II Seminário da Pós-graduação em Engenharia Elétrica
|
|
- Nathalie Cacilda Gomes
- 5 Há anos
- Visualizações:
Transcrição
1 MÉTODOS HÍBRIDOS DE PONTOS INTERIORES E DE PROGRAMAÇÃO INTEIRA 0- EM PROBLEMAS DE CUSTO DE TRANSPORTE E GERAÇÃO DE ENERGIA DA BIOMASSA DE CANA-DE-AÇÚCAR Camla de Lma Alua do Programa de Pós-Graduação em Egehara Elétrca Uesp Bauru Prof. Dr. Atoo Roberto Balbo Oretador Departameto de Matemátca Uesp Bauru Profa. Dra. Helece Floreto Slva de Olvera Co-oretadora Departameto de Boestatístca Uesp Botucatu RESUMO Neste trabalho desevolveu-se um método híbrdo que evolve os métodos prevsorcorretor prmal-dual de potos terores e brach-ad-boud, o qual é aplcado à vestgação de modelos assocados à colheta da caa-de-açúcar, e à coleta e ao aprovetameto de sua bomassa resdual. Além dsso, é proposta uma varação deste método híbrdo, a partr da utlzação do método brach-ad-cut, o qual cosdera a serção do passo de geração de plaos de corte o método brach-ad-boud. Este método fo aplcado aos modelos de mmzação do custo de colheta da caa-de-açúcar, mmzação do custo da coleta e trasporte da bomassa resdual e/ou à maxmzação de geração de eerga a partr do aprovetameto destes resíduos. O método é utlzado para determar a escolha das varedades de caa-de-açúcar para o plato as áreas determadas pela usa, que podem ser do tpo mecazáves (caa crua) ou sem-mecazáves (caa quemada), respetado-se as restrções do problema. Utlzou-se o método da soma poderada para a resolução do modelo multobjetvo, que o trasforma em uma classe de problemas moo-objetvo a partr da poderação das fuções objetvo de custo e balaço de eerga. De modo geral, o método prmal-dual de potos terores, o qual explora o parâmetro de barrera logarítmca os procedmetos prevsor e corretor, é utlzado para se obter a solução ótma relaxada do problema. A partr desta, utlza-se o método brach-ad-boud para tegralzar varáves fracoáras, obter a solução ótma tera 0- deste e determar as varedades a serem platadas, para cada poderação mposta. Os testes são realzados através de uma mplemetação computacoal o software Borlad C++ Bulder 6.0 e os resultados umércos obtdos são comparados àqueles do aplcatvo Solver do software Excel, demostrado que o procedmeto tem um excelete desempeho computacoal, determa as soluções efcetes dos subproblemas poderados e a curva de Pareto para o modelo multobjetvo. PALAVRAS-CHAVE: Método Prevsor-Corretor Prmal Dual de Potos Iterores, Métodos Brach-ad-Boud e Brach-ad-Cut, Bomassa Resdual da Caa-de-Açúcar.. INTRODUÇÃO Recetemete, tem se vestdo a serção de fotes alteratvas para produção de eerga, como as que exploram o gás atural, a eerga uclear, e as eergas reováves, as
2 quas utlzam recursos que são reabastecdos aturalmete, detre elas destacam-se a eerga solar, a eerga eólca e a eerga cogerada pela bomassa resdual (PELLEGRINI, 2002). De acordo com Lma (2009), a cogeração cosste em um processo de produção smultâea e sequecada de duas ou mas formas de eerga a partr de um úco combustível, que podem ser covertdas para cosumo própro ou veda. Vsto a baxa produção de mcro poluetes, o uso da bomassa como fote a cogeração de eerga tem sdo avalada como uma possível solução eergétca e ambetal. Segudo Rpol e Rpol (2004), o bagaço e o palhço da caa-de-açúcar são as bomassas que possuem maor poder calorífco. Coforme os dados do IBGE (202), o Brasl é o maor produtor de caa-de-açúcar do mudo, e as safras aumetam a cada ao. Algus problemas são resultados deste crescmeto acelerado, como o aumeto da quema da caa-de-açúcar, utlzadas o processo de colheta sem-mecazada, o que gera polução e mpactos ao meo ambete, e ada, a grade quatdade de resíduos o solo, como folhas, palhas, poteros e frações de colmo, ocasoada pela colheta mecazada, que favorecem o aparecmeto de pragas, a cotamação do solo, e o comprometmeto da próxma safra (TOLENTINO, 2007). A fm de resolver este problema, tem-se vestdo o reaprovetameto desta bomassa resdual através da cogeração de eerga, para utlzação desta o setor sucroalcoolero ou comercalzação o mercado de eerga. Assm, mutos estudos têm sdo propostos vsado otmzar os processos relacoados ao cultvo da caa-de-açúcar. Nos trabalhos de Floreto (2006), Toleto (2007) e Homem (200), são dscutdos modelos matemátcos para a escolha de varedades de caa-de-açúcar que buscam otmzar o custo de coleta da bomassa resdual e/ou a geração de eerga. Ramos (200) e Slva (20) apresetam modelos de mmzação de custo da colheta da caa-de-açúcar, cosderado áreas mecazáves e sem-mecazáves em sua formulação. De modo geral, os problemas vestgados vsam mmzar o custo da colheta da caa-de-açúcar, bem como mmzar o custo de coleta e trasporte da bomassa resdual e/ou maxmzar a geração de eerga da bomassa, determado qual tpo de varedade será platada em cada talhão, respetado as restrções de produção de sacarose e fbra de caa-deaçúcar, uso total da área destada ao plato (mecazável ou sem-mecazável) e o plato de apeas uma varedade de caa-de-açúcar por talhão. Assm, cada varedade de caa-deaçúcar pode ou ão ser platada em determado talhão. Este aspecto caracterza um problema de programação tera bára (zero-um), e depededo de sua dmesão, pode ser de dfícl resolução. Para a resolução do modelo multobjetvo, utlza-se o método da soma poderada, que o trasforma em uma classe de subproblemas moo-objetvo defdo pela poderação das fuções objetvo de custo e balaço de eerga. Desta forma, desevolveu-se um procedmeto híbrdo evolvedo os métodos prevsor-corretor prmal-dual de potos terores e brach-ad-boud para a resolução dos modelos relatvos à caa-de-açúcar, e como proposta futura, pretede-se clur o procedmeto híbrdo o método brach-ad-cut, mplemetar e testar esta varação do procedmeto os modelos em destaque. Assm, este trabalho será utlzado o método prevsor-corretor prmal-dual de potos terores para obter a solução ótma relaxada do modelo e, a partr desta, determar a solução ótma tera relacoada às restrções de tegraldade do problema, relatvas à escolha das varedades a serem platadas, através do método brach-ad-boud. A mplemetação e testes do procedmeto híbrdo assocado ao método brach-ad-cut está em fase de desevolvmeto. Pretede-se comparar os dos procedmetos propostos à resolução dos modelos assocados ao cultvo de caa-de-açúcar.
3 2. MÉTODO PREVISOR-CORRETOR PRIMAL-DUAL DE PONTOS INTERIORES E BRANCH-AND-BOUND Equato Secto (Next) 2.. Método prevsor-corretor prmal-dual de potos terores Cosdera-se o segute problema de programação (PPL) prmal, com restrções leares e varáves caalzadas: T Mmzar c x Ax = b (.) Sujeto a : l x u m m Em que A R, b R, x, c, l, u R e A com posto m. Tem-se etão, o segute problema equvalete, cujas varáves de folga (r 0) e excesso (z 0) referetes às desgualdades foram adcoadas ao problema orgal (.): T T Mmzar c x Mmzar c x Ax = b Ax = b (.2) Sujeto a : Sujeto a : x r = l e x + z = u x l e x u r 0 e z 0 Cosderado o PPL com restrções leares de gualdade e varáves caalzadas (.2), este é redefdo através de um problema de programação ão-lear (PPNL) prmaldual rrestrto expresso a partr da fução lagragaa barrera logarítmca L ( x, w, z, r, y, s) µ : L T T T T µ (,,,,, ) = c x + w ( Ax ) + s ( + r x ) + y ( + z u ) µ l( ) l( ) µ = = (.3) m Em que: w R e y, s R ; s 0, y 0, são as varáves duas do problema e µ > 0 é o parâmetro de barrera ou parâmetro de cetragem. Assm, a partr de (.3), temos as segutes codções de otmaldade de Karush-Kuh-Tucer (KKT) para este problema: T A w + s y = c (.4) Ax = b (.5) x r = l (.6) x + z = u (.7) RSe µ e = 0 (.8) ZYe µ e = 0 (.9) Em que: R, Z, S e Y são matrzes dagoas, respectvamete com r, z, s e y como elemetos dagoas e e = (, K, ) T. Cosderado o problema (.2) e a restrção x r = l, otase que quado l = 0 temos que x = r, desta forma, a codção de otmaldade (.8) pode ser reescrta como: XSe µ e = 0 (.0) em que: X é uma matrz dagoal tedo x como elemetos da dagoal, tal que =,...,. Se um poto ( x, z, w, s, y ) de uma teração correte ão satsfaz as equações de KKT apresetadas de (.4) a (.0), etão gera o resíduo dual g, relacoado à equação (.4), os resíduos prmas t e f, referetes às equações (.5) e (.7), respectvamete, e as folgas complemetares q e v, relacoadas às equações (.9) e (.0), respectvamete. Estes resíduos estão defdos o passo 3, do algortmo da seção 2.3, e serão utlzados o crtéro de parada do método apresetado o passo 2 desse algortmo. A defção de um ovo poto depede dretamete das dreções de movmeto e comprmeto de passo esta dreção, sedo defdo através de:
4 ( + ; + ; + ; + ; + x z w s y ) ( x α P d, z α P d, w α D d, s α D d, y α D d ) x z w s y = (.) P D Em que α > 0, é o comprmeto de passo das varáves prmas e α > 0, é o comprmeto de passo das varáves duas, que são calculados baseado-se em Gravlle (994), o passo 8 do algortmo ctado. As dreções do passo prevsor são determadas cosderado uma aproxmação de prmera ordem das codções de KKT, apresetada de (.4) a (.0) sobre o ovo poto defdo em (.) e serão apresetadas o passo 4 do algortmo da seção 2.3. As dreções do passo corretor, por sua vez, cosderam aproxmações de seguda ordem sobre os resíduos relacoados às codções de complemetardade, q e v, os quas são redefdos utlzado as dreções de busca ( d ; d ; d ; d ; d ), determadas o passo x z w s y prevsor do método, para obter os ovos resíduos do passo corretor q% e v%, vstos o passo 5 do algortmo 2.3, e as ovas dreções do passo corretor ( d% ; d% ; d% ; d% ; d% ),, vstas o passo 6 do algortmo O Método Brach-ad-Boud x z w s y O método brach-ad-boud é um método utlzado para a resolução de problemas de programação lear tera. Este método pode ser esquematzado por uma árvore de busca, tal que a raz represeta o problema orgal e os ós represetam subproblemas crados a partr das ramfcações (partções) do problema relaxado. Os passos que determam o método são apresetados a segur: Avalado o problema: Se a solução ótma ecotrada do problema relaxado for tera, etão esta é solução ótma do problema orgal. Seão, ce a lsta de subproblemas a serem avalados. y y Teste de tegraldade: Testar: x x s < 0,0; < 0,0; s + + z < 0,9; < 0,9. z Segudo Borches e Mtchell (992), uma varável bára do tpo fracoára, que se aproxma da otmaldade, deve ser tegralzada quado + z z + x x e + s s tedem a um e tedem a zero. As compoetes que ão satsfazem este teste de tegraldade devem ser ramfcadas Ramfcação: Para cada x, se x 0,95 (ou tão próxmo de quato for precso) assuma x = e faça x j = 0 para todos restates ( = j + h) e j. Seão faça x = 0. As varáves restates, dferetes de 0 ou, que ada ão atederam o crtéro de tegraldade, e satsfazem o crtéro apresetado dos autores ctados, devem ser ramfcadas, ou seja, dvddas em dos subproblemas: x e x 0, para o íco do processo de separação e ramfcação Seleção do ó: Selecoe um subproblema da lsta e resolva a relaxação correte utlzado o método prevsor-corretor prmal dual de potos terores Avalado os ós: Percorra todos os ós, verfcado a vabldade, tegraldade e otmaldade e assm, determado quas serão podados. A cada poda, é + y y e
5 escolhdo um ovo subproblema em seleção do ó. Se os valores obtdos são fracoáros, uma ova ramfcação é feta, e todos os passos são fetos ovamete Obtedo a solução: Após percorrer todos os ós, a solução que retora o melhor valor factível da fução objetvo, atededo os crtéros de tegraldade, vabldade e otmaldade, é a solução ótma do problema. Neste trabalho, utlzou-se apeas o método brach-ad-boud para a obteção dos resultados, ada sem corporar ao método a geração de plaos de corte brach-ad-cut, que se ecotra em processo de mplemetação, de acordo com o procedmeto proposto a seção 2.4. Desta forma, defem-se os passos do algortmo prevsor-corretor prmal-dual e brach-ad-boud (PDBB) a seção 2.3, detalhado a escolha dos valores cas, cálculo dos resíduos e dreções relacoadas ao passo prevsor e ao passo corretor do método, testes de otmaldade e lmtaredade, determação do comprmeto do passo prmal e dual e a forma de atualzação das varáves. Além dsso, este algortmo é complemetado o passo 0 pelo método brach-ad-boud, que é usado para tegralzar as soluções obtdas pelo método prmal-dual, baseado-se em Bazaara e Shetty (979), Borches e Mtchell (992) e Homem et al. (20) Algortmo prevsor-corretor prmal-dual e brach-ad-boud (PDBB) Passo : Ajustar = 0 e ecotrar uma solução cal ( x ; z ; w ; s ; y ) factível. Seja ε, ε, ε, ε, ε > 0 pequeas tolerâcas postvas auxlares ao passo 2 do algortmo Passo 2: Testar a otmaldade de solução: Se T T T t ε, g c x ( b w g y ) ε, ε, v% < ε, q% < ε, etão pare, a solução 2 T b + c + c x + x, z, w, s, y obtda é ótma, etão vá para o passo 0. Caso cotráro, cotue. Passo 3: Fazer os cálculos termedáros do passo prevsor: t = b Ax, T f = u x z (resíduos prmas); g = c A w s + y (resíduo dual), v = µ e X S e, e q = µ e Y Z e (folgas complemetares); θ ( X S Z Y ), p Z = Y f q + X v ; = + e ( ) Passo 4 : Calcular as dreções d, d, d, d e d do passo prevsor: x z w s y T d = θ ( A d + p g ), T d = X ( v S d ) d = d + f, d = ( Aθ A ) Aθ ( p g ) t x w s x z x w + + e d = Z ( q Y d ). Tal que y z X, Z, S e Y são matrzes dagoas, com x, z, s e y, respectvamete, como seus elemetos dagoas. Passo 5: Fazer os cálculos termedáros do passo corretor (atualzar os termos de seguda ordem das folgas complemetares): v% = µ e X S e D D, e q% = µ e Z Y e D D e. x s z y Em que: D = Dag( d ), D = Dag( d ), D = Dag( d ), e D = Dag( d ). x x s s z z y y Passo 6 : Atualzar as dreções d %, d%, d %, d % e d% do passo corretor : x z w s y T d % = θ ( A d % + p g ) d % ( T = Aθ A ) Aθ ( p g ) t, d d f x w w + + = + % % d% = X ( v% S d% ) e z x s x d% = Z ( q% Y d% ). y z Passo 7: Testar a lmtaredade: Se t = 0, f = 0, d %, d % > 0, e t c d % < 0, etão o x z x problema prmal é lmtado. Se g = 0, d %, d%, d % > 0 e t b d % > 0, etão o problema dual é w s y w lmtado. Se ambos os casos acotecem, etão PARE e vá para o passo 0. Se d %, d%, d %, d %, d % = 0, etão também PARE, x, z, w, s, y são soluções ótmas dos x z w s y problemas prmal e dual, respectvamete. Caso cotráro r para o passo 8.
6 P 2 Passo 8: Calcular os comprmetos dos passos prmal e dual: α m{, α, α } { α 3 α 4 } D α = m,,, em que α x α = m / dx 0, % < dx % = e 2 α z α = m / dz 0, % < dz % 3 α s α = m / ds 0, % 4 α y < α = m / dy 0 ds % % <, em que 0 < α <. dy % Passo 9: Determar uma ova solução: x + = x + α d%, z + = z + α d%, w + = w + α d%, s + = s + α d%, e y + = y + α d% P P D D D x z w s y Atualzar + e r para o passo 2. Passo 0 Itegralzar as soluções utlzado o método brach-ad-boud de acordo com os passos de 2.2. a 2.2.6, apresetados a seção O Método brach-ad-cut O método brach-ad-cut corpora em cada passo do método brach-ad-boud a geração de plaos de corte. A efcêca do método brach-ad-boud depede de quato a solução do problema relaxado está próxma da solução do problema orgal e como ecotrar uma solução vável rapdamete. Se a relaxação é rum, o úmero de ós aumeta, o que mplca em um úmero maor de ramfcações a serem vestgadas. Desta forma, o método de plaos de corte é uma alteratva para melhorar essa relaxação. Assm, o método brach-ad-cut opera da segute forma, para cada ó da árvore brach-ad-boud adcoam-se equações váldas o problema, com o objetvo de elmar soluções fracoáras, baseado-se a heurístca utlzada por Borches e Mtchell (992), e assm melhorar a qualdade dos lmtates em cada ó. Na lteratura, são ecotradas duas maeras dferetes de se abordar o método de potos terores jutamete com o método brach-ad-cut: a prmera, em que o método de potos terores é utlzado a resolução de subproblemas gerados pelo brach-ad-cut, e a seguda, cujo método brach-ad-cut é utlzado após a resolução do método de potos terores, a qual se adapta melhor à resolução dos modelos propostos este trabalho (seção 3). Os procedmetos do método brach-ad-cut são corporados o tem do método brach-ad-boud apresetado a seção 2.2 e o passo 0 do algortmo PDBB da seção 2.3, ou seja, a cada ó selecoado do problema são serdos plaos de corte, baseadose em Mtchell (995), com a teção de dmur o úmero de ós e obter a solução ótma em meos terações. Desta forma, um algortmo que evolve o método prevsor-corretor prmal-dual de potos terores e brach-ad-cut (PDBC) pode ser proposto a partr desta modfcação. Pretede-se mplemetar o algortmo PDBC de tal forma a, resolver o problema relaxado utlzado o método prevsor-corretor prmal-dual de potos terores e em seguda, utlzar o método brach-ad-cut para tegralzar as varáves, e etão obter a solução ótma tera 0- do problema. Pretede-se utlzar este algortmo à resolução dos modelos propostos a seção 3 a segur, comparado o seu desempeho com o algortmo PDBB, o qual fo executado este trabalho.
7 3. Modelagem MatemátcaEquato Secto (Next) 3. Modelo I Mmzação do custo de colheta da caa-de-açúcar O problema cosste em determar quas das varedades devem ser platadas os talhões j de medda L j (ha) e dstâca D j (Km) do cetro de produção (j=,2,...,) e, que ofereça o meor custo possível para o processo de colheta e de trasporte da caa-deaçúcar do campo para a usa. Para formulação do modelo, a área para plato fo dvdda em duas partes, uma parte para plato da caa que será colhda crua (l talhões) e outra para caa que deverá ser quemada a pré-colheta ((-l) talhões), devdo aos dferetes custos para cada tpo de colheta. Para a efcêca do modelo, deve-se satsfazer as restrções de sacarose e de fbra da caa (recomedações da empresa para mater a qualdade da caa e a demada de açúcar e álcool) e usar toda a área destada para o plato da caa (mecazada e sem-mecazada). Este modelo é defdo a segur: l M SM Mmzar CCT = C X + C X j j j j = j= = j= l+ Sujeto a : A X PT ; = j= (2.) F T F X F T; I j S = j= = X j X = 0 ou, =, 2,..., e j =, 2,..., j Em que: CCT é o custo do processo de colheta e trasporte da caa de açúcar; =, 2,..., são os ídces que represetam as varedades, j =, 2,..., são os ídces que represetam os talhões; l é úmero de talhões em que se cosdera o sstema mecazado; M l é o úmero de talhões em que se cosdera o sstema sem-mecazado; C j é o custo da colheta e do trasporte da caa de varedade platada o talhão j ( j =,..., l ), SM o sstema mecazado; C j é o custo da colheta e do trasporte da caa de varedade platada o talhão j ( j = l+,..., ), o sstema sem-mecazado; X j são as varáves de decsão, tas que, X j = mplca que a caa de varedade deve ser platada o talhão j e em caso cotráro X j = 0; A é a estmatva de produção de sacarose da varedade (t/ha); P é a quatdade míma estabelecda para a POL da caa; T é o úmero total de talhões; F é a estmatva do teor de fbra da varedade ; FI e FS são as quatdades mímas e máxmas estabelecdas para a fbra da caa. Com o tuto de utlzar mas varedades, seru-se ao modelo uma restrção que lmta a quatdade que cada tpo de varedade pode ser platada. j = ; j= j (2.2) X M (2.3) Em que: M é o úmero máxmo que cada varedade pode ser platada. 3.2 Modelo II Mmzação do custo de coleta da bomassa resdual de caade-açúcar resultate da colheta em áreas mecazáves Este modelo tem o objetvo de determar quas das varedades devem ser platadas os talhões j de medda L j (ha) e dstâca D j (Km) do cetro de produção e, que
8 ofereça o meor custo possível para o processo de trasferêca do palhço do campo para o cetro de processameto. Segudo Floreto (2006) e Homem (200), este custo (CC j ) é calculado pela soma do custo evolvdo o processo de elerar, compactar e carregar o camhão com o palhço da varedade (C ) e o custo de trasporte (CT j ), multplcada à área do talhão j (L j ). Além dsso, é ecessáro que as restrções de demada de sacarose e fbra, área de plato, e o plato de apeas uma varedade de caa-de-açúcar por talhão sejam ateddas, como o modelo ateror. Desta forma, o modelo é defdo a segur: Mmzar CC X (2.4) Sujeto a: Restrções (2.2) Cosdera-se CC j é o custo de coleta do palhço da caa de varedade platada o talhão j, e as restrções (2.2) são defdas a seção Modelo III Maxmzação do balaço de eerga para o aprovetameto do palhço resultate da colheta em áreas mecazáves Com este modelo pretede-se determar quas das varedades de caa-de-açúcar devem ser platadas os talhões j de área L j (ha) e dstâca D j (Km)da usa, que o produza o máxmo balaço de eerga o seu aprovetameto. Este balaço é calculado pela dfereça etre a eerga proveete do palhço da varedade platada o talhão j (EB j ) e a eerga gasta a trasferêca palhço da varedade platada o talhão j (ET Bj ) que é a soma das eergas gastas para elerar e compactar (E ECj ), carregar (E Cj ) e trasportar esta bomassa (E Tj ), coforme Floreto (2006) e Floreto (20). Assm como o modelo ateror, este problema cosdera as restrções de demada de sacarose e fbra de caa, uso total da área destada ao plato, e o plato de apeas uma varedade de caa-de-açúcar por talhão. A segur, o modelo é defdo. Maxmzar = j= = j= j j j BE X (2.5) Sujeto a: Restrções (2.2) Em que BE j é o cálculo do balaço de eerga o aprovetameto do palhço de caa produzdo da varedade o talhão j, e as restrções (2.2) são defdas a seção Modelo IV Modelo Multobjetvo Este modelo cosste em determar quas das varedades de caa-de-açúcar devem ser platadas os talhões de área L j (ha) e dstâca D j (Km) da usa, que vestgue, smultaeamete, o mímo custo total de colheta da caa-de-açúcar e coleta de resíduos e o máxmo balaço de eerga o aprovetameto de resíduos resultates da colheta em áreas mecazáves, os quas têm objetvos cofltates, levado em cosderação restrções como quatdade de produção de sacarose e fbra de caa-de-açúcar, uso total da área destada ao plato e o plato de apeas uma varedade de caa-de-açúcar por talhão. O modelo matemátco é defdo por: Mmzar ( CT;( ) BET ) (2.6) Sujeto a: Restrções (2.2) Em que CT é o custo total gasto pela usa a colheta da caa-de-açúcar e a coleta de seus resíduos, cosderado as áreas mecazáves e sem-mecazáves, que é expresso por l M M SM SM CT = ( C + CC ) X + ( C + CC ) + X ; tal que j j j j j j = j= = j= l+ j M CC é o custo de coleta j SM de resíduos que cosdera somete as áreas mecazáves, aalogamete, CC cosdera j áreas sem-mecazáves; BET é o balaço de eerga total o aprovetameto de resíduos da
9 caa-de-açúcar, que é expresso por BET BE X BE X ; tal que BE = l M SM + j j j j = j= = j= l+ M j é o balaço de eerga o processo de aprovetameto dos resíduos, porém cosdera apeas as áreas SM mecazáves, aalogamete BE cosdera somete as áreas sem-mecazáves; e as j restrções (2.2) são defdas o modelo de mmzação do custo de coleta da bomassa resdual da caa-de-açúcar, a seção Problema moo-objetvo Estratéga da soma poderada Geralmete, os modelos multobjetvo são de dfícl resolução e a maora das vezes exgem a terveção do usuáro para a determação de soluções satsfatóras (efcetes). Assm, para a resolução deste modelo multobjetvo, será utlzada a estratéga de otmzação cohecda por Otmaldade de Pareto, apresetada em Deb (2004), que utlza o método da soma poderada (α-parametrzado), como estratéga de resolução. Desta forma, o modelo multobjetvo é redefdo, utlzado esta estratéga, através do segute problema mooobjetvo: Mmzar αct ( α) BET (2.7) em que 0 α. 4. RESULTADOS ( ) Sujeto a: Restrções (2.2) Para a obteção de resultados, o algortmo prevsor-corretor prmal-dual e brachad-boud (PDBB), vsto a seção 2., fo mplemetado o software Borlad C++ Bulder 6.0. Assm, fo possível fazer a aplcação do método PDBB ao modelo multobjetvo vestgado referete à mmzação dos custos de colheta de caa-de-açúcar e coleta de resíduos, e à maxmzação de eerga relatva ao aprovetameto de resíduos, apresetado a seção 3.2, e etão, obter as soluções ótmas. Com o tuto de valdar estas soluções, compará-las com os resultados obtdos pelo aplcatvo Solver do software Excel. Para os cálculos referetes ao modelo multobjetvo vestgado, utlzou-se os dados apresetados por Floreto (2006), Lma (2009), Homem (200), Ramos (200) e Slva (20). E ada, para a aplcação do método PDBB aos modelos apresetados a seção 3, foram defdos os talhões 3 e para áreas sem-mecazáves, e os demas para as áreas mecazáves. 4. Modelo I Mmzação do custo de colheta da caa-de-açúcar A tabela apreseta os resultados reas e teros obtdos a partr da aplcação do algortmo PDBB, proposto a seção 2., para o modelo de mmzação do custo de colheta de caa-de-açúcar, vsto a seção 3.. O valor da fução objetvo ecotrada pelo método PDBB obtdos pelos passos de a 9, em 2 terações, é de aproxmadamete R$43.395, Após a tegralzação das varáves, através do passo 0 do método em 9 terações, obteve-se uma melhora o custo da mmzação da colheta, que passou a ser: R$ R$ , , e determou o plato das varedades apresetadas a colua Passo 0 Método PDBB.
10 Tabela : Resultados obtdos a partr da mplemetação do método PDBB 4.2 Modelo II Mmzação do custo de coleta da bomassa resdual de caade-açúcar resultate da colheta em áreas mecazáves A tabela 2 apreseta os resultados obtdos a partr da aplcação do algortmo PDBB, proposto a seção 2., para o modelo de mmzação do custo de coleta da bomassa resdual de caa-de-açúcar, vsto a seção 3.2. O valor da fução objetvo ecotrada pelo método PDBB obtdos pelos passos de a 9, em 9 terações, é de aproxmadamete R$36.25, Após a tegralzação, em uma úca teração, pelo passo 0 do método, o valor ótmo ecotrado fo de R$36.88, , determado o plato das varedades dcadas pela colua Passo 0 Método PDBB. Tabela 2: Resultados obtdos a partr da mplemetação do método PDBB 4.3 Modelo III Maxmzação do balaço de eerga para o aprovetameto do palhço resultate da colheta em áreas mecazáves Os resultados, apresetados pela tabela 3, são obtdos a partr da aplcação do algortmo PDBB, proposto a seção 2., o modelo de maxmzação do balaço de eerga
11 para o aprovetameto do palhço resultate da colheta mecazável, vsto a seção 3.3. O valor da fução objetvo ecotrada pelo método PDBB obtdo pelos passos de a 9, em terações, é de aproxmadamete R$29608, Após a tegralzação, em uma úca teração, pelo passo 0 do método, o valor ótmo ecotrado fo de R$29665,6737, e somete determado o plato da varedade 2. Tabela 3: Resultados obtdos a partr da mplemetação do método PDBB 4.4 Problemas moo-objetvo A partr da aplcação do método PDBB vsto a seção 2.3, pode-se obter um cojuto de soluções efcetes para o problema da seção 3.4., utlzado para vestgar soluções para o modelo multobjetvo apresetado a seção 3.4. Os resultados são apresetados por gráfcos que represetam a relação etre os valores de custo e balaço total, a partr da varação de α [0,], utlzado a estratéga de resolução de subproblemas moo-objetvo evolvedo a soma poderada das fuções objetvo, apresetada a seção A segur, é apresetada a curva de soluções efcetes referetes à aplcação do método PDBB ao problema (2.7): FIGURA : Gráfco que represeta as soluções efcetes do problema mooobjetvo (2.7) Cosderado a restrção (2.3) acrescda ao problema (2.7), tem-se um ovo problema, o qual, esta restrção mpede que uma varedade, seja platada em todos os talhões, ou a maora deles. Neste caso, a aplcação do método PDBB ao problema
12 reformulado determa um cojuto de soluções efcetes represetadas a curva de Pareto vsta a fgura 2. FIGURA 2: Gráfco que represeta as soluções efcetes do problema mooobjetvo (2.7) com restrção da varedades para plato (2.3) Os objetvos de mmzar o custo total e maxmzar o balaço de eerga são cofltates, assm, melhorar um dos objetvos mplca em porar o outro, como é vsto a curva de soluções efcetes apresetada as fguras e 2. As soluções obtdas através da poderação realzada sobre as fuções objetvo, chamadas soluções efcetes, são de teresse, pos formam ao produtor a determação das varedades a serem platadas, de modo a ateder o mometo ecoômco de sua empresa. Note que, os valores das fuções objetvo aumetaram, quado comparamos as fguras e 2. Isso acotece devdo ao fato de se corporar ao problema (3.), a restrção (2.3) relacoada ao cotrole do úmero de varedades que se repetem para o plato os talhões, e como a varedade mas barata ão pode ser platada em todos os talhões ou a maora deles, sto mplca dretamete o aumeto do custo de produção. Todos os resultados obtdos pelo método PDBB foram comparados com aqueles apresetados pelo aplcatvo Solver do software Excel. A partr desta comparação, pode-se coclur que ambos determam as mesmas varedades a serem platadas os talhões, e em relação aos valores das fuções objetvos, obtêm os mesmos resultados, se dferecado apeas a partr da quta ou sexta casa decmal. 5. CONSIDERAÇÕES FINAIS Neste trabalho, desevolveu-se um procedmeto híbrdo que evolve os métodos prevsor-corretor prmal-dual de potos terores e brach-ad-boud para aplcação em problemas de programação lear tera 0-, relacoados aos segutes modelos: I - mmzação do custo da colheta da caa-de-açúcar, que cosdera áreas mecazáves e sem-mecazáves, apresetado por Slva (20), II - mmzação da coleta da bomassa resdual, e III - maxmzação do balaço de eerga, cosderado apeas áreas mecazáves, apresetados por Floreto (2006), Floreto (20) e Homem (200); e o IV - modelo multobjetvo, assocado ao cultvo da caa-de-açúcar, com os objetvos cofltates de, mmzar o custo total de cultvo e maxmzar o balaço de eerga relatvo à bomassa resdual do processo. O algortmo PDBB fo mplemetado através do software Borlad C++ Bulder 6.0, aplcado aos problemas destacados, obtedo soluções ótmas para o os modelos I, II, e III, apresetados a seção 3., 3.2 e 3.3, respectvamete. As soluções obtdas pelo algortmo
13 PDBB para o modelo multobjetvo são efcetes (ão-domadas), ou seja, são soluções ótmas o setdo de Pareto. Estas foram comparadas com aquelas determadas pelo aplcatvo Solver, do software Excel. Assm, os resultados obtdos para um caso específco de dezesses talhões e dez varedades, revelaram o bom desempeho do método híbrdo proposto, mostrado a vabldade de se utlzar esta técca de otmzação para auxlar as usas a seleção de varedades a serem platadas, de tal forma a otmzar o processo, respetado-se as restrções de produção caracterzadas os modelos. No trabalho fo proposto também uma extesão do método PDBB cosderado a clusão do método brach-ad-cut o algortmo ctado, o qual fo deomado de algortmo PDBC. Desta forma, pretede-se mplemetar e testar este algortmo à resolução dos modelos de cultvo e de aprovetameto da bomassa resdual da caa-de-açúcar para comparar o desempeho deste com o algortmo PDBB, o qual fo executado este trabalho. REFERÊNCIAS BIBLIOGRÁFICAS BAZARAA, M. S.; SHETTY, C., Nolear Programmg: Theory ad Algorthms. Joh- Wlley & Sos, Ic., 979. BORCHES, B.; MITCHELL, J. E., Usg a teror pot method a brach ad boud algorthm for teger programmg. Techcal Report 95, Mathematcal Sceces, Resselaer Polytechc Isttute, Troy, NY 280, March 99, Revsed July 7, 992. DEB, K., Mult-objectve optmzato usg evolutoary algorthms. Joh-Wlley & Sos Ltda., FLORENTINO, H. O., Programação lear tera em problemas de aprovetameto da bomassa resdual de colheta da caa-de-açúcar. 64f. Tese (Lvre Docêca) Isttuto de Bocêcas de Botucatu, Uversdade Estadual Paulsta, Botucatu, SP, FLORENTINO, H. O.; LIMA, A. D; CARVALHO L.; BALBO, A. R.; HOMEM, T. P. D., Multobjectve 0- teger programmg for the use of sugarcae resdual bomass eergy cogeerato. Iteratoal Trasactos Operatoal Research, v.8, p , 20. HOMEM, T. P. D., Procedmeto híbrdo evolvedo os métodos Prmal-Dual de Potos Iterores e Brach-ad-Boud em problemas multobjetvo de aprovetameto de resíduos de caa-de-açúcar. Dssertação (Mestrado em Egehara Elétrca), Faculdade de Egehara, Uversdade Estadual Paulsta. Bauru, 200. IBGE Isttuto Braslero de Geografa e Estatístca, Levatameto Sstemátco da Produção Agrícola. Cofroto das safras de 20 e 202 Brasl Feverero de dspoível em 20 de março de 202. LIMA, A. D., Otmzação do aprovetameto do palhço de caa-de-açúcar. Tese (Doutorado em Eerga a Agrcultura), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta, Botucatu, SP, 2009.
14 MITCHELL, J. E., Fxg varables ad geeratg classcal cuttg plaes whe usg a teror pot brach ad cut method to solve teger programmg problems, 995. PELLEGRINI, M. C., Iserção de cetras cogeradoras a bagaço de caa o parque eergétco do Estado de São Paulo: exemplo de aplcação de metodologa para aálse dos aspectos locacoas e de tegração eergétca. Dssertação (Mestrado em Eerga), Uversdade de São Paulo, São Paulo, SP, RAMOS, R. P., Modelo matemátco para custo e eerga a produção de açúcar e álcool. Dssertação (Mestrado em Agrooma/Eerga a Agrcultura), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta. Botucatu, 200. RIPOLI, T. C. C. RIPOLI, M. L. C. (2004), Bomassa de caa-de-açúcar: colheta, eerga e ambete. Praccaba SP. SILVA, L. M., Algortmo Geétco a Otmzação do Custo de Colheta e de Trasporte da Caa-de-Açúcar. Dssertação (Mestrado em Bometra), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta. Botucatu, 20. TOLENTINO, G., Programação Lear Itera Aplcada ao Aprovetameto do Palhço da Caa-de-Açúcar. Dssertação (Mestrado em Agrooma/Eerga a Agrcultura), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta, Botucatu, SP, WU, Y. C., DEBS, A. S. E MARSTEN, R. E., A Drect Nolear Predctor-Corrector Prmal-Dual Iteror Pot Algorthm for Optmal Power Flows. IEEE Trasactos o Power Systems, 9, No.2, , 994.
UM MÉTODO HÍBRIDO ENVOLVENDO OS MÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND EM PROBLEMAS MULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR
U ÉTODO HÍBRIDO ENVOLVENDO OS ÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND E PROBLEAS ULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR Camla de Lma Programa de Pós-Graduação em Egehara Elétrca, FEB,
Leia maisMétodos Híbridos de Pontos Interiores, Branch-and-Bound,
Métodos Híbrdos de Potos Iterores, Brach-ad-Boud, da Soma Poderada e ε-restrto Caalzado em Problemas Multobjetvo para Produção de Caa-de-Açúcar e de Bomassa Mara Laura Parra Spaguolo de Souza Programa
Leia maisI Seminário da Pós-graduação em Engenharia Elétrica
MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES EM PROBLEMAS DE DESPACHO ECONÔMICO COM RESTRIÇÃO AMBIENTAL Améla de Lorea Staza Alua do Programa de Pós-Graduação em Egehara Elétrca Uesp Bauru Prof. Dr. Atôo Roberto
Leia maisMétodo híbrido de pontos interiores e branch-and-bound aplicado ao problema multiobjetivo de aproveitamento de resíduos da
Método híbrdo de pontos nterores e branch-and-bound aplcado ao problema multobjetvo de aprovetamento de resíduos da cana-de-açúcar Camla de Lma, Antono Roberto Balbo, Departamento de Matemátca, Faculdade
Leia maisMétodos de pontos interiores com estratégia de barreira logarítmica modificada em problemas multiobjetivo de despacho econômico e ambiental
Métodos de potos terores com estratéga de barrera logarítmca modfcada em problemas multobetvo de despacho ecoômco e ambetal Améla de Lorea Staza Atoo Roberto Balbo Leoardo Nepomuceo Edméa Cássa Baptsta
Leia maisAplicação de um método híbrido de pontos interiores e branch-and-bound em problemas de minimização de custo de colheita da cana-de-açúcar
Aplcação de um método híbrdo de pontos nterores e branch-and-bound em problemas de mnmzação de custo de colheta da cana-de-açúcar Camla de Lma 1, Antono Roberto Balbo 2, Helence de Olvera Florentno Slva
Leia maisMINIMIZAÇÃO DO CUSTO DE RECOLHIMENTO DO PALHIÇO DA CANA-DE-AÇÚCAR
MINIMIZAÇÃO DO CUSTO DE RECOLHIMENTO DO PALHIÇO DA CANA-DE-AÇÚCAR Helece de Olvera Floreto Departameto de Boestatístca Isttuto de Bocêcas - Uversdade Estadual Paulsta Resumo A atual preocupação com o meo
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia mais8 Programação linear 78
8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos
Leia maisUM MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES E EXTERIORES BARREIRA LOGARÍTMICA MODIFICADA COM ESTRATÉGIAS DE EXTRAPOLAÇÃO CÚBICA E CONVERGÊNCIA GLOBAL.
Blucher Mechacal Egeerg Proceedgs May 4, vol., um. www.proceedgs.blucher.com.br/eveto/wccm UM MÉODO PRIMAL-DUAL DE PONOS INERIORES E EXERIORES BARREIRA LOGARÍMICA MODIFICADA COM ESRAÉGIAS DE EXRAPOLAÇÃO
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisDepto. de Matemática, Faculdade de Ciências FC/UNESP. CEP: , Bauru, SP.
September -8, Ro de Jaero, Brazl UM MÉODO PRIMAL-DUAL DE PONOS INERIORES BARREIRA LOGARÍMICA MODIFICADA COM ESRAÉGIAS DE AJUSE CÚBICO E DE CONVERGÊNCIA GLOBAL PARA PROGRAMAÇÃO NÃO-LINEAR E NÃO- CONVEXA.
Leia mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisRESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS
RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS Robso Hoto Uversdade Estadual de Lodra, CCE, Departameto de Matemátca CEP 8605-970, CP 600, foe (43) 337 450, hoto@uel.br Campus Uverstáro, Lodra, PR, Brasl
Leia maisPROGRAMAÇÃO MATEMÁTICA FUZZY APLICADA AO PROBLEMA DE MINIMIZAÇÃO DE RESÍDUOS DA COLHEITA DE CANA-DE-AÇÚCAR
PROGRAMAÇÃO MATEMÁTICA FUZZY APLICADA AO PROBLEMA DE MINIMIZAÇÃO DE RESÍDUOS DA COLHEITA DE CANA-DE-AÇÚCAR Luza Amala Pto Catão Departameto de Egehara Ambetal Uversdade Estadual Paulsta UNESP Av. Três
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia mais(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0
EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisEstabilidade no Domínio da Freqüência
Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;
Leia maisXLVI Pesquisa Operacional na Gestão da Segurança Pública
XLVI Pesqusa Operacoal a Gestão da Seguraça Públca DISPOSIÇÃO DE FACILIDADES EM FILA DUPLA VIA PROGRAMAÇÃO INTEIRA MISTA Leoardo D. Secch Departameto de Matemátca Aplcada, UFES, 29932-540, São Mateus,
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisAlgoritmo Evolução Diferencial Adaptado para o Problema das P-Medianas
Proceedg Seres of the Brazla Socety of Appled ad Computatoal Mathematcs, Vol. 2, N., 204. Trabalho apresetado o CMAC-Sul, Curtba-PR, 204. Algortmo Evolução Dferecal Adaptado para o Problema das P-Medaas
Leia mais1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)
Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem
Leia maisComplexidade Computacional da Determinação da Correspondência entre Imagens
Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisProjeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão
Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.
Leia maisIntrodução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares
Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado
Leia maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisA REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes
Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisApostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Leia maisArquitetura da ART Controle 1 Controle 2
Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisSumário. Mecânica. Sistemas de partículas
Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -
Leia maisBruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação
Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;
Leia maisXLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL
Porto de Galnhas, Pernambuco-PE Métodos Híbrdos de Pontos Interores, Branch-and-Bound, da Soma Ponderada e ε-restrto Canalzado em Problemas Multobjetvo para Produção de Cana-de-Açúcar e de Bomassa Mara
Leia mais16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:
6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Leia mais4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos
4 éccas de Seleção de Característcas Idepedetes do Modelo para os Sstemas Neuro-Fuzzy Herárqucos 4. Itrodução Na maora das aplcações reas de classfcação, prevsão e otmzação, as bases de dados cotém um
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisCapítulo V - Interpolação Polinomial
Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisKEYWORDS. Predictor-Corrector Primal-Dual Method, Modified Barrier, Environmental and Economic Dispatch. Main area (PM - Mathematical Programming)
September 4-8 Ro e Jaero Brazl MÉTODO PROCEDIMENTO PREVISOR-CORRETOR PRIMAL-DUAL DE PONTOS INTERIORES COM PROCEDIMENTO BARREIRA MODIFICADA EM PROBLEMAS MULTIOBJETIVO DE DESPACHO ECONÔMICO E AMBIENTAL Améla
Leia maisCAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA
Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),
Leia mais2. NOÇÕES MATEMÁTICAS
. NOÇÕES MATEMÁTICAS Este capítulo retoma algumas oções matemátcas ecessáras para uma boa compreesão de algus aspectos que serão mecoados e detalhados o presete trabalho. Algus destes aspectos podem abstrar
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia mais3 Sistema Neuro-Fuzzy Hierárquico BSP (NFHB)
3 Sstema Neuro-Fuzzy Herárquco BSP (NFHB) 3.. Itrodução Os sstemas euro-fuzzy descrtos a seção ateror possuem lmtações por terem uma capacdade reduzda de cração de sua própra estrutura e de receberem um
Leia maisA PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA
Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Adre Gadolpho Uversdade Católca de Petrópols alvesga@gbl.com.br Rcardo
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisNoções Básicas de Medidas e Algarismos Significativos
Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos
Leia maisCapitulo 1 Resolução de Exercícios
S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes
Leia mais16 - PROBLEMA DO TRANSPORTE
Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,
Leia maisCentro de massa, momento linear de sistemas de partículas e colisões
Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,
Leia maisMUDANÇAS ESTRUTURAIS NA ECONOMIA MINEIRA: UMA ANÁLISE DE INSUMO-PRODUTO PARA O PERÍODO
MUDANÇAS ESTRUTURAIS NA ECONOMIA MINEIRA: UMA ANÁLISE DE INSUMO-PRODUTO PARA O PERÍODO 996 3 Rafael Moras de Souza Mestre em Ecooma Aplcada FEA/UFJF Faculdade de Ecooma e Admstração Uversdade Federal de
Leia mais( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.
PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisUso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii
Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho
Leia maisn. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.
5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte
Leia maisIvan G. Peyré Tartaruga. 1 Metodologia espacial
RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO
Revsta del Isttuto Chleo de Ivestgacó Operatva 2(202) 30-35 30 ALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO V.S.M. Campos, A.G.C. Perera 2, L.A.Carlos 3
Leia maisDetermine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.
ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,
Leia maisOtimização do Despacho Econômico de Energia Elétrica usando uma Combinação de Evolução Diferencial e Programação Quadrática Seqüencial
Otmzação do Despacho Ecoômco de Eerga Elétrca usado uma Combação de Evolução Dferecal e Programação Quadrátca Seqüecal Leadro dos Satos Coelho e Vvaa Cocco Mara Potfíca Uversdade Católca do Paraá rupo
Leia maisRepresentação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)
7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisOSVALDO INAREJOS FILHO SOBRE A NÃO-LINEARIDADE DO PROBLEMA DA MOCHILA COMPARTIMENTADA
OSVALDO INAREJOS FILHO SOBRE A NÃO-LINEARIDADE DO PROBLEMA DA MOCHILA COMPARTIMENTADA Lodra 205 OSVALDO INAREJOS FILHO SOBRE A NÃO-LINEARIDADE DO PROBLEMA DA MOCHILA COMPARTIMENTADA Dssertação de mestrado
Leia mais