Uma Variável Booleana é uma variável com domínio {0,1} (ou, equivalentemente, {falso, verdadeiro}).

Tamanho: px
Começar a partir da página:

Download "Uma Variável Booleana é uma variável com domínio {0,1} (ou, equivalentemente, {falso, verdadeiro})."

Transcrição

1 Ua Variável Booleana é ua variável co doínio {0,1} (ou, equivalenteente, {falso, verdadeiro}). Ua Fórula é ua ligação de variáveis através de conectivos lógicos, ou operadores. ex: F= x3 /\ (( x1/\ x2) \/ (x1 /\ x2)) F tabé pode ser representada coo ua árvore: x3 /\ /\ /\ x1 x2 x1 x2 Ua Valoração é ua função A : V {0,1}, onde V é o conjunto de variáveis de ua fórula (ua valoração é ua linha da tabela verdade da fórula) ex: {x1=0, x2=0, x3=0}, { x1=0, x2=0, x3=1}, etc U Modelo de ua fórula F é ua valoração das variáveis que satisfaz F, isto é, tal que F=1. No exeplo, F te dois odelos: {x1=0,x2=1,x3=0} e {x1=1,x2=0,x3=0} Problea (de decisão) SAT: Instância: Ua fórula F Pergunta: A fórula é satisfatível (ie, te (pelo enos u) odelo)? Se F possui u odelo, então F é dita SAT. Caso contrário, F é dita UNSAT. A fórula F de exeplo te dois odelos, e, logo, é SAT. A fórula F' = x1 /\ (x1 /\ x2 /\ x3) /\ (x2 \/ x3), por sua vez, é UNSAT Alguas aplicações do problea SAT: Prova de teorea P = Q se e soente se P Q é válida (ua tautologia) se e soente se P \/ Q te 2^n odelos sse ( P \/ Q) = P /\ Q é UNSAT (isto é, P /\ Q = 0 para toda valoração possível.) Verificação de circuitos Ua fórula co n variáveis é u circuito (lógico) co n entradas e ua saída. Por exeplo, seja A = ( x1 /\ x2) /\ (x3 \/ x4) e B = (x1 \/ x2) /\ ( x3 /\ x4) A e B são equivalentes se F=(A XOR B) (isto é, se F= ( A /\ B) \/ (A /\ B)) é UNSAT

2 F A B x1 x2 x3 x4 SAT é NP-Copleto Todo problea NP pode ser reduzido a SAT rapidaente (e tepo polinoial). Não se conhece algorito rápido (polinoial) para SAT. Se existir algu, P=NP. Notação: F[x] é a prograpação do literal x (isto é, de {x=1}) e F Se F = x1 /\ (x1 /\ x2 /\ x3) /\ (x2 \/ x3), F[x1] = 1 /\ (1 /\ x2 /\ x3) /\ (x2 \/ x3) = ( x2 /\ x3) /\ (x2 \/ x3). F[ x] é notação análoga {x=0}. F[A] é propagação de ua valoração e F: Se A = {x1=0,x2=1,x3=0}, então F[A] denota F[ x1][x2][ x3] Algoritos para SAT Força Bruta Para toda valoração A: Se F[A] = 1 Retorna SAT Retorna UNSAT Este algorito te coplexidade O(2^n * propagação) = O*(2^n) Sei-bruta Para alguas valorações A: Exeplo: Algorito GSAT Repita I vezes: A = valoração aleatória Repita K vezes: Escolha ua variável x da fórula Troque o valor de x e A // A(x) = 1-x Se F[A] = 1, retorne SAT Retorne UNSAT I e K são paraetros do prograa. Coplexidade: O(I*rand*K*propagação) = polinoial

3 O étodo é correto (se ele diz SAT, é porque a fórula de fato é SAT!) O étodo não é copleto (se ele diz UNSAT, F pode ainda ser SAT.). O algorito usa a ideia de busca local Se ua valoração quase satisfaz F, escolha ua variavel boa tal que ua valoração parecida tenha ais chances de satisfazer F! K K Algoritos corretos e copletos: Eficiencia (teórica) depende do forato da fórula! SAT Exponencial Não Clausal ("Vira lata") Linear SAT Exponencial "esperto" Exponencial SAT Linear Se F está e DNF, SAT é linear. F é UNSAT sse existe ua conjunção e que ua variável e sua negação aparece. A conversão de ua fórula para DNF é exponencial. Se F está e CNF, alguas técnicas espertas pode ser usadas. Transforar ua fórula para CNF é linear pela transforação de Tseitin. Transforação de Tsetin para CNF Colocar as negações apenas nas folhas, pela lei de DeMorgan; Renoear subfórulas e botto-up ( F = (x1 /\ x2) \/ [resto] ) é equivalente a ( F = y1 \/ [resto] /\ (y1 (x1 /\ x2) ) )

4 Exeplo: y1 x1 /\ x2 x2 /\ x3 x1 /\ x2 x2 x3 y1 <-> (x1 /\ x2) y1 x2 x3 y3 y1 <-> (x1 /\ x2) y2 <-> ( x2 \/ x3) y2 y1 y2 y3 y1 <-> (x1 /\ x2) y2 <-> ( x2 \/ x3) y3 <-> (y1 \/ y2) Se A e B são literais ou fórula já e CNF: y (A /\ B) => (y (A /\ B)) /\ ((A /\ B) y) => ( y \/ (A /\ B)) /\ ( (A /\ B) \/ y) => ( y \/ A) /\ ( y \/ B) /\ ( A \/ B \/ y) y (A \/ B) => (y (A \/ B)) /\ ((A \/ B) y) => ( y \/ (A \/ B)) /\ ( (A \/ B) \/ y) => ( y \/ A \/ B) /\ (( A /\ B) \/ y) => ( y \/ A \/ B) /\ ( A \/ y) /\ ( B \/ y) A fórula de exeplo, transforada, é: ( y1 \/ x1) /\ // y1 (x1 /\ x2) ( y1 \/ x2) /\ ( x1 \/ x2 \/ y1) /\ ( y2 \/ x2 \/ x3) /\ // y2 ( x2 \/ x3) (x2 \/ y2) /\ (x3 \/ y2) /\ ( y3 \/ y1 \/ y2) /\ // y3 (y1 \/ y2) ( y1 \/ y3) /\ ( y2 \/ y3) /\ y2 <-> ( x2 \/ x3) y1 <-> (x1 /\ x2) y3 <-> (y1 \/ y2) y3 y3 // y3 A transforação gera ua fórula co n+ variáveis e 1+3 cláusulas, sendo n () o núero de variáveis (de cláusulas) da fórula originial

5 DPLL: Algorito de backtracking para SAT DPLL(forula F) { f = siplifica(f); if (F == 0) retorna UNSAT; if (F == 1) retorna SAT; x = EscolheUaVariavelDeF(); F' = BCP(F,x); // F' = F[x] if (DPLL(F') == SAT) retorna SAT; F'' = BCP(F, x); // F'' = F[ x] if (DPLL(F'') == SAT) retorna SAT; retorna UNSAT; } O algorito escolhe ua variável, a troca por 1 e resolve o problea recursivaente. Se a fórula for UNSAT, troca-se a variável por 0 e o processo é repetido. Exeplo de árvore de busca do DPLL (se siplificações): ( x1 \/ x2) /\ (x2 \/ x3) /\ ( x1 \/ x2 \/ x3) /\ (x1 \/ x2 \/ x3) x1 x1 ( x2) /\ (x2 \/ x3) /\ (x2 \/ x3) (x2 \/ x3) /\ ( x2 \/ x3) x2 x2 x2 0 (x3) /\ ( x3) x3 x3 ( x3) x3 x A valoração pode ser obtida da pilha (ou de algua estrutura de dados própria). BCP (Boolean Constraint Propagation): Subrotina que, dados F e u literal (x ou x), retorna a propagação do literal e F (F[x] ou F[ x]). BCP(F, x) { Para cada cláusula C de F tq. x está e C F = Reova C de F Para cada cláusula C de F tq. x está e C F = Reova x de C retorna F }

6 Regras de siplificação: Cláusula unitária Se há ua cláusula de taanho 1, C=(l), então l pode ser propagado. Literal Puro Se x ocorre e x não ocorre, então x pode ser propagado (ou vice versa) E pseudo-codigo: siplifica(f) { enquanto F conté C = (l), C =1 ou F conté literal puro l { F = F[l]; } retorna F; } Heuristicas de raificação: Define qual variável ou literal é escolhido a cada passo. Ex: RAND() Bohn's Ideia: escolher variavel e cláusula pequena, para antecipar uso das regras das cláusuas unitárias. h_i(l) = nuero de clausulas que conte l de taanho i. H_i(x) = alfa*ax{h_i(x), h_i( x)} + beta*in{h_i(x), h_i( x)} Escolha x tal que <H_1(x)=0, H_2(x), H_3(x), etc> é (léxicograficaente) áxio sugestão: alfa =1, beta =2 favorece que ais aparece e cláusula de taanho 2 e caso de epate, favorece...de taaho 3 etc EX: ( x1 \/ x2) /\ (x2 \/ x3) /\ ( x1 \/ x2 \/ x3) /\ (x1 \/ x2 \/ x3) h_2( x1) = 1 h_2(x1) = 0 h_2(x2) = 1 h_2( x2) = 1 h_2(x3) = 1 h_2( x3) = 0 H_2(x1) = ax{0,1} + 2*in{0,1} = 1 H_2(x2) = ax{1,1} + 2*in{1,1} = 3 H_2(x3) = ax{1,0} + 2*in{1,0} = 1 x2 é escolhido MOM Escolha x que ais aparece nas cláusulas de taanho ínio Se a enor cláusula te taanho 2, escolhe a variável que ais aparece entre as de taanho 2 desepate aleatório ou por outra heuristica

7 No exeplo, as cláusulas de taanho 2 são ( x1 \/ x2) /\ (x2 \/ x3), e logo x2 é escolhido por aparecer ais nelas. (One sided) JEROSLOW-WANG Escolha literal l tal que J(l) = SOMA(l e C) 2^{- C } é áxia Quanto aior a cláusula, enor 2^- C Tende a escolher variavel e cláusulas pequenas Leva e conta o taanho de cada cláusula J(x1) = 2^-3 = 0,125 J( x1) = 2^-2 + 2^-3 = 0,375 J(x2) = 2^-2 + 2^-3 = 0,375 J( x2) = 2^-2 + 2^-3 = 0,375 J(x3) = 2^-2 = 0,25 J( x3) = 2^-3 + 2^-3 = 0,25 Escolhe qualquer u entre ( x1, x2, x2) Pode escolher x1 antes de x1 VSIDS Escolhe a variavel que ais ocorre na fórula. No exeplo, x1 ocorre 3 vezes, x2 ocorre 4 vezes, e x3 ocorre 3 vezes. x2 é escolhido Sugestão de estrutura de dados: Vetor de Vetores Manter u contador co o núero de cláusulas da fórula; Se C é reovida da fórula, clausulas--; Forula é SAT quando clausulas=0; Para cada cláusula, anter u contador co seu taanho: Se u literal é reovido da cláusula C, taanho[c]--; Se taanho[c]=1, C é cláusula unitária Se taanho[c]=0, F é UNSAT Manter a quantidade de ocorrências de cada variável Exeplo: ( x1 \/ x2) /\ (x2 \/ x3) /\ ( x1 \/ x2 \/ x3) /\ (x1 \/ x2 \/ x3) /\ (x4 \/ x5 \/ x1) F = [[-1, -2], [2, 3], [-1, 2, -3], [1, -2, -3], [4,5,-1] ] ta: [ 2, 2, 3, 3, 3 ] clausulas: 5 occ: [[3,1], [2, 2], [2, 1], [0,1], [0,1]] Problea: Para anter a estrutura, passa-se por todas as cláusulas sepre, eso as que não te relação co as que torna a fórula UNSAT. Literais Vigiados: E cada cláusula, coloca-se ponteiros e dois literais não valorados Quando valora u, procura outro não valorado para anter o ponteiro

8 Ex: x7=1 x15= 0 nada uda! x11=0 nada uda! x12= 0 x1 = 1 Esquea geral de ponteiros: Aprendizado: Obté características de cainhos ruins para evitar cainhos seelhantes no futuro. Definições: Nível de decisão de ua variável: Nivel da árvore de busca e que ua variável foi valorada As regras de siplificações não altera o nível de decisão. Variável decidida: escolhida pelo DPLL Variável iplicada: valorada por regra de siplificação

9 Grafo de iplicações: Vértice: x = v@n, sendo x ua variável, v u valor verdade, e n u nível de decisão Arco: Indica iplicações por regras de siplificação. Ex: C7 = (x1 \/ x2 \/ x3) x1=0@2 C7 x2=0@4 Conflito: Vértice que indica ua cláusula vazia (e, logo, UNSAT) C7 x3=1@4 C8 = (x5 \/ x6) x5=0@5 x6=0@5 C8 C8 k Doinante: Ua barreira : Conjunto de vértices do grafo tal que todo cainho inverso de k (u conflito) a ua variável decidida (ua folha ) conté u vértice do conjunto. Ex (do artigo): F = w1 /\ w2 /\ w3 /\ w4 /\ w5 /\ w6 = (x1 \/ x31 \/ x2) /\ (x1 \/ x3) /\ (x2 \/ x3 \/ x4) /\ ( x4 \/ x5) /\ (x21 \/ x4 /\ x6) /\ (x5 \/ x6) Doinantes: ( {x4=1, x21=0}, {x21=0, x1=0, x31=0}, etc ) Pode-se aprender (isto é, anexar à fórula) ua nova cláusula co a negeção cada doinante encontrado, indicando que a valoração naquele doinante não pode se repetir. Ex: Considerando o doinante {x4=1, x21=0}, pode-se aprender (x4 /\ x21) = ( x4 \/ x21).

10 Co o aprendizado de cláusulas, a fórula se torna dinâica. Pode-se fazer retrocesso não cronológico (backjuping): voltar no tepo (no aior nível de decisão do doinante considerado, exceto o últio) para possivelente seguir outro cainho. Ua fórula e 2-CNF é ua fórula e que cada cláusula te no áxio 2 literais. Problea 2-SAT: Problea SAT, onde a fórula de entrada está e 2-CNF. Pode ser resolvido e tepo linear: F = propagacaounitaria(f) //Aplicar cláusula unitária até não dar ais Se F =0, a fórula é UNSAT Agora, toda cláusula te taanho = 2 Se teos (A \/ B), então é verdade que ( A B) /\ ( B A). Grafo de iplicações ( não confundir co o anterior) Vértice: u literal Arco: indica iplicação, coo apresentado acia. Ex: F = ( x1 \/ x2) /\ ( x2 \/ x1) /\ (x1 \/ x3) x1 x3 x2 x2 x3 x1 Ua fórula é UNSAT se e soente se existe variavel x tal que x x e x x. Neste grafo, teos os cainhos: x1 x1 Por isso, x1 deve ser valorado co 0 (falso) x3 x3 Por isso, x3 deve ser valorado co 0 (falso) O valor de x2 é obtido de acordo co o grafo Ex. 2: F = ( x1 \/ x2) /\ ( x2 \/ x1) /\ (x1 \/ x3) /\ (x3 \/ x1) x1 x3 x2 x2 x3 x1

11 Há u cainho x x1 e há o cainho x1 x1. Logo, a fórula é UNSAT (independenteente das deais variáveis) U algorito linear copleto: 2SAT(forula F) { F = propagacaounitaria(f); se F = 0, retorne UNSAT; G = grafodeiplicações(f); Use o algorito de Tarjan ou o algorito de Kosaraju para encontrar as Coponentes Forteente Conexas (CFCs) de G; Se existe variável x tal que x e x estão na esa CFC, retorna UNSAT /* A fórula é SAT. Vaos obter a valoração */ Seja S = (S0,...,Sk) as CFCs de G e orde topológica inversa Para cada Si e S: Para cada literal l ainda não valorado e Si: Valore l coo falso (0) retorne SAT; } Pratique: HORN-SAT Cláusula de Horn: Conté no áxio u literal positivo. Ex: (x1 \/ x2 \/ x5) ( x3 \/ x2 \/ x4) Problea HORN-SAT: Problea SAT, onde a fórula te apenas cláusulas de Horn Algorito siples: F = propagacaounitaria(f) se F = 0, retorna UNSAT senão, retorna SAT // {xi = 0, para toda variável xi} satisfaz F. Problea (de otiização) MaxSAT: Instância: Fórula F e CNF Resposta: Valoração que axiiza o núero de cláusulas de F satisfeitas F = (x1) /\ ( x1 \/ x2) /\ ( x1 \/ x2) é UNSAT, as A={x1=0, x2=0} satisfaz 2 cláusulas. Problea WaxSAT: Instância: F, W : F Z+ (cada cláusula te u peso) Resposta: Valoração que axiiza a soa dos pesos das cláusulas satisfeitas

12 Ex: F = (x1, 13) /\ ( x1 \/ x2, 3) /\ ( x1 \/ x2, 1) A={x1=0, x2=0} soa: 4 (rui) A'={x1=1, x2=0} soa: 16 (ótio) Problea PWMaxSAT: Instância: F, W : F Z+ U {T} Cláusulas co peso T são ditas hard Cláusulas co peso e Z+ são ditas soft Resposta: Valoração que satisfaz todas as cláusulas hard E axiiza a soa dos pesos das cláusulas soft satisfeitas. (x1, 13) /\ ( x1 \/ x2, 3) /\ ( x1 \/ x2, T) A={x1=0, x2=0} soa: 3 (rui) A'={x1=1, x2=0} soa: 16 (bo, as não satisfaz ua hard. Logo, não é solução.) A''={x1=1, x2=1} soa: 13 (ótio) Possível aplicação: Reduções de probleas e grafos. Redução de MaxClique para PWMaxSAT v1 v2 v3 v4 v5 v6 Associa-se ua variável booleana xi a cada vértice vi do grafo xi=1 na valoração buscada se e soente se o vértice vi está na clique buscada Cria-se ua cláusula unitária (xi, 1) para cada variável xi e ua cláusula hard ( xi \/ xj, T) para cada aresta {xi,xj} que não está no grafo. No exeplo: F= (x1, 1) /\ (x2, 1) /\ /\ (x6, 1) /\ ( x1 \/ x4, T) /\ ( x1 \/ x5, T) /\ ( x1 \/ x6, T) /\ ( x3 \/ x4, T) /\ ( x4 \/ x6, T) Outros probleas co reduções eficientes: MaxCUT, TSP, SteinerTree, MinVertexCover; etc

13 Maneiras de resolver (PW)MaxSAT: 1. DPLL coo Branch and Bound Miniiza a soa dos pesos das cláusulas soft não satisfeitas (vazias) Percorre o espaço de busca coo o DPLL Guarda a elhor solução já encontrada Corta: Se a solução atual é pior que a já encontrada Por estiativas heurísticas Heurísticas e ais heurísticas 2. Busca Lexicográfica / SAT-Pr Dada ua valoração, seja B=(b(-1),...,b1,b0) a representação binária da soa dos pesos das cláusulas soft satisfeitas. Contrói-se ua fórula representando este circuito: b(-1) b1 b0 C C C Se Fc /\ b(-1) /\ Fh é SAT, então fixa-se b(-1) = 1; senão, fixa-se b(-1) = 0; Se Fc /\ b(-2) /\ Fh é SAT, então fixa-se b(-2) = 1; senão, fixa-se b(-2) = 0; Se Fc /\ b0 /\ Fh é SAT, então fixa-se b0 = 1; senão, fixa-se b0 = 0. Ao final do processo, os valores fixados e (b(-1),...,b1,b0) terão a representação binária do valor da solução ótia. 3. Fu & Malik / UNSATCores (para MaxSAT) Idéia: É SAT co cláusulas? Se não, é SAT co -1 cláusulas? etc Seja Ci ua cláusula. Seu ascaraento consiste na adição de ua nova variável bi à cláusula. Se ua dada valoração não satisfaz Ci, basta valorar bi=1 para que Ci \/ bi seja satisfeito (reovendo-se assi a necessidade de satisfazer Ci). Apenas ua cláusula pode se tornar desnecessária a cada passo do algorito.

14 Idéia do algorito: k=0; While (1) { Se F é SAT, retorna -k; Para cada Ci de /*u UNSATCORE de */ F: (1) Ci = Ci /\ bi // bi é ua variável nova (2) F = F /\ (Soa(bi)=1) // Soa(bi)=1 é u circuito co saida 1 se e soente sese o nuero de variaveis bi verdadeiras é igual a 1. k++; } UNSATCore: subconjunto das cláusulas de F (possivelente todas elas) cuja conjunção é UNSAT. Basta ascarar apenas cláusulas de UNSATCores.

Algoritimos e Estruturas de Dados III CIC210. Conteúdo. Seção Notas. Notas. Programação Dinâmica. Haroldo Gambini Santos. 3 de setembro de 2009.

Algoritimos e Estruturas de Dados III CIC210. Conteúdo. Seção Notas. Notas. Programação Dinâmica. Haroldo Gambini Santos. 3 de setembro de 2009. Algoritios e Estruturas de Dados III CIC210 Prograação Dinâica Haroldo Gabini Santos Universidade Federal de Ouro Preto - UFOP 3 de setebro de 2009 Haroldo Gabini Santos Prograação Dinâica 1/16 Conteúdo

Leia mais

INTRODUÇÃO AOS MÉTODOS NUMÉRICOS

INTRODUÇÃO AOS MÉTODOS NUMÉRICOS INTRODUÇÃO AOS MÉTODOS NUMÉRICOS Eenta Noções Básicas sobre Erros Zeros Reais de Funções Reais Resolução de Sisteas Lineares Introdução à Resolução de Sisteas Não-Lineares Interpolação Ajuste de funções

Leia mais

Análise e Projeto de Algoritmos

Análise e Projeto de Algoritmos Análise e Projeto de Algoritmos 2018.2 Classes P e NP P São os problemas que podem ser resolvidos em tempo polinomial por uma Máquina de Turing Determinística. NP São os problemas que podem ser decididos

Leia mais

Teorema Chinês dos Restos

Teorema Chinês dos Restos Teorea Chinês dos Restos Sauel Barbosa 22 de arço de 2006 Teorea 1. (Bézout) Seja a e b inteiros não nulos e d seu dc. Então existe inteiros x e y tais que d = ax + by. Se a e b são positivos podeos escolher

Leia mais

BUSCA ASSÍNCRONA DE CAMINHOS MÍNIMOS

BUSCA ASSÍNCRONA DE CAMINHOS MÍNIMOS BUSCA ASSÍNCRONA DE CAMINHOS MÍNIMOS Silvio do Lago Pereira Luiz Tsutou Akaine² Lucio Nunes de Lira Prof. Dr. do Departaento de Tecnologia da Inforação FATEC-SP Prof. Esp. do Departaento de Tecnologia

Leia mais

Projeto e Análise de Algoritmos Aula 2: Função de Complexidade Notação Assintótica (GPV 0.3)

Projeto e Análise de Algoritmos Aula 2: Função de Complexidade Notação Assintótica (GPV 0.3) Projeto e Aálise de Algoritos Aula 2: Fução de Coplexidade Notação Assitótica (GPV 0.3) DECOM/UFOP 202/2 5º. Período Aderso Aleida Ferreira Material desevolvido por Adréa Iabrudi Tavares BCC 24/202-2 BCC

Leia mais

Álgebra Linear I - Aula 1. Roteiro

Álgebra Linear I - Aula 1. Roteiro Álgebra Linear I - Aula 1 1. Resolução de Sisteas Lineares. 2. Métodos de substituição e escalonaento. 3. Coordenadas e R 2 e R 3. Roteiro 1 Resolução de Sisteas Lineares Ua equação linear é ua equação

Leia mais

Gabarito Lista 5. f(x)dx ponto-a-ponto denindo: x c. 1 se x c. x c. O monopolista irá cobrar a transferência que deixa o tipo x = c + 1 λ

Gabarito Lista 5. f(x)dx ponto-a-ponto denindo: x c. 1 se x c. x c. O monopolista irá cobrar a transferência que deixa o tipo x = c + 1 λ Professor: Lucas Maestri Microeconoia III Monitor: Pedro Solti EPGE / EBEF - 1 Gabarito Lista 1 O problea do onopolista é: ax Ix Ix x c 1 F x fxdx fx O onopolista axiiza escolhendo o valor da função Ix.

Leia mais

A, B, C polinómios conhecidos X, Y polinómios desconhecidos

A, B, C polinómios conhecidos X, Y polinómios desconhecidos Equações Diofantinas 23 Considere-se a equação AX + BY = C A, B, C polinóios conhecidos X, Y polinóios desconhecidos Há soluções? Quantas soluções há para ua dada equação? E geral, a equação pode ser definida

Leia mais

-- Notas de Aula -- EMC Simulação e Otimização de Sistemas Térmicos. Prof. Christian Hermes. Inverno de 2018

-- Notas de Aula -- EMC Simulação e Otimização de Sistemas Térmicos. Prof. Christian Hermes. Inverno de 2018 6. Otiização -- Notas de Aula -- EMC4086 Siulação e Otiização de Sisteas Téricos Prof. Christian Heres Inverno de 08 Definição: processo de procurta das condições geoétricas, operacionais que fornece o

Leia mais

Comecemos por recordar que neste jogo há um tabuleiro

Comecemos por recordar que neste jogo há um tabuleiro ATRACTOR O triângulo de Sierpinski e as Torres de Hanói No âbito de ua colaboração entre a Gazeta e o Atractor, este é u espaço da responsabilidade do Atractor, relacionado co conteúdos interativos do

Leia mais

Análise e Síntese de Algoritmos. Problemas NP-Completos CLRS, Cap. 34

Análise e Síntese de Algoritmos. Problemas NP-Completos CLRS, Cap. 34 Análise e Síntese de Algoritmos Problemas NP-Completos CLRS, Cap. 34 Contexto Revisões [CLRS, Cap. 1-10] Algoritmos em Grafos [CLRS, Cap. 22-26] Algoritmos elementares Árvores abrangentes Caminhos mais

Leia mais

Análise e Síntese de Algoritmos

Análise e Síntese de Algoritmos Análise e Síntese de Algoritmos Problemas NP-Completos CLRS, Cap. 34 Contexto Algoritmos em Grafos Estruturas de Dados para Conjuntos Disjuntos Programação Linear Programação Dinâmica Algoritmos Greedy

Leia mais

2.6 O ALGORITMO DPLL. Preliminares

2.6 O ALGORITMO DPLL. Preliminares Preliminares 2.6 O ALGORITMO DPLL Newton José Vieira 05 de agosto de 2007 Base da grande maioria dos algoritmos para o problema da satisfabilidade. Leva esse nome graças a Davis, Putnam, Logemann e Loveland,

Leia mais

Teoria do Consumidor: Equilíbrio e demanda. Roberto Guena de Oliveira 18 de Março de 2017

Teoria do Consumidor: Equilíbrio e demanda. Roberto Guena de Oliveira 18 de Março de 2017 Teoria do Consuidor: Equilíbrio e deanda Roberto Guena de Oliveira 18 de Março de 2017 1 Estrutura geral da aula Parte 1: Restrição orçaentária Parte 2: Equilíbrio Parte 3: Deanda 2 Parte I Restrição orçaentária

Leia mais

Capítulo 3. Métodos Numéricos Iterativos

Capítulo 3. Métodos Numéricos Iterativos Métodos Nuéricos Iterativos Métodos Nuéricos Iterativos Capítulo 3. Métodos Nuéricos Iterativos 1. Métodos nuéricos Sepre que se pretende resolver u problea cuja solução é u valor nuérico, é habitual ter

Leia mais

COKRIGAGEM. Aplicação da cokrigagem

COKRIGAGEM. Aplicação da cokrigagem COKRIGAGEM Procediento geoestatístico segundo o qual diversas variáveis regionalizadas pode ser estiadas e conjunto, co base na correlação espacial entre si. É ua extensão ultivariada do étodo da krigage

Leia mais

Onde estão os doces? Soluções para o Problema da Rua Encantada

Onde estão os doces? Soluções para o Problema da Rua Encantada Onde estão os doces? Soluções para o Problea da Rua Encantada Rossana Baptista Queiroz 1 1 Pontifícia Universidade Católica do Rio Grande do Sul (PUC-RS) Prograa de Pós-Graduação e Ciência da Coputação

Leia mais

BRUNO CÉSAR RIBAS SATISFATIBILIDADE NÃO-CLAUSAL RESTRITA ÀS VARIÁVEIS DE ENTRADA. Dissertação apresentada como requisito parcial

BRUNO CÉSAR RIBAS SATISFATIBILIDADE NÃO-CLAUSAL RESTRITA ÀS VARIÁVEIS DE ENTRADA. Dissertação apresentada como requisito parcial BRUNO CÉSAR RIBAS SATISFATIBILIDADE NÃO-CLAUSAL RESTRITA ÀS VARIÁVEIS DE ENTRADA Dissertação apresentada como requisito parcial à obtenção do grau de Mestre. Programa de Pós-Graduação em Informática, Setor

Leia mais

Escala na Biologia. Na natureza, há uma grande variação dos tamanhos dos seres vivos.

Escala na Biologia. Na natureza, há uma grande variação dos tamanhos dos seres vivos. Escala na Biologia Na natureza há ua grande variação dos taanhos dos seres vivos O copriento característico de u ser vivo é definido coo qualquer copriento conveniente para cálculos aproxiados Exeplos:

Leia mais

Representação De Modelos de Sistemas Dinâmicos:

Representação De Modelos de Sistemas Dinâmicos: Representação de Modelos de Sisteas Dinâicos: Equação I/O; Função de Transferência 03 Representação De Modelos de Sisteas Dinâicos: - Equação Input-Output (I/O) - Função de Transferência INTRODUÇÃO Vereos,

Leia mais

Definição e avaliação de métricas para solucionadores SAT

Definição e avaliação de métricas para solucionadores SAT Definição e avaliação de métricas para solucionadores SAT Fernando Augusto Fernandes Braz Orientador: Mark Alan Junho Song Departamento de Ciência da Computação PUC Minas 9 de dezembro de 2009 Sumário

Leia mais

Análise de Algoritmos. Slides de Paulo Feofiloff

Análise de Algoritmos. Slides de Paulo Feofiloff Análise de Algoritmos Slides de Paulo Feofiloff [com erros do coelho e agora também da cris] Algoritmos p. 1 Redução polinomial Permite comparar o grau de complexidade de problemas diferentes. Uma redução

Leia mais

5 Resultados Experimentais

5 Resultados Experimentais 5 Resultados Experientais Os resultados obtidos neste trabalho são apresentados neste capítulo. Para o desenvolviento deste, foi utilizado u robô óvel ("irobot Create") e u único sensor LRF(URG 4L UG ),

Leia mais

Afinação e Temperamento

Afinação e Temperamento Hidetoshi Arakawa Afinação e Teperaento Teoria e rática Hidetoshi Arakawa 00 Edição do Autor Capinas, Brasil upleento Hidetoshi Arakawa Caixa ostal 0 Capinas, 08-90 arakawah@correionet.co.br 00 refácio

Leia mais

Redução polinomial. Permite comparar o grau de complexidade de problemas diferentes.

Redução polinomial. Permite comparar o grau de complexidade de problemas diferentes. Redução polinomial Permite comparar o grau de complexidade de problemas diferentes. Uma redução de um problema Π a um problema Π é um algoritmo ALG que resolve Π usando uma subrotina hipotética ALG que

Leia mais

Segunda lista de exercícios

Segunda lista de exercícios Segunda lista de exercícios 3 de abril de 2017 Docente Responsável : Prof. Dr. Antônio C. Roque Monitor: Renan Oliveira Shioura Os exercícios desta lista deve ser resolvidos e Matlab. Para a criação dos

Leia mais

comprimento do fio: L; carga do fio: Q.

comprimento do fio: L; carga do fio: Q. www.fisicaexe.co.br Ua carga Q está distribuída uniforeente ao longo de u fio reto de copriento. Deterinar o vetor capo elétrico nos pontos situados sobre a reta perpendicular ao fio e que passa pelo eio

Leia mais

Aplicações didáticas de algoritmos bio-inspirados para o projeto ótimo de filtros analógicos 1

Aplicações didáticas de algoritmos bio-inspirados para o projeto ótimo de filtros analógicos 1 Aplicações didáticas de algoritos bio-inspirados para o projeto ótio de filtros analógicos 1 Rayann Pablo de Alencar Azevedo 2, Eliel Poggi dos Santos 3, Paulo Henrique da Fonseca Silva 4 1 Parte da pesquisa

Leia mais

Análise e Projeto de Algoritmos

Análise e Projeto de Algoritmos Análise e Projeto de Algoritmos 2018.2 Classes P e NP P São os problemas que podem ser resolvidos em tempo polinomial por uma Máquina de Turing Determinística. NP São os problemas que podem ser decididos

Leia mais

TEORIA E PRÁTICA NA BUSCA DE NÚMEROS PRIMOS DE MERSENNE

TEORIA E PRÁTICA NA BUSCA DE NÚMEROS PRIMOS DE MERSENNE TEORIA E PRÁTICA NA BUSCA DE NÚMEROS PRIMOS DE MERSENNE Coissão Técnica: Prof. Dr. Edival de Morais Prof. M. Sc. Eduardo Quadros da Silva Profa. Dra. Maria da Conceição Pinheiro Autores: Prof. M. Sc. Leonardo

Leia mais

f (x) = 10 2x e f (x) = -2. H(x) = [-2] é sempre negativo então a função é côncava.

f (x) = 10 2x e f (x) = -2. H(x) = [-2] é sempre negativo então a função é côncava. 1. Para cada ua das seguintes funções, verifique se ele é côncava, convexa ou nenhua das duas, justificando e cada caso. (a) f(x) = 1x x (b) y = x 3 + x x + 1 (a) y = 1x x f (x) = 1 x e f (x) = -. H(x)

Leia mais

4 Técnicas de Filtragens Aplicadas às Visões do Ambiente de Autoria do Sistema HyperProp

4 Técnicas de Filtragens Aplicadas às Visões do Ambiente de Autoria do Sistema HyperProp 4 Técnicas de Filtragens Aplicadas às Visões do Aiente de Autoria do Sistea HyperProp U prolea enfrentado pelos usuários que traalha co estruturas de dados grandes é a desorientação na usca por deterinada

Leia mais

Escoamento Cruzado sobre Cilindros e Tubos Circulares

Escoamento Cruzado sobre Cilindros e Tubos Circulares Exeplo resolvido (Holan 5-7) Ar a 0 o C e 1 at escoa sobre ua placa plana a 35 /s. A placa te 75 c de copriento e é antida a 60ºC. Calcule o fluxo de calor transferido da placa. opriedades avaliadas à

Leia mais

Projeto e Análise de Algoritmos

Projeto e Análise de Algoritmos Projeto e Análise de Algoritmos Tempo polinomial Verificação de tempo polinomial Diane Castonguay diane@inf.ufg.br Instituto de Informática Universidade Federal de Goiás Tempo polinomial Um algoritmo é

Leia mais

OBMEP ª FASE - Soluções Nível 3

OBMEP ª FASE - Soluções Nível 3 OBMEP 008 - ª FASE - Soluções Nível 3 QUESTÃO 1 a) Só existe ua aneira de preencher o diagraa, coo ostraos a seguir. O núero 9 não pode ficar abaixo de nenhu núero, logo deve ficar no topo. Acia do núero

Leia mais

Algoritmo genético para o balanceamento de linhas de produção

Algoritmo genético para o balanceamento de linhas de produção Algorito genético para o balanceaento de linhas de produção Sérgio Fernando Mayerle (EPS / UFSC ayerle@eps.ufsc.br) Rodrigo Nereu dos Santos (EPS / UFSC rodns@eps.ufsc.br) Resuo Neste artigo é discutido

Leia mais

Os Números Racionais e Irracionais. Máximo divisor comum e mínimo múltiplo comum: Critérios de divisibilidade. n e n. m são ditas irredutíveis,

Os Números Racionais e Irracionais. Máximo divisor comum e mínimo múltiplo comum: Critérios de divisibilidade. n e n. m são ditas irredutíveis, 0/0/0 Máio divisor cou e ínio últiplo cou: Dados dois núeros naturais e n, chaareos de aior divisor cou entre n e o núero natural dc (,n) que é otido pelo produto dos fatores couns entre e n. Assi podeos

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO E SISTEMAS. Programação Dinâmica. Prof. Sérgio Fernando Mayerle

UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO E SISTEMAS. Programação Dinâmica. Prof. Sérgio Fernando Mayerle UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO E SISTEMAS Prograação Dinâica . INTRODUÇÃO Na análise de uitos probleas operacionais, é conveniente considerar a idéia de u

Leia mais

CAPÍTULO VIII FADIGA DE COMPONENTES TRINCADOS

CAPÍTULO VIII FADIGA DE COMPONENTES TRINCADOS pg.1 CAPÍTULO VIII FADIGA DE COMPONENTES TRINCADOS 1 INTRODUÇÃO Os princípios da Mecânica da Fratura pode ser epregados para descrever o coportaento de defeitos planares que evolue e operação. A aceitabilidade

Leia mais

ANÁLISE DO LUGAR DAS RAÍZES

ANÁLISE DO LUGAR DAS RAÍZES VII- &$3Ì78/ 9,, ANÁLISE DO LUGAR DAS RAÍZES 7.- INTRODUÇÃO O étodo de localização e análise do lugar das raízes é ua fora de se representar graficaente os pólos da função de transferência de u sistea

Leia mais

Matemática D Extensivo V. 5

Matemática D Extensivo V. 5 ateática D Extensivo V. 5 Exercícios 01 B I. Falso. Pois duas retas deterina u plano quando são concorrentes ou paralelas e distintas. II. Falso. Pois duas retas pode ser perpendiculares ou paralelas a

Leia mais

II Matrizes de rede e formulação do problema de fluxo de carga

II Matrizes de rede e formulação do problema de fluxo de carga Análise de Sisteas de Energia Elétrica Matrizes de rede e forulação do problea de fluxo de carga O problea do fluxo de carga (load flow e inglês ou fluxo de potência (power flow e inglês consiste na obtenção

Leia mais

Análise da capacidade de suporte horizontal de uma estaca isolada

Análise da capacidade de suporte horizontal de uma estaca isolada Manual de engenharia No. 16 Atualização: 04/016 Análise da capacidade de suporte horizontal de ua estaca isolada Prograa: Arquivo: Estaca Deo_anual_16.gpi O objetivo deste anual de engenharia é explicar

Leia mais

2.3.4 Algoritmos de SAT

2.3.4 Algoritmos de SAT 114 CAÍTULO 2. LÓGICA ROOSICIONAL 2.3.4 Algoritmos de SAT Os algoritmos de SAT (do inglês satisfiability ) têm o objectivo de determinar se uma dada fbf α é satisfazível ou não; em caso afirmativo, devolvem

Leia mais

Reduções de Problemas Difíceis

Reduções de Problemas Difíceis Reduções de Problemas Difíceis André Vignatti DINF- UFPR Reduções de Problemas Difíceis Na figura abaixo, esquema das reduções que vamos (tentar) ver. Todos problemas NP CIRCUIT SAT SAT 3SAT INDEPENDENT

Leia mais

Complexidade de Algoritmos. Edson Prestes

Complexidade de Algoritmos. Edson Prestes Edson Prestes O limite superior de complexidade de um problema refere-se ao melhor algoritmo que o resolve. nlog 2 n é um limite superior para o problema de classificação. O limite inferior de um problema

Leia mais

Um método exato para multiplicadores lagrangeano/surrogate. Marcelo G. Narciso. Luiz A. N. Lorena

Um método exato para multiplicadores lagrangeano/surrogate. Marcelo G. Narciso. Luiz A. N. Lorena U étodo exato para ultiplicadores lagrangeano/surrogate Marcelo G. Narciso Ebrapa Inforática Agropecuária Av. Dr. André tosello, s/n, Unicap 3083-970 Capinas - SP, Brazil narciso@cnptia.ebrapa.br Luiz

Leia mais

O Problema da Intersecção de Segmentos. António Leslie Bajuelos Departamento de Matemática Universidade de Aveiro

O Problema da Intersecção de Segmentos. António Leslie Bajuelos Departamento de Matemática Universidade de Aveiro O Prolea da Intersecção de Segentos António Leslie Bajuelos Departaento de Mateática Universidade de Aveiro 1 Cálculo do ponto de intersecção entre dois segentos Vaos a tratar o seguinte prolea: Dados

Leia mais

Física II Ondas, Fluidos e Termodinâmica USP Prof. Antônio Roque Aula 8

Física II Ondas, Fluidos e Termodinâmica USP Prof. Antônio Roque Aula 8 59117 Física II Ondas, Fluidos e Terodinâica USP Prof. Antônio Roque Oscilações Forçadas e Ressonância Nas aulas precedentes estudaos oscilações livres de diferentes tipos de sisteas físicos. E ua oscilação

Leia mais

SISTEMAS DIGITAIS FUNÇÕES LÓGICAS

SISTEMAS DIGITAIS FUNÇÕES LÓGICAS FUNÇÕES LÓGICAS Setebro de 0 H Neto N Horta FUNÇÕES LÓGICAS - SUMÁRIO: FUNÇÕES LÓGICAS CIRCUITOS COM PORTAS NAND CIRCUITOS COM PORTAS NOR REPRESENTAÇÕES NORMALIZADAS SOMA DE PRODUTOS MINTERMOS PRODUTO

Leia mais

Habilidades com Somatórios

Habilidades com Somatórios S E M I N O G A I D A Á L R I O Habilidades co Soatórios Luís Cruz-Filipe 5 o ano da LMAC Ciência da Coputação lcf@ath.ist.utl.pt 4 de Outubro de 000 Palavras Chave soatório, característica, notação de

Leia mais

A INTERPRETAÇÃO ECONÔMICA DE UM ENSAIO DE ADUBAÇÃO DE E. grandis

A INTERPRETAÇÃO ECONÔMICA DE UM ENSAIO DE ADUBAÇÃO DE E. grandis IPEF, n.43/44, p.61-64, jan./dez.1990 A INTERPRETAÇÃO ECONÔMICA DE UM ENSAIO DE ADUBAÇÃO DE E. grandis FREDERICO PIMENTEL GOMES CARLOS HENRIQUE GARCIA IPEF Caixa Postal - 530 13400 - Piracicaba SP ABSTRACT

Leia mais

Problemas NP-completos

Problemas NP-completos Problemas NP-completos Marina Andretta ICMC-USP 15 de setembro de 2015 Marina Andretta (ICMC-USP) sme0216 e 5826 15 de setembro de 2015 1 / 26 Sat é NP-completo Já vimos que o primeiro problema que se

Leia mais

Agenda. Complexidade Não Determinista A classe NP. A classe Co-NP Reduções de tempo polinomial. Definida por. Exemplos em:

Agenda. Complexidade Não Determinista A classe NP. A classe Co-NP Reduções de tempo polinomial. Definida por. Exemplos em: A Classe NP Agenda Complexidade Não Determinista A classe NP Definida por aceitação em tempo polinomial por NTM s instâncias positivas com provas de tamanho polinomial aceitação por verificadores em tempo

Leia mais

Exercícios de Telecomunicações 2

Exercícios de Telecomunicações 2 Departaento de Engenharia Electrotécnica e de Coputadores Exercícios de Telecounicações (004-005) Sílvio A. Abrantes Foratação de fonte (aostrage e PCM) 1.1. A densidade espectral de potência de ua ensage

Leia mais

x = Acos (Equação da posição) v = Asen (Equação da velocidade) a = Acos (Equação da aceleração)

x = Acos (Equação da posição) v = Asen (Equação da velocidade) a = Acos (Equação da aceleração) Essa aula trata de ovientos oscilatórios harônicos siples (MHS): Pense nua oscilação. Ida e volta. Estudando esse oviento, os cientistas encontrara equações que descreve o dito oviento harônico siples

Leia mais

Capítulo 10. Excitação Senoidal e Fasores

Capítulo 10. Excitação Senoidal e Fasores Capítulo 0 Excitação Senoidal e Fasores 0. Propriedades das Senóides: Onda senoidal: ( t) sen( t) v ω Aplitude Freqüência angular ω [rad/s] - π/ω π/ω t Senóide é ua função periódica: Período: T π/ω Freqüência:

Leia mais

Universidade Estadual do Sudoeste da Bahia

Universidade Estadual do Sudoeste da Bahia Universidade Estadual do Sudoeste da Bahia Departaento de Estudos Básicos e Instruentais 5 Oscilações Física II Ferreira 1 ÍNDICE 1. Alguas Oscilações;. Moviento Harônico Siples (MHS); 3. Pendulo Siples;

Leia mais

Cinética Michaeliana [E] [A] é difícil de determinar em muitas situações, pelo que se. ) pode ser ajustada a uma. . É o valor máximo de

Cinética Michaeliana [E] [A] é difícil de determinar em muitas situações, pelo que se. ) pode ser ajustada a uma. . É o valor máximo de Cinética Michaeliana Diz-se que u enzia apresenta ua cinética Michaeliana sepre que a variação da velocidade inicial edida (v i ) pode ser ajustada a ua expressão da fora: v [E] 0 0 Cinética Michaeliana

Leia mais

TÓPICOS. Matriz pseudo-inversa. 28. Quadrados mínimos e projecção num subespaço. 1 W. , temos, neste caso,

TÓPICOS. Matriz pseudo-inversa. 28. Quadrados mínimos e projecção num subespaço. 1 W. , temos, neste caso, Note be: a leitura destes apontaentos não dispensa de odo algu a leitura atenta da bibliografia principal da cadeira Chaa-se a atenção para a iportância do trabalho pessoal a realizar pelo aluno resolvendo

Leia mais

FMJ MEDICINA FACULDADE DE MEDICINA DE JUNDIAÍ

FMJ MEDICINA FACULDADE DE MEDICINA DE JUNDIAÍ FMJ 2016 - MEDICINA FACULDADE DE MEDICINA DE JUNDIAÍ 09. Considere o esquea de u sistea utilizado para deonstrar a condutividade elétrica de soluções e a tabela que apresenta três soluções aquosas, de

Leia mais

Uma reformulação mono estágio de um modelo de programação da produção de bebidas dois estágios com sincronia

Uma reformulação mono estágio de um modelo de programação da produção de bebidas dois estágios com sincronia Ua reforulação ono estágio de u odelo de prograação da produção de bebidas dois estágios co sincronia Deiseara Ferreira Universidade Federal de São Carlos, UFSCar; Departaento de Engenharia de Produção

Leia mais

Dispersão de um pacote de ondas livres

Dispersão de um pacote de ondas livres Dispersão de u pacote de ondas livres Nos cursos introdutórios de ecânica quântica há sepre o problea da dispersão do pacote de ondas gaussiano para partícula livre, quando evolui segundo a equação de

Leia mais

CCI-22 CCI-22. 7) Integração Numérica. Matemática Computacional. Definição Fórmulas de Newton-Cotes. Definição Fórmulas de Newton-Cotes

CCI-22 CCI-22. 7) Integração Numérica. Matemática Computacional. Definição Fórmulas de Newton-Cotes. Definição Fórmulas de Newton-Cotes CCI- CCI- Mateática Coputacional 7 Integração Nuérica Carlos Alberto Alonso Sances Fórulas de Newton-Cotes, Quadratura Adaptativa CCI- Fórulas de Newton-Cotes Regra de Sipson Fórula geral stiativas de

Leia mais

Oscilações e Ondas Oscilações forçadas

Oscilações e Ondas Oscilações forçadas Oscilações e Ondas Oscilações forçadas Oscilações e Ondas» Oscilações forçadas 1 Oscilações livres e forçadas Exainaos até aqui a dinâica de osciladores harônicos e oviento a partir de ua condição inicial

Leia mais

Otimização Combinatória - Parte 4

Otimização Combinatória - Parte 4 Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional

Leia mais

Complexidade de Algoritmos

Complexidade de Algoritmos Compleidade de Algoritmos Prof. Diego Buchinger diego.buchinger@outlook.com diego.buchinger@udesc.br Prof. Cristiano Damiani Vasconcellos cristiano.vasconcellos@udesc.br Reduções de Problemas X NP-Completo

Leia mais

4.7. Semelhança Mecânica Aplicada às Bombas

4.7. Semelhança Mecânica Aplicada às Bombas idráulica Básica e Máquinas de Fluxo 116 4.7. Seelhança Mecânica Aplicada às Bobas o cálculo e projeto de ua boba interfere, via de regra, uitos fatores cujas grandezas não são exataente conhecidas, ficando

Leia mais

Matemática Computacional. Carlos Alberto Alonso Sanches Juliana de Melo Bezerra

Matemática Computacional. Carlos Alberto Alonso Sanches Juliana de Melo Bezerra CCI- Mateática Coputacional Carlos Alberto Alonso Sances Juliana de Melo Bezerra CCI- 7 Integração Nuérica Fórulas de Newton-Cotes, Quadratura Adaptativa CCI- Deinição Fórulas de Newton-Cotes Regra dos

Leia mais

Redução de Cook-Levin e Considerações Finais

Redução de Cook-Levin e Considerações Finais Redução de Cook-Levin e Considerações Finais André Vignatti DINF- UFPR Fechando o Ciclo de Reduções Nós reduzimos o SAT para diversos problemas de busca, como mostra a figura: Todos problemas NP CIRCUIT

Leia mais

14/02/2016. Método de Bitterlich DISCIPLINA: INVENTÁRIO FLORESTAL MÉTODOS DE AMOSTRAGEM PARTE 2 (NOTAS DE AULA) Método de Bitterlich

14/02/2016. Método de Bitterlich DISCIPLINA: INVENTÁRIO FLORESTAL MÉTODOS DE AMOSTRAGEM PARTE 2 (NOTAS DE AULA) Método de Bitterlich UNIVERSIDADE FEDERAL DE MATO GROSSO FACULDADE DE ENGENHARIA FLORESTAL DISCIPLINA: INVENTÁRIO FLORESTAL MÉTODOS DE AMOSTRAGEM PARTE 2 (NOTAS DE AULA) Prof. MsC. Cyro Matheus Coetti Favalessa Cuiabá 2014

Leia mais

Geometria Analítica e Álgebra Linear

Geometria Analítica e Álgebra Linear Geoetria Analítica e Álgebra Linear Ale Nogueira Brasil Faculdade de Engenharia Mecânica Universidade de Itaúna http://www.alebrasil.eng.br brasil@uit.br 0 de fevereiro de 00 Geoetria Analítica e Álgebra

Leia mais

Lógica para Computação Segundo Semestre, Aula 10: SAT. Prof. Ricardo Dutra da Silva. ( p (q ( q r))) ( p r) ( p q) ( p q r) p r.

Lógica para Computação Segundo Semestre, Aula 10: SAT. Prof. Ricardo Dutra da Silva. ( p (q ( q r))) ( p r) ( p q) ( p q r) p r. Lógica para Computação Segundo Semestre, 2014 Aula 10: SAT DAINF-UTFPR Prof. Ricardo Dutra da Silva Definição 10.1. SAT é o problema de decidir se existe uma valoração que satisfaça uma fórmula proposicional.

Leia mais

Jogo de Golfe. Lógica Nebulosa Fuzzy Logic. Lógica Nebulosa. Jogo de Golfe. Lógica Nebulosa. Lógica Nebulosa. O ser humano é inexato por natureza

Jogo de Golfe. Lógica Nebulosa Fuzzy Logic. Lógica Nebulosa. Jogo de Golfe. Lógica Nebulosa. Lógica Nebulosa. O ser humano é inexato por natureza uzzy Logic O ser huano é inexato por natureza Hoje está ais ou enos quente O show é eio caro Aquele cara é baixinho Coloque u pouco de sal Picanha be passada Não há incerteza sobre o valor. O problea é

Leia mais

Laboratório de Física 2

Laboratório de Física 2 Prof. Sidney Alves Lourenço Curso: Engenharia de Materiais Laboratório de Física Grupo: --------------------------------------------------------------------------------------------------------- Sistea

Leia mais

Limites para a integração de usinas ao sistema de distribuição através de uma única linha

Limites para a integração de usinas ao sistema de distribuição através de uma única linha XVIII Seinário Nacional de Distribuição de Energia Elétrica SENDI 8-6 a 1 de outubro Olinda - Pernabuco - Brasil Liites para a integração de usinas ao sistea de distribuição através de ua única linha Alécio

Leia mais

Melhores momentos AULA 24. Algoritmos p.906/953

Melhores momentos AULA 24. Algoritmos p.906/953 Melhores momentos AULA 24 Algoritmos p.906/953 Problemas polinomiais Analise de um algoritmo em um determinado modelo de computação estima o seu consumo de tempo e quantidade de espaço como uma função

Leia mais

INTRODUÇÃO ÀS FINANÇAS TAXAS NOMINAIS vs EFECTIVAS TAXAS EQUIVALENTES PARA PERÍODOS DIFERENTES TAE E TAEG

INTRODUÇÃO ÀS FINANÇAS TAXAS NOMINAIS vs EFECTIVAS TAXAS EQUIVALENTES PARA PERÍODOS DIFERENTES TAE E TAEG INTRODUÇÃO ÀS FINANÇAS TAXAS NOMINAIS vs EFECTIVAS TAXAS EQUIVALENTES PARA PERÍODOS DIFERENTES TAE E TAEG 2006. António Goes Mota, Cleentina Barroso, Helena Soares e Luís Laureano. Taxas Noinais vs Efectivas

Leia mais

Provadores de Teoremas baseados em contagem

Provadores de Teoremas baseados em contagem Provadores de Teoremas baseados em contagem Eduardo Menezes de Morais lenin@linux.ime.usp.br Orientador: Marcelo Finger Instituto de Matemática e Estatística - USP 16 de novembro de 2008 Eduardo Menezes

Leia mais

ELETROTÉCNICA (ENE078)

ELETROTÉCNICA (ENE078) UNIVERSIDADE FEDERAL DE JUIZ DE FORA Graduação e Engenharia Civil ELETROTÉCNICA (ENE078) PROF. RICARDO MOTA HENRIQUES E-ail: ricardo.henriques@ufjf.edu.br Aula Núero: 18 Conceitos fundaentais e CA FORMAS

Leia mais

Lógica Computacional Aula 4

Lógica Computacional Aula 4 Lógica Computacional Aula 4 DCC/FCUP 2017/18 Conteúdo 1 Lógica proposicional 1 1.1 Fórmulas de Horn.......................................... 1 1.2 Satisfazibilidade............................................

Leia mais

Complexidade computacional

Complexidade computacional Complexidade computacional Marina Andretta ICMC-USP 15 de setembro de 2015 Baseado no livro Uma introdução sucinta a Algoritmos de Aproximação, de M. H. Carvalho, M. R. Cerioli, R. Dahab, P. Feofiloff,

Leia mais

Capítulo 4 CONDUÇÃO BI-DIMENSIONAL, REGIME PERMANENTE. ρc p. Equação de calor (k cte e sem geração, coordenadas cartesianas): $ # % y k T.

Capítulo 4 CONDUÇÃO BI-DIMENSIONAL, REGIME PERMANENTE. ρc p. Equação de calor (k cte e sem geração, coordenadas cartesianas): $ # % y k T. Capítulo 4 CONDUÇÃO BI-DIMENSIONAL REGIME PERMANENE ρc p t =! # x k " x $ &! # % y k " y $ &! % z k $ # &!q " z % < q Equação de calor (k cte e se geração coordeadas cartesiaas): x y = 4.- Método de separação

Leia mais

Modelo vetorial: análise de redes. Análise de redes. Algoritmos de análise de redes. Análise de redes. Análise de redes

Modelo vetorial: análise de redes. Análise de redes. Algoritmos de análise de redes. Análise de redes. Análise de redes Sisteas de Iforação Geográfica II ula lexadre Goçalves DECivil - IST alexg@civil.ist.utl.pt Modelo vetorial: aálise de redes 1. : probleas 1. Caihos de eor custo. Árvores. lgoritos. valiação da rede 1.

Leia mais

A equação de Henri-Michaelis-Menten

A equação de Henri-Michaelis-Menten A equação de Henri-Michaelis-Menten Michaelis e Menten (93) refina a abordage de Henri e propõe u odelo uito seelhante: S cat E + A EA E + P passo lento considerando o prieiro passo suficienteente rápido

Leia mais

Algoritmos de Aproximação Segundo Semestre de 2012

Algoritmos de Aproximação Segundo Semestre de 2012 Algoritmos de Aproximação Segundo Semestre de 2012 Aproximação p. 1 Problema de decisão Problema de decisão: conjunto I de instâncias e função f : I {SIM, NÃO} Aproximação p. 2 Problema de decisão Problema

Leia mais

UMA HEURÍSTICA PARA UM PROBLEMA DE DESIGNAÇÃO PRODUTO-MÁQUINA. Armando Zeferino Milioni, Nelson Miguel Marino Junior. Marcos Antonio Pereira

UMA HEURÍSTICA PARA UM PROBLEMA DE DESIGNAÇÃO PRODUTO-MÁQUINA. Armando Zeferino Milioni, Nelson Miguel Marino Junior. Marcos Antonio Pereira UMA HEURÍSTICA PARA UM PROBLEMA DE DESIGNAÇÃO PRODUTO-MÁQUINA Arando Zeferino Milioni, Nelson Miguel Marino Junior Marcos Antonio Pereira Instituto Tecnológico de Aeronáutica (055 12 3947-5912) UniSoa

Leia mais

SISTEMAS BINÁRIOS ESTELARES

SISTEMAS BINÁRIOS ESTELARES SISTEMAS BINÁRIOS ESTELARES A aioria das estrelas encontra-se e sisteas duplos ou últiplos, estando fisicaente associadas entre si, sob influência de ua ação gravitacional útua. Através do estudo dos sisteas

Leia mais

TEORIA DE COMPLEXIDADE

TEORIA DE COMPLEXIDADE TEORIA DE COMPLEXIDADE Fundamentos: classes P e N P Mauricio Ayala-Rincón Grupo de Teoria da Computaç~ao http://ayala.mat.unb.br/tcgroup Instituto de Ciências Exatas Universidade de Brasília, Brasília

Leia mais

Exs.: 3, 4, 5, 8, 11, 19, 41, 42, 47, 51, 53, 55, 56, 58, 59

Exs.: 3, 4, 5, 8, 11, 19, 41, 42, 47, 51, 53, 55, 56, 58, 59 CAPÍTULO 30: Física Nuclear Alguas Propriedades dos Núcleos Carga e Massa O Taanho dos Núcleos stabilidade Nuclear nergia de Ligação Radioatividade Os Processos de Decaiento Radioativo O Decaiento Alfa,

Leia mais

Problemas Intratáveis ou computação eficiente X computação ineficiente

Problemas Intratáveis ou computação eficiente X computação ineficiente Problemas Intratáveis ou computação eficiente X computação ineficiente Problemas Tratáveis Os problemas que podem ser resolvidos em tempo polinomial em um computador típico são exatamente os mesmos problemas

Leia mais

Exemplo: Controlo digital de um motor de corrente contínua

Exemplo: Controlo digital de um motor de corrente contínua Modelação, Identificação e Controlo Digital 5-Controlo co técnicas polinoiais 5 Exeplo: Controlo digital de u otor de corrente contínua Pretende-se projectar u controlador digital para a posição de u pequeno

Leia mais

4 Modelo Proposto para Análise de Barras de Controle Local de Tensão

4 Modelo Proposto para Análise de Barras de Controle Local de Tensão odelo roposto para Análise de Barras de Controle ocal de Tensão. Introdução A siulação de fluxo de carga é ua das principais ferraentas na análise de sisteas elétricos de potência e regie peranente. É

Leia mais

Martín Gómez Ravetti * Universidade Federal de Minas Gerais (UFMG). Belo Horizonte, MG.

Martín Gómez Ravetti * Universidade Federal de Minas Gerais (UFMG). Belo Horizonte, MG. PROGRAMAÇÃO DE TAREFAS COM MÁQUINAS PARALELAS NÃO RELACIONADAS, TEMPOS DE PREPARAÇÃO DE MÁQUINAS DEPENDENTES DA SEQÜÊNCIA, DATAS DE ENTREGA E RESTRIÇÕES DE ELEGIBILIDADE. Martín Góez Ravetti * Universidade

Leia mais

Física Geral I. 1º semestre /05. Indique na folha de teste o tipo de prova que está a realizar: A, B ou C

Física Geral I. 1º semestre /05. Indique na folha de teste o tipo de prova que está a realizar: A, B ou C Física Geral I 1º seestre - 2004/05 1 TESTE DE AVALIAÇÃO 2668 - ENSINO DE FÍSICA E QUÍMICA 1487 - OPTOMETRIA E OPTOTÉCNIA - FÍSICA APLICADA 8 de Novebro, 2004 Duração: 2 horas + 30 in tolerância Indique

Leia mais

4 Análise da Estimativa da Máxima Injeção S m e da Margem M

4 Análise da Estimativa da Máxima Injeção S m e da Margem M 4 Análise da Estiativa da Máxia Injeção e da Marge M O presente capítulo te coo objetivo analisar os índices de avaliação das condições de segurança de tensão, que é ua estiativa da áxia potência que poderia

Leia mais

Modelos de Otimização em Redes

Modelos de Otimização em Redes Modelos de Otiização e Redes Socorro Rangel DMAp Departaento de Mateática Aplicada e-ail: socorro@ibilce.unesp.br http://www.ibilce.unesp.br/#!/departaentos/ateatica-aplicada/docentes/ Epresa de Produtos

Leia mais

Otimização convexa sobre o preço de opções call europeias

Otimização convexa sobre o preço de opções call europeias Otiização convexa sobre o preço de opções call europeias Maria Carolina da Silva Rasquinho Mestrado e Métodos Quantitativos e Finanças Master in Quantitative Methods in Finance Dissertação de Mestrado

Leia mais

Projeto e Análise de Algoritmos NP Completude. Prof. Humberto Brandão

Projeto e Análise de Algoritmos NP Completude. Prof. Humberto Brandão Projeto e Análise de Algoritmos NP Completude Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas versão da aula: 0.4 Introdução Problemas intratáveis ou difíceis são comuns

Leia mais