Utilizando Algoritmos Genéticos no Dimensionamento de Call Center

Tamanho: px
Começar a partir da página:

Download "Utilizando Algoritmos Genéticos no Dimensionamento de Call Center"

Transcrição

1 > REVIST DE ITELIGÊCI COMPUTCIOL PLICD (ISS: XXXXXXX), Vol. X, o. Y, pp Utilizando lgoritmos Genéticos no Dimensionamento de Call Center Lima, Maximiliano Moreno. Resumo - Ultimamente o call center tem se destacado através de ações que auxiliam as empresas a identificar e atender as necessidades de seus clientes. competitividade acirrada caracteriza o mercado de call center, fazendo com que só sobrevivam as operações mais eficientes. O sucesso na operação de um call center está diretamente ligado ao seu planejamento. Desta forma, este trabalho se destina a propor uma solução, através do uso de algoritmos genéticos, para o planejamento eficiente de um call center. esta pesquisa, apresentaremos um estudo de caso bem sucedido do dimensionamento de um site de atendimento virtualmente distribuído de uma empresa de Telecomunicações. bstract Lately, the call center has been noticed for its actions on helping companies identify and satisfy the needs of their clients. The strong and wild competition defines the call center market structure, allowing only the most efficient ones to live. The success on a call center s operation is directly mend to its planning. This way, this work is made to propose a solution, using genetics algorithms, for the most efficient planning of a call center. On this research, we will present a well-succeeded study of case about the use of this technique to determine the adequate base staff, necessary to attends the demand of the virtually distributed call center of a telecommunication company. Index Terms call center, base staff, neural network, and genetic algorithms I. ITRODUÇÃO satisfação dos clientes tem se tornado uma questão importante dentro das empresas. este sentido, o call center tem se destacado através de ações que auxiliam as empresas a identificar e atender as necessidades de seus clientes. Para ilustrar o crescimento e a valorização do setor, em 1999 nos Estados Unidos, quase 1.55 milhões de pessoas trabalhavam como operadores de call center, mais de 1,4% dos empregos do setor privado, e este número crescia a uma taxa de 8% ao ano. O mercado de call center é caracterizado ainda pela competitividade acirrada que existe entre as empresas, onde só sobrevivem as operações mais eficientes. Para atingir a eficiência, o Incoming Call Management Institute, define que a gestão de um call center deve ser: arte de garantir no momento correto, a quantidade necessária de recursos e pessoas qualificadas, para o atendimento de uma demanda prevista com precisão, num determinado nível de serviço e qualidade. Ou seja, a eficiência de uma operação está fortemente relacionada ao seu planejamento. O objetivo deste trabalho é através do uso de algoritmos genéticos, propor uma nova abordagem para o planejamento eficiente de um call center. Para isso, desenvolvemos um sistema neuro-genético que irá fazer a previsão da demanda, além de calcular e distribuir os recursos necessários para o seu atendimento. É importante lembrar que este trabalho só irá abordar a parte que corresponde ao algoritmo genético, ou seja, à parte de dimensionamento do call center, deixando a previsão da demanda utilizando redes neurais para outra oportunidade. seguir serão abordados os principais aspectos sobre o planejamento da operação de um call center, após isso uma breve explanação sobre o uso de lgoritmos Genéticos em problemas de otimização. Por último apresentaremos em detalhes um estudo de caso. II. PLEJMETO D OPERÇÃO DE UM CLL CETER Resumidamente o planejamento da operação de um call center consiste na alocação de pessoas e recursos para o atendimento de uma demanda prevista. Ou seja, parte do planejamento envolve o calculo do número de pessoas e recursos necessários para o atendimento da demanda, o dimensionamento. a prática, utilizam-se as fórmulas de Erlang ou simulações computacionais, de forma a obter o número mínimo de pessoas e recursos que deverão ser alocados. s fórmulas de Erlang apresentam facilidade e rapidez em seu uso, além de vasta literatura disponível. principal desvantagem desta ferramenta é assumir que no processo de atendimento nenhuma chamada será abandonada, o que sobre dimensiona a operação. Porém cabe destacar, que para bons níveis de serviço, os valores fornecidos por este método são bem próximos da realidade. simulação computacional proporciona flexibilidade no dimensionamento da operação, tratando diversas exceções e particularidades. desvantagem desta é o tempo gasto no processamento da informação, além de na maioria das vezes, não estar integrada com o sistema de previsão da demanda. escolha da técnica utilizada no dimensionamento da operação depende principalmente da complexidade que esta apresenta. Em operações simplificadas e com bons níveis de serviço, as formulas de Erlang apresentam bons resultados, para os demais casos, é interessante avaliar o uso de simuladores. Como no desenvolvimento do sistema utilizamos as formulas de Erlang, iremos descrever de forma simplificada o uso destas no calculo do número de atendentes e troncos necessários.. Calculo dos tendentes Para calcular o número de pessoas necessárias para o atendimento, utilizaremos a fórmula de Erlang C, que fornece a probabilidade do cliente ter que esperar para ser

2 > REVIST DE ITELIGÊCI COMPUTCIOL PLICD (ISS: XXXXXXX), Vol. X, o. Y, pp atendido. Existem duas variáveis envolvidas neste calculo: demanda (), e o número de atendentes (). baixo ilustramos a fórmula. P ( > 0) =! x 1 + x= 0 x!! ote que a formula não fornece o número de atendentes, mas sim, a probabilidade do cliente ter que esperar. Porém, estipulando o nível de serviço desejado, podemos relacionar esta fórmula à outra, que através de um processo interativo fornecerá o número de atendentes requeridos. Para o uso desta fórmula, devemos fornecer as seguintes entradas: demanda (), número de atendentes (), tempo médio de atendimento (TM) e tempo médio de espera (TME). baixo ilustramos a fórmula. S(%) = 1 P( > 0). e TME ( ) TM as duas formulas anteriormente apresentadas a demanda deverá estar em Erlang e os tempos em segundos. B. Calculo dos Troncos O número de troncos necessários para o atendimento da demanda é calculado a partir da fórmula de Erlang B, que fornece a probabilidade do cliente não ter nenhum canal de voz disponível na hora do contato. Existem duas variáveis envolvidas neste calculo: demanda (), e o número de troncos disponíveis (). baixo ilustramos a fórmula. P =! x x = 0 x! ssim como na fórmula de Erlang C, o número que queremos obter não é o valor da função. Desta maneira, devemos especificar a probabilidade das linhas do call center estarem ocupadas, e através de um processo interativo calcular o número de troncos requeridos. Para efetuar este calculo, a demanda deverá estar em Erlang. seguir apresentaremos uma breve explanação sobre o uso de algoritmos genéticos na solução de problemas de otimização. III. LGORITMOS GEÉTICOS SOLUÇÃO DE PROBLEMS DE OTIMIZÇÃO lgoritmos Genéticos (Gs - Genetic lgorithms) constituem uma técnica de busca e otimização, altamente paralela, inspirada no princípio Darwiniano de seleção natural e reprodução genética. De acordo com a teoria de C. Darwin, o princípio de seleção privilegia os indivíduos mais aptos com maior longevidade e, portanto, com maior probabilidade de reprodução. Indivíduos com mais descendentes têm mais chance de perpetuarem seus códigos genéticos nas próximas gerações. Os códigos genéticos constituem a identidade de cada indivíduo, e estão representados nos cromossomas. Estes princípios são imitados na construção de algoritmos computacionais que buscam uma melhor solução para um determinado problema, através da evolução de populações de soluções codificadas através de cromossomas artificiais. Em Gs um cromossoma é uma estrutura de dados que representa uma das possíveis soluções do espaço de busca do problema. Cromossomas são então submetidos a um processo evolucionário que envolve avaliação, seleção, recombinação sexual (crossover) e mutação. pós vários ciclos de evolução a população deverá conter indivíduos mais aptos. Podemos caracterizar um algoritmo genético través dos componentes: problema, representação, decodificação, avaliação, seleção, operadores, técnicas e parâmetros. seguir apresentaremos um estudo de caso onde através de um algoritmo genético foi feito todo o dimensionamento do call center de uma empresa do setor Telecomunicações. IV. ESTUDO DE CSO partir dos problemas encontrados no dimensionamento da operação de uma empresa do setor de telecomunicações, desenvolvemos um sistema neuro-genético que pudesse fazer a previsão da demanda, além de calcular e distribuir o número de atendentes e troncos necessários. Como dito anteriormente, este trabalho só irá apresentar a parte do algoritmo genético do sistema, o que corresponde ao dimensionamento do call center. seguir, iremos abordar cada um dos componentes que representam o algoritmo genético.. O Problema Começaremos a análise do problema pela organização do call center da empresa estudada. Esta utilizou a técnica de Skill-Based Routing no roteamento das suas chamadas. técnica divide a operação do call center em grupos de atendentes, os agent groups, onde cada um possui um conhecimento específico para atender um determinado tipo de chamada, Skill [1]. segmentação das chamadas e atendentes permite maior flexibilidade na operação, e nos obriga a tratar cada tipo separadamente. Para o nosso problema, consideraremos três tipos de chamadas, as quais, chamaremos de: Skill 1, Skill 2 e Skill 3. É importante notar que cada Skill possui características próprias, tais como: tempo médio de atendimento, tempo médio de espera aceitável pela operação, distribuição das chamadas ao longo do dia, grau importância no atendimento em relação aos demais Skills, dentre outros. baixo ilustramos a tabela com as principais características dos Skills que utilizamos no nosso exemplo.

3 > REVIST DE ITELIGÊCI COMPUTCIOL PLICD (ISS: XXXXXXX), Vol. X, o. Y, pp TBEL 1 CRCTERÍSTICS DOS SKILLS DOTDOS Skill Importãncia Tempo Médio Tempo Médio para Empresa de tendimento de Espera Skill 1 0, Seg 20 Seg Skill 2 0,15 90 Seg 20 Seg Skill 3 0, Seg 20 Seg Outro item considerado no desenvolvimento do sistema foi à estratégia da empresa de terceirizar parte da sua operação. Onde dos três sites que fazem o atendimento, só um pertence à empresa. os demais, existem contratos para estabelecer a forma de cobrança e a qualidade oferecida. ssim como nos Skills, também caracterizamos os sites de acordo com alguns critérios, tais como: forma de cobrança, qualidade e Skills atendidos. tabela abaixo ilustra o caso. TBEL 2 CRCTERÍSTICS DOS SITES DOTDOS Skills Tipo de ível de Serviço Site tendidos Cobrança em 20 Site R$ 0,35 p/ Cham 85% Site Site R$ p/ Mim 75% otar-se na tabela anterior que os valores de qualidade e custo do site 2 foram omitidos. Estes indiretamente fazem parte da solução do problema, pois devemos distribuir as chamadas de cada Skill pelos possíveis sites de atendimento com um nível de serviço médio de 80% em 20 segundos no menor custo possível. Ou seja, iremos variar o custo e qualidade da operação própria da empresa, de maneira que todos os Skills apresentem o nível de serviço médio de 80/20 no menor custo possível. B. Representação a representação do problema, utilizamos um cromossoma com 7 genes de codificação real, onde cada um representa uma proporção do total de chamadas enviadas de um Skill pra um site. O número 7 se justifica por nem todos os sites atenderem a todos os Skills, desta maneira as exceções foram omitidas. codificação real utilizada se deve a adequação desta a problemas cujo espaço de busca é contínuo. Uma outra característica importante, é que na representação por reais, não existe o problema da distancia de Hamming. C. Decodificação decodificação da solução dos cromossomas é obtida calculando à proporção que cada site receberá da demanda prevista de cada Skill. Desta forma, deixamos de trabalhar com proporções para trabalhar com o total de chamadas enviadas para cada site. contratadas, calcularemos quantas chamadas deveriam ser atendidas no site próprio, para que o nível de serviço geral de cada Skill seja de 80/20. Com o número de chamadas que deverão ser atendidas em até 20 segundos no site próprio, e o total de chamadas enviadas para o mesmo, calculamos o nível de serviço que este site deverá ter. a segunda etapa, calculamos o número de atendentes e troncos que serão necessários para atender a demanda no nível de serviço proposto pela primeira etapa. Por último, através de uma avaliação multi-critério, depois de normalizados, o custo total da operação, e a soma dos valores dos níveis de serviço de cada Skill multiplicado pelo respectivo peso no atendimento, foram comparados ao vetor [0,1]. Onde o objetivo é identificar as soluções que estão mais próximas do custo zero e qualidade um. E. Seleção Utilizamos o mecanismo de seleção proporcional, método da roleta, para a escolha dos indivíduos que serão reproduzidos. F. Operadores Genéticos O operador de crossover adotado foi uma generalização do crossover aritmético. Cada descendente é formado a partir de uma combinação dos resultados de seus genitores. baixo apresentamos a fórmula. child1 = parent1 + rand * Ratio*( parent2 parent1) child2 = parent2 + rand * Ratio*( parent1 parent2) G. Técnicas. 1) Inicialização da População Fizemos a inicialização da população de forma aleatória, gerando 50 indivíduos através de uma distribuição uniforme. 2) Técnica de Elitismo Utilizamos a Técnica de Elitismo mantendo os 5 melhores indivíduos da população anterior na seguinte. 3) Técnica de Eliminação Eliminamos todos os indivíduos da população anterior com exceção dos 5 melhores, que foram mantidos pelo Elitismo. 4) Técnica de Reprodução ferramenta permitiu especificar a fração de indivíduos do total da população seguinte que serão formados a partir de crossover e mutação, com exceção é claro, daqueles que foram mantidos pelo Elitismo. D. valiação Devido a sua complexidade, o processo de avaliação do sistema foi dividido em 3 etapas, que detalharemos a seguir. a primeira etapa da avaliação, os cromossomas já decodificados, irão fornecer a quantidade de chamadas que cada site receberá de cada Skill. Desta maneira, a partir do nível de serviço oferecido por cada uma das empresas H. Critério de Parada O critério de parada adotado foi o de 100 gerações.

4 > REVIST DE ITELIGÊCI COMPUTCIOL PLICD (ISS: XXXXXXX), Vol. X, o. Y, pp I. Resultado Vários ajustes foram feitos na modelagem do algoritmo de forma atingir os melhores resultados. O primeiro foi o tamanho da população. baixo apresentamos o gráfico do melhor indivíduo por geração, variado o tamanho da população de 10, 25, 50 indivíduos. Melhor valiação 0,3000 0,2850 0, Influência do Tamanho da População Individuos (10) Individuos (50) Individuos (25) Gráfico 1-Melhor avaliação por geração variando o tamanho da população. Verificamos que aumentando o número de indivíduos de uma população evitamos a convergência prematura obtendo melhores resultados. seguir, iremos abordar os ajustes feitos na taxa Ratio que existe no operador de O gráfico ilustra o desempenho do algoritmo para vários valores desta. Melhor valiação 0,29 0,28 0,27 Influência da Taxa do Operador de Crossover Taxa (0,6) Taxa (0,8) Taxa (1,0) Gráfico 2-Melhor avaliação por geração variando a taxa do operador de otamos que quando aumentamos a taxa do operador de crossover, dispersamos mais a população pelo espaço de busca, prejudicando a convergência do algoritmo. Com base nas análises anteriores, chegamos a uma parametrização final para o algoritmo. tabela abaixo apresenta estas. TBEL 3 CRCTERÍSTICS DO G Parâmetro Valor Tamanho da população. 50 Função de inicialização. Distribuição Uniforme úmero de indivíduos mantidos na população seguinte. 10% Percentual de indivíduos da população seguinte, criados a partir de 80% Taxa de mutação. 1% Função de mutação. Distribuição Uniforme Taxa do operador de 0,6 Para esta configuração obtivemos o seguinte desempenho. Melhor valiaçõa 0,22 Desempenho do Melhor lgoritmo Gerações Gráfico 3- Desempenho da melhor escolha para os parâmetros do algoritmo. Podemos ver que nas últimas gerações, o algoritmo tende a se estabilizar. Isto se deve a grande similaridade existente entre os indivíduos da população. este sentido, introduzimos o conceito de interpolação de parâmetros. Ou seja, variamos a fração de indivíduos da população seguinte que serão criados a partir de crossover e mutação, privilegiado o último método. Também alteramos a taxa de mutação e a taxa do operador do O objetivo disto é dispersar a população, trazendo novo material genético para a formação dos melhores indivíduos. baixo apresentamos o quadro das variações feitas nos parâmetros ao longo das gerações. TBEL 4 ITERPOLÇÃO DE PRÂMETROS Parâmetro / Percentual de indivíduos da população seguinte, 0,8 0,7 0,6 0,5 0,4 criados a partir de Taxa de mutação. 1% 2% 3% 4% 5% Taxa do operador de 0,6 0,7 0,8 0,9 1,0 seguir apresentamos o gráfico da melhor configuração, e da melhor configuração com os parâmetros adaptativos a cada geração. Melhor vliação Influência da Interpolação de Parâmetros Interpolação Fixa Gráfico 4-Desempenho do algoritmo com e sem a interpolação de parâmetros. otamos que a interpolação de parâmetros favoreceu a busca da melhor solução, trazendo novo material genético para a formação dos melhores indivíduos.

5 > REVIST DE ITELIGÊCI COMPUTCIOL PLICD (ISS: XXXXXXX), Vol. X, o. Y, pp Por fim, compararemos os resultados encontrados pelo G e pela busca exaustiva. O gráfico a seguir ilustra o caso. G x Busca Exaustiva Melhor valiação 0, Gerações G Busca Exaustiva Gráfico 5- Comparação do desempenho da busca exaustiva com o G. partir do gráfico acima, observamos que a busca exaustiva se apresenta ineficiente perto ao G. V. COCLUSÃO O lgoritmo Genético conseguiu apresentar uma solução inédita para o dimensionamento de um site virtualmente distribuído onde parte da operação é terceirizada. lém disso, quando comparado as tradicionais fórmulas de Erlang, observamos a grande flexibilidade presente somente nos simuladores. Em compensação, quando comparamos o G aos simuladores, temos a vantagem de integrar este ao sistema gerador de demanda (um Comitê de Redes eurais), destacamos ainda, que na maioria dos simuladores não existe nenhuma relação entre qualidade e custo. Por último, ressaltamos que o tempo tomando no processamento da informação é menor do que os exigidos na maioria dos simuladores que existem no mercado. VI. GRDECIMETOS ndré de Carvalho, Marcio lbuquerque, Marcus Fabrício e Rodrigo Otávio e lexandre Machado o meu agradecimento. VII. REFERÊCIS [1] CLEVELD, Brad; MYBE, Julia. Call Center Management On Fast Forward. 1º. nnapolis Maryland: Call Center Press, p. 281 [2] HSELM, Duane; LITTLEFIELD, Bruce. Matlab 5 Versão do Estudante: Guia do Usuário. 1º. São mpaulo: Makon Books, p. 400 [3] HYKI, Simon. Redes eurais: principios e práticas:. 2º. Porto legre: Bookman, p. 893 [4] TOURÉ, Hamadoun I.. Handbook Teletraffic Engineering. 1º. Geneva: ITU-T, p. 319 [5] GOLDBERG, David Edward. Genetic lgorithms in Search, Optimization, and Machine Learnig. 1. labama: ddison-wesley, p. 411

Complemento IV Introdução aos Algoritmos Genéticos

Complemento IV Introdução aos Algoritmos Genéticos Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e

Leia mais

ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA

ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA 136 ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA FILITTO, Danilo 1 Resumo: Os algoritmos Genéticos inspiram-se no processo de evolução natural e são utilizados para resolver problemas de busca e otimização

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos

Leia mais

Algoritmos Genéticos

Algoritmos Genéticos UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br

Leia mais

Conceitos Básicos de Algoritmos Genéticos: Teoria e Prática

Conceitos Básicos de Algoritmos Genéticos: Teoria e Prática Conceitos Básicos de Algoritmos Genéticos: Teoria e Prática Thatiane de Oliveira Rosa 1, Hellen Souza Luz 2 1 Curso de Sistemas de Informação Centro Universitário Luterano de Palmas (CEULP/ULBRA) Caixa

Leia mais

Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados

Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas Departamento de Ciências

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola

Leia mais

Ajuste dos parâmetros de um controlador proporcional, integral e derivativo através de algoritmos genéticos

Ajuste dos parâmetros de um controlador proporcional, integral e derivativo através de algoritmos genéticos Ajuste dos parâmetros de um controlador proporcional, integral e derivativo através de algoritmos genéticos ADJUSTMENT OF CONTROLLER PID S PARAMETERS OF GENETIC ALGORITHMS Luiz Eduardo N. do P. Nunes Victor

Leia mais

3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS

3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS 3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS 3.1 - Conceitos Básicos Entendemos como algoritmo um conjunto predeterminado e bem definido de regras

Leia mais

- Computação Evolutiva -

- Computação Evolutiva - - Computação Evolutiva - Prof. Dr. Cícero Garrozi DEINFO - UFRPE PPGIA@UFRPE cicerog@gmail.com Site da disciplina: http://cicerog.blogspot.com Sumário Situando a Computação Evolucionária Metáfora principal

Leia mais

Representação por Números Reais

Representação por Números Reais Representação por Números Reais Cromossomas expressam valores através de números reais (ponto flutuante) e não em binário Para apresentarmos essa representação vamos introduzir o conceito de hibridização

Leia mais

SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos

SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos Fredson Vieira Costa 1, Fábio Silveira Vidal 1, Claudomiro Moura Gomes André 1 1 Curso de Bacharelado em Ciência da Computação

Leia mais

Computação Evolutiva: desvendando os algoritmos genéticos Evolutionary Computing: unleashing genetic algorithms

Computação Evolutiva: desvendando os algoritmos genéticos Evolutionary Computing: unleashing genetic algorithms Computação Evolutiva: desvendando os algoritmos genéticos Evolutionary Computing: unleashing genetic algorithms Sílvio Petroli Neto 1, FAJ, USF Resumo Este trabalho apresenta os Algoritmos Genéticos, uma

Leia mais

Otimização de Recuperação de Informação usando Algoritmos Genéticos

Otimização de Recuperação de Informação usando Algoritmos Genéticos Otimização de Recuperação de Informação usando Algoritmos Genéticos Neide de Oliveira Gomes, M. Sc., nog@inpi.gov.br Prof. Marco Aurélio C. Pacheco, PhD Programa de Doutorado na área de Métodos de Apoio

Leia mais

Evolução Biológica e Algoritmos Genéticos. Fábio Lima Custódio flc@lncc.br

Evolução Biológica e Algoritmos Genéticos. Fábio Lima Custódio flc@lncc.br Evolução Biológica e Algoritmos Genéticos Fábio Lima Custódio flc@lncc.br Sumário Conceitos gerais O que é evolução? Forças Evolutivas Mutação Deriva Gênica Fluxo gênico Seleção Natural A teoria evolutiva

Leia mais

Algoritmos Genéticos (GA s)

Algoritmos Genéticos (GA s) Algoritmos Genéticos (GA s) 1 Algoritmos Genéticos (GA s) Dado um processo ou método de codificar soluções de um problema na forma de cromossomas e dada uma função de desempenho que nos dá um valor de

Leia mais

Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest )

Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest ) Generalidades A metáfora Biológica Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest ) Operadores Genéticos (Mendel) - recombinação (crossover ) - mutação (mutation ) Algoritmos

Leia mais

Algoritmos Genéticos. André Ricardo Gonçalves. andreric [at] dca.fee.unicamp.br www.dca.fee.unicamp.br/~andreric

Algoritmos Genéticos. André Ricardo Gonçalves. andreric [at] dca.fee.unicamp.br www.dca.fee.unicamp.br/~andreric Algoritmos Genéticos André Ricardo Gonçalves andreric [at] dca.fee.unicamp.br www.dca.fee.unicamp.br/~andreric Sumário 1 Algoritmo Genético p. 3 1.1 Computação Evolucionária...........................

Leia mais

DESENVOLVIMENTO DE SISTEMA DE VIDA ARTIFICIAL BASEADO EM AGENTES DE COMPORTAMENTOS COMPLEXOS

DESENVOLVIMENTO DE SISTEMA DE VIDA ARTIFICIAL BASEADO EM AGENTES DE COMPORTAMENTOS COMPLEXOS DESENVOLVIMENTO DE SISTEMA DE VIDA ARTIFICIAL BASEADO EM AGENTES DE COMPORTAMENTOS COMPLEXOS RELATÓRIO FINAL DE PROJETO DE INICIAÇÃO CIENTÍFICA (PIBIC/CNPq/INPE) Juliana Martins Maia Pereira (UNIVAP, Bolsista

Leia mais

ALGORITMOS GENÉTICOS

ALGORITMOS GENÉTICOS ALGORITMOS GENÉTICOS INTRODUÇÃO São métodos adaptativos que podem ser usados para resolver problemas de busca e otimização. Na natureza a combinação de boas características provenientes de diferentes indivíduos

Leia mais

Problemas Multi-modais e Distribuições Espaciais em Algoritmos Genéticos.

Problemas Multi-modais e Distribuições Espaciais em Algoritmos Genéticos. Problemas Multi-modais e Distribuições Espaciais em Algoritmos Genéticos. Thiago da Mota Souza Coordenação de Pós-Graduação e Pesquisa de Engenharia Centro de Tecnologia Universidade Federal do Rio de

Leia mais

Verificação de Impressões Digitais usando Algoritmos Genéticos

Verificação de Impressões Digitais usando Algoritmos Genéticos 1. Introdução Verificação de Impressões Digitais usando Algoritmos Genéticos Matheus Giovanni Pires, Fernando Vieira Duarte, Adilson Gonzaga Escola de Engenharia de São Carlos Universidade de São Paulo

Leia mais

Otimização do Planejamento de Cargas de Dados utilizando Algoritmos Genéticos

Otimização do Planejamento de Cargas de Dados utilizando Algoritmos Genéticos Otimização do Planejamento de Cargas de Dados utilizando Algoritmos Genéticos Tatiana Escovedo 1, Adriano S. Koshiyama 1 e Marco Aurélio C. Pacheco 1 1 Departamento de Engenharia Elétrica Pontifícia Universidade

Leia mais

Computação BioInspirada

Computação BioInspirada Computação BioInspirada Os Engenheiros da Natureza Fabrício Olivetti de França The reasonable man adapts himself to the world; the unreasonable one persists in trying to adapt the world to himself. Therefore

Leia mais

SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA

SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente

Leia mais

3 Métodos de Otimização

3 Métodos de Otimização 3 Métodos de Otimização 3.1. Introdução Os problemas de otimização são problemas de maximização ou minimização de função de uma ou mais variáveis num determinado domínio, sendo que, geralmente, existe

Leia mais

Alocação de Grade Horária em Instituições de Ensino Superior Utilizando Algoritmos Genéticos

Alocação de Grade Horária em Instituições de Ensino Superior Utilizando Algoritmos Genéticos Alocação de Grade Horária em Instituições de Ensino Superior Utilizando Algoritmos Genéticos Cristiane Divina L. Hamawaki 1, Keiji Yamanaka 1, Rodrigo C. Oliveira 1, Osvaldo T. Hamawaki 2 1 Faculdade de

Leia mais

CAPÍTULO 1 INTRODUÇÃO 1.1 INTRODUÇÃO

CAPÍTULO 1 INTRODUÇÃO 1.1 INTRODUÇÃO CAPÍTULO 1 INTRODUÇÃO 1.1 INTRODUÇÃO Em quase todas as nossas atividades diárias precisamos enfrentar filas para atender as nossas necessidades. Aguardamos em fila na padaria, nos bancos, quando trafegamos

Leia mais

ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO

ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO Renan de Oliveira Yamaguti Faculdade de Engenharia de Computação / CEATEC renan.yamaguti@terra.com.br

Leia mais

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente

Leia mais

OTIMIZAÇÃO DOS PARÂMETROS DE UM CONTROLADOR PROPORCIONAL, INTEGRAL E DERIVATIVO POR ALGORITMO GENÉTICO PARA UM SISTEMA DE CONTROLE DE NÍVEL DE LÍQUIDO

OTIMIZAÇÃO DOS PARÂMETROS DE UM CONTROLADOR PROPORCIONAL, INTEGRAL E DERIVATIVO POR ALGORITMO GENÉTICO PARA UM SISTEMA DE CONTROLE DE NÍVEL DE LÍQUIDO 121 OTIMIZAÇÃO DOS PARÂMETROS DE UM CONTROLADOR PROPORCIONAL, INTEGRAL E DERIVATIVO POR ALGORITMO GENÉTICO PARA UM SISTEMA DE CONTROLE DE NÍVEL DE LÍQUIDO PROPORTIONAL, INTEGRAL AND DERIVATIVE PARAMETERS

Leia mais

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011 Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende,

Leia mais

UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS

UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS Alisson S. C. Alencar, Ajalmar R. da Rocha Neto Departamento de Computação, Instituto Federal do Ceará (IFCE). Programa

Leia mais

Aplicando Algoritmos Genéticos na Alocação de Tarefas em Sistemas Distribuídos de Tempo Real

Aplicando Algoritmos Genéticos na Alocação de Tarefas em Sistemas Distribuídos de Tempo Real Aplicando Algoritmos Genéticos na Alocação de Tarefas em Sistemas Distribuídos de Tempo Real André C. Nácul +, Maurício Lima Pilla +, Rômulo Silva de Oliveira * {anacul,pilla}@inf.ufrgs.br, romulo@lcmi.ufsc.br

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Simulador de Redes Neurais Multiplataforma

Simulador de Redes Neurais Multiplataforma Simulador de Redes Neurais Multiplataforma Lucas Hermann Negri 1, Claudio Cesar de Sá 2, Ademir Nied 1 1 Departamento de Engenharia Elétrica Universidade do Estado de Santa Catarina (UDESC) Joinville SC

Leia mais

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS UMA SOLUÇÃO DO PROBLEMA DAS N RAINHAS ATRAVÉS DE ALGORITMOS GENÉTICOS A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS Eliane Vendramini de Oliveira Mestre em Engenharia Elétrica UNESP/ Ilha Solteira

Leia mais

Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha

Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste

Leia mais

Aula 08. Modelos e Simulação

Aula 08. Modelos e Simulação Modelos e Simulação 8.1 Aula 08 Modelos e Simulação Walter Antônio Bazzo e Luiz Teixeira do Vale Pereira, Introdução a Engenharia Conceitos, Ferramentas e Comportamentos, Capítulo 7: Modelos e Simulação

Leia mais

PROPOSTA DE SOFTWARE DE INSTALAÇÃO PARA UM AMBIENTE INTEGRADO DE GERÊNCIA DE PROJETOS E DE PROCESSOS DE NEGÓCIOS

PROPOSTA DE SOFTWARE DE INSTALAÇÃO PARA UM AMBIENTE INTEGRADO DE GERÊNCIA DE PROJETOS E DE PROCESSOS DE NEGÓCIOS PROPOSTA DE SOFTWARE DE INSTALAÇÃO PARA UM AMBIENTE INTEGRADO DE GERÊNCIA DE PROJETOS E DE PROCESSOS DE NEGÓCIOS Élysson Mendes Rezende Bacharelando em Sistemas de Informação Bolsista de Iniciação Científica

Leia mais

Sintonia de Controladores PID utilizando Algoritmos Genéticos

Sintonia de Controladores PID utilizando Algoritmos Genéticos Sintonia de Controladores PID utilizando Algoritmos Genéticos J. Franco M. Amaral, M. A. C. Pacheco, R. Tanscheit DEE-PUC-Rio, CP 38063, 22452-970 Rio de Janeiro, RJ e-mail: [jfranco, marco, ricardo]@ele.puc-rio.br

Leia mais

CONHECENDO O ALGORITMO GARP. Adair Santa Catarina Curso de Informática Unioeste Campus de Cascavel PR

CONHECENDO O ALGORITMO GARP. Adair Santa Catarina Curso de Informática Unioeste Campus de Cascavel PR CONHECENDO O ALGORITMO GARP Adair Santa Catarina Curso de Informática Unioeste Campus de Cascavel PR INPE Set/2006 Roteiro Introdução Algoritmos Genéticos (AG) GMS e DesktopGARP Avaliação dos Modelos Ajustados

Leia mais

Análise estrutural do problema de programação da produção F3 r j, s ijk C max

Análise estrutural do problema de programação da produção F3 r j, s ijk C max Análise estrutural do problema de programação da produção F3 r j, s ijk C max Sânia da Costa Fernandes (UFG) saninha_fernandes@hotmail.com Tatiane Albuquerque Pires (UFG) tati_albuquerque_3@hotmail.com

Leia mais

Simulação da Configuração de uma Rede de Sensores Sem Fio para Cobertura de uma Região

Simulação da Configuração de uma Rede de Sensores Sem Fio para Cobertura de uma Região Simulação da Configuração de uma Rede de Sensores Sem Fio para Cobertura de uma Região RESUMO Este trabalho apresenta uma simulação da configuração de uma Rede de Sensores Sem Fio para cobertura de uma

Leia mais

Avaliação de Desempenho de Sistemas. Conceitos Básicos de Sistemas e Modelos

Avaliação de Desempenho de Sistemas. Conceitos Básicos de Sistemas e Modelos Avaliação de Desempenho de Sistemas Conceitos Básicos de Sistemas e Modelos O que é Desempenho? Webster s? The manner in which a mechanism performs. Aurélio: Conjunto de características ou de possibilidades

Leia mais

Análise de Desempenho de um SGBD para Aglomerado de Computadores

Análise de Desempenho de um SGBD para Aglomerado de Computadores Análise de Desempenho de um SGBD para Aglomerado de Computadores Diego Luís Kreutz, Gabriela Jacques da Silva, Hélio Antônio Miranda da Silva, João Carlos Damasceno Lima Curso de Ciência da Computação

Leia mais

Otimização Aplicada à Engenharia de Processos

Otimização Aplicada à Engenharia de Processos Otimização Aplicada à Engenharia de Processos Aula 1: Introdução Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013 Antes de

Leia mais

A Otimização Colônia de Formigas

A Otimização Colônia de Formigas A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado

Leia mais

XXV Encontro Nac. de Eng. de Produção Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005

XXV Encontro Nac. de Eng. de Produção Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005 Modelo de integração de sistemas de gestão erp com a produção lexandre ugusto Massote (FEI) massote@fei.edu.br Guilherme Braga guiar De Maria (FEI) guibraga@terra.com.br Vanessa Takagochi (FEI) vanessa_takagochi@yahoo.com.br

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

Atividade extra. Questão 1. Questão 2. Ciências da Natureza e suas Tecnologias Biologia. A diversidade biológica é o fruto da variação genética.

Atividade extra. Questão 1. Questão 2. Ciências da Natureza e suas Tecnologias Biologia. A diversidade biológica é o fruto da variação genética. Atividade extra Questão 1 A diversidade biológica é o fruto da variação genética. Falar em biodiversidade e em tempo significa, necessariamente, falar de: a. Degeneração. b. Conservação. c. Evolução. d.

Leia mais

Transcrição Automática de Música

Transcrição Automática de Música Transcrição Automática de Música Ricardo Rosa e Miguel Eliseu Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Leiria Departamento de Engenharia Informática A transcrição automática de

Leia mais

O IMPACTO DO GERENCIAMENTO DE MUDANÇAS NA QUALIDADE E CUMPRIMENTO DE PRAZOS DE UM SOFTWARE

O IMPACTO DO GERENCIAMENTO DE MUDANÇAS NA QUALIDADE E CUMPRIMENTO DE PRAZOS DE UM SOFTWARE Instituto de Educação Tecnológica Pós-graduação Gestão de Negócios Turma 12 16 de outubro 2014 O IMPACTO DO GERENCIAMENTO DE MUDANÇAS NA QUALIDADE E CUMPRIMENTO DE PRAZOS DE UM SOFTWARE Filipe Teodoro

Leia mais

ANÁLISE DA APLICAÇÃO DA FILOSOFIA LEAN CONSTRUCTION EM EMPRESAS DO SETOR DE CONSTRUÇÃO CIVIL DA REGIÃO METROPOLITANA DE BELO HORIZONTE ABSTRACT

ANÁLISE DA APLICAÇÃO DA FILOSOFIA LEAN CONSTRUCTION EM EMPRESAS DO SETOR DE CONSTRUÇÃO CIVIL DA REGIÃO METROPOLITANA DE BELO HORIZONTE ABSTRACT ANÁLISE DA APLICAÇÃO DA FILOSOFIA LEAN CONSTRUCTION EM EMPRESAS DO SETOR DE CONSTRUÇÃO CIVIL DA REGIÃO METROPOLITANA DE BELO HORIZONTE ANALYSIS OF APPLICATION OF PHILOSOPHY IN LEAN CONSTRUCTION COMPANIES

Leia mais

IA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

IA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br IA Colônia de Formigas Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução O Experimento da Ponte Binária. Ant System Aplicado ao PCV. Elitist Ant System. Introdução Otimização colônia

Leia mais

4 Estudo de casos. Janelas: 1 gene para o percentual da largura total da parede que a janela irá ocupar (número entre 0 e 1);

4 Estudo de casos. Janelas: 1 gene para o percentual da largura total da parede que a janela irá ocupar (número entre 0 e 1); 4 Estudo de casos Este capítulo apresenta estudo de casos para averiguar a eficácia do modelo definido no capítulo 3. Para provar que os conceitos funcionam e que o método é viável, decidiu-se otimizar

Leia mais

ALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP

ALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP INSTRUÇÕES PARA A PREPARAÇÃO E SUBMISSÃO DE TRABALHOS PARA CONGRESSO BRASILEIRO DE ENSINO DE ENGENHARIA 2003 ALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP

Leia mais

PROCEDIMENTO DE CÁLCULO DE INCERTEZA NA MEDIÇÃO DE ALTA TENSÃO

PROCEDIMENTO DE CÁLCULO DE INCERTEZA NA MEDIÇÃO DE ALTA TENSÃO PROCEDIMENTO DE CÁLCULO DE INCERTEZA NA MEDIÇÃO DE ALTA TENSÃO Cláudio R. S. Silva,Thiago P. S. Azevedo, Ewerton R. Granhen 3, Ivan S. S. Silva 4 Universidade Federal do Pará, Belém, Brasil, claudiorui75@yahoo.com.br

Leia mais

Otimização da Flexão em Estruturas de Aço com Ligações Semi- Rígidas através de Algoritmos Genéticos

Otimização da Flexão em Estruturas de Aço com Ligações Semi- Rígidas através de Algoritmos Genéticos Otimização da Flexão em Estruturas de Aço com Ligações Semi- Rígidas através de Algoritmos Genéticos Alexandre A. Del Savio, arco Aurélio C. Pacheco 2, Sebastião A. L. de Andrade, Pedro C. G. da S. Vellasco

Leia mais

O estudo de um indicador de comportamento do segurado brasileiro Francisco Galiza, Mestre em Economia (FGV)

O estudo de um indicador de comportamento do segurado brasileiro Francisco Galiza, Mestre em Economia (FGV) O estudo de um indicador de comportamento do segurado brasileiro Francisco Galiza, Mestre em Economia (FGV) Este artigo tem por objetivo analisar as taxas de aversão ao risco em alguns ramos do mercado

Leia mais

Edições Edge do SAP InfiniteInsight Visão geral Viabilizando insights preditivos apenas com cliques de mouse, sem códigos de computador

Edições Edge do SAP InfiniteInsight Visão geral Viabilizando insights preditivos apenas com cliques de mouse, sem códigos de computador Soluções de análise da SAP Edições Edge do SAP InfiniteInsight Visão geral Viabilizando insights preditivos apenas com cliques de mouse, sem códigos de computador Índice 3 Um caso para análise preditiva

Leia mais

XLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL

XLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE Debora Jaensch Programa de Pós-Graduação em Engenharia de Produção

Leia mais

2 Atualidade de uma base de dados

2 Atualidade de uma base de dados 2 Atualidade de uma base de dados Manter a atualidade de uma base de dados é um problema que pode ser abordado de diferentes maneiras. Cho e Garcia-Molina [CHO] definem esse problema da seguinte forma:

Leia mais

Desenvolvimento de Software para Descoberta de Chaves para a Criptografia Óptica Mediante Fatiamento Espectral

Desenvolvimento de Software para Descoberta de Chaves para a Criptografia Óptica Mediante Fatiamento Espectral Desenvolvimento de Software para Descoberta de Chaves para a Criptografia Óptica Mediante Fatiamento Espectral Gabriel Felipe Amadi Engenharia Elétrica CEATEC gabriel.fa@puccamp.edu.br Resumo: Este trabalho

Leia mais

SPEKTRUM SOLUÇÕES DE GRANDE PORTE PARA PEQUENAS E MÉDIAS EMPRESAS SPEKTRUM SAP Partner 1

SPEKTRUM SOLUÇÕES DE GRANDE PORTE PARA PEQUENAS E MÉDIAS EMPRESAS SPEKTRUM SAP Partner 1 SPEKTRUM SOLUÇÕES DE GRANDE PORTE PARA PEQUENAS E MÉDIAS EMPRESAS SPEKTRUM SAP Partner 1 PROSPERE NA NOVA ECONOMIA A SPEKTRUM SUPORTA A EXECUÇÃO DA SUA ESTRATÉGIA Para as empresas que buscam crescimento

Leia mais

BIOLOGIA IACI BELO. Como duas espécies distintas podem evoluir para formas idênticas?

BIOLOGIA IACI BELO. Como duas espécies distintas podem evoluir para formas idênticas? BIOLOGIA IACI BELO www.iaci.com.br ASSUNTO: EVOLUÇÃO CONVERGENTE Série: 3EM Como duas espécies distintas podem evoluir para formas idênticas? por Joshua Clark - traduzido por HowStuffWorks Brasil Há cerca

Leia mais

projetos de automação

projetos de automação Utilização de técnicas de simulação para desenvolvimento, testes e validação de projetos de automação doi: 10.4322/tmm.00401004 Eduardo Ferreira de Freitas 1 Marcos de Oliveira Fonseca 2 Rodrigo Madeira

Leia mais

Ferramenta Inteligente para Projeto Automático de Redes de Telecomunicações sem Fio

Ferramenta Inteligente para Projeto Automático de Redes de Telecomunicações sem Fio ESCOLA POLITÉCNICA DE PERNAMBUCO Ferramenta Inteligente para Projeto Automático de Redes de Telecomunicações sem Fio Trabalho de Conclusão de Curso Engenharia da Computação Aluno: Antônio Igor Santos do

Leia mais

Problema de alocação de salas de aulas: uma abordagem via algoritmos genéticos

Problema de alocação de salas de aulas: uma abordagem via algoritmos genéticos III Encontro de Modelagem Computacional Problema de alocação de salas de aulas: uma abordagem via algoritmos genéticos Marco Aurélio Buono Carone- thecoreh@gmail.com Vinícius Tinti de Paula Oliveira- viniciustinti@gmail.com

Leia mais

IBM Software IBM Business Process Manager Simples e Poderoso

IBM Software IBM Business Process Manager Simples e Poderoso IBM Software IBM Business Process Manager Simples e Poderoso Uma única plataforma BPM que oferece total visibilidade e gerenciamento de seus processos de negócios 2 IBM Business Process Manager Simples

Leia mais

MyGa : manual de utilização

MyGa : manual de utilização MyGa : manual de utilização Adel BEN HAJ YEDDER. 19 de Novembro de 2002 Tradução do francês para o português por: Dr. Adriano Pinto Mariano Dra. Caliane Bastos Borba Costa Laboratório de Otimização, Projeto

Leia mais

MÉTODO DE PRÉ-PROCESSAMENTO PARA AUMENTAR A EFICIÊNCIA DE UM SISTEMA DE RECONHECIMENTO DE ÍRIS E PERMITIR A CONSTRUÇÃO DE TEMPLATES MENORES

MÉTODO DE PRÉ-PROCESSAMENTO PARA AUMENTAR A EFICIÊNCIA DE UM SISTEMA DE RECONHECIMENTO DE ÍRIS E PERMITIR A CONSTRUÇÃO DE TEMPLATES MENORES MÉTODO DE PRÉ-PROCESSAMENTO PARA AUMENTAR A EFICIÊNCIA DE UM SISTEMA DE RECONHECIMENTO DE ÍRIS E PERMITIR A CONSTRUÇÃO DE TEMPLATES MENORES Milena B. P. Carneiro, Antônio C. P. Veiga, Edna L. Flores, Gilberto

Leia mais

RESUMO DA SOLUÇÃO Aperfeiçoando o planejamento de capacidade com o uso do gerenciamento de desempenho de aplicativos

RESUMO DA SOLUÇÃO Aperfeiçoando o planejamento de capacidade com o uso do gerenciamento de desempenho de aplicativos RESUMO DA SOLUÇÃO Aperfeiçoando o planejamento de capacidade com o uso do gerenciamento de desempenho de aplicativos como posso assegurar uma experiência excepcional para o usuário final com aplicativos

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados GA em Otimização Combinatorial Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados Problem a do Caixeiro Viajante Problem as de Planejamento

Leia mais

Importância do GED. Implantação de um Sistema de GED

Importância do GED. Implantação de um Sistema de GED Implantação de um Sistema de GED Gerenciamento Eletrônico de Documentos Importância do GED O GED tem uma importante contribuição na tarefa da gestão eficiente da informação; É a chave para a melhoria da

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

ASPECTOS FUNDAMENTAIS DO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES EM REDES LOGÍSTICAS

ASPECTOS FUNDAMENTAIS DO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES EM REDES LOGÍSTICAS ASPECTOS FUNDAMENTAIS DO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES EM REDES LOGÍSTICAS Data: 10/03/2001 Peter Wanke INTRODUÇÃO Localizar instalações ao longo de uma cadeia de suprimentos consiste numa importante

Leia mais

Introdução a Avaliação de Desempenho

Introdução a Avaliação de Desempenho Introdução a Avaliação de Desempenho Avaliar é pronunciar-se sobre as características de um certo sistema. Dado um sistema real qualquer, uma avaliação deste sistema pode ser caracterizada por toda e qualquer

Leia mais

Notas de Aula 02: Processos de Desenvolvimento de Software

Notas de Aula 02: Processos de Desenvolvimento de Software Notas de Aula 02: Processos de Desenvolvimento de Software Objetivos da aula: Introduzir os conceitos de um processo de desenvolvimento de software Definir os processos básicos Apresentar as vantagens

Leia mais

Emails: paulo.pras@hotmail.com, anderson_vargas@uol.com.br, luiz_fernandoh@hotmail.com, phcoelho@uerj.br

Emails: paulo.pras@hotmail.com, anderson_vargas@uol.com.br, luiz_fernandoh@hotmail.com, phcoelho@uerj.br CONTROLE DE NÍVEL EM TANQUES ACOPLADOS USANDO SISTEMAS INTELIGENTES Paulo R. A. da Silva, Anderson V. de Souza, Luiz F. Henriques, Pedro H. G. Coelho Departamento de Engenharia Eletrônica e Telecomunicações,

Leia mais

GAION, Aparecida Vanif; SÉRGIO, Paulo; ALBERTINI, Peter, et. all. A IMPORTÂNCIA DA CONTROLADORIA NO PROCESSO DE GESTÃO.

GAION, Aparecida Vanif; SÉRGIO, Paulo; ALBERTINI, Peter, et. all. A IMPORTÂNCIA DA CONTROLADORIA NO PROCESSO DE GESTÃO. A IMPORTÂNCIA DA CONTROLADORIA NO PROCESSO DE GESTÃO THE COMPUTING IN ADMINISTRATION Heber Ridão Silva * Leônidas da Silva JosuéAmaral Fabio Ferreira Paula Sergio Peter Albertini Aparecida Vanif.Gaion

Leia mais

Escolha o seu e comece a construir o futuro que você quer ter

Escolha o seu e comece a construir o futuro que você quer ter Escolha o seu e comece a construir o futuro que você quer ter Valia Fix, Valia Mix 20, Valia Mix 35 e Valia Ativo Mix 40 Quatro perfis de investimento. Um futuro cheio de escolhas. Para que seu plano de

Leia mais

Sistemas de Informação I

Sistemas de Informação I + Sistemas de Informação I Tipos de SI Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução 2 n As organizações modernas competem entre si para satisfazer as necessidades dos seus clientes de um modo

Leia mais

CLASSIFICAÇÃO GENÉTICA. Reprodução, Acasalamento, Manutenção e Algumas considerações...

CLASSIFICAÇÃO GENÉTICA. Reprodução, Acasalamento, Manutenção e Algumas considerações... CLASSIFICAÇÃO GENÉTICA Reprodução, Acasalamento, Manutenção e Algumas considerações... Classificação Genética Heterogênicos = outbred Isogênicos = Inbred Acasalamento Aleatório Não-Consangüíneos Acasalamento

Leia mais

Matemática Financeira Módulo 2

Matemática Financeira Módulo 2 Fundamentos da Matemática O objetivo deste módulo consiste em apresentar breve revisão das regras e conceitos principais de matemática. Embora planilhas e calculadoras financeiras tenham facilitado grandemente

Leia mais

MARKETING: PRINCIPAL FERRAMENTA PARA A EFETIVAÇÃO DAS VENDAS

MARKETING: PRINCIPAL FERRAMENTA PARA A EFETIVAÇÃO DAS VENDAS MARKETING: PRINCIPAL FERRAMENTA PARA A EFETIVAÇÃO DAS VENDAS CAUÊ SAMUEL SCHIMIDT 1 FERNANDO GRANADIER 1 Resumo O mercado atual está cada vez mais competitivo e para sobreviver nesse meio, é necessário

Leia mais

SISFINAN - SISTEMA DE GERENCIAMENTO DE FINANCEIRA PARA DELPHI

SISFINAN - SISTEMA DE GERENCIAMENTO DE FINANCEIRA PARA DELPHI SISFINAN - SISTEMA DE GERENCIAMENTO DE FINANCEIRA PARA DELPHI RESUMO SILVA, P.A; GOMES, E.Y Diante de um grande atraso na área de gerenciamento de financeira, o sistema SISFINAN tem sido gerado para suprir

Leia mais

ESTUDO DA MELHOR METODOLOGIA PARA A DIFUSÃO DE VÍDEOS EXPLICATIVOS DE FENÔMENOS METEOROLÓGICOS

ESTUDO DA MELHOR METODOLOGIA PARA A DIFUSÃO DE VÍDEOS EXPLICATIVOS DE FENÔMENOS METEOROLÓGICOS Ana Beatriz Mesquita (CPTEC/INPE) ESTUDO DA MELHOR METODOLOGIA PARA A DIFUSÃO DE VÍDEOS EXPLICATIVOS DE FENÔMENOS METEOROLÓGICOS Metodologia do trabalho realizado referente a gravação e expansão dos vídeos

Leia mais

Unidade III FINANÇAS EM PROJETO DE TI. Prof. Fernando Rodrigues

Unidade III FINANÇAS EM PROJETO DE TI. Prof. Fernando Rodrigues Unidade III FINANÇAS EM PROJETO DE TI Prof. Fernando Rodrigues Quando se trabalha com projetos, é necessária a utilização de técnicas e ferramentas que nos auxiliem a estudálos, entendê-los e controlá-los.

Leia mais

METODOLOGIA LEAN DE DESENVOLVIMENTO DE SOFTWARE: UMA VISÃO GERAL

METODOLOGIA LEAN DE DESENVOLVIMENTO DE SOFTWARE: UMA VISÃO GERAL METODOLOGIA LEAN DE DESENVOLVIMENTO DE SOFTWARE: UMA VISÃO GERAL Guilherme Vota Pereira guivotap@hotmail.com Prof. Pablo Schoeffel, Engenharia de Software Aplicada RESUMO: Este artigo irá efetuar uma abordagem

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

Escalonamento de Ordens de Produção Utilizando Algoritmos Genéticos

Escalonamento de Ordens de Produção Utilizando Algoritmos Genéticos Universidade Regional de Blumenau Centro de Ciências Exatas e Naturais Bacharelado em Ciências da Computação Estágio Supervisionado Escalonamento de Ordens de Produção Utilizando Algoritmos Genéticos Acadêmico:

Leia mais

IP Communications Platform

IP Communications Platform IP Communications Platform A Promessa de Convergência, Cumprida As comunicações são essenciais para os negócios mas, em última análise, estas são conduzidas a nível pessoal no ambiente de trabalho e por

Leia mais

Terceirização da Operação Logística Estudo de caso sobre a terceirização da Logística de Distribuição de uma Indústria Farmacêutica

Terceirização da Operação Logística Estudo de caso sobre a terceirização da Logística de Distribuição de uma Indústria Farmacêutica Mariana Botelho Morais Terceirização da Operação Logística Estudo de caso sobre a terceirização da Logística de Distribuição de uma Indústria Farmacêutica Dissertação de Mestrado Dissertação apresentada

Leia mais

MRP COMO SISTEMA PROPULSOR DE MELHORIAS NA ADMINISTRAÇÃO DE MATERIAIS

MRP COMO SISTEMA PROPULSOR DE MELHORIAS NA ADMINISTRAÇÃO DE MATERIAIS ISSN 1984-9354 MRP COMO SISTEMA PROPULSOR DE MELHORIAS NA ADMINISTRAÇÃO DE MATERIAIS Jamile Pereira Cunha Rodrigues (UESC) Resumo Diante do atual cenário competitivo empresarial, as empresas estão buscando

Leia mais

ELIAS MELGAÇO CHAVES JÚNIOR ALGORITMOS GENÉTICOS: COMPARAÇÃO ENTRE OS FRAMEWORKS AFORGE E JGAP

ELIAS MELGAÇO CHAVES JÚNIOR ALGORITMOS GENÉTICOS: COMPARAÇÃO ENTRE OS FRAMEWORKS AFORGE E JGAP ELIAS MELGAÇO CHAVES JÚNIOR ALGORITMOS GENÉTICOS: COMPARAÇÃO ENTRE OS FRAMEWORKS AFORGE E JGAP Palmas 2012 ELIAS MELGAÇO CHAVES JÚNIOR ALGORITMOS GENÉTICOS: COMPARAÇÃO ENTRE OS FRAMEWORKS AFORGE E JGAP

Leia mais

Optimized Educational Performance

Optimized Educational Performance Optimized Educational Performance powered by A BEST ajuda-o a tomar decisões inteligentes, otimizando os processos da sua Instituição, de modo a alcançar os objetivos estratégicos. Atualmente, as Instituições

Leia mais

Este tutorial apresenta conceitos e recomendações para o planejamento de uma rede multi-serviço.

Este tutorial apresenta conceitos e recomendações para o planejamento de uma rede multi-serviço. O que se deve considerar no planejamento de uma rede multi-serviço? Este tutorial apresenta conceitos e recomendações para o planejamento de uma rede multi-serviço. Jorge Moreira de Souza Doutor em Informática

Leia mais