Desde o surgimento dos métodos de pontos interiores para programação linear, códigos computacionais baseados nessas idéias vêm se apresentando como alternativas eficientes para solução de problemas de grande porte [1, 4, 7, 9, 10, 12]. Cada iteração de um método de pontos interiores envolve a solução de um ou mais sistemas lineares [9, 10, 11]. Usualmente métodos diretos são utilizados para resolver estes sistemas. No entanto, por limitações de tempo e memória seu uso torna-se proibitivo em muitos problemas de grande porte, fazendo com que abordagens iterativas sejam mais adequadas. Para que a opção por métodos iterativos seja bem sucedida é necessário detectar e eliminar todas as linhas redundantes da matriz de restrições, pois de outra forma é obtido um sistema linear singular e os métodos iterativos não convergem. Em [2] é proposta uma técnica sofisticada baseada na decomposição LU de uma base e sua atualização para encontrar todas as linhas redundantes de uma matriz de restrições. Este é o ponto de partida do presente trabalho. A organização deste artigo é a que vem a seguir. Na seção 2 apresentamos um algoritmo para detecção de linhas redundantes. Na seção 3 propomos uma implementação eficiente deste algoritmo. Na seção 4 apresentamos os resultados computacionais. E, finalmente, na seção 5, nossas conclusões e propostas de trabalhos futuros. 2 O algoritmo Considere sem perda de generalidade o seguinte problema de programação linear: Minimizar c j x j 325

2 sujeito a a ij x j = b i (i = 1, 2,..., m) l j x j u j (j = 1, 2,..., n). (1) Onde A = [a ij ] R mxn ; x, l, u R n e b R m. Para detectarmos as linhas redundantes da matriz de restrições (A) do problema acima (1) utilizaremos uma matriz base (B), a qual é gerada a partir de colunas da matriz de restrições. Para isso, adicionamos variáveis artificiais fixas em zero (x n+1, x n+2,.., x n+m ) ao problema (1) obtendo o problema equivalente: sujeito a Minimizar c j x j a ij x j + x n+i = b i (i = 1, 2,..., m) l j x j u j (j = 1, 2,..., n) 0 x n+i 0 (i = 1, 2,..., m). (2) Seja S o conjunto de índices i, tais que x n+i é uma variável básica; (inicialmente todas as variáveis artificiais são básicas, logo a matriz base inicial é a matriz identidade de ordem m). Apresentamos então, o algoritmo para detecção de linhas redundantes. Passo 1: Se S é vazio, pare. Caso contrário escolha k S. Passo 2: Resolva o sistema B t r = e k, onde B é a matriz base e e k representa o vetor canônico na posição k. Se r t A = 0, podemos afirmar que a k-ésima linha de A é redundante. Caso contrário, há uma variável não básica x j : r t c 0 para a coluna correspondente c de A. Substitua a k-ésima coluna de B por c e substitua x n+k por x j na base e retorne para 1. Note que o algoritmo deve ser aplicado para todo k S. 3 A proposta de implementação O algoritmo apresentado na seção anterior é bastante conhecido [6]. Porém sua implementação direta pode ter um custo computacional muito elevado. Visando a redução deste custo computacional e a eficácia do algoritmo propomos uma implementação eficiente para este, tomando como base as idéias expostas em [2], a quais serão discutidas a seguir. Um dos fatores que interferem no custo computacional do algoritmo para detecção de linhas redundantes é a dimensão da base inicial e o número de elementos não nulos contidos nesta. Podemos reduzir estes fatores através de algumas observações. Primeiramente, observando se há alguma linha nula (linha na qual todos elementos são iguais a zero) na matriz de restrições. Se sim, estas devem ser declaradas redundantes e retiradas do problema. Posteriormente, verificar se há alguma coluna única (coluna que contém apenas um elemento não nulo) na matriz de restrições. Claramente, a linha na qual esta coluna ocorre é linearmente independente das demais e pode ser retirada temporariamente do problema e não participar do procedimento de verificação de linhas redundantes. Observe que, quando uma linha é removida, novas colunas únicas podem ser geradas e mais linhas podem ser removidas, o que reduz a dimensão da base inicial. 326

3 Outro fator determinante no custo computacional do algoritmo é o número de variáveis artificiais na base inicial, uma vez que, o número de iterações depende desta quantidade. Em [2] é proposta uma heurística cujo objetivo é construir uma base inicial com o maior número de colunas estruturais possível. A seguir, apresentaremos tal heurística. Note que a heurística deve ser aplicada somente após realizados os procedimentos descritos acima. 3.1 A Heurística Inicialmente, o número de elementos não nulos em cada linha e coluna da matriz de restrições é calculado. Associe uma variável artificial à linha mais densa. Remova temporariamente esta linha do problema e atualize a contagem de elementos não nulos em cada coluna. Caso ocorra alguma coluna única, atribua a linha na qual ela ocorre à variável básica estrutural correspondente. Repita este procedimento até que cada linha esteja associada a uma variável (artificial ou estrutural). Através desta construção obtemos uma base inicial triangular superior e não singular. 3.2 Forma Produto Em todo o algoritmo de detecção de linhas redundantes, a principal operação de cada iteração consiste na resolução de um sistema linear do tipo B t r = e k. Portanto, é imprescindível manter uma representação da base (B), capaz de contribuir com a eficiência do algoritmo. Optamos por uma representação inspirada na forma produto da inversa [8]. A forma produto da inversa, foi proposta por Dantzig e Orchard-Hays ao observarem que, em uma troca de base, a inversa da nova base pode ser obtida a partir da inversa da base atual por uma matriz de transformação elementar. Desta forma, considere E uma matriz de transformação elementar de ordem m, com uma coluna não trivial η na posição k e B = [b 1,..., b m ] a matriz base de uma dada iteração. Suponha que a j-ésima variável não básica x j tenha sido selecionada para substituir a k-ésima variável básica. Denotando B como a nova base, tem-se: B = [b 1,.., b k 1, a.j, b k+1,...b m ]. Onde a.j é a coluna da matriz de restrições relacionada a variável x j. Sendo a.j um vetor m-dimensional, é possível escrevê-lo como a combinação linear das colunas de B: a.j = m v i b i = Bv. (3) Se 0 então b k pode ser expresso de acordo com a equação (3): Definindo o vetor i=1 b k = 1 a.j i k η = [ v 1,..., 1 v i b i., 1, +1,..., v m ] t (4) tem-se que b k = Bη. Sendo E uma matriz de transformação elementar cuja coluna não trivial é dada por η (4), temos: B = BE. (5) Da equação (5) temos que: 327

4 Sendo assim, após p atualizações da matriz base temos: B = BE 1. (6) B = B 0 E1 1 E E 1 p onde: B 0, é a base inicial; E i = [e 1,..., e k 1, η k, e k+1,..., e m ] t ; η k = [ v 1,..., 1, 1, +1,..., vm ] t. Portanto, o sistema B t r = e k pode ser resolvido em duas etapas: Onde (7) pode ser expresso como y t = e k (E p...e 2 E 1 ). (E 1 1 E E 1 p ) t y = e k (7) B t 0r = y (8) Acreditamos que esta abordagem é mais vantajosa em relação a apresentada em [2]. Visto que a base é atualizada poucas vezes, em no máximo o número de variáveis artificiais presentes na base inicial. A utilização de uma técnica de implementação relativamente simples, como a proposta no presente trabalho, torna o algoritmo mais eficiente pois o esforço e o tempo computacional serão menores. Outro ponto favorável é a utilização da estrutura triangular da base inicial. Através de algumas modificações propostas em [2], as quais visam a melhora do procedimento de decomposição e atualização LU, a base inicial pode perder sua forma triangular sendo necessária uma nova decomposição LU. Em nossa proposta, a forma triangular da base inicial é preservada e com isto temos B = LU = IU, onde I é a matriz identidade e U uma matriz triangular superior conhecida. Assim, resolvemos o sistema B t r = e k por meio da resolução de um sistema triangular superior e produto de matrizes elementares por vetores. 4 Resultados Computacionais Nesta seção apresentaremos os experimentos numéricos realizados e seus respectivos resultados. Integramos o algoritmo de detecção de linhas redundantes, proposto neste trabalho, as rotinas de preprocessamento do código PCx modificado [4, 7, 12]. E com a finalidade de avaliar o desempenho de nossa proposta, também foi integrado a este código, o procedimento descrito em [4, 12], o qual detecta as linhas redundantes através da decomposição LU retangular da matriz de restrições. As implementações foram feitas em linguagem C e testadas em uma plataforma Intel(R) Pentium(R) 4, 3.40GHz e com 2Gb de memória RAM, em Linux, utilizando compiladores gcc e gfortran. Como problemas testes nós utilizados alguns dos problemas de maior porte das seguintes coleções, NETLIB 1, MISC 2 e QAP [5]. Tais problemas são apresentados na Tabela 1. Nesta tabela, as colunas LINS e COLS mostram respectivamente o número de linhas e colunas dos problemas antes do preprocessamento. RLINS e RCOLS mostram os correspondentes números após a aplicação das rotinas de preprocessamento do PCx. E por fim, LLINS e LCOLS representam os respectivos números após o procedimento de detecção de linhas redundantes (LR). Podemos perceber que após a aplicação das rotinas de preprocessamento houve uma diminuição na dimensão da maioria dos problemas, principalmente nos problemas de maior porte testados. O que mostra a importância do preprocessamento neste tipo de problemas. No entanto, 1 Netlib collection LP test sets, Netlib lp repository, Online at 2 Miscellaneous LP models, Hungarian Academy of Sciences OR Lab, Online at 328

5 também podemos verificar que estas não são suficientes para detectar linhas redundantes. Em alguns casos (NUG06-3rd, NUG15, NUG12, NUG07-3rd, NUG08-3rd) em que nenhum tipo de redundância foi detectado por estas rotinas, foi identificado um número elevado de linhas redundantes, as quais geram uma série de complicações no processo de solução. O que dá ênfase a importância de detectar e remover este tipo de redundância. Problemas Coleção LINS COLS RLINS RCOLS LLINS LCOLS LR NUG06-3rd QAP NUG15 QAP PDS-20 NETLIB KRA30A QAP PDS-30 MISC PDS-40 MISC PDS-50 MISC PDS-60 MISC PDS-70 MISC PDS-80 MISC PDS-90 MISC NUG12 QAP NUG07-3rd QAP NUG08-3rd QAP NUG30 QAP STE36A QAP DFL001 NETLIB Tabela 1: Dados dos problemas testes Na Tabela 2 é apresentada uma comparação entre as dimensões da matriz base (B) e o número de iterações se aplicássemos diretamente o algoritmo apresentado na seção 3 e quando a heurística também descrita nesta seção é aplicada. Nesta tabela, a coluna B1 indica a dimensão da base e o número de iterações do algoritmo apresentada na seção 3 caso este fosse implementado diretamente. E as colunas B2 e VA, mostram respectivamente, a dimensão da base e número de colunas artificiais presentes nesta (quantidade que também representa o número de iterações do algoritmo) quando a heurística é utilizada. Podemos perceber que houve uma redução significativa no número de iterações o que comprova que a heurística proposta em [2] de fato contribui para a redução do custo computacional do algoritmo. E, por fim, a Tabela 3 apresenta os resultados relevantes de tempo. Para cada problema teste, foram realizados dez experimentos numéricos e em cada um destes foi medido o tempo de processamento em segundos para cada procedimento (procedimento proposto neste trabalho e procedimento descrito em [4, 12]). Nesta tabela, as colunas TM1, PT1 e MT1 representam respectivamente, o tempo médio de processamento, pior tempo de processamento e melhor tempo de processamento obtido pelo procedimento descrito em [4, 12]. TM2, PT2 e MT2 mostram o correspondente quando aplicado o procedimento proposto neste trabalho. E por fim, a coluna DTM apresenta a diferença entre os tempos médios do procedimento utilizado como parâmetro de comparação e o aqui proposto. Podemos verificar que a rotina que detecta as linhas por meio da decomposição LU retangular mostrou-se pouco eficiente. Apresenta elevados tempos de processamento, os quais somados ao tempo total de solução pode comprometer a eficiência do método de resolução escolhido. Em contrapartida, nossa proposta apresentou um desempenho bastante satisfatório. Em comparação com o outro procedimento, mostrou-se em média cinco vezes mais rápida, chegando a ser cerca de nove vezes mais rápida no caso do problema NUG08-3rd. Entretanto, houve uma pequena queda de desempenho quando o problema não apresenta 329

6 linhas redundantes (KRA30A, NUG30 e STE3EA). Uma perda pequena comparada aos ganhos nos casos em que estas linhas estão presentes, em especial, nos modelos de programação linear de grande porte, foco deste trabalho. Problemas B1 B2 VA NUG06-3rd NUG PDS KRA30A PDS PDS PDS PDS PDS PDS PDS NUG NUG07-3rd NUG08-3rd NUG STE36A DFL Tabela 2: Comparação entre dimensões e número de iterações Problemas TM1 TM2 PT1 PT2 MT1 MT2 DTM NUG06-3rd NUG PDS KRA30A PDS PDS PDS PDS PDS PDS PDS NUG NUG07-3rd NUG08-3rd NUG STE36A DFL Tabela 3: Resultados de tempo para os problemas testes 5 Conclusão A proposta mostrou-se eficiente em termos de tempo computacional, fator de extrema importância quando estamos tratando de preprocessamento em programação linear [3], ao ser 330

7 comparada com um procedimento tradicional de detecção de linhas redundantes. A diferença de desempenho entre ambos os procedimentos aumenta de acordo com a dimensão do problema, enfatizando que o procedimento proposto neste trabalho pode ser uma alternativa eficaz para a resolução do problema em questão. Entretanto, nos falta analisar mais efetivamente como este procedimento interfere no processo de solução dos problemas. Verificar se há interferência nos fatores esparsidade, estabilidade numérica, dimensão, número de iterações do método, tempo total de solução, entre outros. E se sim, como estas intervenções atuam na eficiência do método de solução escolhido. Como trabalho futuro, propomos a integração deste algoritmo em todo o procedimento do código PCx, e não somente as rotinas de preprocessamento, para que seja possível a análise descrita acima. Agradecimentos Ao CNPq e à FAPESP pelo apoio financeiro. Referências [1] I. Adler, Resende, M.G.C., Veiga, G. e Karmakar, N., An implementation of Karmarkars algorithm for linear programming, Mathematical Programming, 44 (1989) [2] E. D. Andersen, Finding all linearly dependent rows in large-scale linear programming, Optimization Methods and Softwares, 6 (1995) [3] E. D. Andersen e K. D. Andersen, Presolving in linear programming, Mathematical Programming, 71 (1995) [4] S. Bocanegra, F. F. Campos e A. R. L. Oliveira, Using a hybrid preconditioner for solving large-scale linear systems arising from interior point methods, Computation Optimization and Applications, 36 (2007) [5] R. S. Burkard, S. Karisch e F. Rendl, Qaplib - a quadratic assignment problem library, European Journal of Operations Research, 55 (1991) [6] V. Chvàtal, Linear Programming, W. H. Freeman and Company, New York, [7] J. Czyzyk, S., Mehrotra, M., Wagner e S. J. Wright, PCx an interior point code for linear programming, Optimization Methods Software, 11-2 (1999) [8] G. B. Dantzig, W. Orchard-Hays, The product form for the inverse in the simplex method, Mathematical Tables and Others Aids to Computation, 8 46 (1954) [9] J. Gondzio, Multiple centrality corrections in a primal-dual methods for linear programming, Computation Optimization and Applications, 6 (1996) [10] I. J. Lustig, R. E., Marsten e D. F. Shanno, On implementing Mehrotras predictor-corrector interior point method for linear programming, SIAM Journal on Optimization, 2 (1992) [11] S. Mehrotra, On implementation of a primal-dual point method, SIAM Journal on Optimization, 2 (1992) [12] A. R. L. Oliveira e D. C. Sorensen, A new class of preconditioners for large-scale systems from interior point methods for linear programming, Linear Algebra Its Applications, 394 (2005)

DETECÇÃO DE LINHAS REDUNDANTES EM PROBLEMAS DE PROGRAMAÇÃO LINEAR DE GRANDE PORTE

DETECÇÃO DE LINHAS REDUNDANTES EM PROBLEMAS DE PROGRAMAÇÃO LINEAR DE GRANDE PORTE DETECÇÃO DE LINHAS REDUNDANTES EM PROBLEMAS DE PROGRAMAÇÃO LINEAR DE GRANDE PORTE Daniele Costa Silva Depto de Matemática Aplicada, IMECC, UNICAMP 13083-859, Campinas, SP silvadc@yahoo.com.br Aurelio R.

Leia mais

UMA ABORDAGEM DE PRÉ-CONDICIONAMENTO HÍBRIDA PARA RESOLVER OS SISTEMAS LINEARES DE MÉTODOS DE PONTOS INTERIORES ITERATIVAMENTE

UMA ABORDAGEM DE PRÉ-CONDICIONAMENTO HÍBRIDA PARA RESOLVER OS SISTEMAS LINEARES DE MÉTODOS DE PONTOS INTERIORES ITERATIVAMENTE UMA ABORDAGEM DE PRÉ-CONDICIONAMENTO HÍBRIDA PARA RESOLVER OS SISTEMAS LINEARES DE MÉTODOS DE PONTOS INTERIORES ITERATIVAMENTE Carla T. L. S. Ghidini Depto de Matemática Aplicada, IMECC, UNICAMP 13083-859,

Leia mais

Além de minimizar o número de objetos processados, problema de corte unidimensional

Além de minimizar o número de objetos processados, problema de corte unidimensional imização do número de objetos processados e do setup no problema de corte unidimensional Márcia Ap. Gomes-Ruggiero, Antonio Carlos Moretti, Momoe Sakamori Depto de Matemática Aplicada, DMA, IMECC, UNICAMP,

Leia mais

UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS

UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS Lucas Middeldorf Rizzo Universidade Federal de Minas Gerais Av. Antônio Carlos, 6627 - Pampulha - Belo Horizonte - MG CEP 31270-901

Leia mais

Aspectos Teóricos e Computacionais do Problema de Alocação de Berços em Portos Marítmos

Aspectos Teóricos e Computacionais do Problema de Alocação de Berços em Portos Marítmos Aspectos Teóricos e Computacionais do Problema de Alocação de Berços em Portos Marítmos Flávia Barbosa Universidade Estadual de Campinas (UNICAMP) flaflabarbosa0@gmail.com Antônio Carlos Moretti Universidade

Leia mais

Método de Eliminação de Gauss. Eduardo Camponogara

Método de Eliminação de Gauss. Eduardo Camponogara Sistemas de Equações Lineares Método de Eliminação de Gauss Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle e Automação

Leia mais

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata

Leia mais

O Método Simplex para

O Método Simplex para O Método Simplex para Programação Linear Formas de Programas Lineares O problema de Programação Matemática consiste na determinação do valor de n variáveis x 1, x 2,, x n que tornam mínimo ou máximo o

Leia mais

DESENVOLVIMENTO DE RECURSOS COMPUTACIONAIS VISANDO O APRENDIZADO DA PROGRAMAÇÃO LINEAR

DESENVOLVIMENTO DE RECURSOS COMPUTACIONAIS VISANDO O APRENDIZADO DA PROGRAMAÇÃO LINEAR DESENVOLVIMENTO DE RECURSOS COMPUTACIONAIS VISANDO O APRENDIZADO DA PROGRAMAÇÃO LINEAR Patrícia Oliveira de Souza Escola de Engenharia Industrial e Metalúrgica de Volta Redonda da UFF Av. dos Trabalhadores

Leia mais

Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES

Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES Formulação A programação linear lida com problemas nos quais uma função objectivo linear deve ser optimizada (maximizada ou minimizada)

Leia mais

Exercícios Teóricos Resolvidos

Exercícios Teóricos Resolvidos Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar

Leia mais

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo 4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a

Leia mais

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013 Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante

Leia mais

1. Método Simplex. Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Pesquisa Operacional II Profa. Dra. Lílian Kátia de Oliveira

1. Método Simplex. Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Pesquisa Operacional II Profa. Dra. Lílian Kátia de Oliveira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Método Simple.. Solução eata para os modelos de Programação Linear O modelo de Programação Linear (PL) reduz um sistema real a um conjunto

Leia mais

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores

Leia mais

Estudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:

Estudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

MINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO

MINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN MINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO Maria Cristina N. Gramani Universidade

Leia mais

Árvores Binárias de Busca

Árvores Binárias de Busca Árvores Binárias de Busca Uma Árvore Binária de Busca T (ABB) ou Árvore Binária de Pesquisa é tal que ou T = 0 e a árvore é dita vazia ou seu nó contém uma chave e: 1. Todas as chaves da sub-árvore esquerda

Leia mais

Instituto de Computação

Instituto de Computação Instituto de Computação Universidade Estadual de Campinas MO824 - Programação Inteira e Combinatória Geração de Colunas para o Problema de Corte e Empacotamento Bidimensional em Faixas Fabricio Olivetti

Leia mais

Uma Heurística para o Problema de Redução de Padrões de Corte

Uma Heurística para o Problema de Redução de Padrões de Corte Uma Heurística para o Problema de Redução de Padrões de Corte Marcelo Saraiva Limeira INPE/LAC e-mail: marcelo@lac.inpe.br Horacio Hideki Yanasse INPE/LAC e-mail: horacio@lac.inpe.br Resumo Propõe-se um

Leia mais

NIVELAMENTO MATEMÁTICA 2012

NIVELAMENTO MATEMÁTICA 2012 NIVELAMENTO MATEMÁTICA 202 Monitor: Alexandre Rodrigues Loures Monitor: Alexandre Rodrigues Loures SUMÁRIO. LOGARITMOS... 3.. Mudança de base... 3.2. Propriedades dos logaritmos... 4 2. DERIVADAS... 4

Leia mais

O USO DA FERRAMENTA SOLVER DO EXCEL NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR

O USO DA FERRAMENTA SOLVER DO EXCEL NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR O USO DA FERRAMENTA SOLVER DO EXCEL NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR João Batista de Jesus FATEC-JAHU Célio Favoni 2 FATEC-JAHU Resumo Este trabalho expõe de maneira sintetizada as funcionalidades

Leia mais

Sistemas p-fuzzy modificados para o modelo do controle de pragas

Sistemas p-fuzzy modificados para o modelo do controle de pragas Biomatemática 22 (2012), 61 76 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Sistemas p-fuzzy modificados para o modelo do controle de pragas Thiago F. Ferreira 1, Rosana S. M.

Leia mais

Experimento. Guia do professor. Qual é o cone com maior volume? Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia

Experimento. Guia do professor. Qual é o cone com maior volume? Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia geometria e medidas Guia do professor Experimento Qual é o cone com maior volume? Objetivos da unidade 1. Dado um círculo de cartolina, investigar qual seria o cone com maior volume que se poderia montar;

Leia mais

Resolução de sistemas lineares

Resolução de sistemas lineares Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)

Leia mais

Capítulo 3 - Sistemas de Equações Lineares

Capítulo 3 - Sistemas de Equações Lineares Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/

Leia mais

Capítulo 3 - Sistemas de Equações Lineares

Capítulo 3 - Sistemas de Equações Lineares Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/

Leia mais

Inteligência Computacional Aplicada a Engenharia de Software

Inteligência Computacional Aplicada a Engenharia de Software Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Variantes sobre o método Simplex: Método do grande M

Variantes sobre o método Simplex: Método do grande M Variantes sobre o método Simplex: Método do grande M Revisões Simplex básico Solução óptima multipla Em simplex: valores 0 na função custo Solução degenerada Em simplex: empates na variável a sair, variáveis

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares

Leia mais

ESTUDO DA DINÂMICA POPULACIONAL DE UM VÍRUS COMPUTACIONAL

ESTUDO DA DINÂMICA POPULACIONAL DE UM VÍRUS COMPUTACIONAL ESTUDO DA DINÂMICA POPULACIONAL DE UM VÍRUS COMPUTACIONAL Aluno: João Henrique Carneiro Orientador: Carlos Frederico Palmeira Introdução Foi feito um estudo sobre dinâmica populacional a fim de buscar

Leia mais

5 Experimentos computacionais

5 Experimentos computacionais 5 Experimentos computacionais Experimentos computacionais foram realizados com o objetivo de testar e validar o sistema ParTopS. Primeiramente, avaliou-se a representação topológica de fraturas e fragmentação;

Leia mais

Uma Heurística Gulosa para o Problema de Bin Packing Bidimensional

Uma Heurística Gulosa para o Problema de Bin Packing Bidimensional Uma Heurística Gulosa para o Problema de Bin Packing Bidimensional Leandro Dias Costa, Luiz da Silva Rosa e Marcelo Lisboa Rocha Departamento de Ciência da Computação Fundação UNIRG Alameda Madrid Nº 545,

Leia mais

Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB

Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB PROBLEMA DE PROGRAMAÇÃO DE VEÍCULOS 1 (Vehicle Scheduling Problem) Cássio Roberto de Araújo cassio@em.ufop.br Elva

Leia mais

A Otimização Colônia de Formigas

A Otimização Colônia de Formigas A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado

Leia mais

DEFINIÇÃO DE PARÂMETROS NA UTILIZAÇÃO DE METAHEURÍSTICAS PARA A PROGRAMAÇÃO DE HORÁRIOS ESCOLARES

DEFINIÇÃO DE PARÂMETROS NA UTILIZAÇÃO DE METAHEURÍSTICAS PARA A PROGRAMAÇÃO DE HORÁRIOS ESCOLARES DEFINIÇÃO DE PARÂMETROS NA UTILIZAÇÃO DE METAHEURÍSTICAS PARA A PROGRAMAÇÃO DE HORÁRIOS ESCOLARES José Carlos dos Santos Ferreira 1 e Jean Eduardo Glazar 2 1 Aluno do Curso de Ciência da Computação 2 Professor

Leia mais

Método Simplex - Variantes V 1.1, V.Lobo, EN / ISEGI, 2008

Método Simplex - Variantes V 1.1, V.Lobo, EN / ISEGI, 2008 Revisões Variantes sobre o método Simplex: Método do grande M Simplex básico Solução óptima multipla Em simplex: valores 0 na função custo Solução degenerada Em simplex: empates na variável a sair, variáveis

Leia mais

Pesquisa Operacional Programação em Redes

Pesquisa Operacional Programação em Redes Pesquisa Operacional Programação em Redes Profa. Alessandra Martins Coelho outubro/2013 Modelagem em redes: Facilitar a visualização e a compreensão das características do sistema Problema de programação

Leia mais

Sistemas lineares. Ricardo Biloti biloti@ime.unicamp.br 2S/2015. Cálculo Numérico UNICAMP. http://goo.gl/7dzpr

Sistemas lineares. Ricardo Biloti biloti@ime.unicamp.br 2S/2015. Cálculo Numérico UNICAMP. http://goo.gl/7dzpr Sistemas lineares Ricardo Biloti biloti@ime.unicamp.br Cálculo Numérico UNICAMP 2S/205 http://goo.gl/7dzpr Licença Seus direitos e deveres são: Você é livre para copiar e redistribuir este material, em

Leia mais

Figura 1.1: Exemplo de links patrocinados no Google

Figura 1.1: Exemplo de links patrocinados no Google 1 Links Patrocinados 1.1 Introdução Links patrocinados são aqueles que aparecem em destaque nos resultados de uma pesquisa na Internet; em geral, no alto ou à direita da página, como na Figura 1.1. Figura

Leia mais

Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma:

Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma: Sistemas Lineares Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma: s: 2 3 6 a) 5 2 3 7 b) 9 2 3 Resolução de sistemas lineares Metodo da adição 4 100

Leia mais

Programação Inteira. Advertência

Programação Inteira. Advertência Departamento de Informática Programação Inteira Métodos Quantitativos LEI 2006/2007 Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) Susana Nascimento (snt@di.fct.unl.pt) Este material pode ser

Leia mais

SISTEMAS COM AMORTECIMENTO NÃO-PROPORCIONAL NO DOMÍNIO DA FREQÜÊNCIA

SISTEMAS COM AMORTECIMENTO NÃO-PROPORCIONAL NO DOMÍNIO DA FREQÜÊNCIA SISTEMAS COM AMORTECIMENTO NÃO-PROPORCIONAL NO DOMÍNIO DA FREQÜÊNCIA Zacarias Martin Chamberlain Pravia Professor - Faculdade de Engenharia e Arquitetura - Universidade de Passo Fundo/UFP zacarias@upf.br

Leia mais

2 Problema das p-medianas

2 Problema das p-medianas 2 Problema das p-medianas 2.1 Definição O PMNC é definido da seguinte forma: determinar quais p facilidades (p m, onde m é o número de pontos onde podem ser abertas facilidades) devem obrigatoriamente

Leia mais

Experimentos com a memória cache do CPU

Experimentos com a memória cache do CPU Experimentos com a memória cache do CPU Alberto Bueno Júnior & Andre Henrique Serafim Casimiro Setembro de 2010 1 Contents 1 Introdução 3 2 Desvendando o cache 3 2.1 Para que serve o cache?.....................

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Linear (PL) Aula 5: O Método Simplex. 2 Algoritmo. O que é um algoritmo? Qualquer procedimento iterativo e finito de solução é um algoritmo. Um algoritmo é um processo que se repete (itera)

Leia mais

O Método de Pontos Interiores Aplicado ao Problema do Despacho Hidrotérmico

O Método de Pontos Interiores Aplicado ao Problema do Despacho Hidrotérmico O Método de Pontos Interiores Aplicado ao Problema do Despacho Hidrotérmico Mariana Kleina, Luiz Carlos Matioli, Programa de Pós Graduação em Métodos Numéricos em Engenharia, UFPR Departamento de Matemática

Leia mais

Alocação de Cabos em Redes de Distribuição de Energia Elétrica de Média Tensão (MT) Utilizando Algoritmo Chu-Beasley

Alocação de Cabos em Redes de Distribuição de Energia Elétrica de Média Tensão (MT) Utilizando Algoritmo Chu-Beasley 1 Alocação de Cabos em Redes de Distribuição de Energia Elétrica de Média Tensão (MT) Utilizando Algoritmo Chu-Beasley J. Castilho Neto, A. M. Cossi Resumo-- Neste trabalho é proposta uma metodologia para

Leia mais

PP 301 Engenharia de Reservatórios I 11/05/2011

PP 301 Engenharia de Reservatórios I 11/05/2011 PP 301 Engenharia de Reservatórios I 11/05/2011 As informações abaixo têm como objetivo auxiliar o aluno quanto à organização dos tópicos principais abordados em sala e não excluem a necessidade de estudo

Leia mais

a 1 x 1 +... + a n x n = b,

a 1 x 1 +... + a n x n = b, Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição

Leia mais

Objetivos. Processos de Software. Tópicos abordados. O processo de software. Modelos genéricos de modelos de processo de software.

Objetivos. Processos de Software. Tópicos abordados. O processo de software. Modelos genéricos de modelos de processo de software. Processos de Software Objetivos Apresentar os modelos de processo de software Conjunto coerente de atividades para especificar, projetar, implementar e testar s de software Descrever os diferentes modelos

Leia mais

Um algoritmo espectral para redução do envelope de matrizes esparsas

Um algoritmo espectral para redução do envelope de matrizes esparsas Um algoritmo espectral para redução do envelope de matrizes esparsas Universidade Federal do Espírito Santo Mestrado em Informática Maio de 2009 Seja dada A R n n definida positiva (note que A é simétrica

Leia mais

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the

Leia mais

Linear Solver Program - Manual do Usuário

Linear Solver Program - Manual do Usuário Linear Solver Program - Manual do Usuário Versão 1.11.0 Traduzido por: Angelo de Oliveira (angelo@unir.br/mrxyztplk@gmail.com) 1 Introdução Linear Program Solver (LiPS) é um pacote de otimização projetado

Leia mais

Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade,

Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, D Resumo de Álgebra Matricial Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, necessária para o estudo de modelos de regressão linear múltipla usando matrizes,

Leia mais

Uma Ferramenta para otimização em Engenharia Mecânica e aplicações na Fundição Eletromagnética de Metais

Uma Ferramenta para otimização em Engenharia Mecânica e aplicações na Fundição Eletromagnética de Metais Uma Ferramenta para otimização em Engenharia Mecânica e aplicações na Fundição Eletromagnética de Metais Departamento de Engenharia Mecânica COPPE UFRJ STIC-AMSUD, Novembro de 2009 Conteúdo Preliminares

Leia mais

Equações do primeiro grau

Equações do primeiro grau Módulo 1 Unidade 3 Equações do primeiro grau Para início de conversa... Você tem um telefone celular ou conhece alguém que tenha? Você sabia que o telefone celular é um dos meios de comunicação que mais

Leia mais

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS UMA SOLUÇÃO DO PROBLEMA DAS N RAINHAS ATRAVÉS DE ALGORITMOS GENÉTICOS A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS Eliane Vendramini de Oliveira Mestre em Engenharia Elétrica UNESP/ Ilha Solteira

Leia mais

Interpolação de Curvas de Nível por Difusão de Calor

Interpolação de Curvas de Nível por Difusão de Calor Interpolação de Curvas de Nível por Difusão de Calor ROBERTO DE BEAUCLAIR SEIXAS LUIZ HENRIQUE DE FIGUEIREDO CLAUDIO ANTONIO DA SILVA IMPA Instituto de Matemática Pura e Aplicada VISGRAF Laboratório de

Leia mais

OTIMIZAÇÃO DOS PARÂMETROS DE UM MODELO DE BOMBA EM SISTEMAS DE BOMBEIO CENTRÍFUGO SUBMERSO

OTIMIZAÇÃO DOS PARÂMETROS DE UM MODELO DE BOMBA EM SISTEMAS DE BOMBEIO CENTRÍFUGO SUBMERSO OTIMIZAÇÃO DOS PARÂMETROS DE UM MODELO DE BOMBA EM SISTEMAS DE BOMBEIO CENTRÍFUGO SUBMERSO Ana Carla Costa Andrade 1, André Laurindo Maitelli 2, Carla Wilza Souza de Paula Maitelli 3 1 Universidade Federal

Leia mais

2 Matrizes. 3 Definição Soma de duas matrizes, e ( ) 4 Propriedades Propriedades da soma de matrizes ( )

2 Matrizes. 3 Definição Soma de duas matrizes, e ( ) 4 Propriedades Propriedades da soma de matrizes ( ) Nova School of Business and Economics Apontamentos Álgebra Linear 1 Definição Matriz ( ) Conjunto de elementos dispostos em linhas e colunas. Ex.: 0 1 é uma matriz com 2 linhas e 3 colunas. 2 Definição

Leia mais

Disciplina: Introdução à Álgebra Linear

Disciplina: Introdução à Álgebra Linear Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus: Mossoró Curso: Licenciatura Plena em Matemática Disciplina: Introdução à Álgebra Linear Prof.: Robson Pereira de Sousa

Leia mais

OBS.: Qualquer variável utilizada num subprograma que não for parâmetro deve ser considerada como variável local.

OBS.: Qualquer variável utilizada num subprograma que não for parâmetro deve ser considerada como variável local. 1 LINGUAGEM ALGORITMICA Instituto Luterano de Ensino Superior de Ji-Paraná Curso Bacharelado em Informática Prof.: José Luiz A. Duizith Variáveis : Toda em maiúscula : CONSTANTE Iniciando em Maiúscula

Leia mais

Muitas aplicações modernas podem ser modeladas como tarefas divisíveis.

Muitas aplicações modernas podem ser modeladas como tarefas divisíveis. 1 Introdução O grande aumento de performance das redes de computadores, combinado com a proliferação de computadores de baixo custo e alto desempenho, trouxe à tona ambientes de meta-computação, ou grids[15,

Leia mais

DESENVOLVIMENTO DE ALGORITMO PARA FUNÇÃO MULTILÍNGUE DO SOFTWARE TROPLUX

DESENVOLVIMENTO DE ALGORITMO PARA FUNÇÃO MULTILÍNGUE DO SOFTWARE TROPLUX DESENVOLVIMENTO DE ALGORITMO PARA FUNÇÃO MULTILÍNGUE DO SOFTWARE TROPLUX Pedro Vítor Sousa Ribeiro Universidade Federal de Alagoas pedrovsribeiro@gmail.com Ricardo Carvalho Cabús Universidade federal de

Leia mais

BC-0506: Comunicação e Redes Algoritmos em Grafos

BC-0506: Comunicação e Redes Algoritmos em Grafos BC-0506: Comunicação e Redes Algoritmos em Grafos Santo André, 2Q2011 1 Parte 1: Algoritmos de Busca Rediscutindo: Representações em Grafos Matriz de Adjacências Matriz de Incidências Lista de Adjacências

Leia mais

Programação Linear com o Microsoft Excel R

Programação Linear com o Microsoft Excel R Programação Linear com o Microsoft Excel R Adriano Verdério 1, Clezio A. Braga 1 1 Colegiado do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste do Paraná

Leia mais

Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias.

Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias. Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias. Fábio França 1, 1 Logical Optimization Rua Tanhaçu número 405, CEP 05679-040 São Paulo, Brasil fabio.franca@optimization.com.br

Leia mais

PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *

PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária

Leia mais

Software amigável para pré-redução de dados fotométricos

Software amigável para pré-redução de dados fotométricos Software amigável para pré-redução de dados fotométricos Thiago C. Caetano, Wilton S. Dias e Héktor Monteiro UNIFEI, Instituto de Ciências Exatas, Departamento de Física e Química, Universidade Federal

Leia mais

MS877 Problema do Carteiro Chinês: Estudo da modelagem e software XNÊS

MS877 Problema do Carteiro Chinês: Estudo da modelagem e software XNÊS MS877 Problema do Carteiro Chinês: Estudo da modelagem e software XNÊS Orientadora: Profa. Dr. Maria Aparecida Diniz Ehrhardt Aluna: Fernanda Bia Peteam DMA - IMECC - UNICAMP 20 de novembro de 2013 1 1

Leia mais

Sua interface é semelhante a de um processador de textos do tipo WYSIWYG, ou seja, What you see is what you get (o que você vê é o que você faz).

Sua interface é semelhante a de um processador de textos do tipo WYSIWYG, ou seja, What you see is what you get (o que você vê é o que você faz). Mathcad COMANDOS BÁSICOS O software Mathcad é um ambiente de trabalho baseado em Álgebra Computacional, dirigido a profissionais técnicos, educadores e estudantes. Permite a escrita de epressões matemáticas

Leia mais

O Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48

O Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48 Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração

Leia mais

IA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

IA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br IA Colônia de Formigas Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução O Experimento da Ponte Binária. Ant System Aplicado ao PCV. Elitist Ant System. Introdução Otimização colônia

Leia mais

4 Sistemas de Equações Lineares

4 Sistemas de Equações Lineares Nova School of Business and Economics Apontamentos Álgebra Linear 4 Sistemas de Equações Lineares 1 Definição Rank ou característica de uma matriz ( ) Número máximo de linhas de que formam um conjunto

Leia mais

MDF: Conceitos Básicos e algumas Aplicações na Engenharia Estrutural

MDF: Conceitos Básicos e algumas Aplicações na Engenharia Estrutural Universidade Federal de São João Del-Rei MG 6 a 8 de maio de 00 Associação Brasileira de Métodos Computacionais em Engenharia MDF: Conceitos Básicos e algumas Aplicações na Engenharia Estrutural L. R.

Leia mais

Aplicação de técnicas para otimização serial em Fortran 90

Aplicação de técnicas para otimização serial em Fortran 90 Aplicação de técnicas para otimização serial em Fortran 90 Cleibson Aparecido de Almeida PPGMNE Programa de Pós Graduação em Métodos Numéricos em Engenharia Universidade Federal do Paraná (UFPR) CEP 81.531

Leia mais

Pesquisa Operacional

Pesquisa Operacional Pesquisa Operacional Tópicos em Programação Linear e Inteira Prof. Dr.Ricardo Ribeiro dos Santos ricr.santos@gmail.com Universidade Católica Dom Bosco - UCDB Engenharia de Computação Roteiro Introdução

Leia mais

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa Álgebra Linear André Arbex Hallack Frederico Sercio Feitosa Janeiro/2006 Índice 1 Sistemas Lineares 1 11 Corpos 1 12 Sistemas de Equações Lineares 3 13 Sistemas equivalentes 4 14 Operações elementares

Leia mais

Capítulo 5: Transformações Lineares

Capítulo 5: Transformações Lineares 5 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 5: Transformações Lineares Sumário 1 O que são as Transformações Lineares?...... 124 2 Núcleo e Imagem....................

Leia mais

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia

Leia mais

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 04. Prof. Dr. Marco Antonio Leonel Caetano

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 04. Prof. Dr. Marco Antonio Leonel Caetano MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 04 Prof. Dr. Marco Antonio Leonel Caetano Guia de Estudo para Aula 04 Aplicação de Produto Escalar - Interpretação do produto escalar

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Análisede links Page Rank Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Motivação Suponha que um modelo clássico, como

Leia mais

Equação do 1º Grau. Maurício Bezerra Bandeira Junior

Equação do 1º Grau. Maurício Bezerra Bandeira Junior Maurício Bezerra Bandeira Junior Introdução às equações de primeiro grau Para resolver um problema matemático, quase sempre devemos transformar uma sentença apresentada com palavras em uma sentença que

Leia mais

PESQUISA OPERACIONAL

PESQUISA OPERACIONAL Universidade Castelo Branco PESQUISA OPERACIONAL Prof. Cláudio H. S. Grecco RIO DE JANEIRO, RJ - BRASIL ii ÍNDICE. INTRODUÇÃO À PESQUISA OPERACIONAL. O Desenvolvimento da Pesquisa Operacional. Modelagem.3

Leia mais

através do reticulado hexagonal

através do reticulado hexagonal Anais do CNMAC v.2 ISSN 1984-820X Construção de códigos esféricos através do reticulado hexagonal Carina Alves UFU - Faculdade de Matemática Campus Santa Mônica 38408-100, Uberlândia, MG E-mail: carina

Leia mais

FACULDADE DE IMPERATRIZ - FACIMP BACHARELADO EM SISTEMAS DE INFORMAÇÃO ESTRUTURA DE DADOS 2. Vieira Lima Junior. Everson Santos Araujo

FACULDADE DE IMPERATRIZ - FACIMP BACHARELADO EM SISTEMAS DE INFORMAÇÃO ESTRUTURA DE DADOS 2. Vieira Lima Junior. Everson Santos Araujo 1 FACULDADE DE IMPERATRIZ - FACIMP BACHARELADO EM SISTEMAS DE INFORMAÇÃO ESTRUTURA DE DADOS 2 Vieira Lima Junior Everson Santos Araujo ALGORITMOS DE ORDENAÇÃO: estudo comparativo de diversos algoritmos

Leia mais

x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?

x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas? Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões

Leia mais

CÓDIGO DA VAGA: TP05 QUESTÕES DE MÚLTIPLAS ESCOLHAS

CÓDIGO DA VAGA: TP05 QUESTÕES DE MÚLTIPLAS ESCOLHAS QUESTÕES DE MÚLTIPLAS ESCOLHAS 1. Sistemas de gerenciamento de rede tem sua arquitetura baseada em três componentes principais. São eles: a) Protocolo de gerenciamento, protocolo de monitoramento, segurança.

Leia mais

Melhoria do desempenho da Fatoração Controlada de Cholesky no precondicionamento de Sistemas Lineares oriundos dos Métodos de Pontos Interiores

Melhoria do desempenho da Fatoração Controlada de Cholesky no precondicionamento de Sistemas Lineares oriundos dos Métodos de Pontos Interiores Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Melhoria do desempenho da Fatoração Controlada de Cholesky no precondicionamento de Sistemas Lineares oriundos dos Métodos de Pontos Interiores Lino

Leia mais

Modelos Matemáticos para Tratamento de Grooming em Redes de Fibra Óptica

Modelos Matemáticos para Tratamento de Grooming em Redes de Fibra Óptica Modelos Matemáticos para Tratamento de Grooming em Redes de Fibra Óptica Rangel Silva Oliveira 1, Geraldo Robson Mateus 1 1 Departamento de Ciência da Computação Universidade Federal de Minas Gerais {rangel,mateus}@dcc.ufmg.br

Leia mais

O MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO

O MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO O MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO João Cesar Guirado Universidade Estadual de Maringá E-mail: jcguirado@gmail.com Márcio Roberto da Rocha Universidade Estadual de Maringá E-mail:

Leia mais

2. O número de vectores da base de L construída na alínea anterior é a soma do número de vectores das bases de M e N.

2. O número de vectores da base de L construída na alínea anterior é a soma do número de vectores das bases de M e N. 2.4. PROJECÇÕES 2. dim(l)=dim(m)+dim(n) Demonstração. Se L=M N, qualquer vector x L se pode escrever de forma única como a soma de um vector x M M e outro vector x N N. 1. Dada uma base de M, x M pode

Leia mais

aplicada a problemas de poluição do ar

aplicada a problemas de poluição do ar Biomatemática 17 (2007), 21 34 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Programação matemática fuzzy aplicada a problemas de poluição do ar Luiza A. Pinto Cantão 1, Depto.

Leia mais

FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2

FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2 FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO Projeto e Análise de Algoritmos II Lista de Exercícios 2 Prof. Osvaldo. 1. Desenvolva algoritmos para as operações abaixo e calcule a complexidade

Leia mais

JinSol, uma interface em Java para solvers lineares.

JinSol, uma interface em Java para solvers lineares. JinSol, uma interface em Java para solvers lineares. Italo C. N. Lima, João Paulo K. Zanardi, Faculdade de Engenharia, PPGEM, UERJ, 20550-900, Rio de Janeiro, RJ E-mail: italonievinski@gmail.com, jpzanardi@gmail.com

Leia mais

Resolução dos Exercícios 8 e 10 da lista 7.

Resolução dos Exercícios 8 e 10 da lista 7. Resolução dos Exercícios 8 e 10 da lista 7. 8) Seja T : R 3 R 3 a transformação linear tal que T (e 3 ) = 3e 1 + e 2 2e 3, T (e 2 + e 3 ) = e 1, T (e 1 + e 2 + e 3 ) = e 2 + e 3, a) Calcule T (2e 1 e 2

Leia mais