Teoria da Decisão. Abordagem Clássica para Tomada de Decisão Multicritério. Prof. Lucas S. Batista.
|
|
- Daniela Canário
- 5 Há anos
- Visualizações:
Transcrição
1 Teoria da Decisão Prof. Lucas S. Batista lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas
2 Abordagem Bellman-Zadeh Sumário 1 Abordagem Bellman-Zadeh Abordagem Clássica para tratamento de Incerteza Critérios de Escolha Generalização da Abordagem Clássica Modificação dos Critérios de Escolha Exemplo de Aplicação 2 / 50
3 Abordagem Bellman-Zadeh A abordagem clássica Bellman-Zadeh é aplicada para tomada de decisão em ambientes fuzzy para o tratamento de problemas multicritério; Nessa abordagem, cada função objetivo F p (x) pode ser substituída por uma função objetivo fuzzy ou conjunto fuzzy A p ; Uma solução fuzzy D é obtida a partir da interseção D = q p=1 A p; 3 / 50
4 Abordagem Bellman-Zadeh A função de pertinência de D é definida como: D(x) = q p=1 A p(x) = min A p(x), p=1,...,q x L Esta função permite determinar a solução x com maior pertinência à solução fuzzy D: max D(x) = max x L O problema de decisão torna-se então: x = arg max x L min A p(x) p=1,...,q min A p(x) p=1,...,q 4 / 50
5 Abordagem Bellman-Zadeh Exemplo As funções de pertinência de três funções objetivo fuzzy A 1 (x), A 2 (x) e A 3 (x) são apresentadas a seguir: Figura: Funções de pertinência de funções objetivo fuzzy 5 / 50
6 Abordagem Bellman-Zadeh Exemplo A solução fuzzy D(x) é apresentada a seguir, a qual fornece a solução x = 5. Figura: Função de pertinência de uma solução fuzzy 6 / 50
7 Abordagem Bellman-Zadeh Ao considerar problemas multiobjetivo: para obter x é necessário construir as funções de pertinência A p (x), p = 1,..., q; cada função de pertinência deve refletir o grau de aproximação do próprio ótimo para F p (x), x L, p = 1,..., q. 7 / 50
8 Abordagem Bellman-Zadeh Para funções objetivo de minimização: [ max x L F p (x) F p (x) A p (x) = max x L F p (x) min x L F p (x) ] λp Para funções objetivo de maximização: [ F p (x) min x L F p (x) A p (x) = max x L F p (x) min x L F p (x) ] λp 8 / 50
9 Abordagem Bellman-Zadeh Existem diferentes operadores de agregação que podem ser usados no lugar do operador min; Assim, D(x) pode ser obtido da seguinte forma geral: D(x) = agg(a 1 (x), A 2 (x),..., A q (x)), x L Entretanto, essa escolha é baseada na experiência do DM. 9 / 50
10 Abordagem Bellman-Zadeh Além do operador min, o operador produto também tem sido muito empregado em problemas de tomada de decisão; Nesse caso, tem-se: q D(x) = A p (x), p=1 x L max D(x) = max x L x = arg max x L q A p (x) p=1 q A p (x) p=1 10 / 50
11 Abordagem Clássica para tratamento de Incerteza Sumário 1 Abordagem Bellman-Zadeh Abordagem Clássica para tratamento de Incerteza Critérios de Escolha Generalização da Abordagem Clássica Modificação dos Critérios de Escolha Exemplo de Aplicação 11 / 50
12 Abordagem Clássica para tratamento de Incerteza A abordagem clássica define inicialmente uma matriz de compromisso considerando as alternativas de projeto e possíveis estados de natureza (cenários), em que alternativas: X k, k = 1, 2,..., K ; cenários: Y s, s = 1, 2,..., S; 12 / 50
13 Abordagem Clássica para tratamento de Incerteza Matriz de compromisso A matriz de compromisso quantifica os efeitos (consequências) das ações X k, k = 1, 2,..., K nos possíveis cenários Y s, s = 1, 2,..., S. Figura: Matriz de compromisso 13 / 50
14 Abordagem Clássica para tratamento de Incerteza A análise da matriz de compromisso e a escolha de uma solução racional são baseados em critérios de escolha; Os critérios de escolha mais utilizados são os critérios de Wald, Laplace, Savage e Hurwicz; 14 / 50
15 Abordagem Clássica para tratamento de Incerteza Matriz de compromisso com estimativas de características Os critérios de escolha permitem incorporar estimativas de características à matriz de compromisso: Figura: Matriz de compromisso com estimativas de características 15 / 50
16 Abordagem Clássica para tratamento de Incerteza Estimativas de características Nível máximo da função objetivo: F max (X k ) = max 1 s S F (X k, Y s ) Este nível é determinado para uma dada solução e representa: a estimativa mais otimista quando deseja-se maximizar F, ou a estimativa mais pessimista quando deseja-se minimizar F. 16 / 50
17 Abordagem Clássica para tratamento de Incerteza Estimativas de características Nível mínimo da função objetivo: F min (X k ) = min F(X k, Y s ) 1 s S Este nível é determinado para uma dada solução e representa: a estimativa mais pessimista quando deseja-se maximizar F, ou a estimativa mais otimista quando deseja-se minimizar F. 17 / 50
18 Abordagem Clássica para tratamento de Incerteza Estimativas de características Nível médio da função objetivo: F (X k ) = 1 S S F (X k, Y s ) s=1 Este nível é determinado para uma dada solução e representa uma estimativa média da sua qualidade em relação aos cenários possíveis. 18 / 50
19 Abordagem Clássica para tratamento de Incerteza Estimativas de características Nível máximo de risco: r max (X k ) = max 1 s S r(x k, Y s ) em que r(x k, Y s ) é uma medida de risco (arrependimento), r(x k, Y s ) = F max (Y s ) F(X k, Y s ), em que, r(x k, Y s ) = F (X k, Y s ) F min (Y s ), se deseja-se maximizar F se deseja-se minimizar F F max (Y s ) = max F(X k, Y s ) e F min (Y s ) = min F (X k, Y s ) 1 k K 1 k K 19 / 50
20 Abordagem Clássica para tratamento de Incerteza Matriz de risco Calculando o nível de risco para todo X k, k = 1, 2,..., K e Y s, s = 1, 2,..., S, obtém-se a matriz de risco a seguir: Figura: Matriz de risco 20 / 50
21 Critérios de Escolha Sumário 1 Abordagem Bellman-Zadeh Abordagem Clássica para tratamento de Incerteza Critérios de Escolha Generalização da Abordagem Clássica Modificação dos Critérios de Escolha Exemplo de Aplicação 21 / 50
22 Critérios de Escolha Os critérios de escolha de Wald, Laplace, Savage e Hurwicz são baseados nas estimativas de características F max (X k ), F min (X k ), F(X k ) e r max (X k ); Nos próximos slides, os critérios de escolha são definidos considerando que se deseja maximizar a função objetivo F. 22 / 50
23 Critérios de Escolha Critério de Wald O critério de Wald se baseia em F min (X k ): max F min (X k ) = max min F (X k, Y s ) 1 k K 1 k K 1 s S Critério de Laplace O critério de Laplace se baseia em F (X k ): max F (X 1 k) = max 1 k K 1 k K S S F(X k, Y s ) s=1 23 / 50
24 Critérios de Escolha Critério de Savage O critério de Savage se baseia em r max (X k ): min r max (X k ) = 1 k K min 1 k K max r(x k, Y s ) 1 s S 24 / 50
25 Critérios de Escolha Critério de Hurwicz O critério de Hurwicz se baseia em F min (X k ) e F max (X k ): max [αf min (X k ) + (1 α)f max (X k )] = 1 k K [ ] max α min F (X k, Y s ) + (1 α) max F(X k, Y s ) 1 k K 1 s S 1 s S em que α [0, 1] é o índice pessimismo-otimismo (usualmente, α = 0.75). 25 / 50
26 Generalização da Abordagem Clássica Sumário 1 Abordagem Bellman-Zadeh Abordagem Clássica para tratamento de Incerteza Critérios de Escolha Generalização da Abordagem Clássica Modificação dos Critérios de Escolha Exemplo de Aplicação 26 / 50
27 Generalização da Abordagem Clássica A abordagem Bellman-Zadeh pode ser aplicada para a solução de problemas de tomada de decisão multiobjetivo; Esta abordagem clássica pode ser generalizada a partir da maximização de D(x); Nesse caso, ao lidar com q funções objetivo, q matrizes de compromisso deverão ser geradas e analizadas; 27 / 50
28 Generalização da Abordagem Clássica A matriz de compromisso modificada (normalizada) relacionada ao p-ésimo critério fica da seguinte forma: Figura: Matriz de compromisso normalizada 28 / 50
29 Generalização da Abordagem Clássica A disponibilidade das q matrizes de compromisso modificadas permite a construção da matriz de compromisso agregada: Figura: Matriz de compromisso agregada com estimativas de características 29 / 50
30 Generalização da Abordagem Clássica Estimativas de características Função de pertinência de nível máximo (estimativa otimista): D max (X k ) = max 1 s S D(X k, Y s ) Estimativas de características Função de pertinência de nível mínimo (estimativa pessimista): D min (X k ) = min D(X k, Y s ) 1 s S 30 / 50
31 Generalização da Abordagem Clássica Estimativas de características Função de pertinência de nível médio: D(X k ) = 1 S S D(X k, Y s ) s=1 31 / 50
32 Generalização da Abordagem Clássica Estimativas de características Risco de nível máximo: em que, r(x k, Y s ) = D max (Y s ) D(X k, Y s ) D max (Y s ) = max 1 k K D(X k, Y s ) 32 / 50
33 Modificação dos Critérios de Escolha Sumário 1 Abordagem Bellman-Zadeh Abordagem Clássica para tratamento de Incerteza Critérios de Escolha Generalização da Abordagem Clássica Modificação dos Critérios de Escolha Exemplo de Aplicação 33 / 50
34 Modificação dos Critérios de Escolha Critério de Wald modificado O critério de Wald é definido como: max D(X k) = max 1 k K 1 k K min 1 s S min A p(x k, Y s ) 1 p q Critério de Laplace modificado O critério de Laplace é definido como: max D(X 1 k) = max 1 k K 1 k K S S min A p(x k, Y s ) 1 p q s=1 34 / 50
35 Modificação dos Critérios de Escolha Critério de Savage modificado O critério de Savage é definido como: min 1 k K [ max 1 s S max 1 k K min r max (X k ) = 1 k K ] min A p(x k, Y s ) min A p(x k, Y s ) 1 p q 1 p q 35 / 50
36 Modificação dos Critérios de Escolha Critério de Hurwicz modificado O critério de Hurwicz é definido como: [ max α min 1 k K 1 k K max 1 k K [ α min 1 k K D(X k) + (1 α) max 1 k K D(X k) min D(X k, Y s ) + (1 α) max 1 p q 1 k K ] = ] min D(X k, Y s ) 1 p q 36 / 50
37 Modificação dos Critérios de Escolha Embora a abordagem apresentada considere os critérios de Wald, Laplace, Savage e Hurwicz, outros critérios disponíveis na literatura podem ser aplicados; Entretanto, estes outros critérios frequentemente assumem a disponibilidade de certos tipos de informação sobre os estados de natureza; Além disso, existem inúmeros trabalhos que sugerem o pontecial dos critérios de Wald, Laplace, Savage e Hurwicz. 37 / 50
38 Exemplo de Aplicação Sumário 1 Abordagem Bellman-Zadeh Abordagem Clássica para tratamento de Incerteza Critérios de Escolha Generalização da Abordagem Clássica Modificação dos Critérios de Escolha Exemplo de Aplicação 38 / 50
39 Exemplo de Aplicação A abordagem geral para tomada de decisão multicritério sob incerteza envolve três etapas: Fase 1: Construção das q matrizes de compromisso a partir das funções F p (X k, Y s ); Nesta etapa pode ser necessário resolver modelos X, M para a geração de soluções factíveis; Alternativamente, um conjunto de soluções viáveis pode ser fornecido diretamente pelo DM; 39 / 50
40 Exemplo de Aplicação Fase 2: Análise das matrizes de compromisso; O procedimento geral pode conduzir a mais de uma solução (ordem parcial); Esta etapa ajuda a avaliar tanto os riscos particulares quanto agregados em relação a cada alternativa de projeto; 40 / 50
41 Exemplo de Aplicação Fase 3: Construção e análise de modelos X, R para a contração subsequente do domínio de incerteza de decisão; Os modelos X, R permitem considerar índices quantitativos e qualitativos baseados no conhecimento, experiência e intuição dos especialistas; 41 / 50
42 Exemplo de Aplicação Exemplo de aplicação Considere o seguinte problema multiobjetivo: min F 1 (x) = [2.70, 3.30]x 1 + [11.70, 14.30]x 2 + [7.20, 8.80]x 3 min F 2 (x) = [5.40, 6.60]x 1 + [3.60, 4.40]x 2 + [4.50, 5.50]x 3 sujeito às restrições: 0 x x x 3 14 x 1 + x 2 + x 3 = / 50
43 Exemplo de Aplicação Exemplo de aplicação Matriz de compromisso do critério F 1 : Figura: Matriz de compromisso do critério F 1 43 / 50
44 Exemplo de Aplicação Exemplo de aplicação Matriz de compromisso com estimativas de características de F 1 : Figura: Matriz de compromisso com estimativas de características de F 1 Os critérios de Wald, Laplace, Savage e Hurwicz sugerem X / 50
45 Exemplo de Aplicação Exemplo de aplicação Matriz de compromisso do critério F 2 : Figura: Matriz de compromisso do critério F 2 45 / 50
46 Exemplo de Aplicação Exemplo de aplicação Matriz de compromisso com estimativas de características de F 2 : Figura: Matriz de compromisso com estimativas de características de F 2 Os critérios de Wald, Laplace e Savage sugerem X 1, enquanto o critério de Hurwicz indica X 4. Formalmente, X 1 e X 4 são indiferentes. 46 / 50
47 Exemplo de Aplicação Exemplo de aplicação Matriz de compromisso normalizada de F 1 : Figura: Matriz de compromisso normalizada de F 1 47 / 50
48 Exemplo de Aplicação Exemplo de aplicação Matriz de compromisso normalizada de F 2 : Figura: Matriz de compromisso normalizada de F 2 48 / 50
49 Exemplo de Aplicação Exemplo de aplicação Matriz de compromisso agregada com estimativas de características: Figura: Matriz de compromisso agregada com estimativas de características Os critérios de Wald, Laplace e Hurwicz sugerem X 4, enquanto o critério de Savage indica X 3. Este resultado requer uso da fase / 50
50 W. Pedrycz, P. Ekel, R. Parreiras, Fuzzy Multicriteria Decision-Making: Models, Methods and Applications, John Wiley & Sons, (section 4.5 and chapter 8) Inicio 50 / 50
Teoria da Decisão. Modelagem de Preferência. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Modelagem de Preferência Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas
Leia maisTeoria da Decisão. Introdução. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Introdução Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas Apresentação Sumário
Leia maisTeoria da Decisão. Teoria da Utilidade Multiatributo. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Teoria da Utilidade Multiatributo Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Programa de Pós-Graduação em Engenharia Elétrica,
Leia maisTeoria da Decisão. Otimização Vetorial. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Otimização Vetorial Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas Introdução
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Forma geral de um problema Em vários problemas que formulamos, obtivemos: Um objetivo de otimização
Leia maisTeoria da Decisão. Slide 1. c 2002, 1998 Maria Antónia Carravilla FEUP
Teoria da Decisão Slide 1 Transparências de apoio à leccionação de aulas teóricas Versão 2 c 2002, 1998 Teoria da Decisão 1 Decisões A incerteza é muito mais a regra que a excepção, a única coisa que pode
Leia maisOs problemas de decisão e a Teoria da Decisão
Os problemas de decisão e a Teoria da Decisão p. 1/23 Para que um problema seja caracterizado, é preciso que o tomador de decisão tenha, diante de si, mais de uma alternativa. A Teoria da Decisão é um
Leia maisOtimização Multiobjetivo
Otimização Multiobjetivo Otimização Restrita Prof. Frederico Gadelha Guimarães Lucas S. Batista Eduardo G. Carrano Universidade Federal de Minas Gerais Programa de Pós-Graduação em Engenharia Elétrica,
Leia maisTeoria da Decisão. Otimização Vetorial. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas Introdução Sumário 1 Introdução
Leia maisRISCO E INCERTEZA CONCEITOS DE RISCO 08/11/2013
RISCO E INCERTEZA CAPÍTULO 8 em: ANDRADE, Eduardo L. de; INTRODUÇÃO À PESQUISA OPERACIONAL. 4 a. ed. Rio de Janeiro: Editora LTC CONCEITOS DE RISCO Risco é a probabilidade de haver variações nos resultados
Leia maisEm 1970, Bellman e Zadeh (Bellman, 1970) apresentaram a otimização IX]]\, que é um conjunto de técnicas utilizadas em problemas de otimização com
4 ±0('/$ 5'd Muito já foi feito no desenvolvimento de metodologias para a resolução de problemas de programação linear IX]]\. Entretanto a grande parte dos trabalhos apresentados procurou obter uma solução
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisCAP. 5a - ANÁLISE DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA
CAP. 5a - ANÁLISE DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA 1. INTRODUÇÃO No fluxo de caixa esquemático mostrado na Figura 1, como se sabe na data zero, normalmente se tem o investimento necessário para
Leia maisAPLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS
APLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS Alexandre Ferreira de Pinho, Mestrando Escola Federal de Engenharia de
Leia maisTeoria da Decisão. Processo Analítico Hierárquico Analytic Hierarchy Process (AHP) Prof. Lucas S. Batista.
Teoria da Decisão Analytic Hierarchy Process (AHP) Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas
Leia maisDEPARTAMENTO DE ENGENHARIA MECÂNICA
DEPARTAMENTO DE ENGENHARIA MECÂNICA Otimização: Algoritmos e Aplicações na Engenharia Mecânica ENG1786 & MEC2403 Ivan Menezes 2018-2 1 EMENTA 1. Introdução 1.1 Definições Básicas 1.2 Classificação dos
Leia maisProgramação Matemática Lista 3
Programação Matemática Lista 3. Coloque na forma padrão os seguintes problemas de programação linear: a) Maximizar X 7 X + 8 X 3 +X 4 X + X X 3 + X 4 4 X + X 3 9 X + X 3 + X 4 6 X 0, X 0, X 3 0, X 4 0
Leia maisMétodos de Inferência Fuzzy
Métodos de Inferência Fuzzy Prof. Paulo Cesar F. De Oliveira, BSc, PhD 16/10/14 Paulo C F de Oliveira 2007 1 Seção 1.1 Método de Mamdani 16/10/14 Paulo C F de Oliveira 2007 2 Professor Ebrahim Mamdani
Leia maisMatemática Aplicada Nt Notas de aula
Matemática Aplicada Nt Notas de aula Problema de transporte e designação Problema de transporte: motivação origem 1 destino 1 origem 2 destino 2 destino 3 Caracterização geral Dados: A estrutura de fontes
Leia maisMétodos de Pesquisa Operacional
Métodos de Pesquisa Operacional Programação Linear é a parte da Pesquisa Operacional que trata da modelagem e resolução de problemas formulados com funções lineares. Programação Linear } Métodos de Resolução
Leia maisPesquisa Operacional
Pesquisa Operacional Teoria da Dualidade Profa. Sheila Morais de Almeida DAINF-UTFPR-PG outubro - 2015 Problema Dual Cada problema de Programa de Programação Linear está associado a um outro problema de
Leia maisPESQUISA OPERACIONAL. Fabiano F. T. dos Santos. Instituto de Matemática e Estatística
PESQUISA OPERACIONAL Fabiano F. T. dos Santos Instituto de Matemática e Estatística Dualidade em Programação Linear Todo problema de programação linear, que chamaremos de primal, traz consigo um segundo
Leia maisCLASSIFICAÇÃO DE PROBLEMAS SEQÜENCIAIS DE MÚLTIPLOS ESTÁGIOS
Encontro Internacional de Produção Científica Cesumar 23 a 26 de outubro de 2007 CLASSIFICAÇÃO DE PROBLEMAS SEQÜENCIAIS DE MÚLTIPLOS ESTÁGIOS João Candido Bracarense 1, Juliano Rodrigo Lamb 2 RESUMO: A
Leia maisEstratégias empresariais no uso da TI. Aula 1 Decisão sob incerteza Prof. E. A. Schmitz
Estratégias empresariais no uso da TI Aula 1 Decisão sob incerteza Prof. E. A. Schmitz Teoria da decisão Investimentos envolvem tomada de decisões Decidir qual a melhor alternativa: Usando a informação
Leia maisUniversidade Estadual Paulista Campus de Ilha Solteira. Palestra: Carlos Roberto Minussi DEE FEIS UNESP
Universidade Estadual Paulista Campus de Ilha Solteira Palestra: Lógica Fuzzy (Nebulosa) Carlos Roberto Minussi DEE FEIS UNESP História e Motivação Lógiica Fuzzy Computação com Pallavras Zadeh [1965] desenvolveu
Leia maisCerteza. Risco BRUNI BRUNI BRUNI BRUNI. Incerteza. Incerteza. Incerteza e risco em Finanças. Capítulo. Alguns conceitos básicos...
Capítulo Incerteza e risco em Finanças Incerteza Uma sugestão de leitura... Alguns conceitos básicos... Certeza Incerteza Risco Frank Knight...... Conceitos usuais... Certeza: um único resultado possível
Leia maisProgramação Matemática
Programação Matemática Docentes: Ana Paula, Franklina e Maristela Instituto de Ciências Matemáticas e de Computação - ICMC Universidade de São Paulo USP (Material Elaborado por Aline Leão modificado por
Leia maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia maisConteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier
Conteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier Sistemas fuzzy A inferência fuzzy é um paradigma computacional baseado na Teoria de conjuntos fuzzy, regras de inferência
Leia maisProgramação Linear. (1ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016
Programação Linear (1ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Introdução O modelo de programação linear: Problema de minimização Exemplo Formalização Problema
Leia maisProfessor: Rodrigo A. Scarpel
Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana : Apresentação da disciplina Introdução à Programação Linear Resolução de problemas de PL pelo Método Gráfico
Leia maisResolução do Exame Tipo
Departamento de Matemática e Engenharias Análise e Computação Numérica Resolução do Exame Tipo 1. O computador IBM 3090 possuía um sistema de vírgula flutuante F F(16, 5, 65, 62) (em precisão simples),
Leia maisInteligência Computacional
Inteligência Computacional CP78D Lógica Fuzzy Aula 4 Prof. Daniel Cavalcanti Jeronymo Universidade Tecnológica Federal do Paraná (UTFPR) Engenharia Eletrônica 9º Período 1/37 Lógica Clássica Plano de Aula
Leia maisConteúdo: Operações Conjuntos Crisp Operações Conjuntos fuzzy. Operadores de Zadeh Operadores Compensatórios Operadores T-norm e T-conorm
Conteúdo: Operações Conjuntos Crisp Operações Conjuntos fuzzy Operadores de Zadeh Operadores Compensatórios Operadores T-norm e T-conorm Operações com Conjuntos Crisp Função característica: determina se
Leia maisControle Ótimo - Aula 2 (Exemplos 2, 3 e 4)
Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema
Leia maisBCC465 - TÉCNICAS DE MULTI-OBJETIVO. Gladston Juliano Prates Moreira 22 de novembro de 2017
BCC465 - TÉCNICAS DE OTIMIZAÇÃO MULTI-OBJETIVO Aula 04 - Otimização Não-linear Gladston Juliano Prates Moreira email: gladston@iceb.ufop.br CSILab, Departamento de Computação Universidade Federal de Ouro
Leia maisLógica Fuzzy. Conectivos e Inferência. Professor: Mário Benevides. Monitores: Bianca Munaro Diogo Borges Jonas Arêas Renan Iglesias Vanius Farias
Lógica Fuzzy Conectivos e Inferência Professor: Mário Benevides Monitores: Bianca Munaro Diogo Borges Jonas Arêas Renan Iglesias Vanius Farias Conectivos O que são conectivos? São operadores que conectam
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisO teorema do ponto fixo de Banach e algumas aplicações
O teorema do ponto fixo de Banach e algumas aplicações Andressa Fernanda Ost 1, André Vicente 2 1 Acadêmica do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas - Universidade Estadual do
Leia maisALTERNATIVAS LOCACIONAIS PARA A GERAÇÃO RENOVÁVEL EM MINAS GERAIS: UMA DISCUSSÃO BASEADA NA ABORDAGEM MULTICRITÉRIO ESPACIAL
ALTERNATIVAS LOCACIONAIS PARA A GERAÇÃO RENOVÁVEL EM MINAS GERAIS: UMA DISCUSSÃO BASEADA NA ABORDAGEM MULTICRITÉRIO ESPACIAL VI Congresso Brasileiro de Energia Solar UFMG BH Lívia Maria Leite da Silva
Leia mais2 Medida de Incertezas: Fundamentos
2 Medida de Incertezas: Fundamentos 2. Introdução O resultado de um processo de medição fornece uma determinada informação que usualmente é chamada de conhecimento. A fim de quantificar quão completo é
Leia maisProgramação Linear (PL) Solução algébrica - método simplex
Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Pesquisa Operacional Simplex Prof. Dr. José Arnaldo Barra Montevechi Programação Linear (PL) Solução algébrica - método simplex
Leia maisProgramação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e
Programação Linear A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Existe um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento
Leia maisTP034-Tópicos Especiais de Pesquisa Operacional I
TP34-Tópicos Especiais de Pesquisa Operacional I (Conjuntos Difusos Princípio da Extensão) Prof. Volmir Wilhelm Curitiba, Paraná, Brasil Gráficos difusos Um gráfico difuso descreve um mapeamento funcional
Leia maisTécnicas de
Técnicas de Decisão @lucianodoll Desafio Ø 1. Ao lançar uma moeda: Ø se o resultado for Cara, você recebe R$100,00. Ø se for Coroa, você não recebe nada. 2. R$20,00 sem jogar. Qual alternativa você escolheria?
Leia maisTEORIA MICROECONÔMICA I N
CENTRO DE CIÊNCIAS SOCIAIS DEPARTAMENTO DE ECONOMIA ECO 1113 TEORIA MICROECONÔMICA I N PROFESSOR: JULIANO ASSUNÇÃO TURMA: 2JA Capítulo 5: Escolha 1. Resolva os seguintes problemas de maximização sujeita
Leia maisOtimização Aplicada à Engenharia de Processos
Otimização Aplicada à Engenharia de Processos Aula 2: Programação Matemática Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013
Leia maisConjuntos Fuzzy e Lógica Fuzzy
1 Introdução Conjuntos Fuzzy e Lógica Fuzzy users.femanet.com.br/~fabri/fuzzy.htm Os Conjuntos Fuzzy e a Lógica Fuzzy provêm a base para geração de técnicas poderosas para a solução de problemas, com uma
Leia maisConsidere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística. Curso: Engenharia de Produção
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisGrupo I. 1. A partir do gráfico da figura 1, obtemos uma tabela de frequências absolutas simples subtraindo as frequências acumuladas consecutivas:
Proposta de Resolução do Exame de Matemática B Cód. 735-1ª Fase 2012 21 de Junho Grupo I 1. A partir do gráfico da figura 1, obtemos uma tabela de frequências absolutas simples subtraindo as frequências
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 10: Método Simplex Técnica das variáveis artificias Método das penalidades ( Big M ). Método das duas fases. 2 Modificando o Exemplo Protótipo. Suponha-se que é modificado
Leia maisOtimização multicritério, análise de sensibilidade e hipotética
MODELAGEM E ANÁLISE Otimização multicritério, análise de sensibilidade e hipotética Otimização multicritério Refere-se a uma situação de decisão em que as alternativas são avaliadas com vários objetivos,
Leia maisdepende apenas da variável y então a função ṽ(y) = e R R(y) dy
Formulario Equações Diferenciais Ordinárias de 1 a Ordem Equações Exactas. Factor Integrante. Dada uma equação diferencial não exacta M(x, y) dx + N(x, y) dy = 0. ( ) 1. Se R = 1 M N y N x depende apenas
Leia mais2º Exame (1ºTeste) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, 27 de Janeiro de 2015, 15h00-16h15-17h30
º Exame (ºTeste) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, 7 de Janeiro de 5, 5h-h5-7h3.) [.] Pretende-se f(x) = p n (x)/x (onde p n é um polinómio) que verique a interpolação a)
Leia maisUniversidade Federal de Goiás Instituto de Matemática e Estatística
Universidade Federal de Goiás Instituto de Matemática e Estatística Prova 1 de Pesquisa Operacional Prof.: Fabiano F. T. dos Santos Goiânia, 16 de abril de 2014 Aluno: Nota: Descreva seu raciocínio e desenvolva
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisNota: Turma: MA 327 Álgebra Linear. Terceira Prova. Boa Prova! Primeiro Semestre de T o t a l
Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 26 Terceira Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Boa Prova! Questão 1. 2. Pontos) Seja U um
Leia maisPesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear
Pesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear Introdução à Pesquisa Operacional Origens militares Segunda guerra mundial Aplicada na alocação de
Leia maisFinanças Públicas. Aula 1. Carlos Eugênio da Costa EPGE/FGV. Eugênio (EPGE-FGV) Finanças Públicas / 37
Finanças Públicas Aula 1 Carlos Eugênio da Costa EPGE/FGV 2011 Eugênio (EPGE-FGV) Finanças Públicas 2011 1 / 37 Economia do Setor Público - Introdução Economia do Setor Público estuda o governo e a forma
Leia maisCombinando inequações lineares
Combinando inequações lineares A multiplicação por um número > 0 não altera uma inequação 2x x 5 4x 2x 10 1 2 1 2 A soma de duas inequações (com o mesmo sentido) produz uma inequação válida x 3x x 3 1
Leia maisPesquisa Operacional
Pesquisa Operacional Casos Especiais do Método Simplex e Gráfica Profa. Sheila Morais de Almeida DAINF-UTFPR-PG setembro - 2015 1 Casos Especiais do Método Simplex Degeneração Múltiplas soluções ótimas
Leia mais9 - Análise de decisão multicritério
9 - Análise de decisão multicritério Análise visando explicitar um conjunto coerente de critérios, que permita interpretar as diferentes consequências de uma ação GESTÃO TOMADA DE DECISÃO Busca pela MELHOR
Leia mais7. Análise do Risco e da Incerteza
7. Análise do Risco e da Incerteza 7 7.1 Incerteza e Risco: Noções de Incerteza e Risco Linguagem corrente A noção de risco está associada a uma situação de incerteza que pode envolver custos ou penalizações
Leia maisProgramação Linear - Parte 5
Matemática Industrial - RC/UFG Programação Linear - Parte 5 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 5 1/2016 1 / 29 Dualidade Os parâmetros de entrada são dados de acordo com
Leia maisSolução de problemas de PL com restrições do tipo >= e =
Solução de problemas de PL com restrições do tipo >= e = Seja o Problema de maximização abaixo: O problema na forma padrão: Tem-se um problema, não existe na restrição 3 uma variável de folga para entrar
Leia maisTeoria da Decisão. Tomar Melhores Decisões usando métodos quantitativos e folhas de cálculo. Slide 1. c 2002, 1998 Maria Antónia Carravilla FEUP
Teoria da Decisão Slide 1 Tomar Melhores Decisões usando métodos quantitativos e folhas de cálculo Versão 2 c 2002, 1998 Teoria da Decisão 1 Decisões A incerteza é muito mais a regra que a excepção, a
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.5. Support Vector Machines 2.5. Support Vector Machines (SVM) 2.5.2.
Leia maisAnais do IV Simpósio de Engenharia de Produção - ISSN:
Programação linear inteira na otimização dos lucros: aplicação em uma panificadora para auxiliar no processo de tomada de decisão Resumo Lays Capingote Serafim da Silva (UFG) laysengenharia7@gmail.com
Leia mais)XQGDPHQWRVGHSURJUDPDomRPDWHPiWLFD
)XQGDPHQWRVGHSURJUDPDomRPDWHPiWLFD,QWURGXomR A grande maioria dos problemas de engenharia pode ser solucionado de diferentes formas, uma vez que um número muito grande de soluções atende aos critérios
Leia maisc PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex., sementes, maquinario, trabalho humano, :::
c PAVF 1 Aplicac~oes Produc~ao Aproximac~ao Planejamento Controle Alocac~ao Geometria Equac~oes c PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex.,
Leia maisPlanejamento de Projeto de Software: Estimativas de Esforço e Custo
Planejamento de Projeto de Software: Estimativas de Esforço e Custo Engenharia de Software Simone S. Souza ICMC/USP PLANO DE PROJETO DE SOFTWARE I. Introdução. Escopo e propósito do documento 2. Objetivos
Leia maisTeoria da Decisão. Introdução às Metaheurísticas. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Introdução às Metaheurísticas Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas
Leia maisComputação Evolucionária: Conceitos Básicos de Otimização
Computação Evolucionária: Conceitos Básicos de Otimização Prof. Dr. Rafael Stubs Parpinelli E-mail: rafael.parpinelli@udesc.br Otimização Min ou Max Sujeito a Otimização Função objetivo A qual se quer
Leia maisPROGRAMAÇÃO LINEAR E APLICAÇÕES
E APLICAÇÕES Faculdade de Tecnologia de Ourinhos Tecnologia em Análise e Desenvolvimento de Sistemas Prof. Dr. Sidney C. Ferrari Pesquisa Operacional Notas Históricas Os caminhos da PO podem ser traçados
Leia maisAula 10: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 10: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br 2018/2 - PCC174/BCC464 Aula Prática - Laboratório COM30!1 Breve Revisão Modelagem Método gráfico O Algoritmo Simplex
Leia maisAula 13: Branch-and-bound
Aula 13: Branch-and-bound Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Modelagem em PI / Problemas Combinatórios
Leia maisMÉTODO NUMÉRICO PARA A DETERMINAÇÃO DO MÓDULO DE TENACIDADE DE MATERIAIS A PARTIR DE ENSAIOS DE TRAÇÃO
MÉTODO NUMÉRICO PARA A DETERMINAÇÃO DO MÓDULO DE TENACIDADE DE MATERIAIS A PARTIR DE ENSAIOS DE TRAÇÃO Autores: Pedro Henrique Gwiggner SERIGHELLI 1, Cristiano José TURRA 2, David Roza JOSÉ 3. 1 Graduando
Leia maisMetodologia para Restabelecimento de Energia Elétrica a partir de Chaves Telecomandadas
1 Metodologia para Restabelecimento de Energia Elétrica a partir de Chaves Telecomandadas D. P. Bernardon 1, M. Sperandio 1, V. J. Garcia 1, P. A. S. Silva 1, E. F. B. Daza 2, L. Comassetto 2 1. UNIPAMPA,
Leia mais4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Leia maisProgramação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr.
Programação Linear São problemas complexos, muitas vezes de difícil solução e que envolvem significativas reduções de custos, melhorias de tempos de processos, ou uma melhor alocação de recursos em atividades.
Leia maisProblema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1
Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1 O Problema de Transporte consiste em determinar o menor custo (ou o maior lucro) em transportar produtos de várias origens para
Leia maisIncertezas na Computação Científica: Abordagens via Matemática Intervalar e Teoria Fuzzy
Incertezas na Computação Científica: Abordagens via Matemática Intervalar e Teoria Fuzzy Rogério Vargas Dr. Luciano Vitoria Barboza, orientador Dra. Graçaliz Pereira Dimuro, co-orientadora Pelotas-RS,
Leia maisUm Algoritmo de Pontos Interiores na Resolução de Problemas de Programação Linear com Coeficientes Fuzzy
Trabalho apresentado no CNMAC, Gramado - RS, 2016. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Um Algoritmo de Pontos Interiores na Resolução de Problemas de Programação
Leia mais1. Conjuntos Fuzzy - Fundamentos. Sistemas Nebulosos
Sistemas Nebulosos Heloisa de Arruda Camargo. Conjuntos Fuzzy - Fundamentos. Conceitos básicos de conjuntos fuzzy.2 Operações em conjuntos fuzzy.3 Relações fuzzy.4 Aritmética fuzzy.5 Variáveis linguísticas
Leia maisTeoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016
Teoria de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisProblema de designação
Departamento de Engenharia de Produção UFPR 48 Problema de designação Imagine, que em uma gráfica eiste uma única máquina e um único operador apto a operá-la. Como você empregaria o trabalhador? Sua resposta
Leia maisAula 5: k-means. Paulo C. Marques F. 1 de Abril de Aula ministrada no Insper. Insper Aula 5: k-means 1 de Abril de / 19
Aula 5: k-means Paulo C. Marques F. Aula ministrada no Insper 1 de Abril de 2016 Insper Aula 5: k-means 1 de Abril de 2016 1 / 19 Aprendizagem não supervisionada Encerramos, por hora, o capítulo sobre
Leia maisControle Ótimo - Aula 8 Equação de Hamilton-Jacobi
Controle Ótimo - Aula 8 Equação de Hamilton-Jacobi Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos O problema de controle ótimo Considere
Leia maisConjuntos Difusos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7)
Conjuntos Difusos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7) Conjuntos Difusos 2 Conjuntos Difusos Quais das seguintes pessoas são altas? Paulo:
Leia maisPesquisa Operacional
Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Livro: Introdução à Pesquisa Operacional Capítulo 5 Modelo da Designação Fernando Marins fmarins@feg.unesp.br Departamento de Produção
Leia maisOtimização Combinatória - Parte 4
Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional
Leia mais2. Geração de Funções Computáveis
2. Geração de Funções Computáveis 2.1 As funções básicas 2.2 Concatenação de programas 2.3 Substituição 2.5 Minimização Teresa Galvão LEIC - Teoria da Computação I 2.1 2.1 As funções básicas Métodos que
Leia maisINFORMAÇÕES TRADE-OFF EM PROBLEMAS DE OTIMIZAÇÃO MULTIOBJETIVO
INFORMAÇÕES TRADE-OFF EM PROBLEMAS DE OTIMIZAÇÃO MULTIOBJETIVO Jesus Ossian da Cunha Silva, Programa de Engenharia de Sistemas e Computação-PESC, COPPE, UFRJ 21941-972, Rio de Janeiro, RJ E-mail: jossian@cos.ufrj.br.
Leia mais3- O MÉTODO SIMPLEX Introdução e fundamentos teóricos para o Método Simplex
3- O MÉTODO SIMPLEX 3.1- Introdução O Método Simplex é uma técnica utilizada para se determinar, numericamente, a solução ótima de um modelo de Programação Linear. Será desenvolvido inicialmente para Problemas
Leia maisCAPÍTULO 4. Teoria da Dualidade
CAPÍTULO 4 1. Introdução Uma dos conceitos mais importantes em programação linear é o de dualidade. Qualquer problema de PL tem associado um outro problema de PL, chamado o Dual. Neste contexto, o problema
Leia maisCombinando inequações lineares
Combinando inequações lineares A multiplicação por um número > 0 não altera uma inequação 2x x 5 4x 2x 0 2 2 A soma de duas inequações (com o mesmo sentido) produz uma inequação válida x 3x + x 3 2 + 5x
Leia maisOTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.
OTIMIZAÇÃO O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função. Pontos de máximos e mínimos de uma função são pontos onde a derivada da função é nula. A
Leia mais