ALGORITMO INTERATIVO PARA O PROBLEMA DE EMPACOTAMENTO UNIDIMENSIONAL
|
|
- Cacilda Barreto Molinari
- 8 Há anos
- Visualizações:
Transcrição
1 ALGORITMO INTERATIVO PARA O PROBLEMA DE EMPACOTAMENTO UNIDIMENSIONAL Thais Andrea Baldissera Frazzon thais@inf.ufsm.br Mestranda no Programa de Pós-Graduação em Engenharia de Produção Universidade Federal de Santa Maria Adriana Farias de Medeiros adriana@inf.ufsm.br Aluna do Curso de Ciência da Computação Universidade Federal de Santa Maria Resumo Dado um conjunto de n itens com pesos w i, i = 1,..., n, o Problema de Empacotamento (PE) consiste em encontrar o menor número de bins, de capacidade c, necessários para empacotar os itens, sem desrespeitar a restrição de capacidade. Esta formulação, também engloba uma segunda versão para o problema, o Problema de Empacotamento Dual (PED) ou PE 2, no qual se busca minimizar a capacidade de um número fixo de bins de modo que todos os itens sejam alocados aos m bins sem violar as restrições de capacidade. Tanto o PE quanto o PED guardam estreita relação com o problema de seqüenciamento em máquinas paralelas idênticas com o objetivo de minimizar o makespan. O PE é NP-difícil, assim, propõe-se uma heurística, essa interativa, utilizando estratégias de redução, bons limitantes inferiores e superiores, heurísticas construtivas para o PE e heurísticas para solução do problema de seqüenciamento. Abstract The bin packing problem consists in finding the minimum number of bins of given capacity which are necessary to pack a certain number of bins. This formulation also entails another problem (DBP), in which we seek to minimize the capacity of a fixed number m of identical bins, so that all itens fit in the m bins without violating the capacity constraints.dbp is equivalent to the problem of scheduling n inedependent jobs having operation times w j on m identical parallel processors with the objective of minimizing the makespan c. So we propose a interactive heuristic, using reduction strategics with good lower and upper bounds, whose hone constructive heuristics to the bin packing problem and heuristics to solve problems of scheduling. 1. Definição do Problema Neste artigo trabalhar-se-á com o Problema de Empacotamento Unidimensional (PEU), onde são dados n itens, w j sendo o tamanho do item j (w j c) e c a capacidade de cada bin. Então, o PEU é encontrar o menor número de bins, de modo que a soma dos tamanhos dos itens alocados a cada bin não seja maior que sua capacidade, ou seja, distribuir todos os itens no
2 menor número possível de bins, respeitando o tamanho máximo permitido da soma dos itens alocados em cada bin (MARTELLO & TOTH,1990). Relacionado ao objetivo, pode-se transcrever duas versões para o problema. A primeira (PE 1 ) busca miniminizar o número de bins com uma capacidade fixa. A segunda versão (PE 2 ) busca miniminizar a capacidade para um número fixo de bins (SCHOLL, KLEIN & JÜGENS, 1997). Ambas as versões do problema são, segundo COFFMAN, GAREY & JOHNSON (1997), NP-Difíceis. Com base nisto, pode-se dizer que, a medida que a dimensão dos problemas de otimização combinatória deste tipo aumenta, o esforço necessário para resolvê-los de maneira exata cresce exponencialmente, portanto o interesse pelo uso de métodos heurísticos também aumenta, pois permite que se encontrem soluções de boa qualidade a um custo computacional razoável (MENDES et al., 2002). Para acelerar a busca por soluções para o PEU, utilizam-se conceitos matemáticos que minimizam o intervalo onde se encontra a solução ótima. Esse intervalo é determina por limitantes (bounds) inferiores e superiores. Um limitante inferior, para um problema de minimização, indica que a sua solução ótima (melhor solução possível) terá um valor igual ou superior a esse limitante. Portanto se o limitante inferior para uma determinada instancia for 2, significa que a solução ótima, ou seja, o menor número de bins para a melhor solução possível é 2 ou mais, e nunca menos, excluindo as tentativas frustrantes com um número menor de bins que o encontrado, diminuindo o tempo de execução do algoritmo (MARTELLO & TOTH,1990). Um limitante superior, por sua vez, indica que a melhor solução para o problema será sempre menor ou igual ao valor encontrado, como no exemplo citado, com limitante inferior igual a 2, se o limitante superior for 5, sabe-se que a solução ótima estará entre 2 e 5 bins. Ainda, buscando minimizar o tempo e a dificuldade de resolução do problema, utilizamse os métodos de Redução. Esses métodos visam diminuir o tamanho da instância a ser analisada, fixando alguns itens aos bins, tentando diminuir a dimensão do problema, facilitando sua resolução (MARTELLO & TOTH,1990). Em Otimização Combinatória, é comum encontrar na literatura vários algoritmos, muitos com excelente desempenho, para resolução de determinado problema. Muitos dos algoritmos propostos para um problema particular são aplicáveis a solução de outro problema através de pequenas adaptações. Percebe-se que o PEU, em especial o PE 2, guarda analogia com o problema de seqüenciamento de tarefas em máquinas paralelas idênticas, denominado P C max. O P C max é um dos problemas mais estudados da teoria de seqüenciamento. COFFMAN, GAREY & JOHNSON (1979) provaram que este problema é NP-completo quando o número de máquinas é arbitrário. O problema pode ser resolvido em um tempo pseudo-polinomial quando o número de máquinas é fixo, sendo assim NP-difícil, somente no sentido ordinário. Apesar disso, é conhecido um grande número de algoritmos heurísticos para o P C max. O P C max consiste em alocar n tarefas independentes, J 1,..., J n a m máquinas paralelas idênticas M 1,..., M m, de uma forma não-preemptiva. Supondo n m 2 e que cada tarefa J j tem um tempo de execução inteiro e positivo p j, então o objetivo do Cmax = max { C i } i = 1,..., m problema é minimizar o tempo de finalização máximo das tarefas (makespan) definido como:, onde C i é o tempo de execução de todas as tarefas alocadas a máquina M i.
3 O P C max pode ser visto como um Problema de Empacotamento Unidimensional, considerando a seguinte equivalência: para uma dada capacidade c e um conjunto de tarefas (itens) J=(J 1, J 2,..., J n ) cada uma tendo um tempo de processamento (tamanho) inteiro e positivo p j, com 0 p j C. O objetivo é encontrar o mínimo valor de m tal que exista uma partição de J em subconjuntos J 1, J 2,..., J m, satisfazendo t C i, para k = 1,..., m (MENDES et al., 2002). Veja o quadro 1. J i J k PEU Número de itens Tamanho dos itens Capacidade de cada Bin Solução: Número de Bins P C max Número de tarefas Tempo de processamento das tarefas nas máquinas Solução: Makespan Número de máquinas 2. Algoritmos de Resolução do PEU Quadro 1: Analogia entre o PEU e P C max A maioria da literatura para o PE está preocupada com algoritmos aproximativos, estes baseados em estratégias simples e, geralmente, fornecem um resultado satisfatório. Também serão relatados alguns algoritmos heurísticos, híbridos e exatos conhecidos para o problema. Os algoritmos aproximativos, se dividem em duas classes distintas quanto à ordem que os itens são distribuídos nos bins: os algoritmos on-line, que consideram os itens na ordem em que eles aparecem e os alocam utilizando a estratégia determinada pelo método. Os off-line são aqueles onde já se conhece todos os itens que serão armazenados, e com isso constrói-se uma ordem de prioridade para a distribuição dos itens aos bins. Normalmente, estes procedimentos classificam os itens em ordem não-crescente dos seus tamanhos e os distribuem aos bin de acordo com a estratégia do método utilizado. Algoritmos off-line requerem que os dados do problema sejam estáticos, enquanto que os on-line podem ser aplicados quando os itens chegam dinamicamente a uma estação de processamento (COFFMAN, GAREY & JOHNSON, 1997). Dos algoritmos aproximativos on-line, pode-se citar Next Fit (NF), First Fit (FF), Best Fit (BF), Worst Fit (WF), maiores detalhes ver em (COFFMAN, GAREY & JOHNSON, 1997). Para o caso off-line, trabalha-se com uma pré-classificação dos itens em ordem nãocrescente de seus pesos, obtendo-se: Next Fit Decreasing (NFD), First Fit Decreasing (FFD), Best Fit Decreasing (BFD) e Worst Fit Decreasing (WFD). Conhece-se também o algoritmo híbrido proposto por ALVIN et al. (2001), que tem basicamente a seguinte estrutura: 1. Redução: começa utilizando a redução da instância, eliminando itens e fixando bins; 2. Limitantes: calcula limitante inferior (LI) e superior (LS) para o problema; 3. Construtivo: aplica um algoritmo guloso em LI bins;
4 4. Redistribuição: faz-se um balanceamento se a melhor solução conhecida for infactível; 5. Melhoramento: aplica-se tecnologias de redução para violações de capacidade; 6. Critério de parada: se a solução for factível, pare. Senão LI = LI + 1 e volta ao passo 1; ALVIN et al. (1999) apresenta uma variação desse procedimento, onde uma heurística de melhoramento que busca uma redução progressiva do número de bins usados pela fase construtiva do algoritmo é proposta para o PEU. A cada redução utiliza-se um método de busca local para o problema de number partition tentando factibilizar a solução. FALKENAUER (1996) propõem um método de redução e um algoritmo genético (GA) híbrido para o PE denominado Hybrid Grouping Genetic Algorithm (HGGA). Foi demonstrado, que algoritmos genéticos, se utilizarem uma codificação e operadores que se ajustam a estrutura do problema, além de uma sofisticada otimização local, conseguem resolver de forma eficiente o PEU. Tem-se o método exato denominado MTP, proposto por MARTELLO & TOTH (1990) que usa como estratégia de ramificação o First Fit Decreasing FFD, utiliza critérios de dominância e cálculos de limitantes. Outro método exato híbrido denominado BISON foi proposto por SCHOLL et al. (1996), esse combina estratégias de busca tabu e de branch and bound, trazendo novos limitantes para o problema e se mostrando eficiente em relação ao MTP, por chegar aos mesmos resultados em um tempo de processamento bem menor. 3. Metodologia Propõe-se uma heurística interativa, utilizando estratégias de redução, bons limitantes inferiores e superiores e heurísticas construtivas para o PE, e ainda heurísticas propostas para resolução do problema de seqüenciamento. O algoritmo parte de uma instância original para o PEU, que se resume em número de tarefas (n t ), capacidade do bin (c) e os tamanhos dos itens (w 1,..., w n ). procedimento interativo; inicio cálculo LI; cálculo LS; Se LI=LS Senão PARE e apresente a solução; Repita Se LS-LI=1 m=li; executa um algoritmo de seqüênciamento; Se makespan c fixe essa solução como incumbente; LS=LI;
5 fim até LI=LS; 4. Resultados Computacionais Senão Senão PARE e apresente a solução; LI=LS PARE e apresente a solução; m={(ls-li)/2}+li; executa um algoritmo de seqüênciamento; Se makespan c Senão fixe a solução como incumbente; LS=m; LI=m+1; Figura 1 Pseudo-código do algoritmo interativo Para obtenção dos resultados, utiliza-se o CORE (Combinatorial Optimization Resourse Management Environment), um ambiente na internet de utilização e gerenciamento de recursos de otimização combinatória distribuídos, elaborado por SANTOS ( 2002). O ambiente nos oferece um repositório de instâncias para quatro tipos de problemas, uma fácil inserção de novos códigos, um re-uso de códigos muito extensos, e uma facilidade para obter resultados e posteriormente comparar com os demais códigos. O ambiente está totalmente operacional, e uma versão de acesso público pode ser utilizada em Observa-se na figura 1,a tela do CORE onde verifica-se os tipos de problemas de otimização combinatória disponíveis. No caso, P Cmax, seqüenciamento de tarefas em máquinas paralelas idênticas, Q Cmax, seqüenciamento de tarefas em máquinas paralelas uniformes, Bin Packing, o problema de empacotamento em questão, e Number Partition. Figura 2 Tela do Core com os tipos de problemas disponíveis para resolução no ambiente Após escolher o problema que se quer resolver, passa-se a escolha das instâncias que queremos executar o algoritmo. O CORE tem um repositório de instâncias, essas escolhidas por serem clássicas para o problema e também por conhecermos sua solução ótima. Há a possibilidade de entrar com uma instancia nova, desde que ela siga o padrão das demais. A
6 seguir escolhemos o algoritmo construtivo para a sua resolução e o de melhoramento respectivamente. E, para finalizar, define-se o modo de visualização e obtenção do resultado. Figura 3: Tela do Core de escolha dos algoritmos para resolução do problema escolhido. Abaixo têm-se as tabelas com os resultados do Algoritmo. Em cada tabela mostra-se a identificação da instância, a solução encontrada pelo algoritmo interativo com seu tempo computacional em segundos e após a melhor solução encontrada na literatura para a dada instância. As instâncias foram escolhidas por serem clássicas para o PE e também por já ser conhecido a melhor solução encontrada até hoje para elas, facilitando as futuras comparações e analise de seus resultados. Instância Solução Tempo/seg Ótimo Instância Solução Tempo/seg Ótimo u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ ,06 48 u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ , u120_ , u250_ ,
7 Tabela 1: Resultados Computacionais para instâncias uniformes com 120 e 250 itens Instância Solução Tempo/seg Ótimo Instância Solução Tempo/seg Ótimo u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , u500_ , U1000_ , U500_ , U1000_ , Tabela 2: Resultados Computacionais para instâncias uniformes com 500 e 1000 tens Instância Solução tempo/seg Ótimo Instância Solução Tempo/seg Ótimo T060_ , t120_ , T060_ , t120_ , T060_ ,04 20 t120_ , T060_ , t120_ ,08 40 T060_ , t120_ , T060_ , t120_ , T060_ , t120_ , T060_ , t120_ , T060_ , t120_ , T060_ , t120_ ,09 40 T060_ , t120_ , T060_ , t120_ , T060_ , t120_ , T060_ , t120_ ,12 40 T060_ , t120_ , T060_ , t120_ ,14 40 T060_ , t120_ , T060_ , t120_ ,115 40
8 T060_ , t120_ , T060_ , t120_ , Tabela 3: Resultados Computacionais para instâncias triplets com 60 e 120 itens Instância Solução Tempo/seg Ótimo Instância Solução Tempo/seg Ótimo T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ , t501_ , T249_ t501_ Tabela 4: Resultados Computacionais para instâncias triplets com 249 e 501 itens 5.Análise dos Resultados e Conclusão Para analisar o conjunto de instâncias, foram utilizadas duas técnicas estatísticas: Análise de Regressão e Análise de Correlação de Pearson (Snedecor et al.,1989) (Chapra et al.,1985) (Wonnacott et al.,1990). Abaixo vê-se um gráfico de regressão do conjunto de instâncias u500, que demostra a média dos resultados encontrados comparados a outros algoritmos híbridos: Falkenauer (1996) e Alvin (2001) e com o exato MTP (Martello & Toth, 1990). Algoritmos MTP Alg Interativo Alvin Faukenauer Linear (Alvin) Linear (Faukenauer) Linear (Alg Interativo)
9 Faukenauer = Ótimo Alg_Interativo = 0,9861*Ótimo + 4,3048 Alvin = 0,9851*Ótimo + 5,5418 Baseado nos resultados e nas analises realizadas, o algoritmo interativo mostrou-se bom, tanto em qualidade de solução, como em tempo computacional, chegando a um coeficiente de explicação do modelo de regressão médio de 0,979, ou seja, 97,9% dos valores do ótimo, MTP de Martello & Toth (1990), são explicados pelo modelo do algoritmo interativo. Em relação ao algoritmo Alvin (2001) o algoritmo interativo obteve melhor qualidade de solução e um tempo computacional equivalente. Em relação ao algoritmo Faukenauer (1996) o algoritmo proposto esteve atrás em qualidade de solução cerca de 2%. O algoritmo proposto por Faukenauer não está no ambiente, por esse fato não demonstramos seu tempo computacional aqui, porém vês-se que na literatura que seu tempo computacional é bastante superior ao algoritmo interativo. Foi proposto e testado um novo algoritmo híbrido para o PEU que interage com uma heurística desenvolvida para um outro problema de otimização, o P C max.foi implementado dentro do ambiente CORE, o que possibilitou um reuso de código extenso, rapidez na implementação e uma fácil comparação com algoritmos para o mesmo problema. 6. Referências Bibliográficas ALVIN, A., GLOVER, F., RIBEIRO, C. & ALOISE, D., A Hybrid Improvement Heuristic for the Bin Packing Problem, Metaheuristics International Conference, Local Search for the Bin Packing Problem, CHAPRA, C. & CANALE, R.P. Numerical methods for engineers with personal computer applications. McGraw-Hill COFFMAN Jr., E. G., GAREY, M. R. & JOHNSON, D. S., An application of bin-packing to multiprocessor scheduling, SIAM Journal on Computing, v. 7, p. 1-17, Aproximation Algorithms for Bin Packing: A Survey, in Approximation Algorithms for NP-Hard Problems (D. Hochbaum, ed.), 46-93, PWS Publishing, FALKENAUER, E.,A Hibrid Grouping Genetic Algorithm for Bin Packing, Journal of Heuristics 2, p. 5-30, GAREY, M. R. & JOHNSON, D. S. Computers and Intractibility: a Guide to the Theory of NP-Completeness, Freeman, San Francisco, MARTELLO, S. & TOTH, P. Knapsack Problems: Algorithms and Computer Implementations, Wiley, Chinchester, MENDES, A., MÜLLER, F.M., FRANÇA, P. & MOSCATO,P. Comparing meta-heuristic approaches for parallel machine sheduling problems. Production Planning & Control, v.13, p MÜLLER, F.M. Algoritmos Heurísticos e Exatos para Resolução do Problema de Seqüenciamento em Processadores Paralelos Tese (Doutorado em Engenharia Elétrica) - Universidade Estadual de Campinas, Campinas, 1993.
10 SANTOS, H.G., MÜLLER, F.M., Ambiente De Utilização E Gerenciamento De Recursos De Otimização Combinatória Distribuídos. Dissertação (Mestrado em Engenharia de Produção) Universidade Federal de Santa Maria, SCHOLL, A., KLEIN, R. & JÜGENS, C. BISON: A Fast Hybrid Procedure For Exactly Solving the One-Dimensional Bin Packing Problem, Computers Ops Res. n. 7, v. 24, p , SNEDECOR, G. W.; COCHRAM, W. G. Statistical Methods. 8. ed. Iowa: Iowa State University Press, WONNACOTT, T.H.; WONNACOTT, R. J. Introductory Statistics. New York. John wiley & Sons, 1990.
Armazenamento de Arquivos Grandes em Dvds
Armazenamento de Arquivos Grandes em Dvds MAC5758 - Introdução ao Escalonamento e Aplicações Viviane Teles de Lucca Maranhão Instituto de Matemática e Estatística da Universidade de São Paulo Dezembro
Leia maisUm Esquema de Aproximação Eficiente para o Problema do Bin Packing Unidimensional
Um Esquema de Aproximação Eficiente para o Problema do Bin Packing Unidimensional Proposta de Trabalho de Graduação Centro de Informática CIn UFPE Orientador: Ricardo Martins de Abreu Silva Aluno: Otávio
Leia maisUma 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 maisUma 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 maisDISCIPLINA: Métodos Heurísticos
DISCIPLINA: Métodos Heurísticos CURSO(S): Licenciatura em Engenharia e Gestão Industrial Licenciatura em Engenharia de Sistemas e Informática Licenciatura em Matemática Aplicada Licenciatura em Matemática
Leia maisTécnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 14
1 Introdução O termo "roteamento de veículos" está relacionado a um grande conjunto de problemas de fundamental importância para a área de logística de transportes, em especial no que diz respeito ao uso
Leia mais2 Atualidade de uma base de dados
2 Atualidade de uma base de dados Manter a atualidade de uma base de dados é um problema que pode ser abordado de diferentes maneiras. Cho e Garcia-Molina [CHO] definem esse problema da seguinte forma:
Leia maisProf. Antonio Torres antonioctorres@gmail.com @_antonioctorres. Fundamentos de Sistemas Operacionais UNIP/2015
Prof. Antonio Torres antonioctorres@gmail.com @_antonioctorres Fundamentos de Sistemas Operacionais UNIP/2015 Disciplinas FUNDAMENTOS DE SISTEMAS OPERACIONAIS Horários Quarta-feira Fundamentos de Sistemas
Leia maisHashing. Estruturas de Dados. Motivação
Estruturas de Dados Hashing Prof. Ricardo J. G. B. Campello Parte deste material é baseado em adaptações e extensões de slides disponíveis em http://ww3.datastructures.net (Goodrich & Tamassia). Motivação
Leia maisPESQUISA 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 maisMINIMIZANDO 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 maisOrientação a Objetos
1. Domínio e Aplicação Orientação a Objetos Um domínio é composto pelas entidades, informações e processos relacionados a um determinado contexto. Uma aplicação pode ser desenvolvida para automatizar ou
Leia maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia maisBusca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS
Busca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS Autor:Thiago França Naves 1, Orientador: Carlos Roberto Lopes 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade
Leia maisAlém 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 maisA 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 maisProjeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal de
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisElbio Renato Torres Abib. Escalonamento de Tarefas Divisíveis em Redes Estrela MESTRADO. Informática DEPARTAMENTO DE INFORMÁTICA
Elbio Renato Torres Abib Escalonamento de Tarefas Divisíveis em Redes Estrela DISSERTAÇÃO DE MESTRADO DEPARTAMENTO DE INFORMÁTICA Programa de Pós graduação em Informática Rio de Janeiro Junho de 2004 Elbio
Leia maisGerenciamento de Memória
Gerenciamento de Memória Prof. Dr. José Luís Zem Prof. Dr. Renato Kraide Soffner Prof. Ms. Rossano Pablo Pinto Faculdade de Tecnologia de Americana Centro Paula Souza Tópicos Introdução Alocação Contígua
Leia maisUMA HEURÍSTICA PARA O PROBLEMA DE EMPACOTAMENTO DE BINS TRIDIMENSIONAIS
UMA HEURÍSTICA PARA O PROBLEMA DE EMPACOTAMENTO DE BINS TRIDIMENSIONAIS José Lassance de Castro Silva Nei Yoshihiro Soma Nelson Maculan Departamento de Computação, Instituto Tecnológico de Aeronáutica
Leia maisDisciplina de Projetos e Análise de Algoritmos. Aula 1 - Apresentação aos Algoritmos Computacionais
Aula 1 - Apresentação aos Algoritmos Computacionais O que é a Disciplina? Disciplina de Projeto e Análise de Algoritmos Esta é uma disciplina de Algoritmos em nível de Pós-Graduação! Temas a serem abordados:
Leia maisJournal of Transport Literature, 9(1), 40-44, Jan. 2015.
Journal of Transport Literature, 9(1), 40-44, Jan. 2015. Uma meta-heurística de busca decomposta em vizinhança variável para o problema bidimensional de agrupamento de entregas em veículos de uma frota
Leia maisISO/IEC 12207: Gerência de Configuração
ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisCálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante
Cálculo Numérico Aula : Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Computação Numérica - O que é Cálculo Numérico? Cálculo numérico é uma metodologia para resolver problemas matemáticos
Leia maisAnálise e Complexidade de Algoritmos
Análise e Complexidade de Algoritmos Uma visão de Intratabilidade, Classes P e NP - redução polinomial - NP-completos e NP-difíceis Prof. Rodrigo Rocha prof.rodrigorocha@yahoo.com http://www.bolinhabolinha.com
Leia maisDESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES. Trabalho de Graduação
DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES Trabalho de Graduação Orientando: Vinicius Stein Dani vsdani@inf.ufsm.br Orientadora: Giliane
Leia mais2. A FERRAMENTA SOLVER (EXCEL)
Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção 2. A FERRAMENTA SOLVER (EXCEL) Diversas ferramentas para solução de problemas de otimização, comerciais ou acadêmicos, sejam eles lineares
Leia maisBalanceamento de Carga
40 4. Balanceamento de Carga Pode-se entender por balanceamento de carga uma política a ser adotada para minimizar tanto a ociosidade de utilização de alguns equipamentos quanto a super utilização de outros,
Leia maisO 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 maisAPLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS
APLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS Bianca G. Giordani (UTFPR/MD ) biancaggiordani@hotmail.com Lucas Augusto Bau (UTFPR/MD ) lucas_bau_5@hotmail.com A busca pela minimização
Leia maisModelos e Métodos de Resolução para Problemas de Escalonamento de Projetos
Universidade Federal de Ouro Preto Departamento de Computação Modelos e Métodos de Resolução para Problemas de Escalonamento de Projetos Haroldo Gambini Santos Túlio A. Machado Toffolo Marco A.M. de Carvalho
Leia maisMultiprocessamento. Sérgio Campos
Multiprocessamento Sérgio Campos 1 / 19 Multiprocessamento Quem se importa? No mundo real multiprocessadores são comuns: PCs; LANs; Sistemas embutidos (porque?); Recursos podem ser modelados como processadores.
Leia maisDEFINIÇÃO 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 maisTécnicas de Otimização Combinando Alocação de Banco de Capacitores e Reconfiguração de Rede Visando Minimização de Perdas Técnicas
Universidade Estadual de Campinas - Unicamp Faculdade de Engenharia Elétrica e de Computação - FEEC Comissão de Pós-graduação - CPG IA342 Tópicos em Otimização de Sistemas Aluno: Antonio César Polo Matricula:
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Laboratório de Pesquisa e Desenvolvimento Universidade Federal de Alfenas versão
Leia maisFaculdades Adamantinenses Integradas (FAI)
Faculdades Adamantinenses Integradas (FAI) www.fai.com.br OLIVEIRA, Eliane Vendramini..Resolução do problema de carregamento de container através de uma heurística. Omnia Exatas, v.2, n.2, p.16-26, 2009.
Leia maisInstituto 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 maisNotas da Aula 17 - Fundamentos de Sistemas Operacionais
Notas da Aula 17 - Fundamentos de Sistemas Operacionais 1. Gerenciamento de Memória: Introdução O gerenciamento de memória é provavelmente a tarefa mais complexa de um sistema operacional multiprogramado.
Leia maisOPERAÇÃO DE SISTEMAS DE POTÊNCIA. TEE-04091 Aula 13 Prof. Vitor Hugo Ferreira
Universidade Federal Fluminense Escola de Engenharia Departamento de Engenharia Elétrica OPERAÇÃO DE SISTEMAS DE POTÊNCIA TEE-04091 Aula 13 Pro. Vitor Hugo Ferreira Operação em tempo real e planejamento
Leia maisPROGRAMAÇÃO DA PRODUÇÃO EM PROCESSOS BATELADAS UTILIZANDO PLANILHAS ELETRÔNICAS
IX Congresso Brasileiro de Engenharia Química - Iniciação Científica 03 a 06 de julho de 2011 Maringá, Paraná, Brasil PROGRAMAÇÃO DA PRODUÇÃO EM PROCESSOS BATELADAS UTILIZANDO PLANILHAS ELETRÔNICAS MIRANDA
Leia maisEste trabalho visou a caracterização da utilização dos aplicativos APS pelas empresas.
6 Conclusão Este capítulo tem como objetivo a apresentação dos resultados diretos e indiretos deste trabalho. São apresentadas sugestões para futuras pesquisas sobre o tema aqui abordado. 6.1. Resultados
Leia maisPLANEJAMENTO E CONTROLE DA PRODUÇÃO. Eng. Liane Freitas
PLANEJAMENTO E CONTROLE DA PRODUÇÃO Eng. Liane Freitas O que será visto hoje? PCP: definição e objetivos Funções do PCP Programação da Produção Plano Mestre de Produção Programação para Volumes Intermediários
Leia maisAnálise qualitativa do processo de workflow da ouvidoria do IFMG campus Bambuí: um estudo de caso
Análise qualitativa do processo de workflow da ouvidoria do IFMG campus Bambuí: um estudo de caso Estefânia Paula da SILVA¹; Lígia Maria SOARES PASSOS² ¹ Aluna do curso de Engenharia de Produção do IFMG
Leia maisProposta de Avaliação de Empresas para o uso do SAAS
1 INSTITUTO DE EDUCAÇÃO TECNOLÓGICA PÓS-GRADUAÇÃO Gestão e Tecnologia da Informação/ IFTI 1402 Turma 25 09 de abril de 2015 Proposta de Avaliação de Empresas para o uso do SAAS Raphael Henrique Duarte
Leia maisOtimização Aplicada à Engenharia de Processos
Otimização Aplicada à Engenharia de Processos Aula 1: Introdução Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013 Antes de
Leia maisManutenção de Arquivos
Manutenção de Arquivos Manutenção de Arquivos Algoritmos e Estruturas de Dados II Prof. Ricardo J. G. B. Campello Projetista deve considerar modificações no arquivo Adição, atualização e eliminação de
Leia maisAs 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 maisO 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 maisDeadlocks. Prof. Marcos Ribeiro Quinet de Andrade Universidade Federal Fluminense - UFF Pólo Universitário de Rio das Ostras - PURO
Prof. Marcos Ribeiro Quinet de Andrade Universidade Federal Fluminense - UFF Pólo Universitário de Rio das Ostras - PURO Dispositivos e recursos são compartilhados a todo momento: impressora, disco, arquivos,
Leia mais1 INTRODUÇÃO Internet Engineering Task Force (IETF) Mobile IP
1 INTRODUÇÃO Devido ao crescimento da Internet, tanto do ponto de vista do número de usuários como o de serviços oferecidos, e o rápido progresso da tecnologia de comunicação sem fio (wireless), tem se
Leia maisIMPLEMENTAÇÃO DE SOCKETS E THREADS NO DESENVOLVIMENTO DE SISTEMAS CLIENTE / SERVIDOR: UM ESTUDO EM VB.NET
1 IMPLEMENTAÇÃO DE SOCKETS E THREADS NO DESENVOLVIMENTO DE SISTEMAS CLIENTE / SERVIDOR: UM ESTUDO EM VB.NET Daniel da Silva Carla E. de Castro Franco Diogo Florenzano Avelino daniel.silva1@ext.mpsa.com
Leia maisAS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA
CAPÍTULO 1 AS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA Talvez o conceito físico mais intuitivo que carregamos conosco, seja a noção do que é uma força. Muito embora, formalmente, seja algo bastante complicado
Leia mais2 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 maisFigura 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 maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisIntrodução ao GED Simone de Abreu
Introdução ao GED Simone de Abreu GED O que é isso? O conhecimento teve, ao longo da história, diferentes significados e funções. No tempo das cavernas nossos antepassados transmitiam aos seus descendentes
Leia maisIMPLEMENTAÇÃO DAS CAMADAS Inference Machine e Message Service Element PARA UM SERVIDOR DE SISTEMA DE GERENCIAMENTO DE Workflow HOSPITALAR
IMPLEMENTAÇÃO DAS CAMADAS Inference Machine e Message Service Element PARA UM SERVIDOR DE SISTEMA DE GERENCIAMENTO DE Workflow HOSPITALAR Jeferson J. S. Boesing 1 ; Manassés Ribeiro 2 1.Aluno do Curso
Leia maisCálculo Aproximado do número PI utilizando Programação Paralela
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Cálculo Aproximado do número PI utilizando Programação Paralela Grupo 17 Raphael Ferras Renan Pagaiane Yule Vaz SSC-0143 Programação
Leia mais5 Mecanismo de seleção de componentes
Mecanismo de seleção de componentes 50 5 Mecanismo de seleção de componentes O Kaluana Original, apresentado em detalhes no capítulo 3 deste trabalho, é um middleware que facilita a construção de aplicações
Leia mais1.1. Organização de um Sistema Computacional
1. INTRODUÇÃO 1.1. Organização de um Sistema Computacional Desde a antiguidade, o homem vem desenvolvendo dispositivos elétricoeletrônicos (hardware) que funciona com base em instruções e que são capazes
Leia maisMetodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi
Metodologias de Desenvolvimento de Sistemas Analise de Sistemas I UNIPAC Rodrigo Videschi Histórico Uso de Metodologias Histórico Uso de Metodologias Era da Pré-Metodologia 1960-1970 Era da Metodologia
Leia maisComputação Paralela. Desenvolvimento de Aplicações Paralelas João Luís Ferreira Sobral Departamento do Informática Universidade do Minho.
Computação Paralela Desenvolvimento de Aplicações Paralelas João Luís Ferreira Sobral Departamento do Informática Universidade do Minho Outubro 2005 Desenvolvimento de Aplicações Paralelas Uma Metodologia
Leia maisAlgoritmos de Aproximação Segundo Semestre de 2012
Algoritmos de Aproximação Segundo Semestre de 2012 Aproximação p. 1 Bin Packing Dados: n itens ([n] = {1,...,n}) Dados: comprimento a[i] do item i (i = 1,...,n) Aproximação p. 2 Bin Packing Dados: n itens
Leia maisO Problema do k-servidor
Autor: Mário César San Felice Orientador: Orlando Lee 22 de março de 2010, IC-Unicamp Estrutura A seguir temos a estrutura geral da dissertação. Otimização combinatória Computação online Análise competitiva
Leia maisAnálise estrutural do problema de programação da produção F3 r j, s ijk C max
Análise estrutural do problema de programação da produção F3 r j, s ijk C max Sânia da Costa Fernandes (UFG) saninha_fernandes@hotmail.com Tatiane Albuquerque Pires (UFG) tati_albuquerque_3@hotmail.com
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisTrabalho 7 Fila de prioridade usando heap para simulação de atendimento
Trabalho 7 Fila de prioridade usando heap para simulação de atendimento Data: 21/10/2013 até meia-noite Dúvidas até: 09/10/2013 Faq disponível em: http://www2.icmc.usp.br/~mello/trabalho07.html A estrutura
Leia maisAnálise de Componente Principais (PCA) Wagner Oliveira de Araujo
Análise de Componente Principais (PCA) Wagner Oliveira de Araujo Technical Report - RT-MSTMA_003-09 - Relatório Técnico May - 2009 - Maio The contents of this document are the sole responsibility of the
Leia maisCAP 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 maisALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA
136 ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA FILITTO, Danilo 1 Resumo: Os algoritmos Genéticos inspiram-se no processo de evolução natural e são utilizados para resolver problemas de busca e otimização
Leia maisMÓDULO 9 METODOLOGIAS DE DESENVOLVIMENTO DE SISTEMAS
MÓDULO 9 METODOLOGIAS DE DESENVOLVIMENTO DE SISTEMAS O termo metodologia não possui uma definição amplamente aceita, sendo entendido na maioria das vezes como um conjunto de passos e procedimentos que
Leia maisUTILIZAÇÃO DE SOFTWARES NA RESOLUÇÃO DE UM PROBLEMA DE PROGRAMAÇÃO LINEAR. Cintia da Silva Araújo, Tiago de Souza Marçal, Magda Aparecida Nogueira
UTILIZAÇÃO DE SOFTWARES NA RESOLUÇÃO DE UM PROBLEMA DE PROGRAMAÇÃO LINEAR Cintia da Silva Araújo, Tiago de Souza Marçal, Magda Aparecida Nogueira 1 Centro de Ciências Agrárias-Universidade Federal do Espírito
Leia maisPlanejamento logístico,
gestão empresarial - Gerenciamento de Ferramentas Planejamento logístico, ótimo caminho para a redução de custos AB Sandvik Coromant Fundamental para a redução dos custos de estoque e de produção, processo
Leia maisINTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL. O que é Pesquisa Operacional?
INTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL O que é Pesquisa Operacional? Denomina-se Management Sciences (Ciência de Negócios) a área de estudos que utiliza computadores, estatística e matemática para
Leia mais18º Congresso de Iniciação Científica IMPLEMENTAÇÃO DE UM MODELO DE TESTE DE APLICAÇÕES WEB
18º Congresso de Iniciação Científica IMPLEMENTAÇÃO DE UM MODELO DE TESTE DE APLICAÇÕES WEB Autor(es) HARLEI MIGUEL DE ARRUDA LEITE Orientador(es) PLÍNIO ROBERTO SOUZA VILELA Apoio Financeiro PIBIC/CNPQ
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia maisControle de Múltiplos Pivôs Centrais com um único Conjunto Motor-Bomba
Controle de Múltiplos Pivôs Centrais com um único Conjunto Motor-Bomba Thiago de Lima MUNIZ, Bernardo Pinheiro de ALVARENGA, José Wilson de Lima NERYS, Antônio Marcos de Melo MEDEIROS Escola de Engenharia
Leia mais1. NÍVEL CONVENCIONAL DE MÁQUINA
1. NÍVEL CONVENCIONAL DE MÁQUINA Relembrando a nossa matéria de Arquitetura de Computadores, a arquitetura de Computadores se divide em vários níveis como já estudamos anteriormente. Ou seja: o Nível 0
Leia maisManual SAGe Versão 1.2 (a partir da versão 12.08.01)
Manual SAGe Versão 1.2 (a partir da versão 12.08.01) Submissão de Relatórios Científicos Sumário Introdução... 2 Elaboração do Relatório Científico... 3 Submissão do Relatório Científico... 14 Operação
Leia maisPROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO
PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO Luciano Pereira Magalhães - 8º - noite lpmag@hotmail.com Orientador: Prof Gustavo Campos Menezes Banca Examinadora: Prof Reinaldo Sá Fortes, Prof Eduardo
Leia maisProf. Rafael Gross. rafael.gross@fatec.sp.gov.br
Prof. Rafael Gross rafael.gross@fatec.sp.gov.br Todo protocolo define um tipo de endereçamento para identificar o computador e a rede. O IP tem um endereço de 32 bits, este endereço traz o ID (identificador)
Leia maisMÓDULO 5 Movimentações
MÓDULO 5 Movimentações Bem-vindo(a) ao quinto módulo do curso. Agora que você já conhece as entradas no HÓRUS, aprenderá como são feitas as movimentações. As movimentações do HÓRUS são: Requisição ao Almoxarifado:
Leia maisDISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES
LUIZ CLAUDIO BENCK KEVIN WONG TAMARA CANDIDO DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES Trabalho apresentado para avaliação na disciplina de Estatística e Métodos Numéricos do Curso de Administração
Leia maisProblemas de Otimização Combinatória: uma Abordagem Distribuída
Problemas de Otimização Combinatória: uma Abordagem Distribuída Aluna: Francisca Emanuelle Rocha Vieira a Orientador: Prof. Dr. José Lassance de Castro Silva a a Universidade Federal do Ceará, Fortaleza-CE,
Leia maisHipóteses Estatísticas Testadas por Diversos Softwares em Modelos com Dois Fatores Cruzados e Dados Desbalanceados
TEMA Tend. Mat. Apl. Comput., 5, No. 1 (24), 117-124. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Hipóteses Estatísticas Testadas por Diversos Softwares em Modelos
Leia maisLista 2 - Modelos determinísticos
EA044 - Planejamento e Análise de Sistemas de Produção Lista 2 - Modelos determinísticos Exercício 1 A Companhia Ferroviária do Brasil (CFB) está planejando a alocação de vagões a 5 regiões do país para
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisEA960 Redundância e Confiabilidade: RAID
EA960 Redundância e Confiabilidade: RAID Faculdade de Engenharia Elétrica e de Computação (FEEC) Universidade Estadual de Campinas (UNICAMP) Prof. Levy Boccato 1 Motivação Revisitando a lei de Amdahl:
Leia maisMídias sociais como apoio aos negócios B2C
Mídias sociais como apoio aos negócios B2C A tecnologia e a informação caminham paralelas à globalização. No mercado atual é simples interagir, aproximar pessoas, expandir e aperfeiçoar os negócios dentro
Leia maisALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP
INSTRUÇÕES PARA A PREPARAÇÃO E SUBMISSÃO DE TRABALHOS PARA CONGRESSO BRASILEIRO DE ENSINO DE ENGENHARIA 2003 ALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP
Leia maisXI Encontro de Iniciação à Docência
4CCENDFMT01 EXEMPLO DE APLICAÇÃO DE UMA METODOLOGIA PARA A SOLUÇÃO DE PROBLEMAS DE FÍSICA E MATEMÁTICA Erielson Nonato (1) e Pedro Luiz Christiano (3) Centro de Ciências Exatas e da Natureza/Departamento
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação
SOFT DISCIPLINA: Engenharia de Software AULA NÚMERO: 10 DATA: / / PROFESSOR: Andrey APRESENTAÇÃO O objetivo desta aula é apresentar e discutir os conceitos de coesão e acoplamento. DESENVOLVIMENTO Projetar
Leia maisPlanejamento Recursos
UDESC Universidade do Estado de Santa Catarina FEJ Faculdade de Engenharia de Joinville Planejamento Recursos Prof. Régis K. Scalice DEPS Departamento de Engenharia de Produção e Sistemas Objetivos da
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisProblema de Otimização Combinatória
Problema de Otimização Combinatória Otimização é o processo de encontrar e comparar soluções factíveis até que nenhuma solução melhor possa ser encontrada. Essas soluções são ditas boas ou ruins em termos
Leia maisUMA 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 maisCurso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro V. 2009-2
Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro V. 2009-2 Aula 3 Virtualização de Sistemas 1. Conceito Virtualização pode ser definida
Leia maiscomputador-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