PROBLEMAS DE SELEÇÃO DE UNIDADES DE CONSERVAÇÃO AMBIENTAL COM BUSCA TABU
|
|
- Miguel Bento Peixoto
- 8 Há anos
- Visualizações:
Transcrição
1 PROBLEMAS DE SELEÇÃO DE UNIDADES DE CONSERVAÇÃO AMBIENTAL COM BUSCA TABU Sibelius Lellis Vieira Departamento de Computação e Mestrado em Ciências Ambientais Universidade Católica de Goiás sibelius@ucg.br Geraldo Valeriano Ribeiro Departamento de Computação Universidade Católica de Goiás geraldovalerianoribeiro@yahoo.com.br Elma Santos Pereira Departamento de Computação Universidade Católica de Goiás elmaps@gmail.com Fabrícia Neres Borges Departamento de Computação Universidade Católica de Goiás fabricia.neres@gmail.com RESUMO A seleção de unidades de conservação ambiental é vista como uma medida chave para deter a perda da biodiversidade das espécies, mas a quantidade de unidades a ser selecionada é limitada por questões econômicas. Para atender aos requisitos de flexibilidade e rapidez necessários aos gestores ambientais no processo de tomada de decisão, as técnicas que utilizam metaheurísticas são as mais indicadas para o tratamento desses problemas. Neste trabalho, investigamos como as metaheurísticas podem auxiliar na seleção das unidades que permitem a preservação representativa das espécies. Procuramos especificar e testar a utilização do algoritmo Busca Tabu para a solução de problemas de seleção de unidades com restrições de custo e/ou área preservada. Identificamos os aspectos importantes dos parâmetros dessa metaheurística e ilustramos sua aplicação em problemas reais de conservação de anuros do cerrado. PALAVRAS CHAVE. Busca tabu, metaheurísticas, planejamento ambiental. Aplicações Agropecuárias e Meio Ambiente. ABSTRACT Protection of land areas as nature reserves is considered a key measure for stemming the loss of biodiversity but the resources that can be devoted to the establishment of reserves are limited. In order to satisfy the requirements of flexibility and speed, the solution approach has to make efficient use of available resources and should be used interactively by conservation decision makers. In this work, we investigate the use of metaheuristics approach as a method to deal with the reserve selection problem in a way that important species can be preserved. We have specified and tested a Tabu search routine to solve the problem of reserve selection with cost restrictions. Using this method, we were able to identify the parameters to tune the algorithm and illustrate its application in real conservation problems of anura in the Brazilian cerrado. [ 1111 ]
2 KEYWORDS. Tabu search, Metaheuristics, Environmental planning. Applications in Agriculture and Environment. 1. Introdução Uma medida chave considerada fundamental para deter a perda de biodiversidade que ocorre atualmente de forma global é a alocação de regiões geográficas selecionadas na forma de redes de unidades de conservação (Cabeza and Moilanem 2001). Em parte essa perda ocorre em razão da conversão de áreas metropolitanas abertas em espaços com utilidades variadas, acarretando redução na quantidade e qualidade de áreas naturais e redução das espécies que nelas se encontram (Shyder, Haight and ReVelle 2004). Áreas a princípio conservadas estão sendo convertidas em áreas aráveis ou urbanizadas, reduzindo sucessivamente as opções de conservação. Um sistema de proteção de áreas naturais baseado na formação de redes de unidades de conservação é uma forma mais adequada para se reduzir a perda da biodiversidade associada com a conversão de áreas. Entretanto, os recursos que podem ser destinados para o estabelecimento dessas unidades de conservação são limitados. Dadas essas circunstâncias, é importante que os recursos para a conservação sejam utilizados da forma mais eficiente possível quando novas reservas são estabelecidas (Possingham, Ball and Andelman 2000). Um critério importante para um sistema de unidades de conservação é que ele represente tanto quanto possível a biodiversidade disponível. Por esse critério, o sistema deveria conter pelo menos um determinado número de exemplares de cada tipo de vegetação e/ou de população de determinadas espécies dentro da região de interesse. Como existem restrições na quantidade da área para a reserva, é prudente se proceder a seleção de reservas de tal modo que se atinja a representação da biodiversidade com um custo adequado (Possingham, Ball and Andelman 2000). Na maioria das vezes a prática da conservação têm sido de forma não sistemática e a seleção das unidades é freqüentemente realizada de forma a não maximizar a representação das espécies ou de tipos de habitats existentes. Em várias situações, os gestores ambientais são levados a tomar decisões urgentes em situações que representem um dano biológico iminente em face de alterações em áreas geográficas, tornando o problema de seleção como um todo menos importante. Esta abordagem é geralmente denominada seleção de reservas ad hoc, tendo como implicação uma seleção descoordenada e com resultados que não atingem a melhor preservação da biodiversidade. O uso de métodos sistemáticos para a seleção de unidades, baseado em modelos matemáticos e computacionais tem, portanto, vantagens importantes quando comparado com a seleção ad hoc. Uma vez que o método procura extrair o valor máximo dos recursos disponíveis, a perspectiva de se obter um determinado objetivo de conservação com um mínimo de recursos é melhor e a solução resultante tem mais condições de ser defendida em face das pressões para o aumento de áreas loteáveis. Além disto, no sentido de se realizar uma modelagem sistemática, é necessário que se tenha uma visão clara dos objetivos da conservação (Rodrigues and Gaston 2002). Os algoritmos de seleção de reservas são métodos computacionais sistemáticos que foram desenvolvidos para identificar um conjunto de reservas ou unidades de conservação que possam maximizar a biodiversidade, ou um conjunto de espécies que possa ser preservado, dado uma quantidade de recursos disponíveis (Possingham, Ball and Andelman 2000). Estes métodos utilizam as ferramentas da pesquisa operacional, que permitem a especificação do problema na forma de um problema de programação inteira. Embora os métodos de programação inteira possam fornecer soluções que garantam a solução ótima, freqüentemente isto pode não ser conveniente. Por um lado, estes métodos, tais como o Branch-and-bound, requerem um tempo de computação inaceitável para problemas reais, que apresentam situações com centenas de espécies e reservas em potencial. Por outro lado, do ponto de vista prático, existe a necessidade de se visualizar diversas soluções que podem estar próximas da solução ótima, mas que traduzem restrições subjetivas do problema. Portanto, a ênfase atual para o tratamento do problema [ 1112 ]
3 consiste menos na exatidão da solução e mais na flexibilidade de se encontrar e analisar soluções boas que podem ser obtidas rapidamente e que servem como base para o processo de tomada de decisão por parte dos gestores ambientais (Leslie, Ruckelshaus, Balls, Andelman and Possingham 2003). Uma das formas alternativas de se resolver esse problema é a utilização de heurísticas que procuram selecionar as reservas de modo iterativo e de acordo com as regras ambiciosas. Uma característica comum no uso de heurísticas é tentar obter a complementaridade e evitar redundância ou excesso de representação, levando-se em conta as espécies já cobertas em iterações anteriores (Pressey and Cowling 2001). Infelizmente, esses métodos têm suas desvantagens, sendo a mais importante a impossibilidade de se garantir o quão boa é a solução encontrada. Estudos prévios indicam que os métodos heurísticos podem apresentar soluções entre 5 a 20 % piores do que a solução ótima (Leslie, Ruckelshaus, Balls, Andelman and Possingham 2003). Uma outra alternativa mais interessante é a utilização de metaheurísticas, que apresentam uma boa solução de compromisso: estes métodos podem lidar de forma relativamente rápida com o problema, mesmo com aqueles que podem vir a ser formulados de forma mais complexa, e ao mesmo tempo suas soluções são bem melhores do que as geradas pelas heurísticas conhecidas. Estas técnicas utilizam buscas aleatórias no espaço de soluções e podem ser aplicadas para vários tipos de problemas diferentes. Vários problemas de otimização têm sido solucionados com sucesso utilizando as metaheurísticas. As técnicas de Simulated Annealing e Busca Tabu são dois dos métodos muito comuns empregados como metaheurísticas, com bons resultados para problemas de combinatória ( Blum and Roli 2003). O Busca Tabu se baseia em uma procura inteligente no espaço de soluções, baseada na intensificação da exploração de regiões de boas soluções e na diversificação da procura. O método parte do princípio de que os problemas de otimização são mais bem resolvidos quando incorporadas a eles algumas estratégias inteligentes baseadas em processos implícitos e explícitos de aprendizagem (Glover and Laguna 1997). Neste trabalho, procuramos formular e analisar a aplicação do Busca Tabu ao problema de seleção de reserva de áreas com o objetivo de maximizar a biodiversidade e ao mesmo tempo satisfazer restrições de recursos máximos disponíveis. Vamos considerar que as restrições dos recursos imponham um número máximo de reservas ou unidades de conservação disponíveis, e procuramos maximizar a representação das espécies levando-se em conta a prioridade de cada espécie preservada. Investigamos a relação entre o número de espécies preservadas e outros parâmetros básicos do sistema, através da aplicação a um problema real de conservação no cerrado. Esta abordagem permite ao gestor ambiental uma visão flexível e incremental do processo de seleção. No restante do artigo, apresentamos a descrição do problema de maximização de biodiversidade com priorização de espécies e restrições de custo do sistema de unidades através do formalismo da programação linear inteira e discutimos as possíveis formas de resolução do mesmo. Descrevemos o método de Busca Tabu, realçando os parâmetros que devem ser ajustados para cada tipo de problema. Estes modelos são aplicados em exemplos hipotéticos, para extrair as informações necessárias no ajuste do método de Busca Tabu. Além dos exemplos hipotéticos, descrevemos os cenários reais para os quais esta abordagem foi desenvolvida. Apresentamos os resultados, aplicados tanto aos cenários hipotéticos quanto aos cenários reais. Algumas considerações sobre os desafios correntes e futuras direções são também apresentadas. 2. Materiais O problema de seleção de reservas busca minimizar o uso de recursos em relação ao custo da reserva, enquanto assegura que as metas de conservação sejam atingidas. Este custo pode ser associado a área da reserva, ao número de reservas ou a alguma outra variável associada à reserva. A magnitude das metas de conservação pode ser baseada em informações biológicas ou de legislação, ou mesmo levando em conta considerações sócio-ambientais (áreas de recreação). Em geral, os problemas de seleção de reservas podem ser formulados através de um modelo de [ 1113 ]
4 programação inteira 0-1. Por exemplo, pode-se minimizar o número ou custo total do sistema para garantir a preservação da biodiversidade total, de tal maneira que todas as espécies estejam representadas no sistema. Este problema é conhecido em pesquisa operacional como o problema de cobertura de conjuntos e tem aplicações em vários campos (Church, Stoms and Davis 1996, Garey and Johnson 1979). O que se observa na prática do processo de seleção de reservas é que, dado um conjunto de recursos financeiros que permitem a seleção de um número de reservas, restringido muitas vezes por questões de ordem sócio-econômicas, procura-se obter a melhor preservação da biodiversidade. Para o caso considerado neste trabalho, isto implica em maximizar o número de espécies a serem preservadas (Williams and ReVelle 1997). Esta formulação pode permitir que as soluções possam ser aplicadas de forma a planejar a seleção em períodos, e não de uma única vez. Neste trabalho, considera-se que cada espécie possa ter uma importância ou prioridade diferenciada no processo de preservação e que esta importância é expressa matematicamente através de um parâmetro de prioridade Formulação do problema O problema consiste em maximizar o número de espécies ponderado pelas prioridades das espécies, dadas as restrições de representação das espécies e número de reservas máximo. A notação básica do problema está descrita na Tabela 1. Este problema é apresentado nas Eqs. 1, 2 e 3 abaixo: Maximize i Є μ P i Y i (1) Sujeito à j Є η A ij X j Y i para i = 1,..,M (2) j Є η X j = Q (3) X j Є {0,1} para j = 1,..,N Y i Є {0,1} para i = 1,..,M Na Eq. (1) expressamos a necessidade de maximizar o número de espécies, onde Y i é uma variável inteira 0-1 que indica se a espécie i é adequadamente representada no sistema de reservas e P i indica a prioridade de se preservar a espécie i. A restrição que indica que a espécie i só pode ser preservada se estiver presente em uma das reservas é dada pela Eq. (2) e na Eq. (3) o número máximo de sítios que se tornarão reservas é limitado ao valor Q, sendo X j a variável 0-1 que indica se o sítio j será ou não selecionada para reserva. A solução de problemas de otimização tais como esse pode envolver algoritmos que procuram encontrar soluções ótimas, como os algoritmos de enumeração simples ou complexos. Por exemplo, o algoritmo com enumeração do tipo Branch-and-bound (BB) divide repetidamente o problema original em subproblemas menores e eventualmente, se um destes subproblemas tem uma solução que obedece às restrições originais e é melhor do que as soluções encontradas, esta solução é ótima para o problema original. Embora o BB permita diminuir razoavelmente o tamanho do espaço de busca, não é adequado para resolver problemas com um grande número de reservas (Possingham, Ball and Andelman 2000). Para estes casos, os algoritmos que representam metaheurísticas, tais como o de Busca Tabu, Simulated Annealing e Algoritmos Genéticos são mais indicados, na medida que podem fornecer de forma flexível e rápida as soluções com um alto grau de eficácia. [ 1114 ]
5 μ η M N Q X j Y i P i A ij Conjunto dos sítios Conjunto das espécies Número de sítios Número de espécies Número de reservas Variável de decisão 0-1 que indica se o sítio j é uma reserva Variável de decisão 0-1 que indica se a espécie i será preservada Indica o nível de prioridade da espécie i Indica a ocorrência da espécie i no sítio j Tabela 1 Notação básica 2.2. Cenários e Conjuntos de Dados O conjunto de dados utilizado para a geração de cenários se divide em dois tipos. No primeiro tipo, para se demonstrar a eficácia da metaheurística, procuramos resolver um problema hipotético com parâmetros gerados aleatoriamente, baseados em observações de padrões reais. Estes parâmetros estabelecem o número de sítios e de espécies observadas, a presença ou ausência da espécie em cada sítio, a importância da espécie e o nível de representação da espécie para que ela seja considerada preservada. Neste cenário, procuramos ajustar os parâmetros do Busca Tabu, através de uma comparação da solução encontrada por esse com uma solução ótima encontrada por um algoritmo enumerativo. Para a determinação da solução ótima, o algoritmo foi executado em instâncias com um número reduzido de sítios e reservas. No segundo tipo de cenário, o Busca Tabu é utilizado para se analisar os padrões de biodiversidade de 131 espécies de anfíbios anuros presentes em diferentes partes do bioma do Cerrado, que foi dividido em 181 sítios com 1 o de latitude e longitude (Couto, Diniz-Filho e Bini 2004). Estes sítios se estendem pela região Norte, Nordeste, Centro-oeste e Sudeste, englobando cerca de 9 estados destas regiões, indo desde a latitude 5,5 o até a latitude 23,5 o e longitude 41,5 o até 57,5 o. Procuramos verificar a variação do número de espécies preservadas em relação ao número de reservas. 3. Métodos Existe um grande número de metaheurísticas que auxiliam na busca de soluções para os problemas de combinatória, tais como o problema de seleção de reservas formulado neste trabalho. Do ponto de vista conceitual, as metaheurísticas são processos que guiam uma heurística subordinada através da combinação de formas inteligentes diferentes que exploram o espaço de busca e de estratégias de aprendizado usadas para estruturar as informações de modo a encontrar boas soluções. Em geral, as metaheurísticas procuram explorar locais no espaço de busca com boas soluções, processo conhecido como intensificação e em contrapartida, diversificar o espaço de busca quando este se encontra circunscrito próximo a um ótimo local ou mecanismo de diversificação. Entre as metaheurísticas mais utilizadas, temos a Busca Tabu, o Simulated Annealing e a Computação Evolutiva (Blum and Roli 2003). Alguns destes métodos procuram escapar dos mínimos locais e se mover para regiões para procurar outros mínimos. Entre estas metaheurísticas, também conhecidas como métodos de trajetória, situam-se o busca tabu e o simulated annealing (Burkard and Rendl 1983). Outros métodos tem uma filosofia diferente: eles incorporam um componente de aprendizado no processo de busca, que procura correlacionar as variáveis de decisão no sentido de identificar áreas de qualidade no espaço de busca. Os algoritmos evolutivos, dos quais os algoritmos genéticos fazem parte, apresentam esta característica. O Busca Tabu foi selecionado neste trabalho por apresentar um bom desempenho na solução de problemas de natureza combinatória, tanto linear quanto quadrática (Glover 1990). Este algoritmo tem sido utilizado com sucesso em vários campos, inclusive em problemas de seleção de reservas, planejamento florestal e saúde (Dowsland and Thompson 2000, Pappas, [ 1115 ]
6 Srinivasan, Barnes and Sarkar 2004, Rodrigues, Leite, Santos, Souza e Ribeiro 2003). Em alguns destes cenários, o algoritmo é utilizado de forma integrada em ferramentas de auxílio à decisão. Em outros, seus parâmetros são analisados e calibrados Descrição da Busca Tabu A utilização do Busca tabu em problemas reais pode fornecer uma grande flexibilidade para o usuário, pois esta utilização pode ser análoga às soluções utilizando métodos de busca de mínimo locais. Nesta analogia, o Busca Tabu pode executar várias vezes com os mesmos dados de entrada, de tal forma que forneça, ao final de um determinado número de execuções ou rodadas, um resultado que pode ser melhor aproveitado pelo usuário (Glover and Mélian 2003). A busca tabu (TS Tabu Search) ou BT é uma metaheurística proposta por Fred Glover na década de 80 e tem sido utilizada na resolução de problemas complexos de otimização em várias áreas da pesquisa operacional. Diferentemente dos outros métodos existentes tais como, por exemplo, o algoritmo genético e o simulated annealing, o BT não teve sua origem relacionada à processos de otimização físicos ou biológicos. O método busca tabu parte do princípio de que os problemas de otimização são mais bem resolvidos pela metaheurística quando incorporadas a essas algumas estratégias inteligentes baseadas em processos implícitos e explícitos de aprendizagem. A metaheurística BT é uma técnica fundamentada em conceitos da inteligência artificial e consiste em um conjunto de funções que, de forma integrada, permitem resolver problemas complexos de maneira inteligente, pois, este método incorpora o uso de memória adaptativa e a exploração sensível. Algoritmo Busca Tabu Inicio X melhor X atual X inic Z melhor Z atual Z inic Para j = 1 até NUMITER faça Para i = 1 até NVIZ faça Gera VIZ(X atual ) Calcula Z para VIZ(X atual ) Ordena VIZ(X atual ) Fim-para Para i=1 até NVIZ faça Se VIZ[i] Є LT[j] ou (VIZ[i] Є LT[j] e Z atual < Z VIZ[i] X atual X VIZ[i] Sai do laço Fim-se Fim-para Atualiza LT[j], X melhor, Z melhor Fim-para Retorna X melhor, Z melhor Fim Figura 1 Descrição algoritmica da Busca tabu A memória adaptativa (adaptive memory) é uma das técnicas utilizadas na BT para prover uma resolução de problemas através de um processo inteligente onde, pode-se diversificar ou intensificar a busca. Este método opõe-se aos que não utilizam memória (algoritmos genéticos e simulated annealing) e aos que usam memória rígida (técnicas de Inteligência Artificial e de branch and bound). Ao executarmos a estratégia de BT com memória adaptativa, podemos aproveitar as informações das escolhas ruins ou configurações com qualidade inferior, para que, [ 1116 ]
7 posteriormente, não ocorra a mesma seleção e, ainda melhor, permitir que a estratégia busque a cada processo configurações de melhor qualidade. Com isso a utilização da memória adaptativa permite escapar de situações em que se tem um ótimo local, fazendo com que a solução tenha a possibilidade de convergir em alguns passos para escolhas menos favorecidas, de acordo com as especificações da memória adaptativa, podendo ter condições de prosperar para um ótimo global. O critério tabu evita que movimentos desnecessários sejam realizados, baseados em um histórico de ocorrência recentes ou freqüentes. Assim, este critério pode restringir a realização de movimentos que tenham sido feitos recentemente ou freqüentemente ou que possuem qualidade semelhante à situação atual. O critério de aspiração possibilita movimentos que no critério tabu não são permitidos. Assim, em busca de qualidade, este critério possibilita soluções que determinem a melhor vizinhança, similar/dissimilar a solução já existente. Os aspectos importantes na formulação de algoritmos BT eficientes são a definição e caracterização da vizinhança de uma configuração. No BT uma transição consiste em passar de uma configuração corrente para uma configuração vizinha. Idealmente, essa configuração vizinha deve ser uma configuração que ainda não foi visitada e que seja a melhor entre as configurações vizinhas. Caso não exista uma configuração vizinha de melhor qualidade ou a configuração vizinha de melhor qualidade não satisfaz o critério tabu e nem satisfaz o critério de aspiração, deve-se passar para a configuração vizinha que apresenta menor perda. Com isso, é permitida a menor degradação da função objetivo possível. O BT exige uma caracterização adequada da vizinhança da configuração corrente, ou seja, quantos e quais são os vizinhos da configuração corrente. O conjunto de vizinhos de um determinado ponto P não é especificado de forma estática. Assim, é possível que as estruturas de vizinhança geradas sejam diversificadas dinamicamente em composição e tamanho durante o processo de otimização. Isto faz da busca uma estratégia inteligente e eficiente. Os parâmetros de controle da BT são: o número de iterações, que serve como critério de parada, a estrutura e tamanho da vizinhança, a formação e manutenção da lista tabu e o critério de aspiração. A solução inicial é denotada por X inic e nos referimos à X melhor, X atual e VIZ(X atual ) para representar a melhor solução, a corrente e o conjunto de soluções obtido a partir da solução corrente. Os valores das funções objetivo para as soluções inicial, vizinho, melhor e corrente são denotadas por Z inic, Z VIZ[i], Z melhor e Z atual, respectivamente, onde VIZ[i] é um elemento do conjunto VIZ(X atual ). A partir da solução corrente X atual pode-se obter uma nova solução através de uma busca aleatória na vizinhança da solução corrente, para a determinação de VIZ(X atual ). Para um grande número de problemas de combinatória, esta vizinhança deve ser limitada de modo sua exploração possa se dar de forma intensiva. Em muitos casos, em uma representação de bits, a nova solução pode ser obtida a partir da solução corrente através da mudança de um bit ou pela troca de posição de dois bits. Este processo é aleatório e representa a mudança de uma reserva previamente selecionada para outra não-selecionada. Dada uma solução corrente, estabelece-se um conjunto de VIZ(X atual ) e seleciona-se o melhor destes vizinhos como a nova solução X VIZ[i]. Esta solução é obtida calculando a função objetivo de cada elemento do conjunto VIZ(X atual ), estabelecendo uma lista classificada por ordem decrescente da função objetivo. O primeiro vizinho da lista de vizinhos que não está na lista tabu LT, ou que está na lista mas satisfaz o critério de aspiração é escolhido. O critério de aspiração é baseado no valor da função objetivo, Z VIZ[i] : se o vizinho avaliado tiver um valor de Z atual menor do que Z VIZ[i], critério é satisfeito. A lista tabu mantém uma estrutura de movimentos proibidos por X iterações. Na figura 1, apresentamos uma ilustração do algoritmo, com LT[i] representa a lista tabu na iteração i. O procedimento é repetido, com X atual recebendo o valor de X VIZ[i] até o número de iterações especificado, NUMITER. 4. Resultados e Discussão No sentido de demonstrar a importância da técnica de Busca tabu para a solução dos problemas de seleção de reservas, procuramos inicialmente investigar quais os parâmetros adequados para o algoritmo de tal forma que ele selecione soluções próximas da solução ótima. [ 1117 ]
8 Além da calibração do algoritmo, vamos procurar identificar algumas das características das soluções encontradas. Para tal, devemos responder adequadamente às seguintes questões: 1. Como adequar o algoritmo de busca tabu com relação aos parâmetros do método, tais como o critério de parada, a exploração da vizinhança e o número de vizinhos e a formação da lista tabu? 2. Quais os resultados da aplicação desta metaheurística em problemas reais de conservação do cerrado e como estes resultados podem ser comparados com os obtidos previamente? Para responder à questão 1), vamos aplicar o algoritmo de busca tabu a um conjunto de dados gerados aleatoriamente e comparar a resposta a um procedimento que calcula a solução ótima. Para responder a questão 2) vamos aplicar o algoritmo de a um conjunto de dados que representam a ocorrência de anuros na região do cerrado e compararmos os resultados aos obtidos para outras soluções, em particular utilizando o simulated annealing Ajuste do Busca tabu Para ajustarmos o desempenho do algoritmo de Busca tabu, comparamos o seu resultado ao resultado de um procedimento que encontra a solução ótima para problemas com um número reduzido de sítios e espécies. Para estes problemas, consideramos a matriz de ocorrência A ij com uma distribuição uniforme de espécies com um número aleatório de ocorrências das espécies nos sítios. Para cada espécie i, uma linha da matriz de ocorrência é gerada com probabilidade de ocorrência em cada coluna de O i ( 0 < O i < 1). O valor de O i para cada espécie é um dado de entrada do programa. Ainda para cada espécie, o valor de k i é especificado através de uma distribuição uniforme, com valor entre 1 e o maior número possível de ocorrências da espécie no sistema e finalmente, a prioridade de cada espécie tem um valor também uniformemente distribuído no intervalo [10,20], indicando que a prioridade mínima é metade da prioridade máxima. O critério de parada é baseado no número de iterações, que varia de 10 a 1000 e é dividido é dois intervalos: variação de 10 à 100 com intervalos de 10 e variação de 100 á 1000 com intervalos de 100. O segundo parâmetro importante é a formação da vizinhança. No problema abordado, a solução é codificada através de um vetor X que indica o número Q de um total de N sítios que foram escolhidos para unidades de conservação. Para cada possível configuração de X, uma vizinhança é estabelecida através da permutação do estado de 2 sítios escolhidos aleatoriamente, ou seja, um sítio previamente não escolhido será indicado como reserva enquanto um que foi previamente escolhido passa para um estado de não-reserva ou unidade. Como um critério importante na formação da vizinhança é o tamanho da mesma, verificamos o comportamento do algoritmo para vizinhanças com 5, 10, 50 e 100 vizinhos. Figura 2 Taxa de acerto (%) para vizinhanças de 5 e 10 A lista tabu em um método de Busca tabu é o último parâmetro a ser controlado. A lista tabu evita que movimentos desnecessários sejam realizados, baseados em um histórico de ocorrência recentes ou freqüentes. Assim, este critério pode restringir a realização de movimentos que tenham sido feitos recentemente/freqüentemente, ou que possuem qualidade semelhante à situação atual. Escolhemos uma lista tabu baseada no histórico de movimentos recentes e o tamanho deste histórico é de K. Assim, os últimos K movimentos, sendo K=5, 10 ou 20 nesta [ 1118 ]
9 análise não são permitidos, a menos que satisfaçam o critério de aspiração. Este critério de aspiração possibilita movimentos que no critério tabu não são permitidos. Assim, em busca de qualidade, este critério possibilita soluções que determinem a melhor vizinhança, similar/dissimilar a solução já existente e é adotado sempre que haja uma melhora da solução atualmente analisada. Figura 3 Taxa de acerto (%) para vizinhanças de 50 e 100 Nas figuras 2 e 3 ilustramos o comportamento do busca tabu em relação a uma solução ótima obtida para o problema, considerando cenários com Q=10, N=20 e M=40, ou seja, para 10 unidades de conservação, 20 sítios e 40 espécies. Nestas figuras, o valor no eixo x representa o número de iterações (critério de parada) e no eixo y a taxa percentual de acerto, ou seja, o percentual de soluções ótimas encontradas para um total de 100 rodadas. Além disto, a lista tabu tem seu tamanho variado em cada figura, como indicado pelas legendas. Podemos observar que um aumento de iterações favorece o aparecimento do resultado ótimo, o que é de se esperar. Entretanto, o aumento da vizinhança, embora favoreça também no estabelecimento da melhor solução em um primeiro instante, passa a ser inadequado a partir de um determinado ponto. O valor razoável da vizinhança, para o nosso problema, parece se situar na mesma ordem do tamanho do problema (de 10 a 50 vizinhos). Uma outra observação pode ser feita em relação ao tamanho da lista tabu. Aparentemente, este tamanho não interfere tanto no comportamento da solução de forma tão determinante. Figura 4 Taxa de acerto (%) para vizinhanças de 5 e 10 Nas figuras 4 e 5 ilustramos o mesmo comportamento, considerando agora um critério de parada baseado em um número maior de iterações (de 100 à 1000). Podemos confirmar basicamente as mesmas observações anteriores, sejam referentes ao número de iterações, ao tamanho da vizinhança e ao tamanho da lista tabu, o que indica a consistência dos resultados. [ 1119 ]
10 Figura 5 Taxa de acerto (%) para vizinhanças de 50 e Aplicação para o problema de conservação de anuros no Cerrado Por fim, consideramos um cenário real que apresenta a ocorrência de 131 espécies de anfíbios anuros presentes em partes diferentes do Cerrado, identificado como uma região com 181 sítios de km 2 cada. A matriz de ocorrência para estas espécies na área considerada tem como propriedade apresentar a ocorrência das espécies de forma bastante variada, de modo que determinadas espécies aparecem em todos os 181 sítios, enquanto que outras espécies aparecem em apenas 1 sítio (Couto, Diniz-Filho e Bini 2004, Vieira, Ribeiro, Santos e Borges 2005). Em geral, a ocorrência indica que as espécies aparecem de forma bastante distribuída nos sítios. Procuramos obter o número de espécies preservadas, para diferentes valores de números de reservas. Neste cenário, consideramos as reservas em número de Q no intervalo [5,15]. Na figura 6, observamos o número de espécies preservadas para cada número de reservas selecionadas, tanto para o método de busca tabu utilizado neste trabalho como para o simulated annealing, cujos resultados foram obtidos em trabalhos anteriores (Vieira, Ribeiro, Santos e Borges 2005). Podemos verificar que embora o Busca tabu se comporte de forma similar ao simulated annealing em termos de número de espécies preservadas, ainda assim ele se mostra superior na medida que permite um resultado ligeiramente melhor. Além disto, conforme trabalhos previamente realizados (Couto, Diniz-Filho e Bini 2004) utilizando uma busca baseada em Branch-and-bound, o número mínimo de reservas para a preservação de todas as espécies foi encontrado como tendo valor Q=17, resultado também encontrado pelo busca tabu nos experimentos. Figura 6 Número de espécies preservadas de anuros em cenário real. 5. Comentários Finais Neste trabalho, consideramos o problema de seleção de reservas em uma formulação básica, que permite extrair várias características do problema para o processo de decisão da gestão ambiental. Este problema estabelece que a seleção deve garantir a maximização da [ 1120 ]
11 biodiversidade através de restrições de custo. Para o gestor ambiental, é importante que o problema possa ser resolvido de forma flexível, com várias soluções apresentadas, de tal forma a permitir a escolha de uma solução de compromisso entre o técnico e as questões subjetivas, pois independentemente do problema formulado, existem considerações adicionais. O uso de metaheurísticas tais como o Busca Tabu atende a estas expectativas. Observamos que com o ajuste adequado dos parâmetros, pudemos obter soluções muito boas e com um tempo de execução relativamente baixo. Pudemos relacionar o comportamento do sistema de reservas em face de variação dos parâmetros de custo do sistema, representação e prioridade das espécies. Constata-se também que o Busca Tabu pode oferecer resultados mais eficazes do que o algoritmo de Simulated annealing. Esta abordagem permite que novas questões sejam investigadas, tais como a persistência da biodiversidade, levando-se em conta a dinâmica populacional e o comportamento das áreas não selecionadas. Referências C. Blum and A. Roli (2003). Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison. ACM Computing Surveys, 35(3): R. E. Burkard and F. Rendl (1983). A Thermodynamically Motivated Simulation Procedure for Combinatorial Optimization Problems. European Journal of Operational Research, 17: M. Cabeza and A. Moilanen (2001). Design of Reserve Networks and the Persistence of Biodiversity. Trends in Ecology and Evolution, 16: R. L. Church, D. M. Stoms and F. W. Davis (1996). Reserve Selection as a Maximal Covering Location Problem. Biological Conservation, 76: S. Couto, J. A. F. Diniz-Filho e L M. Bini (2004). Programação Linear e seleção de áreas prioritárias para conservação da biodiversidade. Revista Estudos, 31: K. Dowsland and J. Thompson (2000). Solving a nurse scheduling problem with knapsacks, networks and tabu search. Journal of the Operational Research Society, 51; M. Garey and D. Johnson (1979). Computers and Intractability: A Guide to the Theory of NP- Completeness. Ed. W. H. Freeman, San Francisco. F. Glover (1990). Tabu Search: A Tutorial. Interfaces, 20(4): F. Glover and M. Laguna (1997). Tabu Search. Klewer Academic Publishers. F. Glover and B. Mélian (2003). Busqueda Tabu. Revista Iberoamericana de Inteligência Artificial, 19: H. Leslie, R. Ruckelshaus, I. Ball, S. Andelman and H. Possingham (2003). Using Siting Algorithms in the Design of Marine Reserve Networks. Ecological Applications, 13:S185-S198. C. Pappas, R. K. Srinivasan, J. W. Barnes and S. Sarkar (2004). A Comparison of Heuristic, Meta-heuristic and Optimal Approaches to the Selection of Conservation Area Networks. Draft available at [ 1121 ]
12 H. Possingham, I. Ball and S. Andelman (2000). Mathematical Methods for Identifying Representative Reserve Networks. Quantitative Methods for Conservation Biology, , Spring-Verlag, New York. R. Pressey and R. Cowling (2001). Reserve Selection Algorithms and the Real World. Conservation Biology, 15: A. Rodrigues and K. Gaston (2002). Optimization in Reserve Selection Procedures Why Not? Biological Conservation, 107: F. Rodrigues, H. Leite, H. Santos, A. Souza e C. Ribeiro (2003). Solução de Problemas de Planejamento Florestal com Restrições de Inteireza Utilizando Busca Tabu. Revista Árvore, 28(5): S. Snyder, R. Haight and C. ReVelle (2004). A Scenario Optimization Model for Dynamic Reserve Site Selection. Environmental Modeling and Assessment, 9: S. Vieira, G. Ribeiro, E. Santos e F. Borges (2005). Utilização de Metaheurísticas no Processo de Seleção de Reservas Ambientais. XXXVII Simpósio Brasileiro de Pesquisa Operacional, Gramado, RS. J. Williams and C. ReVelle (1997). Applying Mathematical Programming to Reserve Selection. Environmental Modeling and Assessment, 2: [ 1122 ]
Exercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisCopyright Proibida Reprodução. Prof. Éder Clementino dos Santos
NOÇÕES DE OHSAS 18001:2007 CONCEITOS ELEMENTARES SISTEMA DE GESTÃO DE SSO OHSAS 18001:2007? FERRAMENTA ELEMENTAR CICLO DE PDCA (OHSAS 18001:2007) 4.6 ANÁLISE CRÍTICA 4.3 PLANEJAMENTO A P C D 4.5 VERIFICAÇÃO
Leia maisESTUDO DE CASO: LeCS: Ensino a Distância
ESTUDO DE CASO: LeCS: Ensino a Distância HERMOSILLA, Lígia Docente da Faculdade de Ciências Jurídicas e Gerenciais de Garça FAEG - Labienópolis - CEP 17400-000 Garça (SP) Brasil Telefone (14) 3407-8000
Leia maisMétodos de Síntese e Evidência: Revisão Sistemática e Metanálise
Métodos de Síntese e Evidência: Revisão Sistemática e Metanálise Mirian Carvalho de Souza Divisão de Epidemiologia Coordenação de Pesquisa Populacional Coordenação Geral Técnico-Científica Estudos Revisão
Leia maisResolução da lista de exercícios de casos de uso
Resolução da lista de exercícios de casos de uso 1. Explique quando são criados e utilizados os diagramas de casos de uso no processo de desenvolvimento incremental e iterativo. Na fase de concepção se
Leia maisDEFINIÇÃO DE PARÂMETROS NA UTILIZAÇÃO DE METAHEURÍSTICAS PARA A PROGRAMAÇÃO DE HORÁRIOS ESCOLARES
DEFINIÇÃO DE PARÂMETROS NA UTILIZAÇÃO DE METAHEURÍSTICAS PARA A PROGRAMAÇÃO DE HORÁRIOS ESCOLARES José Carlos dos Santos Ferreira 1 e Jean Eduardo Glazar 2 1 Aluno do Curso de Ciência da Computação 2 Professor
Leia maisUNEMAT SISTEMA DE INFORMAÇÃO (SI) Professora: Priscila Pelegrini priscila_pelegrini@unemat-net.br
UNEMAT SISTEMA DE INFORMAÇÃO (SI) Professora: Priscila Pelegrini priscila_pelegrini@unemat-net.br SINOP MT 2015-1 COMO SÃO DESENVOLVIDOS OS SISTEMAS DE INFORMAÇÃO? São desenvolvimento como uma estrutura
Leia mais3 Qualidade de Software
3 Qualidade de Software Este capítulo tem como objetivo esclarecer conceitos relacionados à qualidade de software; conceitos estes muito importantes para o entendimento do presente trabalho, cujo objetivo
Leia mais2 Ferramentas Utilizadas
2 Ferramentas Utilizadas Esta dissertação utiliza vários outros trabalhos para implementar os mecanismos de adaptação abordados. Essas ferramentas são descritas nas seções seguintes. 2.1 Lua Lua [7, 8]
Leia maisCapítulo 2. Processos de Software. 2011 Pearson Prentice Hall. Todos os direitos reservados. slide 1
Capítulo 2 Processos de Software slide 1 Tópicos apresentados Modelos de processo de software. Atividades de processo. Lidando com mudanças. Rational Unified Process (RUP). Um exemplo de um processo de
Leia mais6. Pronunciamento Técnico CPC 23 Políticas Contábeis, Mudança de Estimativa e Retificação de Erro
TÍTULO : PLANO CONTÁBIL DAS INSTITUIÇÕES DO SISTEMA FINANCEIRO NACIONAL - COSIF 1 6. Pronunciamento Técnico CPC 23 Políticas Contábeis, Mudança de Estimativa e Retificação de Erro 1. Aplicação 1- As instituições
Leia mais2 METODOLOGIA DA PESQUISA
2 METODOLOGIA DA PESQUISA A pesquisa, como toda atividade racional e sistemática, exige que as ações desenvolvidas ao longo de seu processo sejam efetivamente planejadas. Para Gil (1991), o conhecimento
Leia maisProbabilidade - aula I
e 27 de Fevereiro de 2015 e e Experimentos Aleatórios e Objetivos Ao final deste capítulo você deve ser capaz de: Entender e descrever espaços amostrais e eventos para experimentos aleatórios. Interpretar
Leia maisA construção de um manual sobre a utilização dos modelos também poderá alavancar o uso das representações. Este conteria a explicação detalhada da
6 Conclusões No âmbito do framework teórico da Engenharia Semiótica, este trabalho faz parte de um esforço conjunto para desenvolver ferramentas epistêmicas que apóiem a reflexão do designer durante o
Leia mais6. Programação Inteira
Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem
Leia maisUniversidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB
Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB PROBLEMA DE PROGRAMAÇÃO DE VEÍCULOS 1 (Vehicle Scheduling Problem) Cássio Roberto de Araújo cassio@em.ufop.br Elva
Leia maisO MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO
O MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO João Cesar Guirado Universidade Estadual de Maringá E-mail: jcguirado@gmail.com Márcio Roberto da Rocha Universidade Estadual de Maringá E-mail:
Leia maisADMINISTRAÇÃO I. Família Pai, mãe, filhos. Criar condições para a perpetuação da espécie
1 INTRODUÇÃO 1.1 ORGANIZAÇÃO E PROCESSOS A administração está diretamente ligada às organizações e aos processos existentes nas mesmas. Portanto, para a melhor compreensão da Administração e sua importância
Leia maisO mecanismo de alocação da CPU para execução de processos constitui a base dos sistemas operacionais multiprogramados.
O mecanismo de alocação da CPU para execução de processos constitui a base dos sistemas operacionais multiprogramados. A multiprogramação tem como objetivo permitir que, a todo instante, haja algum processo
Leia maisEngenharia de Software e Gerência de Projetos Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios
Engenharia de Software e Gerência de Projetos Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios Cronograma das Aulas. Hoje você está na aula Semana
Leia mais3 Estratégia para o enriquecimento de informações
34 3 Estratégia para o enriquecimento de informações Podemos resumir o processo de enriquecimento de informações em duas grandes etapas, a saber, busca e incorporação de dados, como ilustrado na Figura
Leia maisProcessos de gerenciamento de projetos em um projeto
Processos de gerenciamento de projetos em um projeto O gerenciamento de projetos é a aplicação de conhecimentos, habilidades, ferramentas e técnicas às atividades do projeto a fim de cumprir seus requisitos.
Leia maisMetodologia para seleção de amostras de contratos de obras públicas (jurisdicionados) utilizando a programação linear aplicativo Solver
REVISTA Metodologia para seleção de amostras de contratos de obras públicas (jurisdicionados) utilizando a programação linear aplicativo Solver André Mainardes Berezowski 1 Resumo Trata da apresentação
Leia maisIntegrando o Framework I* com a Gerência de Risco
Integrando o Framework I* com a Gerência de Risco Jean Poul Varela¹, Jaelson Castro¹, Victor F. A. Santander² ¹Centro de Informática, Universidade Federal de Pernambuco, Recife, Brasil. {jpv, jbc}@cin.ufpe.br
Leia maisCAPÍTULO 25 COERÊNCIA REGULATÓRIA
CAPÍTULO 25 COERÊNCIA REGULATÓRIA Artigo 25.1: Definições Para efeito deste Capítulo: medida regulatória coberta significa a medida regulatória determinada por cada Parte a ser objeto deste Capítulo nos
Leia maisGerenciamento de Projetos Modulo VIII Riscos
Gerenciamento de Projetos Modulo VIII Riscos Prof. Walter Cunha falecomigo@waltercunha.com http://waltercunha.com Bibliografia* Project Management Institute. Conjunto de Conhecimentos em Gerenciamento
Leia maisSIMULADO DO TESTE DE RESOLUÇÃO DE PROBLEMAS
SIMULADO DO TESTE DE RESOLUÇÃO DE PROBLEMAS PROPOSTA Este simulado é um material de apoio para você se preparar para o Teste de Resolução de Problemas, com o objetivo de: 1. Compartilhar dicas e normas
Leia maisESTENDENDO A UML PARA REPRESENTAR RESTRIÇÕES DE INTEGRIDADE
ESTENDENDO A UML PARA REPRESENTAR RESTRIÇÕES DE INTEGRIDADE Fabiana Gomes Marinho Faculdade Lourenço Filho Resumo: Na UML, a modelagem conceitual dos dados é descrita pelo diagrama de classes, que através
Leia maisLISTA DE VERIFICAÇAO DO SISTEMA DE GESTAO DA QUALIDADE
Questionamento a alta direção: 1. Quais os objetivos e metas da organização? 2. quais os principais Produtos e/ou serviços da organização? 3. Qual o escopo da certificação? 4. qual é a Visão e Missão?
Leia maisANALISE COMBINATORIA Um pouco de probabilidade
ANALISE COMBINATORIA Um pouco de probabilidade Programa Pró-Ciência Fapesp/IME-USP-setembro de 1999 Antônio L. Pereira -IME USP (s. 234A) tel 818 6214 email:alpereir@ime.usp.br 1 Um carro e dois bodes
Leia maisDesenvolvimento de uma Etapa
Desenvolvimento de uma Etapa A Fase Evolutiva do desenvolvimento de um sistema compreende uma sucessão de etapas de trabalho. Cada etapa configura-se na forma de um mini-ciclo que abrange as atividades
Leia maisPreparação do Trabalho de Pesquisa
Preparação do Trabalho de Pesquisa Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Pesquisa Bibliográfica Etapas do Trabalho de Pesquisa
Leia mais5 Considerações finais
5 Considerações finais 5.1. Conclusões A presente dissertação teve o objetivo principal de investigar a visão dos alunos que se formam em Administração sobre RSC e o seu ensino. Para alcançar esse objetivo,
Leia maisO QUE É UMA POLÍTICA DE SAÚDE E SEGURANÇA DO TRABALHADOR (PSST)?
O QUE É UMA POLÍTICA DE SAÚDE E SEGURANÇA DO TRABALHADOR (PSST)? Original: Guía para redactar una declaración de política OHS Copyright 1997-2006 Centro Canadiense de Salud y Seguridad Ocupacional Disponível
Leia mais4 Estudo de caso: Problema de seqüenciamento de carros
4 Estudo de caso: Problema de seqüenciamento de carros O problema de seqüenciamento de carros em linhas de produção das indústrias automobilísticas é um tipo particular de problema de escalonamento que
Leia mais4. Tarefa 16 Introdução ao Ruído. Objetivo: Método: Capacitações: Módulo Necessário: Análise de PCM e de links 53-170
4. Tarefa 16 Introdução ao Ruído Objetivo: Método: Ao final desta Tarefa você: Estará familiarizado com o conceito de ruído. Será capaz de descrever o efeito do Ruído em um sistema de comunicações digitais.
Leia mais7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura 7.1 - Exemplo de um grafo linear.
CAPÍTULO 7 7 ANÁLISE DE REDES 7.1 Conceitos Básicos em Teoria dos Grafos Diversos problemas de programação linear, inclusive os problemas de transporte, podem ser modelados como problemas de fluxo de redes.
Leia mais1. Introdução. Avaliação de Usabilidade Página 1
1. Introdução Avaliação de Usabilidade Página 1 Os procedimentos da Avaliação Heurística correspondem às quatro fases abaixo e no final é apresentado como resultado, uma lista de problemas de usabilidade,
Leia mais4 Metodologia e estratégia de abordagem
50 4 Metodologia e estratégia de abordagem O problema de diagnóstico para melhoria da qualidade percebida pelos clientes é abordado a partir da identificação de diferenças (gaps) significativas entre o
Leia maisRelatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento
Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento Ramon Pereira Lopes Rangel Silva Oliveira 31 de outubro de 2011 1 Introdução O presente documento refere-se ao relatório
Leia maisACORDO PARA A PROMOÇÃO E A PROTEÇÃO RECÍPROCA DE INVESTIMENTOS ENTRE O GOVERNO DA REPÚBLICA FEDERATIVA DO BRASIL E O GOVERNO DA REPÚBLICA DA CORÉIA
ACORDO PARA A PROMOÇÃO E A PROTEÇÃO RECÍPROCA DE INVESTIMENTOS ENTRE O GOVERNO DA REPÚBLICA FEDERATIVA DO BRASIL E O GOVERNO DA REPÚBLICA DA CORÉIA O Governo da República Federativa do Brasil e o Governo
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisGUIA DE PROJECTO INTEGRADO PARA O CLIENTE VERSÃO FINAL
GUIA DE PROJECTO INTEGRADO PARA O CLIENTE VERSÃO FINAL AUTORES Andy Sutton BRE, Reino Unido TRADUÇÃO E ADAPTAÇÃO PARA A VERSÃO PORTUGUESA Carlos Laia CONTACTO Carlos Laia CEEETA ECO, Consultores em Energia,
Leia maisMedindo a Produtividade do Desenvolvimento de Aplicativos
Medindo a Produtividade do Desenvolvimento de Aplicativos Por Allan J. Albrecht Proc. Joint SHARE/GUIDE/IBM Application Development Symposium (October, 1979), 83-92 IBM Corporation, White Plains, New York
Leia maisGráficos estatísticos: histograma. Série Software ferramenta
Gráficos estatísticos: histograma Série Software ferramenta Funcionalidade Este software permite a construção de histogramas a partir de uma tabela de dados digitada pelo usuário. Gráficos estatísticos:
Leia maisPLANEJAMENTO ESTRATÉGICO
PLANEJAMENTO ESTRATÉGICO Este material resulta da reunião de fragmentos do módulo I do Curso Gestão Estratégica com uso do Balanced Scorecard (BSC) realizado pelo CNJ. 1. Conceitos de Planejamento Estratégico
Leia maisTécnicas metaheurísticas aplicadas na otimização de parâmetros em um modelo probabilístico de gestão de estoques
Técnicas metaheurísticas aplicadas na otimização de parâmetros em um modelo probabilístico de gestão de estoques Sidnei Alves de Araújo André Felipe Henriques Librantz
Leia maisUnidade 9: Diálogos deliberativos
Unidade 9: Diálogos deliberativos Como podemos utilizar as sínteses de evidências? Informar os grupos de interesse Divulgação da síntese de políticas Informações adaptadas derivadas da síntese Meios de
Leia maisRoteiro SENAC. Análise de Riscos. Planejamento do Gerenciamento de Riscos. Planejamento do Gerenciamento de Riscos
SENAC Pós-Graduação em Segurança da Informação: Análise de Riscos Parte 2 Leandro Loss, Dr. Eng. loss@gsigma.ufsc.br http://www.gsigma.ufsc.br/~loss Roteiro Introdução Conceitos básicos Riscos Tipos de
Leia maisEnergia Eólica. Atividade de Aprendizagem 3. Eixo(s) temático(s) Ciência e tecnologia / vida e ambiente
Energia Eólica Eixo(s) temático(s) Ciência e tecnologia / vida e ambiente Tema Eletricidade / usos da energia / uso dos recursos naturais Conteúdos Energia eólica / obtenção de energia e problemas ambientais
Leia maisipea políticas sociais acompanhamento e análise 7 ago. 2003 117 GASTOS SOCIAIS: FOCALIZAR VERSUS UNIVERSALIZAR José Márcio Camargo*
GASTOS SOCIAIS: FOCALIZAR VERSUS UNIVERSALIZAR José Márcio Camargo* Como deve ser estruturada a política social de um país? A resposta a essa pergunta independe do grau de desenvolvimento do país, da porcentagem
Leia maisImplicações da alteração da Taxa de Juro nas Provisões Matemáticas do Seguro de Vida
Implicações da alteração da Taxa de Juro nas Provisões Matemáticas do Seguro de Vida 1. Algumas reflexões sobre solvência e solidez financeira Para podermos compreender o que se entende por solvência,
Leia maisAula 2 Revisão 1. Ciclo de Vida. Processo de Desenvolvimento de SW. Processo de Desenvolvimento de SW. Processo de Desenvolvimento de SW
Ciclo de Vida Aula 2 Revisão 1 Processo de Desenvolvimento de Software 1 O Processo de desenvolvimento de software é um conjunto de atividades, parcialmente ordenadas, com a finalidade de obter um produto
Leia maisFundo Brasileiro para a Biodiversidade FUNBIO
N ú m e r o P-24 POLÍTICA DE SALVAGUARDAS AMBIENTAIS E SOCIAIS DO FUNBIO Fundo Brasileiro para a Biodiversidade FUNBIO POLÍTICA DE SALVAGUARDAS AMBIENTAIS E SOCIAIS DO FUNBIO FUNBIO Fundo Brasileiro para
Leia maisAdministração Financeira
Administração Financeira MÓDULO 6: DECISÕES DE FINANCIAMENTO A CURTO PRAZO Nossa experiência, após centenas de demonstrações financeiras examinadas, sinaliza que as empresas entram num cenário de dificuldades
Leia maisECONTEXTO. Auditoria Ambiental e de Regularidade
Auditoria Ambiental e de Regularidade Organização Internacional das Entidades Fiscalizadoras Superiores - INTOSAI Grupo de Trabalho sobre Auditoria Ambiental - WGEA ECONTEXTO Este artigo é um resumo do
Leia maisObjetivos. Teoria de Filas. Teoria de Filas
Objetivos Teoria de Filas Michel J. Anzanello, PhD anzanello@producao.ufrgs.br 2 Teoria de Filas Filas estão presentes em toda a parte; Exemplos evidentes de fila podem ser verificados em bancos, lanchonetes,
Leia maisSISTEMA DE AVALIAÇÃO E APOIO À QUALIDADE DO ENSINO A DISTÂNCIA
1 SISTEMA DE AVALIAÇÃO E APOIO À QUALIDADE DO ENSINO A DISTÂNCIA Renato Cislaghi, UFSC, cislaghi@inf.ufsc.br Silvia Modesto Nassar, UFSC, silvia@inf.ufsc.br Beatriz Wilges, UFSC, beaw@inf.ufsc.br Introdução
Leia maisNota Técnica 113/2007 SRD/SRE/ANEEL Metodologia para Projeção de Investimentos para o Cálculo do Fator X Contribuição da Audiência Publica 052/2007
Nota Técnica 113/2007 SRD/SRE/ANEEL Metodologia para Projeção de Investimentos para o Cálculo do Fator X Contribuição da Audiência Publica 052/2007 1 1. Estrutura do Trabalho : De forma que se pudesse
Leia maisMetadados. 1. Introdução. 2. O que são Metadados? 3. O Valor dos Metadados
1. Introdução O governo é um dos maiores detentores de recursos da informação. Consequentemente, tem sido o responsável por assegurar que tais recursos estejam agregando valor para os cidadãos, as empresas,
Leia maisDiretrizes para determinação de intervalos de comprovação para equipamentos de medição.
Diretrizes para determinação de intervalos de comprovação para equipamentos de medição. De acordo com a Norma NBR 1001, um grande número de fatores influência a freqüência de calibração. Os mais importantes,
Leia maisNorma Interpretativa 2 Uso de Técnicas de Valor Presente para mensurar o Valor de Uso
Norma Interpretativa 2 Uso de Técnicas de Valor Presente para mensurar o Valor de Uso Esta Norma Interpretativa decorre da NCRF 12 - Imparidade de Activos. Sempre que na presente norma existam remissões
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisMemória cache. Prof. Francisco Adelton
Memória cache Prof. Francisco Adelton Memória Cache Seu uso visa obter uma velocidade de acesso à memória próxima da velocidade das memórias mais rápidas e, ao mesmo tempo, disponibilizar no sistema uma
Leia maisO Princípio da Complementaridade e o papel do observador na Mecânica Quântica
O Princípio da Complementaridade e o papel do observador na Mecânica Quântica A U L A 3 Metas da aula Descrever a experiência de interferência por uma fenda dupla com elétrons, na qual a trajetória destes
Leia maisProjeto de inovação do processo de monitoramento de safra da Conab
Projeto de inovação do processo de monitoramento de safra da Conab Projeto elaborado por Lorenzo Seguini lorenzo_seguini@yahoo.it Projeto Diálogos Setoriais União Europeia - Brasil 1 Sumário 1. Introdução...3
Leia maisPROJETO DE COOPERAÇÃO TÉCNICA INTERNACIONAL. Projeto 914 BRA5065 - PRODOC-MTC/UNESCO DOCUMENTO TÉCNICO Nº 03
PROJETO DE COOPERAÇÃO TÉCNICA INTERNACIONAL Diretrizes e Estratégias para Ciência, Tecnologia e Inovação no Brasil Projeto 914 BRA5065 - PRODOC-MTC/UNESCO DOCUMENTO TÉCNICO Nº 03 RELATÓRIO TÉCNICO CONCLUSIVO
Leia maisTRANSIÇÃO DAS CERTIFICAÇÕES DOS SISTEMAS DE GESTÃO DA QUALIDADE E SISTEMAS DE GESTÃO AMBIENTAL, PARA AS VERSÕES 2015 DAS NORMAS.
TRANSIÇÃO DAS CERTIFICAÇÕES DOS SISTEMAS DE GESTÃO DA QUALIDADE E SISTEMAS DE GESTÃO AMBIENTAL, PARA AS VERSÕES 2015 DAS NORMAS. As novas versões das normas ABNT NBR ISO 9001 e ABNT NBR ISO 14001 foram
Leia mais(MAPAS VIVOS DA UFCG) PPA-UFCG RELATÓRIO DE AUTO-AVALIAÇÃO DA UFCG CICLO 2006-2008 ANEXO (PARTE 2) DIAGNÓSTICOS E RECOMENDAÇÕES
1 PPA-UFCG PROGRAMA PERMANENTE DE AVALIAÇÃO RELATÓRIO DE AUTO-AVALIAÇÃO DA UFCG CICLO 2006-2008 ANEXO (PARTE 2) DIAGNÓSTICOS E RECOMENDAÇÕES (MAPAS VIVOS DA UFCG) 2 DIMENSÃO MISSÃO E PDI MAPAS VIVOS DE
Leia maisALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA
136 ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA FILITTO, Danilo 1 Resumo: Os algoritmos Genéticos inspiram-se no processo de evolução natural e são utilizados para resolver problemas de busca e otimização
Leia maisPRIORIDADES EM SERVIÇOS E ORGANIZAÇÃO DO TRABALHO. Professora Andréia Ribas rp_andreiaribas@hotmail.com
PRIORIDADES EM SERVIÇOS E ORGANIZAÇÃO DO TRABALHO Professora Andréia Ribas rp_andreiaribas@hotmail.com Organização Processo de estabelecer relações entre as pessoas e os recursos disponíveis tendo em vista
Leia maisUma Heurística para o Problema de Redução de Padrões de Corte
Uma Heurística para o Problema de Redução de Padrões de Corte Marcelo Saraiva Limeira INPE/LAC e-mail: marcelo@lac.inpe.br Horacio Hideki Yanasse INPE/LAC e-mail: horacio@lac.inpe.br Resumo Propõe-se um
Leia maisUM GUIA RÁPIDO ORIENTADO A RESULTADOS (vigência: 29 JUN 2009)
GESTÃO DE PROCESSOS UM GUIA RÁPIDO ORIENTADO A RESULTADOS (vigência: 29 JUN 2009) 1. O QUE É PROCESSO? Processos têm sido considerados uma importante ferramenta de gestão, um instrumento capaz de aproximar
Leia mais3. Fase de Planejamento dos Ciclos de Construção do Software
3. Fase de Planejamento dos Ciclos de Construção do Software A tarefa de planejar os ciclos de construção do software pode partir de diretrizes básicas. Estas diretrizes visam orientar que os ciclos de
Leia maisFMEA (Failure Model and Effect Analysis)
Definição FMEA (Failure Model and Effect Analysis) Conceitos Básicos A metodologia de Análise do Tipo e Efeito de Falha, conhecida como FMEA (do inglês Failure Mode and Effect Analysis), é uma ferramenta
Leia maisRisco de projeto é um evento ou condição incerta que, se ocorrer, tem um efeito positivo ou um negativo no objetivo de um projeto.
Risco de projeto é um evento ou condição incerta que, se ocorrer, tem um efeito positivo ou um negativo no objetivo de um projeto. Um risco tem uma causa e, se ocorre, uma conseqüência. Se um ou outro
Leia maisO que é coleta de dados?
O que é coleta de dados? Segundo Bandeira (2004) no projeto de pesquisa, o pesquisador deverá descrever detalhadamente o método que usará para coletar seus dados. Basicamente ele pode adotar como método
Leia maisASPECTOS CONCEITUAIS OBJETIVOS planejamento tomada de decisão
FACULDADES INTEGRADAS DO TAPAJÓS DISCIPLINA: CONTABILIDADE GERENCIAL PROFESSOR: JOSÉ DE JESUS PINHEIRO NETO ASSUNTO: REVISÃO CONCEITUAL EM CONTABILIDADE DE CUSTOS ASPECTOS CONCEITUAIS A Contabilidade de
Leia mais7 etapas para construir um Projeto Integrado de Negócios Sustentáveis de sucesso
7 etapas para construir um Projeto Integrado de Negócios Sustentáveis de sucesso Saiba como colocar o PINS em prática no agronegócio e explore suas melhores opções de atuação em rede. Quando uma empresa
Leia maisMesa redonda: Cristiano Ferraz
Mesa redonda: Pesquisas Agropecuárias por Amostragem Probabilística UFPE Cristiano Ferraz Departamento de Estatística Universidade Federal de Pernambuco Pesquisas agropecuárias por amostragem probabilística:
Leia maisDEPRECIAÇÃO E OBSOLÊNCIA
UNIVERSIDADE ESTADUAL DE CAMPINAS - UNICAMP INSTITUTO DE FILOSOFIA E CIÊNCIAS HUMANAS - IFCH DEPARTAMENTO DE ECONOMIA E PLANEJAMENTO ECONÔMICO - DEPE CENTRO TÉCNICO ESCONÔMICO DE ASSISTÊNCIA EMPRESARIAL
Leia maisPedagogia Estácio FAMAP
Pedagogia Estácio FAMAP # Objetivos Gerais: O Curso de Graduação em Pedagogia da Estácio FAMAP tem por objetivo geral a formação de profissionais preparados para responder às diferenciadas demandas educativas
Leia maisA efetividade da educação à distância para a formação de profissionais de Engenharia de Produção
A efetividade da educação à distância para a formação de profissionais de Engenharia de Produção Carolina Pinheiro Bicalho Maria Clara Duarte Schettino Maria Laura Quaresma Ragone Mário Santiago Israel
Leia maisSoluções via.net para otimização de processos paramétricos com Autodesk Inventor.
Soluções via.net para otimização de processos paramétricos com Autodesk Inventor. Michel Brites dos Santos MAPData A parametrização quando possível já é uma forma de otimizar o processo de criação na engenharia.
Leia maisagility made possible
RESUMO DA SOLUÇÃO Utilitário ConfigXpress no CA IdentityMinder a minha solução de gerenciamento de identidades pode se adaptar rapidamente aos requisitos e processos de negócio em constante mudança? agility
Leia maisRoteiro SENAC. Análise de Riscos. Análise Quantitativa de Riscos. Análise Quantitativa de Riscos. Análise Quantitativa de Riscos
SENAC Pós-Graduação em Segurança da Informação: Análise de Riscos Parte 5 Leandro Loss, Dr. Eng. loss@gsigma.ufsc.br http://www.gsigma.ufsc.br/~loss Roteiro Análise de Qualitativa Quantitativa Medidas
Leia maisUnidade 5: Sistemas de Representação
Arquitetura e Organização de Computadores Atualização: 9/8/ Unidade 5: Sistemas de Representação Números de Ponto Flutuante IEEE 754/8 e Caracteres ASCII Prof. Daniel Caetano Objetivo: Compreender a representação
Leia maisBase Nacional Comum Curricular 2016. Lemann Center at Stanford University
Base Nacional Comum Curricular 2016 Lemann Center at Stanford University Parte II: Base Nacional Comum: Análise e Recomendações da Seção de Matemática Phil Daro Dezembro, 2015 BASE NACIONAL COMUM: ANÁLISE
Leia maisCLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO DE DOCUMENTOS
III SBA Simpósio Baiano de Arquivologia 26 a 28 de outubro de 2011 Salvador Bahia Políticas arquivísticas na Bahia e no Brasil CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO
Leia maisFAZEMOS MONOGRAFIA PARA TODO BRASIL, QUALQUER TEMA! ENTRE EM CONTATO CONOSCO!
FAZEMOS MONOGRAFIA PARA TODO BRASIL, QUALQUER TEMA! ENTRE EM CONTATO CONOSCO! DEFINIÇÃO A pesquisa experimental é composta por um conjunto de atividades e técnicas metódicas realizados para recolher as
Leia maisUMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS
UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS Lucas Middeldorf Rizzo Universidade Federal de Minas Gerais Av. Antônio Carlos, 6627 - Pampulha - Belo Horizonte - MG CEP 31270-901
Leia maisPlanejamento - 7. Planejamento do Gerenciamento do Risco Identificação dos riscos. Mauricio Lyra, PMP
Planejamento - 7 Planejamento do Gerenciamento do Risco Identificação dos riscos 1 O que é risco? Evento que representa uma ameaça ou uma oportunidade em potencial Plano de gerenciamento do risco Especifica
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisADMINISTRAÇÃO GERAL MOTIVAÇÃO
ADMINISTRAÇÃO GERAL MOTIVAÇÃO Atualizado em 11/01/2016 MOTIVAÇÃO Estar motivado é visto como uma condição necessária para que um trabalhador entregue um desempenho superior. Naturalmente, como a motivação
Leia maisRealização. Conselho Brasileiro de Manejo Florestal FSC Brasil. www.fsc.org.br
C e rtificação gr u p o em Realização Apoio Conselho Brasileiro de Manejo Florestal FSC Brasil www.fsc.org.br 28 01 C er t ifi ca çã o emgrupo em Realização Apoio Conselho Brasileiro de Manejo Florestal
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisCurva ABC. Cada uma destas curvas nos retorna informações preciosas a respeito de nossos produtos
Curva ABC A curva ABC tem por finalidade determinar o comportamento dos produtos ou dos clientes. Podemos desenvolver diversos tipos de curvas ABC contendo os seguintes parâmetros: 1. Produto X Demanda
Leia maisMotivação. Robert B. Dilts
Motivação Robert B. Dilts A motivação é geralmente definida como a "força, estímulo ou influência" que move uma pessoa ou organismo para agir ou reagir. De acordo com o dicionário Webster, motivação é
Leia mais4 Metodologia. 4.1. Tipo de pesquisa
4 Metodologia Este capítulo descreve a metodologia adotada na execução do trabalho de pesquisa: definição da variável alvo, delimitação da população, processo de seleção da amostra, técnicas e procedimentos
Leia mais