I Seminário da Pós-graduação em Engenharia Elétrica

Tamanho: px
Começar a partir da página:

Download "I Seminário da Pós-graduação em Engenharia Elétrica"

Transcrição

1 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 Balbo Oretador Depto de Matemátca Uesp Bauru RESUMO O trabalho vsa a vestgação e mplemetação dos métodos Prmal-Dual de Potos Iterores para programação quadrátca, com restrções leares e quadrátcas e varáves caalzadas, e a aplcação destes em problemas multobjetvo de Despacho Ecoômco e Ambetal, buscado determar soluções que mmzem os custos dos combustíves empregados a geração termoelétrca de eerga, cosderado como restrção a fução ambetal, lmtada superormete para íves permssíves de emssão. Testa-se uma mplemetação computacoal deste método, realzada em lguagem C++, para a determação de soluções aproxmadas do problema de Despacho Ecoômco e Ambetal, o qual será resolvdo utlzado-se a estratéga de resolução de problemas multobjetvo chamada de método ε-restrto, quado cosdera o problema ambetal como restrção do problema ecoômco. Esta vestgação pretede demostrar a efcêca do Método Prmal-Dual de Potos Iterores a ser desevolvdo, em comparação aos algortmos Geétcos Co-evolutvo, Atávco Híbrdo e Cultural, bem como ao método Prmal-Dual de potos terores, com procedmeto de busca udmesoal, os quas estão dvulgados a lteratura. PALAVRAS-CHAVE: Despacho Ecoômco e Ambetal, Método Prmal-Dual de potos terores, Aplcações em Egehara.. INTRODUÇÃO Problemas de otmzação ão-lear ocorrem em mutas áreas do cohecmeto tas como, matemátca, egehara, agrooma, etre outras. Devdo à sua ãoleardade e quatdade de varáves, estes problemas apresetam dfculdades à sua resolução, assm é de teresse utlzar métodos umércos efcetes para a determação de soluções destes, defdo crtéros de covergêca para tas determações. Detre os problemas de otmzação restrtos ão-leares destaca-se o Problema de Despacho Ecoômco (PDE), ecotrado a área de sstemas de geração de eerga, em Egehara Elétrca. Tal problema aalsa a geração termoelétrca baseado-se em seus aspectos ecoômcos. O PDE é um problema modelado em otmzação ão-lear, que busca otmzar o processo de alocação ótma da demada de eerga elétrca etre as udades

2 geradoras dspoíves mmzado o custo de combustíves empregados a geração termoelétrca. Durate muto tempo, a geração termoelétrca de eerga cosderou apeas estratéga ecoômcas, apesar de esta vr acompahada de desejáves emssões de gases como CO, SO, NO x e partculados. A preocupação pelas questões ambetas fez surgr ovas cosderações para o problema de geração termoelétrca como a modelagem do Problema de Despacho Ambetal (PDA), que busca mmzar a emssão de poluetes, respetado as mesmas restrções operacoas e de demada do PDE. O presete trabalho cosdera a fução ambetal como uma restrção adcoal ao PDE covecoal, lmtada por uma costate que represeta a máxma emssão permssível de poluetes, seja para todo o sstema de geração de eerga ou para cada uma das udades geradoras do sstema. Essa estratéga de resolução de problemas multobjetvo recebe o ome de método ε-restrto e pode ser ecotrada em [9]. A aálse de téccas de solução para a resolução dos problemas em destaque, possblta a vestgação de métodos e de téccas computacoas utlzadas para vestgar problemas de programação quadrátca. O Método Prmal-Dual de Potos Iterores (PDPI), vestgado o presete trabalho, têm se mostrado efcete para a resolução destes problemas. O algortmo prmal-dual de potos terores é defdo utlzado-se de procedmetos baseados a fução barrera logarítmca, defdos em [5] e [6]. Neste trabalho propõe-se uma extesão e aplcação do método Prmal-Dual de potos terores para problemas de programação quadrátca, com restrções quadrátcas e varáves caalzadas, o qual baseou-se os trabalhos [7] e [8], vsado a sua aplcação à determação de resultados dos modelos mult-objetvos de Despacho Ecoômco e Ambetal. Pretede-se demostrar a efcêca do Método Prmal-Dual de Potos Iterores desevolvdo e programado em Lguagem de programação C++, em comparação aos algortmos Geétcos Co-evolutvo, Atávco Híbrdo e Cultural, utlzados, respectvamete, em [0], [] e [], bem como pelo método Prmal-Dual de potos terores, com procedmeto de busca udmesoal desevolvdo em [3]. Este últmo autor utlzou a estratéga do método da soma poderada [9], para a resolução do problema multobjetvo em destaque.. METODOLOGIA. Método Prmal-Dual de Potos Iterores - Modelo O Método Prmal-Dual de Potos Iterores (PDPI) utlza a estratéga de barrera logarítmca e que a prátca, têm se mostrado efcete para a resolução de problemas de programação quadrátca covexa. Este método é varate do algortmo de trasformação projetva de Karmarar [] e fo aalsado e apresetado em [] e [3]. A demostração teórca da complexdade de tempo polomal fo feta com sucesso por esses autores. O algortmo relatvo a este método explora uma fução Prmal-Dual varate da fução barrera logarítmca, deomada de fução potecal. Os métodos serdos a metodologa Prmal-Dual de potos terores, foram amplamete vestgados em [4]. Defremos a segur um problema de mmzação de fuções quadrátcas, com restrções quadrátcas e varáves caalzadas em sua forma geral:

3 Mmzar f ( x) sujeto a gx ( ) 0; Mmzar L f ( x) l( z ) [l( z ) l( z ) ] m j j 3 j j j ( ) [ g ( x)] ( ) [ h ( x) ( u) ( z ) ] 0 j j j j j j j j ( ) [( x) ( l ) ( z ) ] ( ) [ ( x) ( l ) ( z ) ] j h( x) u; l x l x, g :, h : m p ; r r j j j j 3 j j j 3 j (.) Cosderações sobre o problema de mmzação (.): f(x): fução objetvo quadrátca; g(x): restrção lear; h(x): restrção quadrátca lmtada superormete por u; l e l : lmtates feror e superor, respectvamete, da varável x. Ao problema (.) com restrções de desgualdade, serão adcoadas varáves de folga e de excesso, obtedo-se o problema (.) segute: Mmzar f ( x) sujeto a gx ( ) 0; h( x) z u 0; x z l 0 x z l 0 ; 3 (.) m p x, g :, h : Ode: z, z : são varáves de folga relacoadas as restrções de desgualdade meor ou gual; z 3 : varável de excesso relacoada as restrções de desgualdade maor ou gual. O problema (.3) é a trasformação do problema (.) em um problema equvalete e rrestrto, cosderado a fução Lagragaa Barrera Logarítmca relacoada ao problema (.): (.3) Ode: μ: parâmetro de barrera; λ 0, λ, λ, λ 3 : multplcadores de Lagrage relacoadas as restrções de gualdade, desgualdade e caalzadas, respectvamete. Ao problema ateror vestgamos as codções de ª ordem das quas dervam as codções ecessáras de otmaldade de KKT: L( x, z, z, z,,,, ) (.4) Baseado o problema (.4) será apresetado o Método PDPI varate do algortmo de trasformação projetva de Karmarar [] e aalsado e apresetado em [] e [3]. Estes métodos foram amplamete vestgados em [4].

4 . Método Prmal-Dual de Potos Iterores Algortmo Os passos do algortmo relatvo ao método PDPI, que explora uma fução Prmal-Dual Barrera Logarítmca, serão apresetados a segur. PASSO - (Icalzado o algortmo): Ajuste 0. Escolha um poto cal: ( x, 0, z,z, z3,, 3,) e escolha, e 3 úmeros postvos sufcetemete pequeos. PASSO - (Resíduos): Calcule: t t m f ( x) g( x) h( x) ; t 0 g( x); t h( x) z u; t x z l ; t x z l ; 3 3 Z e e; Z e e; Z e e; p h( x) Z h( x) Z t Z Z t Z Z t ; t t t h( x) Z h( x) Z Z L. 3 3 PASSO 3 - (Teste de otmaldade): Crtéros de Parada t0 t )Factbldade prmal:,, t, t 3 ; g( x ) h( x ) ) Factbldade Dual: m ; ) Folgas Complemetares: ;,,3. 3 Se os crtéros de parada forem satsfetos, etão PARE. A solução é ótma. Caso cotráro sga para o PASSO 4. xx

5 PASSO 4 - (dreções de movmeto - prevsor): Determe as dreções de busca: t d ( g( x) g( x) ) ( t g( x) m g( x) p ); 0 t d m p g( x) d ; x d t h( x) d ; z x d t d z x d t d z 3 x 3 x x x 3 ; ; d Z [ ( t h( x) d )]; d Z [ ( t d )]; d Z [ ( t d )]. 0 0 PASSO 5 - (Teste lmtaredade) Se dz 0 e dz 0 ou dz 0,, etão PARE. A solução é lmtada. 3 Caso cotráro sga para o PASSO 6. PASSO 6 - (comprmeto do passo - prevsor): Cosderado as codções de factbldade prmal e dual, respectvamete, os comprmetos do passo são determados pela codção de factbldade Prmal e Dual: Codção de Factbldade Prmal: z dz z3 j Bu dz z m, m, z 0 e dz 0 0 e 0 z dz dz p m m,, z3 0 e dz3 0 j j 3 j ode m{ f ( x) d };0 Bu x Codção de Factbldade Dual: d 3 j d m, m, 0 e d 0 0 e 0 d d d m m, 3 0 e d3 0 j j 3 j PASSO 7 - (Novo poto): Atualze: x x d ; z z d ; z z d ; z z d ; p x p z p z 3 3 p z 3 d ; d ; d ; d. 0 0 D D D 3 3 D 0 3 Faça e volte para o PASSO..3 Problema de Despacho Ecoômco (PDE) O modelo do Problema Despacho Ecoômco (PDE) fo apresetado em [4]. Este é um problema modelado em otmzação ão-lear, e busca otmzar o processo de alocação ótma da demada de eerga elétrca etre as udades geradoras dspoíves mmzado o custo de combustíves empregados a geração termoelétrca. Portato, pretede-se mmzar a fução custo de geração de eerga F e defda a segur, codcoada à restrções de demada e de lmtes operacoas das udades geradoras:

6 e epvi Mmzar F F a P b P c Sujeto a P P D P P P M Max (.5) Ode: F e : fução custo total de geração do DE; F e PVI : represeta os custos de cada udade geradora, sem cosderar o efeto do poto de válvula; a, b e c são os coefcetes da fução custo; P s correspodem às potêcas as quas as udades geradoras devem operar; P D é o valor da demada de eerga; P M e P Max, os lmtes operacoas ferores e superores de saída das udades de geração termoelétrca, respectvamete..3. Problema de Despacho Ecoômco com Restrção Ambetal (DEA) A geração termoelétrca cotrbu cosderavelmete para a elevação da polução atmosférca. Cada qulowatt/hora (KW/h) de eletrcdade produzda pode estar assocado a taxas de emssões através de um fator de emssão. Em países ode o combustível fóssl é usado predomatemete, os mpactos mas séros proveetes da geração elétrca são as emssões de gases a atmosfera como subproduto da combustão. Com essa preocupação, trataremos o PDE apresetado em (.5), codcoado a uma restrção de máxma emssão de poluetes permssível, represetada pela fução ambetal modelada através do fator de emssão, lmtada por uma costate. Cosderamos uma modelagem da fução emssão do Despacho Ambetal, F a, que cosdera a relação etre a quatdade de cada poluete e a saída de potêca da udade, ecotrado os íves de cocetração resultates para esta udade geradora. Em [4] é defda uma fução ambetal F a (P ), através de uma fução polomal de seguda ordem: Fa ( P ) A P B P C (.6) em que, Fa, é a fução emssão assocada à udade ; P são a potêcas de saída dos geradores da udade ; A, B e C são os coefcetes da fução emssão da udade. Os parâmetros A, B e C são determados com base os resultados dos testes de emssão. O total das emssões, represetada pela fução F a, correspode à somatóra das emssões utáras, por gerador: F ( F ) ( P) (.7) a a O PDE (.5), a presete abordagem, será codcoado a restrções ambetas de dos modos: Modelo I - dscrma os lmtes ambetas para cada udade geradora:

7 em (.8) cosdera-se para cada udade geradora, uma fução ambetal Fa defda em (.6), lmtada por uma costate Fa de máxma emssão permssível; Modelo II - cosdera uma úca restrção ambetal: em (.9) cosdera-se uma úca fução ambetal Fa defda em (.7), lmtada por uma costate Fa e defda pela soma das emssões utáras vsta em (.7). Modelo I: Modelo II: e epvi Mmzar F F a P b P c Sujeto a P P D P P P M Max F P A P B P C F a( ) a,,,..., e epvi Mmzar F F a P b P c Sujeto a P P D P P P M Max F ( P) F a a (.8) (.9).4 Aplcação do Método PDPI ao modelo de PDE com Restrção Ambetal No que segue são cosderados os dados para a aplcação do método PDPI defdo a seção 3 e os resultados obtdos pela aplcação deste ao modelo de despacho ecoômco com restrção ambetal defdo pela Modelo I..4. Dados para a Aplcação ao Modelo Para o Modelo I vsto em (.8), cosderam-se: f ( x) F ( P); g( x) b AP; h ( x) F ( P),,...,6; a u F,,...,6; a e l ( P ) ; l ( P ) ; m Para o Modelo II vsto em (.9), cosderam-se: f ( x) F ( P); g( x) b AP; h( x) F F ( P) u F a e a a l ( P ) ; l ( P ) ; m

8 Nessa formulação temos que: P é a potêca gerada por cada udade geradora; (P m ) é a potêca míma gerada por cada udade geradora ; (P ) é a potêca máxma gerada por cada udade geradora. Cosderamos um sstema com 6 udades geradoras proposto em [] e []. As característcas do problema são apresetadas as Tabelas e. Tabela - Característcas do sstema de 6 geradores. Gerador Fução Custo Fução Emssão a b c A B C 0,547 38, ,7986 0,0049 0,3767 3,8593 0, ,596 45,35 0,0049 0,3767 3, , , ,9977 0, , , , , ,53 0, , , ,0 36, ,5696 0,0046-0,56 4, , , ,659 0,0046-0,56 4,89553 Tabela Lmtes Operacoas dos Geradores Cosderam-se os segutes dados, soluções e tolerâcas postvas para a calzação do método: A,,,,, ; b P P 500; ode: P 500 é o valor da demada e P 0, ou seja, descosdera-se a perda a trasmssão; 0 0 x (0, 30, 75, 75, 45, 55); (0, 0, 0, 0, 0, 0); (0, 0, 0, 0, 0, 0 ); 0 3 (,,,,, ); RESULTADOS Geradores Pm (MW) P (MW) D 0 L Utlzado os dados apresetados a seção.4, fo feta a aplcação do método PDPI defdo a seção., mplemetado em lguagem C++. D 3. Resultados obtdos para o Modelo I Os resultados obtdos são mostrados a tabela 3 em que, a colua F a costam os lmtes operacoas de emssão para a fução ambetal de cada gerador do sstema, utlzados a restrção ambetal do modelo I (.8) e a colua F e apreseta os valores mímos determados pelo método para a fução de custos (ecoômca). L

9 Tabela 3 Resultado da fução objetvo F e para dferetes lmtates F a. F a F a F a 3 F a 4 F a 5 F a 6 Fe , , , , ,80 3. Resultados obtdos para o Modelo II Os resultados obtdos são mostrados a tabela 4 em que, a colua F a costam os lmtes operacoas de emssão total do sstema, utlzados a restrção ambetal do modelo II (.9) e a colua F e apreseta os valores mímos determados pelo método para a fução de custos (ecoômca). Tabela 4 Resultado da fução objetvo F e para dferetes lmtates F a. F a F e , , , , ,80 Os resultados apresetados as tabelas 3 e 4, as coluas F e das duas tabelas são relatvos aos valores mímos da fução despacho ecoômco para os respectvos valores de restrções mpostos à fução ambetal relatva aos modelos I e II. Esses resultados são equvaletes àqueles mostrados em [3] e melhores que os apresetados em [] e [], o que era esperado pos estes autores utlzaram métodos bo-sprados. Em [3] o problema multobjetvo fo resolvdo pela estratéga da soma poderada [9] e pelo Método Prmal-Dual Prevsor-Corretor de potos terores. Em [] e [] o mesmo problema fo resolvdo utlzado-se algortmos geétcos co-evolutvos. A mplemetação dos modelos ada requer algumas melhoras como a aplcação do Método Prmal-Dual Prevsor-Corretor, para buscar melhores resultados e maor efcêca computacoal e explorar o método em destaque em problemas de dmesão maor, cotedo 40 geradores, ecotrados em []. 4. CONCLUSÕES Neste trabalho fez-se uma adaptação e aplcação de um Método Prmal-Dual de Potos Iterores para Problemas de Programação Quadrátca com restrções quadrátcas e varáves caalzadas, em Problemas de Despacho Ecoômco com restrção Ambetal. Na presete abordagem foram cosderadas duas dferetes modelages. No modelo I em (.8), utlzado lmtates de máxma emssão permssível de poluetes para cada uma das udades geradoras do sstema, tal formulação ressalta as característcas dvduas de cada gerador, ão somete de lmtes operacoas como de lmtes de emssão. No modelo II em (.9) utlzado um úco lmtate de máxma emssão permssível total do sstema. As soluções obtdas

10 em um caso testado foram comparadas com aquelas ecotradas em [], [] e [3]. Os resultados obtdos mostram a efcêca do método ctado para a resolução deste problema, quado comparados com os métodos cosderados estas referêcas. Ao método proposto será serda a estratéga prevsor-corretor e a mplemetação deste será feta e aplcada para problemas mult-objetvo defdos para 40 udades geradoras, comparado-se as soluções com as ecotradas em [], [] e [3]. 5. REFERÊNCIAS BIBLIOGRÁFICAS [] I. Adler, N. Karmaar, M. Resede e G. Vega, A Implemetato of Karmaar's algorthm for lear Programmg, Math Programmg-pp , 989. [] R. C. Motero, I. Adler e M. C. Resede, A polyoma-tme prmal-dual affe scalg algorthm for lear ad covex quadratc programmg ad ts power seres exteso, Mathematcs of Operatos Research 5, 9-4, 990. [3] M. Kojma, S. Mzuo e A. Yoshse, A prmal dual - teror pot method for lear programmg, t Progress Mathematcal Programmg: Iteror-Pot ad Related Methods, Ed. N. Megddo, Sprger- Verlag, New Yor, 9-48, 989. [4] S. C. Fag e S. Puthepura, Lear Optmzato ad Extesos: Theory ad Algorthms, Pretce- Hall, Eglewood Clffs, New Jersey, 993. [5] Frsch, K. R. The Logarthmc Potetal Method of Covex Programmg. Uversty Isttute of Ecoomcs (mauscrpt). Oslo, Norway, 955. [6] Facco A. V., McCormc G. P. (968). Nolear programmg: sequetal ucostraed mmzato techques. New Yor, Joh Wley & Sos [7] S. J. Wrght, Prmal-Dual Iteror Pot Methods, SIAM Joural, , 997. [8] Y.C. Wu, A.S. Debs e R.E. Marste, A drect olear Predctor-Corrector Prmal-Dual Iteror Pot Algorthm for Optmal Power Flows, IEEE Trasactos o Power Systems, 9, No., , 994. [9] Mette, K. Nolear Multobjectve Optmzato. Bosto: Kluwer [0] J.O. Km, D. J. Sh, J.N. Par ad C. Sgh, Atavstc Geetc algorthm for ecoomc dspatch wth valve pot effect, Eletrc Power Systems Research, 6, (00) [] M.M.A. Samed, Um Algortmo Geétco Hbrdo Co-Evolutvo para Resolver Problemas de Despacho, Tese de Doutorado, UEM, Depto. de Egehara Químca, Agosto de 004, 67 p. [] Rodrgues, N. M.. Um algortmo cultural para problemas de despacho de eerga elétrca, Dssertação de Mestrado, Uversdade Estadual de Margá, Marga Pr, 007. [3] M. A. S. Souza, Ivestgação e Aplcação de Métodos Prmal - Dual de Potos Iterores em Problemas de Despacho Ecoômco e Ambetal, Tese de Mestrado, Faculdade de Cêcas, UNESP, Bauru, 00. [4] EL-Hawary M. E., EL- Hawary F., G. A. N. Mbamalu. NO x emsso performace models electrc power system. Caada Coferece o Electrcal ad Computer Egeerg, vol II, p. MA 8.., 99.

Métodos de pontos interiores com estratégia de barreira logarítmica modificada em problemas multiobjetivo de despacho econômico e ambiental

Métodos 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 mais

KEYWORDS. Predictor-Corrector Primal-Dual Method, Modified Barrier, Environmental and Economic Dispatch. Main area (PM - Mathematical Programming)

KEYWORDS. 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 mais

II Seminário da Pós-graduação em Engenharia Elétrica

II Seminário da Pós-graduação em Engenharia Elétrica 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

Leia mais

UM MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES E EXTERIORES BARREIRA LOGARÍTMICA MODIFICADA COM ESTRATÉGIAS DE EXTRAPOLAÇÃO CÚBICA E CONVERGÊNCIA GLOBAL.

UM 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 mais

UM MÉTODO HÍBRIDO ENVOLVENDO OS MÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND EM PROBLEMAS MULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR

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 mais

Depto. de Matemática, Faculdade de Ciências FC/UNESP. CEP: , Bauru, SP.

Depto. 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 mais

Otimização do Despacho Econômico de Energia Elétrica usando uma Combinação de Evolução Diferencial e Programação Quadrática Seqüencial

Otimização 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 mais

Métodos Híbridos de Pontos Interiores, Branch-and-Bound,

Métodos 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 mais

Forma padrão do modelo de Programação Linear

Forma 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 mais

Atividades Práticas Supervisionadas (APS)

Atividades 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 mais

8 Programação linear 78

8 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 mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS 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 mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE 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 mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 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 mais

XLVI Pesquisa Operacional na Gestão da Segurança Pública

XLVI 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 mais

5 Critérios para Análise dos Resultados

5 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 mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 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 mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em 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 mais

Difusão entre Dois Compartimentos

Difusão 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 mais

UMA ABORDAGEM EVOLUTIVA PARA O DESPACHO ECONÔMICO AMBIENTAL CONSIDERANDO ZONAS PROIBIDAS

UMA ABORDAGEM EVOLUTIVA PARA O DESPACHO ECONÔMICO AMBIENTAL CONSIDERANDO ZONAS PROIBIDAS UA ABRDAGE EVLUTIVA ARA DESACH ECNÔIC ABIENTAL CNSIDERAND ZNAS RIBIDAS ARL W. R.C.B.LIVEIRA, NEWTN T. NASCIENT-JR, SVALD R. SAAVEDRA GRU DE SISTEAS DE TÊNCIA DEARTAENTDE ENGENHARIA ELÉTRICA UNIVERSIDADE

Leia mais

Algoritmo Evolução Diferencial Adaptado para o Problema das P-Medianas

Algoritmo 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 mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro 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 mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. 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 mais

ANÁLISE MULTICRITÉRIO DO PROBLEMA DE DESPACHO ECONÔMICO E AMBIENTAL SOB CONDIÇÕES DE INCERTEZA

ANÁLISE MULTICRITÉRIO DO PROBLEMA DE DESPACHO ECONÔMICO E AMBIENTAL SOB CONDIÇÕES DE INCERTEZA AÁLISE MULTICRITÉRIO DO PROBLEMA DE DESPACHO ECOÔMICO E AMBIETAL SOB CODIÇÕES DE ICERTEZA Mguel Motero Costa*¹, Lucas de Souza Batsta² ¹Programa de Pós-Graduação em Egehara Elétrca - Uversdade Federal

Leia mais

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de ovembro de 00 Ro de Jaero/RJ PROGRAMAÇÃO NÃO LINEAR COM PARÂMETROS FUZZY Luza Amala Pto Catão Akebo Yamakam DT FEEC UNICAMP CP: 60 3083-970 Campas SP

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. 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 mais

Avaliação da qualidade do ajuste

Avaliação 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 mais

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA

A 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 mais

RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS

RESOLVENDO 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 mais

Estabilidade no Domínio da Freqüência

Estabilidade 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 mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) 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 mais

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS 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 mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO 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 mais

Confiabilidade Estrutural

Confiabilidade 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 mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(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 mais

DESPACHO ECONÔMICO E AMBIENTAL DE ENERGIA ELÉTRICA

DESPACHO ECONÔMICO E AMBIENTAL DE ENERGIA ELÉTRICA XIII Smpóso Braslero de Automação Itelgete DESACHO ECONÔMICO E AMBIENTAL DE ENERGIA ELÉTRICA CRISTIANE DOS S. SILVA 1, YURI. R. MOLINA 1, IURI S. ARAÚJO 1, HELON D. DE M. BRAZ 1, TULIO I. O. DE MEDEIROS

Leia mais

7 Análise de covariância (ANCOVA)

7 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 mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. 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 mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - 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 mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 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 mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor 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 mais

UM MÉTODO DE PROJEÇÃO PARA PROBLEMAS DE COMPLEMENTARIDADE LINEAR

UM MÉTODO DE PROJEÇÃO PARA PROBLEMAS DE COMPLEMENTARIDADE LINEAR Vol., No., p. 69-79, dezembro de Pesqusa Operacoal 69 UM MÉTODO DE PROJEÇÃO PARA PROBLEMAS DE COMPLEMENTARIDADE LINEAR Crstae Mara Alves Pssarra Petroo Pulo Isttuto de Matemátca, Estatístca e Computação

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É 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 mais

Construção e Análise de Gráficos

Construção 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 mais

2. NOÇÕES MATEMÁTICAS

2. 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 mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA 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 mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade 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 mais

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo 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 mais

Uma abordagem de geração de colunas para o Problema Generalizado de Atribuição

Uma abordagem de geração de colunas para o Problema Generalizado de Atribuição XXIV Ecotro ac. de Eg. de Produção - Floraópols, SC, Brasl, 03 a 05 de ov de 2004 Uma abordagem de geração de coluas para o Problema Geeralzado de Atrbução Edso Luz Fraça See (UESP/FEG) elfsee@feg.uesp.br

Leia mais

ALGORITMOS DE OTIMIZAÇÃO BIOINSPIRADOS BASEADOS EM POPULAÇÕES PARA O PROBLEMA DE DESPACHO ECONÔMICO DE CARGA

ALGORITMOS DE OTIMIZAÇÃO BIOINSPIRADOS BASEADOS EM POPULAÇÕES PARA O PROBLEMA DE DESPACHO ECONÔMICO DE CARGA Aas do XIX Cogresso Braslero de Automátca, CBA 2012. ALGORITMOS DE OTIMIZAÇÃO BIOINSPIRADOS BASEADOS EM POPULAÇÕES PARA O PROBLEMA DE DESPACHO ECONÔMICO DE CARGA ADRIANE B. S. SERAPIÃO, RAQUEL K. ROCHA

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria 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 mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições 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 mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - 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 mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan 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 mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 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 mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. 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 mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 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 mais

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas UNIVERSIDADE FEDERAL DE OURO PRETO Isttuto de Cêcas Eatas e Bológcas Departameto de Computação José Álvaro Tadeu Ferrera Cálculo Numérco Notas de aulas Iterpolação Polomal Ouro Preto 3 (Últma revsão em

Leia mais

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos

4 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 mais

16 - PROBLEMA DO TRANSPORTE

16 - 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 mais

Optimal Coordination of Overcurrent Relays Using Mixed Integer Linear Programming A. A. Kida and L. A. Gallego, Member, IEEE

Optimal Coordination of Overcurrent Relays Using Mixed Integer Linear Programming A. A. Kida and L. A. Gallego, Member, IEEE Optmal Coordato of Overcurret Relays Usg Mxed Iteger Lear Programmg A. A. Kda ad L. A. Gallego Member IEEE 1 Abstract I dstrbuto systems the coordato ad selectvty of protecto devces are essetal for mprovg

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO 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 mais

TREINAMENTO DE UMA REDE PERCEPTRON DE MÚLTIPLAS CAMADAS UTILIZANDO ENHANCED-CONTINUOUS-GRASP

TREINAMENTO DE UMA REDE PERCEPTRON DE MÚLTIPLAS CAMADAS UTILIZANDO ENHANCED-CONTINUOUS-GRASP Aas do IX Cogresso Braslero de Redes Neuras /Itelgêca Computacoal (IX CBRN) Ouro Preto 25-28 de Outubro de 2009 Socedade Braslera de Redes Neuras TREINAMENTO DE UMA REDE PERCEPTRON DE MÚLTIPLAS CAMADAS

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro 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 mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio Potecas termodâmcos crtéros de espotaedade e codções de equlíbro O Prcípo da Etropa Máxma váldo para um sstema solado estabelece um crtéro para determarmos o setdo em que ocorrem os processos de forma

Leia mais

New solution for resolution of the Economic Load Dispatch by different mathematical optimization methods, turning off the less efficient generators

New solution for resolution of the Economic Load Dispatch by different mathematical optimization methods, turning off the less efficient generators Joural of Egeerg ad Techology for Idustral Applcatos, 2017. Edto. 11.Vol: 03 https://www.tegam-jeta.org ISSN ONLINE: 2447-0228 DOI: https://dx.do.org/10.5935/2447-0228.20170061 New soluto for resoluto

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto 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 mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

3 Experimento com Mistura com Respostas Não-Normais

3 Experimento com Mistura com Respostas Não-Normais Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade 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 mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução 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 mais

Cap. 5. Testes de Hipóteses

Cap. 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 mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura 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 mais

MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS

MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS Alexader Abuabara UFSCar / Depto. de Egehara de Produção Va Washgto Luz, km 235, CP 676 3565-905 São Carlos, SP

Leia mais

Revisão de Estatística X = X n

Revisão 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 mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos 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 mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. 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 mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo 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 mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x 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 mais

Sumário. Mecânica. Sistemas de partículas

Sumário. 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 mais

Estimativa de Campos de Precipitação: Análise Geoestatística e Integração de Dados de Postos Pluviométricos e Satélite TRMM

Estimativa de Campos de Precipitação: Análise Geoestatística e Integração de Dados de Postos Pluviométricos e Satélite TRMM Estmatva de Campos de Precptação: Aálse Geoestatístca e Itegração de Dados de Postos Pluvométrcos e Satélte TRMM Rodrgo Cauduro Das de Pava Isttuto de Pesqusas Hdráulcas Uversdade Federal do Ro Grade do

Leia mais

3 Sistema Neuro-Fuzzy Hierárquico BSP (NFHB)

3 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 mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

OTIMIZAÇÃO DO USO DA ÁGUA NO PERÍMETRO IRRIGADO FORMOSO UTILIZANDO LÂMINAS MÁXIMAS DE ÁGUA 1

OTIMIZAÇÃO DO USO DA ÁGUA NO PERÍMETRO IRRIGADO FORMOSO UTILIZANDO LÂMINAS MÁXIMAS DE ÁGUA 1 OTIMIZAÇÃO DO USO DA ÁGUA NO PERÍMETRO IRRIGADO FORMOSO UTILIZANDO LÂMINAS MÁXIMAS DE ÁGUA 1 J. L. C. Satos Júor 2, J. A. Frzzoe 3, V. P. S. Paz 4 RESUMO: A otmzação do uso da água é um desafo para os

Leia mais