UM ESTUDO SOBRE PROBLEMAS DE AGRUPAMENTO CAPACITADO
|
|
- Francisco Peralta Santana
- 5 Há anos
- Visualizações:
Transcrição
1 UM ESTUDO SOBRE PROBLEMAS DE AGRUPAMENTO CAPACTADO Fernando Stefanello Felpe Martns Müller Unversdade Federal de Santa Mara - Centro de Tecnologa Av. Rorama no Cdade Unverstára Barro Camob Santa Mara RS RESUMO O presente trabalho é um estudo sobre dos problemas de agrupamento capactado: o clássco Problema das P-Medanas Capactado (PPMC) e o Problema de Agrupamento Centrado Capactado (PACC), recentemente proposto por Negreros e Palhano (2006). De modo geral, o obetvo é obter agrupamentos de dados defndos com o auxílo de meddas de dstânca ou smlardade, consderando a capacdade de servço oferecda pelas medanas ou centródes. nstâncas propostas na lteratura são utlzadas para nferr a dfculdade de resolução desses problemas por resolvedores comercas. Um modelo de programação ntera quadrátca é apresentado para o PACC, bem como um modelo lnear com uma métrca alternatva para defnr os agrupamentos. Os expermentos computaconas demonstram que, para as nstâncas consderadas, o PPMC pode ser tratado efcentemente a partr do uso dreto de modelos matemátcos em resolvedores, o que não ocorre com relação ao PACC. PALAVRAS-CHAVE: Problemas de agrupamento capactado. Problema das p-medanas capactado. Problema de agrupamento centrado capactado. Otmzação Combnatóra ABSTRACT Ths paper presents a study on to problems n capactated clusterng problem, namely, the classcal Capactated P-Medan Problem (CPMP) and the Capactated Centred Clusterng Problem (CCCP) recently proposed by Negreros and Palhano (2006). Generally, the obectve s to fnd data clusters usng measures of dstance or smlarty and consderng the capacty of servce offered by the medan or centrod. nstances set proposed n the lterature are used to nfer the dffculty of solvng these problems by commercal solvers. A quadratc nteger programmng model s presented for the CCCP as ell as a lnear model th an alternatve metrc to defne the clusters. Computatonal experments sho that, for the nstances set consdered, the CPMP can be handled effcently from the drect use of mathematcal models n solvers and that t does not occur for CCCP. KEYWORDS: Capactated clusterng problems. Capactated p-medan problem. Capactated Centred Clusterng Problem. Combnatoral Optmzaton. XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2819
2 1. ntrodução Problemas de agrupamento capactado possuem dversas aplcações prátcas, como a localzação de fábrcas, hosptas, escolas e centros de coleta de lxo. Em todos esses casos, dado um conunto de nós assocado à realdade que se desea modelar, o obetvo é agrupá-los de forma a maxmzar a dssmlardade entre os agrupamentos. Nesse contexto, ressaltam-se dos problemas: o Problema das p-medanas Capactado (PPMC) e o Problema de Agrupamento Centrado Capactado (PACC). O PPMC trata da alocação de p facldades (medanas) para servr n pontos de demandas (nós). O obetvo é mnmzar a soma das dstâncas entre os nós e as medanas, com a restrção de não exceder a capacdade de cada medana nstalada. Para sso, são observados os trabalhos que tratam heurstcamente o PPMC, reportando-se às décadas de 80 e 90, com os estudos de Mulvey and Beck (1984), Osman e Chrstofdes (1994) e Manezzo et al. (1998). Esse últmo propõe um método evolutvo, e o prmero, algortmos de smulated annealng e busca tabu. Mas recentemente, Baldacc et al. (2002) utlzam um novo método baseado na formulação de partconamento de conuntos. Lorena e Senne (2002) apresentam um método de geração de colunas. Ahmad and Osman (2005) propõem uma composção de meta-heurístcas em um frameork denomnado GRAMPS (Greedy Random Adaptve Memory Search Method). Uma abordagem scatter search é utlzada por Scheuerer and Wendolsky (2006) e Daz e Fernandez (2006). O problema PACC fo recentemente proposto por Negreros e Palhano (2006). Esse problema é smlar ao PPMC, dferndo apenas pelo fato de que o centro do agrupamento dexa de ser um dos nós do agrupamento para ser o centróde defndo pelos nós pertencentes ao agrupamento. Os autores propõem algortmos heurístcos para encontrar uma solução ncal, fazendo uso do algortmo Forgy (FORGY, 1965) e, numa segunda fase de refnamento, com VNS (Varable Neghborhood Search). á Perera e Senne (2008) utlzam o método de geração de colunas desenvolvdo para o PPMC na busca de soluções do PACC. Além desses autores, Chaves e Lorena (2008) apresentam um procedmento meta-heurístco híbrdo denomnado Cluster Search, cua dea prncpal é dentfcar áreas promssoras no espaço de busca. O mesmo conunto de nstâncas é utlzado em ambos os trabalhos. Assm, nesse trabalho, apresenta-se um estudo sobre o uso de resolvedores comercas e modelos matemátcos para tratar os problemas de agrupamento capactado. O obetvo é nferr a dfculdade de resolução dos conuntos de nstâncas comumente utlzados na lteratura centífca. ncalmente, na seção 2, o PPMC é defndo formalmente. Na sequênca, a redução heurístca de varáves para ldar com as nstâncas de grande porte é proposta, de modo a possbltar a obtenção de soluções de boa qualdade em tempos acetáves. Na seção 3, estuda-se o PACC a partr de modelo de programação ntera quadrátca. Alternatvamente, expõe-se um modelo de programação lnear ntera, que utlza a dstânca de Manhattan como métrca para defnr os agrupamentos. Os expermentos computaconas são detalhados na seção 4. Por fm, na seção 5, são apresentadas algumas possbldades conclusvas sobre o assunto. 2. Problema das p-medanas Capactado O PPMC é um problema de alocação de facldades, no qual dado um grafo G = (V,E), em que V representa o conunto de nós e E o conunto de arcos com as dstâncas entre os nós, deve-se encontrar um subconunto de vértces Vp V tal que a soma das dstâncas de cada vértce restante até a sua correspondente medana em Vp sea a menor possível e a restrção capacdade sea satsfeta. As prmeras formulações do problema foram apresentadas em Hakm (1964). Esse problema é reconhecdamente NP-dfcl (Garey & ohnson, 1979), o que sugere a nvabldade do uso de métodos exatos para a sua resolução. Dante dsso, város estudos utlzam métodos heurístcos para encontrar soluções de boa qualdade em tempo computaconal acetável para uma tomada de decsão. No entanto, é mportante observar que a ntratabldade da questão não necessaramente ocorre em todas as nstâncas do problema, e uma escolha crterosa XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2820
3 do conunto de nstâncas deve ser feta para demonstrar o desempenho dos métodos heurístcos. O PPMC pode ser formulado matematcamente conforme segue. : varável bnára para desgnar se o ponto está assocado ao agrupamento ; d : dstânca entre os nós e ; p: número de facldades; q : demanda do ponto ; n: número de pontos; Q : capacdade do agrupamento. Modelo P: Sueto a: 1 p Mn d (P1), q Q {0,1}, (P2) (P3) (P4) (P5) (P6) A função obetvo é defnda em (P1). As restrções (P2), (P3) e (P4) asseguram que cada nó é desgnado a apenas uma medana. A restrção (P5) determna que a capacdade das medanas deve ser respetada, e a restrção (P6) corresponde à condção de bnaredade das varáves. As restrções (P4) e (P5) são redundantes, mas de acordo com o que é apresentado nos resultados computaconas, a restrção (P4) melhora o desempenho do resolvedor utlzado. Anda que o uso dessas aumente o número de restrções avaladas, observa-se que, dessa manera, o domíno do problema é reduzdo, permtndo que se encontre boas soluções num tempo computaconal menor do que sem o uso delas. Para nstâncas de maor porte, o uso de resolvedores torna-se nvável devdo à grande quantdade de varáves envolvdas, á que um arquvo em modo texto para nstâncas com 3038 nós pode chegar a 800 MB de tamanho em dsco. Dante dsso, fo usada uma estratéga para elmnar heurstcamente varáves com poucas chances de estarem envolvdas na solução ótma. O modelo resultante é denomnado Modelo Reduzdo. Neste modelo, para todo nó, leva-se em conta apenas o k pontos mas próxmos de, cuo somatóro das demandas sea nferor a uma dada capacdade atrbuída ao nó, á subtraída de sua própra demanda, conforme segue. k = 1 αw em que 1 é um fator de expansão da capacdade. A aplcação dessa metodologa proporcona uma sgnfcatva redução do número de varáves. Com tal redução, apesar de não garantr a otmaldade, possblta-se o tratamento de problemas de maor porte. XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2821
4 3. Problema de Agrupamento Centrado Capactado Problemas de Agrupamento Centrado Capactado consste no método de determnar um conunto de p agrupamentos de capacdade lmtada, de forma a mnmzar a dssmlardade entre os pontos dos agrupamentos. O PACC é smlar em mutos aspectos ao PPMC, entretanto, dferem-se pelo fato de que, no prmero, cada agrupamento possu um centróde calculado segundo a méda dos seus pontos pertencentes, enquanto que, no PPMC, os agrupamentos são centrados em nós (medanas) que pertencem ao grafo assocado ao problema. O modelo orgnalmente proposto por Negreros e Palhano (2006) é apresentado a segur. a : coordenadas de um ponto no espaço; x : coordenadas do centróde do cluster ; n : número de pontos no cluster ; q : demanda do ponto ; Q : capacdade de do cluster. Modelo C: Mn a x 2 (C1) Sueto a: 1 (C2) n (C3) a n x (C4) q Q x, n N, {0,1},, (C5) (C6) A Função Obetvo é defnda em (C1), a qual mnmza o somatóro do quadrado da dferença entre as coordenadas de cada ponto e o centróde do cluster a que este pertence. A restrção (C2) determna que um dado ponto estea assocado a exatamente um cluster. As restrções (C3) e (C4) fornecem o número de pontos em cada cluster e as coordenadas do centróde, respectvamente. A restrção (C5) determna que a capacdade de cada agrupamento deve ser respetada. A últma restrção mpõe as condções de ntegrdade e bnaredade. Uma observação a ser feta é que as restrções (C3) e (C4) são redundantes, á que os pontos que mnmzam a função obetvo são centródes dos agrupamentos. Esse problema é NP-Dfícl, uma vez que pode ser faclmente reduzdo ao Mn-sum Clusterng problem (Brucker, 1978). Para propcar o uso do resolvedor comercal dsponível, o problema fo modelado como um problema de programação ntera quadrátca, conforme segue. C : dstânca entre o ponto e o centróde do agrupamento ; M: um número sufcentemente grande. XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2822
5 Modelo Q: Sueto a: q 1 Q Mn 2 C (Q1) (Q2) (Q3) x a C (1 ) M, (Q4) C 0, {0,1},, Em (Q1), tem-se a função obetvo, que consdera o mínmo do somatóro do quadrado da dferença entre as coordenadas de cada ponto e o centróde do cluster ao qual este está assocado, conforme defndo pela restrção (Q4). A restrção (Q2) determna que um ponto deve ser assocado a um únco cluster. A restrção (Q3) determna que a capacdade de cada agrupamento deve ser respetada e a restrção (Q5) mpõe as condções de ntegrdade e bnaredade. Consderando-se n o número de pontos de demanda e p o número de agrupamentos, o uso desse modelo requer uma quantdade de varáves N, dada por N=3*n*p+2*p, em que n*p é o número de varáves bnáras e 2*n*p+2*p é o número de varáves contínuas (caso bdmensonal). Restrções do tpo C,, podem ser adconadas ao modelo para melhorar o lmtante nferor. No entanto, essas só podem ser consderadas quando fca assegurado que, na solução ótma, não exstem agrupamentos com apenas um elemento. á que grande parte das aplcações de problemas de agrupamento refere-se a aplcações em zonas urbanas, nas quas exstem dvsões em quarterões, realzar o cálculo do agrupamento a partr da dstânca de Manhattan ou Cty Block pode ser mas representatvo que a partr da dstânca eucldana, além de levar a um modelo lnear. O modelo matemátco para esse caso é apresentado a segur. C : dstânca entre o ponto e o centróde do agrupamento ; E : varáves lvres que determnam o erro em relação à méda; M: um número sufcentemente grande. Modelo D: Sueto a: q 1 Q Mn C (Q5) (D1) (D2) (D3) E C, (D4) x a E (1 ) M, (D5) E M 0 E M C 0, {0,1}, E,, (D6) (D7) (D8) XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2823
6 Nesse modelo, tem-se em (D1) a função obetvo. A restrção (D2) determna que um ponto sea assocado a apenas um cluster. A restrção (D3) determna que a capacdade de cada cluster sea respetada. A restrção (D4) defne a dstânca dos pontos aos centros, ou sea, as varáves C, As restrções (D5) a (D7) determnam os centródes dos agrupamentos. Por fm, a restrção (D8) defne as condções de ntegrdade de bnaredade. Se n é o número de pontos de demanda e p o número de agrupamentos, assm, a quantdade de varáves N é dada por N=5*n*p+2*p, onde n*p representa o número de varáves bnáras e 4*n*p+2*p o número de varáves contínuas (caso bdmensonal). 4. Resultados Computaconas Para a realzação dos testes computaconas fo utlzado o resolvedor CPLEX com a confguração padrão e o conunto de nstâncas proposto por Lorena e Senne (1994) e Lorena e Perera (2003), dsponíves em Todos os testes foram fetos em um computador provdo com um processador Pentum V 2,8 GHz com 2MB de memóra RAM e sstema operaconal Lnux. 4.1 Resultados para PPMC Os prmeros testes para o PPMC foram realzados sem o uso da restrção (P4) apresentada no Modelo P. Nesse caso, verfcou-se que, após dos mnutos de processamento para a menor nstânca (sc1), é possível obter uma solução com um gap (dferença entre a solução prmal e o lmtante nferor) menor que 4%; mas, para obter a solução ótma, o CPLEX gastou horas de processamento. Devdo a sso, os testes seguntes consderam o Modelo P com a restrção (P4) e o modelo reduzdo. A Tabela 1 apresenta os resultados comparatvos para o PPMC, consderando o Modelo P e o Modelo Reduzdo com dferentes nstâncas. Nessa tabela, a prmera coluna desgna a nstânca analsada, os elementos das colunas n e p correspondem ao número de pontos e medanas de cada nstânca. A coluna FO* traz a melhor solução encontrada para a nstânca na lteratura (com exceção das nstâncas p3038_1000 a p3038_600, neste trabalho denomnadas 1 a 5, cuos valores são referentes aos resultados obtdos por Lorena et al. (2003) com o algortmo CG(1)). As próxmas duas colunas referem-se aos resultados do Modelo P, no qual, respectvamente, trazem os valores de função obetvos e o tempo computaconal de obtenção da solução. A coluna FOr traz os valores de função obetvo encontrados para o Modelo Reduzdo. A coluna segunte, gap, com gap = (FOp- FOr)/ FOp), representa a dferença percentual da solução do Modelo Reduzdo em relação ao Modelo P, e, por últmo, a coluna Tempo(s) mostra o tempo de busca da solução de cada nstânca para o Modelo Reduzdo. É possível observar que, para algumas nstâncas, há uma dferença entre as soluções ótmas apresentadas e as relatadas na lteratura. Os autores atrbuem essa dferença ao fato de que, ao gerar as restrções do modelo matemátco, as dstâncas entre os nós foram arredondadas para duas casas decmas. A resolução da nstânca sc4a necesstou um tempo computaconal relatvamente alto, se comparado a outras nstâncas. Entretanto, analsando-se o desempenho no decorrer do tempo, verfca-se que a solução obtda em menos de 260 segundos apresenta um gap menor que 1% e com 1777 segundos o resolvedor á encontra uma solução com um gap nferor a 0,5%. Em termos de tempo computaconal, o Modelo Reduzdo mostrou mas efcáca que o Modelo P, vsto que o tamanho do prmero é menor, permtndo ao resolvedor provar a otmaldade da solução num menor tempo. Todos os testes do Modelo Reduzdo foram realzados com α=2. Para as nstâncas de grande porte (1 a 5), houve uma sgnfcatva redução no número de varáves, com mas de 99,5% das varáves elmnadas, o que levou arquvos, que ncalmente possuíam um tamanho aproxmado de 780 MB, para menos de 3,5 MB. 1 XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2824
7 Tabela 1 Resultados Computaconas Modelo P e Modelo Reduzdo. Modelo P Modelo Reduzdo nst. n p FO* FOp Tempo(s) FOr gap Tempo(s) Sc , ,55 57, ,48 0,71% 21,54 Sc , ,08 96, ,08 0,00% 45,99 Sc3a , ,84 309, ,84 0,00% 111,01 Sc3b , ,66 97, ,85 0,07% 22,27 Sc4a , , , ,69 0,00% 307,51 Sc4b , ,30 584, ,30 0,00% 96, , ,82 3,81% 14389, , ,17 2,80% 6983, , ,10 2,07% 7430, , ,15 1,28% 9332, , ,22 0,82% 20078,52 Para as nstâncas de grande porte, os resultados do CPLEX, usando o Modelo Reduzdo, foram comparados ao melhor resultado obtdo em Lorena et al. (2003) com o algortmo CG(1). O processamento fo nterrompdo sempre que o valor da função obetvo não era atualzado por um determnado tempo lmte. A Fgura 1 mostra a evolução do valor da função obetvo no decorrer do processamento (em vermelho) e o melhor valor obtdo pelo algortmo CG(1) (em azul). O gráfco consdera a nstânca com 3038 e 1000 medanas. Percebe-se que, num reduzdo tempo de processamento, á é possível encontrar uma solução de boa qualdade. Fgura 1. Valor da F.O. no decorrer do tempo para a nstânca P1 Mesmo que o Modelo Reduzdo tenha sdo dealzado para tratar nstâncas de grande porte, verfca-se que esse também pode ser aplcado a nstâncas de pequeno e médo porte, pos o desempenho é comparável aos resultados obtdos com o Modelo P. 4.2 Resultados para o PACC Os modelos descrtos anterormente para o PACC não apresentaram bom desempenho quando resolvdos pelo CPLEX, mesmo para pequenas nstâncas. sso mostra que, para o conunto de nstâncas utlzadas, esse problema possu nível de dfculdade maor que o PPMC. A Tabela 2 mostra os resultados obtdos pelo CPLEX usando o Modelo Q. A coluna nst contém a desgnação das nstâncas analsadas e os elementos das colunas n e p correspondem ao número de pontos e medanas. A coluna FO* traz a melhor solução encontrada na lteratura para o PACC. A coluna Modelo Q traz o valor da solução encontrada pelo CPLEX XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2825
8 com uma hora de processamento. Na últma coluna, é apresentado o gap = (Modelo Q - FO*)/ FO*), que representa a dferença percentual da solução do Modelo Q em relação à melhor solução encontrada na lteratura. Tabela 2 Resultados Computaconas Modelo Q. nst. n p FO* Modelo Q gap Sc , ,46 118,68% Sc , ,67 148,73% Sc3a , ,26 182,97% Sc3b , ,72 234,07% Sc4a , ,16 191,61% Sc4b , ,79 263,26% O desempenho do Modelo D fo levemente superor ao do Modelo Q, mas os resultados foram de baxa qualdade, motvo pelo qual não são tabulados. No entanto, é nteressante consderar grafcamente a dferença entre as soluções encontradas por esses dos modelos para o PACC. A Fgura 2 exemplfca essa stuação para a prmera nstânca da OR-Lbrary 2, a qual orgnalmente fo proposta para o PPMC. A referda nstânca possu 50 nós e 5 medanas. A Fgura 2a apresenta a solução encontrada ao se usar o Modelo D, e a Fgura 2b mostra a solução para o Modelo Q. O tempo de processamento máxmo fo lmtado em uma hora, e, ao completar esse tempo, o CPLEX não fo hábl para provar a otmaldade das soluções em nenhum dos casos. Fgura 2a. Solução encontrada usando Modelo D Fgura 2b. Solução encontrada usando Modelo Q Fgura 2. Solução encontrada para os dos modelos utlzados O baxo desempenho apresentado pelo resolvedor, tanto para o Modelo Q quanto para o Modelo D, mostra que o problema é de dfícl tratamento por resolvedores genércos. Mesmo com uma formulação lnear, a utlzação do Bg M mplca num lmtante nferor pobre, o que compromete a obtenção da solução ótma. sso pode ser vsto pela dfculdade do resolvedor em reduzr o gap da solução. 2 XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2826
9 5. Conclusão Os expermentos realzados demonstram que as nstâncas do tpo SC podem ser tratadas dretamente a partr do Modelo P. Para as nstâncas de maor porte, 1 a 5, o Modelo Reduzdo apresentou bom desempenho, pos em tempo computaconal relatvamente baxo encontrou boas soluções. Para as nstâncas de pequeno porte, na maora dos casos, encontrou os mesmos valores de função obetvo do Modelo P. Dferentemente do PPMC, a busca por soluções de boa qualdade para o PACC, fazendo-se uso de resolvedores, é muto onerosa. Nos testes realzados com o modelo quadrátco e o modelo lnear, as soluções obtdas, mesmo para nstâncas de pequeno porte, foram de baxa qualdade. Verfca-se, desse modo, que o problema é de dfícl tratamento por métodos exatos em resolvedores comercas. Em trabalhos futuros, pretende-se estudar a geração de nstâncas de dferentes tamanhos e de dfícl resolução para o PPMC. Com relação ao PACC, a ntenção é proetar métodos heurístcos de resolução. 6. Referêncas Ahmad, S., Osman,.H. (2005). Greedy random adaptve memory programmng search for the capactated clusterng problem. European ournal of Operatonal Research 162 (1), Baldacc, R.; Hadconstantnou, E.; Manezzo, V.; Mngozz, A. (2002). A ne method for solvng capactated locaton problems based on a set parttonng approach. Computer and Operatons Research, 29 (3): Brucker P. On the complexty of clusterng problems. Lecture notes n economcs and mathematcal systems, vol. 157, p Chaves, A; Lorena, L; (2008). Clusterng search algorthm for the capactated centered clusterng problem. Computers and Operatons Research, Daz,.A., Fernandez, E. (2006). Hybrd scatter search and path relnkng for the capactated p- medan problem. European ournal of Operatonal Research 169, Forgy, E. W. Cluster analyss of multvarate data: effcency versus nterpretablty of classfcatons. Bometrcs, v. 21, n. 3, p , Garey, M. R. et ohnson, D. S. (1979). Computers and ntractablty. A Gude to the Theory of NP-Completeness. W. H Freeman and Company. Hakm, S.L. (1964), "Optmal locatons of stchng centers and the absolute centers and the medans of a graph", Operatons Research 12, Lorena, L.A.N. and Senne. E.L.F, (2002). Abordagens de Geração de Colunas para um Problema de p-medanas Capactado XXXV SBPO - Ro de anero Lorena L.A.N. and Senne E.L.F, (1994): A column generaton approach to capactated p- medan problems. Computers and Operatonal Research, Vol Lorena, L.A.N., Perera, M.A.; Salomão, S.N.A. (2003). A relaxação lagrangeana/surrogate e o método de geração de colunas: novos lmtantes e novas colunas. Revsta Pesqusa Operaconal, 23(1): Manezzo V, Mngozz A, and Baldacc R (1998) A bonomc approach to the capactated p- medan problem. ournal of Heurstcs 4: Mulvey,.M.; Beck, M.P. (1984) Solvng capactated clusterng problems. European ournal of Operatonal Research 18, Negreros, M. and Palhano, A.: 2006, The capactated centred clusterng problem, Computers and Operatons Research 33, Osman,.H.; Chrstofdes, N. (1994) Capactated clusterng problems by hybrd smulated annealng and tabu search. nternatonal Transactons n Operatonal Research 1, Perera, M. A.; Senne, E. L. F. A column generaton method for the capactated centred XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2827
10 clusterng problem. n: ALO/EURO WORKSHOP ON APPLED COMBNATORAL OPTMZATON, 6., 2008, Buenos Ares. Proceedngs. Buenos Ares: Unversdad de Bueno Ares, p XL SBPO Pesqusa Operaconal na Gestão do Conhecmento Pág. 2828
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisUM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO
Ro de Janero, RJ, Brasl, 3 a 6 de outubro de 008 UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Paula Marana dos Santos (UFV) paula-maranna@hotmal.com
Leia maisMODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES
MODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES Marcelo Gonçalves Narcso CNPTIA EMBRAPA narcso@cnpta.embrapa.br Luz Antono Noguera Lorena lorena@lac.npe.br LAC - Laboratóro Assocado
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Sére Estatístca ANÁLISE DE MODELOS MATEMÁTICOS PARA O PROBLEMA PROBABILÍSTICO DE LOCALIZAÇÃO- ALOCAÇÃO DE MÁXIMA COBERTURA Vnícus Morera Pontn Unversdade Federal do Espírto Santo (CEUNES/UFES)
Leia maisModelo de programação por restrições para o problema de empacotamento ortogonal tridimensional
Capítulo 5 Modelo de programação por restrções para o problema de empacotamento ortogonal trdmensonal Olvana Xaver do Nascmento 1 Llane de Azevedo Olvera 1 Thago Alves de Queroz 1 Resumo: O Problema de
Leia maisProgramação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisMODELOS DE DIMENSIONAMENTO DE LOTES COM CUSTOS DE TRANSPORTE
MODELOS DE DIMENSIONAMENTO DE LOTES COM CUSTOS DE TRANSPORTE Flavo Molna Unversdade Federal de São Carlos UFSCar - Departamento de Engenhara de Produção Rod. Washngton Luís - Km 235, São Carlos, São Paulo
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisANÁLISE DE MODELOS MATEMÁTICOS PARA O PROBLEMA PROBABILÍSTICO DE LOCALIZAÇÃO- ALOCAÇÃO DE MÁXIMA COBERTURA.
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO A Engenhara de Produção e o Desenvolvmento Sustentável: Integrando Tecnologa e Gestão. Salvador, BA, Brasl, 06 a 09 de outubro de 2009 ANÁLISE DE MODELOS
Leia maisUm Modelo De Programação Linear Inteira Mista Para A Localização De Armazéns E A Distribuição De Produtos Siderúrgicos
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN Um Modelo De Programação Lnear Intera Msta Para A Localzação De Armazéns E A Dstrbução De Produtos Sderúrgcos Carlos Roberto
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisAbordagem da Metaheurística Clustering Search com Simulated Annealing para o Problema de Alocação de Berços de Navios
Abordagem da Metaheurístca Clusterng Search com Smulated Annealng para o Problema de Alocação de Berços de Navos Rudne Martns de Olvera 1, *, Geraldo Regs Maur 2, Luz Antono Noguera Lorena 3 1 rudmart@gmal.com,
Leia maisMÉTODOS DE OTIMIZAÇÃO APLICADOS À DISTRIBUIÇÃO DE RECURSOS
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN MÉTODOS DE OTIMIZAÇÃO APLICADOS À DISTRIBUIÇÃO DE RECURSOS Mônca Mara De March Mara José Pnto Carmen Lúca Ruybal dos Santos
Leia maisModelagens Exata e Heurística para Resolução do Problema do Caixeiro Viajante com Coleta de Prêmios
XXIV Encontro Nac. de Eng. de Produção - Floranópols, SC, Brasl, 03 a 05 de nov de 2004 Modelagens Exata e Heurístca para Resolução do Problema do Caxero Vajante com Coleta de Prêmos Antôno Augusto Chaves
Leia maisCréditos. SCC0173 Mineração de Dados Biológicos. Conteúdo. Métodos Particionais (Sem Sobreposição)
SCC7 Mneração de Dados Bológcos Agrupamento de Dados Partes III & IV: Métodos Partconas e Valdação Crédtos O materal a segur consste de adaptações e etensões dos orgnas: gentlmente ceddos pelo Prof. Eduardo
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisProcedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson
Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisBalanceamento das cargas nas respectivas fases do circuito [8]: Posicionamento do transformador abaixador: Recondutoramento dos circuitos:
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN PLANEJAMENTO DE CIRCUITOS SECUNDÁRIOS DE DISTRIBUIÇÃO USANDO ALGORITMO EVOLUTIVO ESPECIALIZADO Antono Marcos Coss Grupo
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisUMA ABORDAGEM EXATA PARA PROBLEMA DE LOCALIZAÇÃO DE CONCENTRADORES CAPACITADO
UMA ABORDAGEM EXATA PARA PROBLEMA DE LOCALIZAÇÃO DE CONCENTRADORES CAPACITADO Wesley Gomes de Almeda Insttuto Naconal de Pesqusas Espacas INPE Av. dos Astronautas 1758, Jardm da Granja 12227-010 São José
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisUMA NOVA ABORDAGEM PARA O PROBLEMA DA MOCHILA COMPARTIMENTADA
Pesusa Operaconal na Socedade: Educação, Meo Ambente e Desenvolvmento a 5/09/06 Goâna, GO UMA NOVA ABORDAGEM PARA O PROBLEMA DA MOCHILA COMPARTIMENTADA Robnson Hoto e Alexandre Fenato Unversdade Estadual
Leia maisSeqüenciação de N ordens de produção em uma máquina com tempo de preparação dependente da seqüência uma aplicação de busca tabu
XXVI ENEGEP - Fortaleza, CE, Brasl, 9 a 11 de Outubro de 2006 Seqüencação de N ordens de produção em uma máquna com tempo de preparação dependente da seqüênca uma aplcação de busca tabu Renato de Olvera
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
O PROBLEMA DE CORTE BIDIMENSIONAL COM PLACA DEFEITUOSA ANDRÉA CARLA GONÇALVES VIANNA Unversdade Estadual Paulsta - UNESP Faculdade de Cêncas Departamento de Computação Av. Luz Edmundo Carrjo Coube, s/n,
Leia mais3 Desenvolvimento do Modelo
3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisResponda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.
Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisMÉTODOS MULTIVARIADOS. Rodrigo A. Scarpel
MÉTODOS MULTIVARIADOS Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo INTRODUÇÃO Semana Conteúdo Introdução aos métodos multvarados 1 Análse de componentes prncpas Aplcações de análse de componentes
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia maisProgramação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
Leia maisEduardo Andrade Veloso
Estruturas de Árvores Dsuntas Obtdas através dos Conuntos Recíprocos Completos e Não Recíprocos e seu uso na Determnação das p-medanas de uma Rede. Eduardo Andrade Veloso Unversdade Estadual da Paraíba
Leia maisUM ALGORITMO GENÉTICO PARA O PROBLEMA DE AGRUPAMENTO
Pesqusa Operaconal na Socedade: Educação, Meo Ambente e Desenvolvmento 12 a 15/09/06 Goâna, GO UM ALGORITMO GENÉTICO PARA O PROBLEMA DE AGRUPAMENTO Flávo Marcelo Tavares Montenegro IBGE Insttuto Braslero
Leia maisOptimização com variáveis discretas
Engenhara de Processos e Sstemas Optmzação com varáves dscretas Fernando Bernardo Fev 2013 mn f ( x,, θ ) x, s. t. h( x,, θ ) = 0 g( x,, θ ) 0 x x x L U x real, {0,1} Por que necesstamos de varáves dscretas?
Leia maisO uso de relaxação Lagrangiana em uma abordagem exata para o problema de carregamento de paletes do produtor
O uso de relaxação Lagrangana em uma abordagem exata para o problema de carregamento de paletes do produtor Llan Káta de Olvera (FSA) llan.olvera@fsa.br Renaldo Morabto (UFSCar) morabto@power.ufscar.br
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisALGORITMO EXATO APLICADO AO PROBLEMA DE LOCALIZAÇÃO DE CONCENTRADORES EM ÁRVORE SOB CONGESTIONAMENTO
ALGORITMO EXATO APLICADO AO PROBLEMA DE LOCALIZAÇÃO DE CONCENTRADORES EM ÁRVORE SOB CONGESTIONAMENTO Elsangela Martns de Sá elsangeladep@ufmg.br Rcardo Sarava de Camargo rcamargo@dep.ufmg.br Glberto Mranda
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisRESOLUÇÃO DO PROBLEMA DE CORTE INTEGRADO AO PROBLEMA DE SEQÜENCIAMENTO DOS PADRÕES UTILIZANDO RELAXAÇÃO LAGRANGEANA
RESOLUÇÃO DO PROBLEMA DE CORTE ITEGRADO AO PROBLEMA DE SEQÜECIAMETO DOS PADRÕES UTILIZADO RELAXAÇÃO LAGRAGEAA Mara José Pnto Centro Técnco Aeroespacal (CTA) Insttuto de Estudos Avançados (IEAv) Departamento
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia maisPROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO DA PRODUÇÃO: UM ESTUDO DE CASO EM UMA INDÚSTRIA DE BEBIDAS
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO
Leia maisO PROBLEMA DA ÁRVORE CAPACITADA COM DEMANDAS NÃO- UNITÁRIAS: UMA HEURÍSTICA DE MELHORIA A PARTIR DO MSTp
O PROBLEMA DA ÁRVORE CAPACITADA COM DEMANDAS NÃO- UNITÁRIAS: UMA HEURÍSTICA DE MELHORIA A PARTIR DO MSTp Lucas Gumarães de Olvera * lucasgu@gmal.com Paulo Mauríco Laurentys de Almeda * paulomla@gmal.com
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisPalavras-chave: Máquinas Paralelas, Makespan, Iterated Local Search, Adaptive Local Search
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Um algortmo heurístco para resolver o problema de sequencamento em máqunas paralelas não-relaconadas com tempos de preparação dependentes da sequênca
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia mais6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)
ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA 7 6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA As desvantagens do método BM apresentadas no capítulo 5 sugerem que a alocação dos benefícos seja feta proporconalmente ao prejuízo causado
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisAPLICAÇÃO DO ALGORITMO GENÉTICO DE CHAVES ALEATÓRIAS VICIADAS AO PROBLEMA DE ESCALONAMENTO DE TÉCNICOS DE CAMPO
APLICAÇÃO DO ALGORITMO GENÉTICO DE CHAVES ALEATÓRIAS VICIADAS AO PROBLEMA DE ESCALONAMENTO DE TÉCNICOS DE CAMPO Rcardo de Brto Damm Departamento de Engenhara de Produção da Escola Poltécnca, USP rbdamm@usp.br
Leia maisPROGRAMAÇÃO DIÁRIA DE IMAGENS DE UM SATÉLITE DE OBSERVAÇÃO: UMA FORMULAÇÃO REDUZIDA
PROGRAMAÇÃO DIÁRIA DE IMAGENS DE UM SATÉLITE DE OBSERVAÇÃO: UMA FORMULAÇÃO REDUZIDA Glaydston Mattos Rbero 1,2 e Luz Antono Noguera Lorena 2 1 Departamento de Cênca da Computação e Informátca Faculdade
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisO PROBLEMA DE CORTE DE ESTOQUE COM APROVEITAMENTO DE SOBRAS: UM ESTUDO DE COMPARAÇÃO DE DIFERENTES MODELOS MATEMÁTICOS E HEURÍSTICAS DE RESOLUÇÃO
Unversdade Tecnológca Federal do Paraná - UTFPR Campus Ponta Grossa - Paraná - Brasl SSN 1808-0448 / v. 11, n. 3: p. 26-51, 2015 D.O..: 10.3895/g.v11n3.2807 O PROBLEMA DE CORTE DE ESTOQUE COM APROVETAMENTO
Leia maisJorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.
Agenda Análse e Técncas de Algortmos Jorge Fgueredo Ordenação baseada em comparação Inserton Sort Mergesort Qucksort Ordenação em tempo lnear Análse de de Algortmos de de Ordenação Problema da Ordenação
Leia maisAnálise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisMIP-heurísticas para um problema de dimensionamento e sequenciamento de lotes em linhas paralelas e relacionadas
Trabalho apresentado no XXXVII CNMAC, S.J. dos Campos - SP, 2017. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs MIP-heurístcas para um problema de dmensonamento e sequencamento
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisModelação com Variáveis Discretas
Engenhara de Processos e Sstemas Modelação com Varáves Dscretas Fernando Bernardo Fev 2011 mn f ( x, y, θ ) x, y s. t. h( x, y, θ ) = 0 g( x, y, θ ) 0 x x x L x real y {0,1}) U Leque de aplcações. Tpos
Leia maisESTUDO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
ESTUDO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches (Bolssta UEMS), Adrana Betâna de Paula Molgora Unversdade Estadual de Mato Grosso do Sul Cdade Unverstára de Dourados, Caxa
Leia maisChapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação
Chapter 9 Locaton Localzação de Instalações Problemas de comuncação http://www.youtube.com/watch?v=h_qnu4rwlvu INTRODUÇÃO INTRODUÇÃO Analsar padrões de localzação pode ser nteressante Porque a Whte Castle,
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisPROBLEMA DE DIMENSIONAMENTO DE LOTES MONOESTÁGIO COM RESTRIÇÃO DE CAPACIDADE: MODELAGEM, MÉTODO DE RESOLUÇÃO E RESULTADOS COMPUTACIONAIS
Vol. 20, No. 2, p. 287-306, dezembro de 2000 Pesqusa Operaconal 287 PROBLEMA DE DIMENSIONAMENTO DE LOTES MONOESTÁGIO COM RESTRIÇÃO DE CAPACIDADE: MODELAGEM, MÉTODO DE RESOLUÇÃO E RESULTADOS COMPUTACIONAIS
Leia maisCLUSTERIZAÇÃO AUTOMÁTICA NA REDUÇÃO DA DIMENSIONALIDADE DOS DADOS
CLUSTERIZAÇÃO AUTOMÁTICA NA REDUÇÃO DA DIMENSIONALIDADE DOS DADOS Éldman de Olvera Nunes Escola de Admnstração do Exércto Rua Terrtóro do Amapá, 455, 41.540-830, Salvador, BA, Brasl eldman.nunes@gmal.com
Leia mais3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Leia maisUMA FORMULAÇÃO DE PROGRAMAÇÃO INTEIRA PARA O PROBLEMA DE CRIAÇÃO DE ÁREAS DE PONDERAÇÃO AGREGADAS
UMA FORMULAÇÃO DE PROGRAMAÇÃO INTEIRA PARA O PROBLEMA DE CRIAÇÃO DE ÁREAS DE PONDERAÇÃO AGREGADAS José André de M. Brto IBGE Insttuto Braslero de Geografa e Estatístca emal: brtom@bge.gov.br Av. Chle,
Leia maisMecanismos de Escalonamento
Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur
Leia maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisUMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. UMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO Alexandre Venturn Faccn Pacheco (UFES) alexandreventurn@gmal.com
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisEQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI)
EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI) Introdução Seja a segunte equação derencal: d ( ) ; d para. que é reerencado com o problema do valor ncal. Essa denomnação deve-se
Leia maisAdriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisMÉTODOS ITERATIVOS PARA PROBLEMAS DE PROGRAMAÇÃO MATEMÁTICA COM INCERTEZAS
Pesqusa Operaconal e o Desenvolvmento Sustentável MÉTODOS ITERATIVOS PARA PROBLEMAS DE PRORAMAÇÃO MATEMÁTICA COM INCERTEZAS Rcardo Coêlho Slva Departamento de Telemátca Faculdade de Engenhara Elétrca e
Leia maisCálculo Numérico BCC760 Interpolação Polinomial
Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.
Leia maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
Leia maisALGORITMO ILS APLICADO AO PROBLEMA DAS K-MEDIANAS CAPACITADO
SPOLM 2008 ISSN 1806-3632 Ro de Janero, Brasl, 05 e 06 de agosto de 2008. ALGORITMO ILS APLICADO AO PROBLEMA DAS K-MEDIANAS CAPACITADO José André de Moura Brto IBGE Insttuto Braslero de Geografa e Estatístca
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00 Ro de Janero/RJ UM MODELO DE LOCALIZAÇÃO HIERÁRQUICO CAPACITADO Lus Gonzalo Acosta Espeo COPPE/Unversdade Federal do Ro de Janero C.P.
Leia maisALGORITMOS PARA DETERMINAÇÃO DE PADRÕES TABULEIROS EXATOS E RESTRITOS: TESTES COMPUTACIONAIS COMPARATIVOS
Pesqusa Operaconal e o Desenvolvmento Sustentável ALGORITOS PARA DETERINAÇÃO DE PADRÕES TABULEIROS EXATOS E RESTRITOS: TESTES COPUTACIONAIS COPARATIVOS Danel assaru Katsurayama Insttuto Naconal de Pesqusas
Leia maisAlocação de Dispositivos PLC Numa Rede de Distribuição Elétrica de Baixa Tensão Usando Programação Linear Inteira Mista
Alocação de Dspostvos PLC uma Rede de Dstrbução Elétrca de Baxa Tensão Usando Programação Lnear Intera sta Fabano J. L. Pádua, Insttuto Federal de Educação, Cênca e Tecnologa de ato Grosso - IFT Campus
Leia maisUMA ABORDAGEM HEURÍSTICA VIA MULTIPROCESSAMENTO PARALELO PARA UMA CLASSE DE PROBLEMAS DE SEQUENCIAMENTO EM UMA MÁQUINA
ISSN 2175-6295 Ro de Janero- Brasl, 12 e 13 de agosto de 2010 UMA ABORDAGEM HEURÍSTICA VIA MULTIPROCESSAMENTO PARALELO PARA UMA CLASSE DE PROBLEMAS DE SEQUENCIAMENTO EM UMA MÁQUINA Frederco Augusto de
Leia maisCap. 5 Classificação Temática
Prncípos e Aplcações da Deteção Remota Cap. 5 Classfcação Temátca 5.1 O Processo de Classfcação 5. Classfcação de Máxma Verosmlhança (supervsonada paramétrca) 5..1 Classes multvaradas normas 5.. Lmtes
Leia mais