ISCTE/FCUL - Mestrado Matemática Financeira. Aula5. Diana Aldea Mendes. Departamento de Métodos Quantitativos, IBS - ISCTE Business School

Tamanho: px
Começar a partir da página:

Download "ISCTE/FCUL - Mestrado Matemática Financeira. Aula5. Diana Aldea Mendes. Departamento de Métodos Quantitativos, IBS - ISCTE Business School"

Transcrição

1 ISCTE/FCUL - Mestrado Matemática Financeira Aula5 20 de Janeiro de 2010 Ano lectivo: 2009/2010 Diana Aldea Mendes Departamento de Métodos Quantitativos, IBS - ISCTE Business School Gab. 207 AA, deam 1

2 1 Optimização não-linear: mínimo global e aplicações Arrefecimento simulado (simulated annealing) Algoritmos genéticos 2

3 - Kirkpatrick, S., C.D. Gelatt, and P.M. Vecchi (1983). Optimization by Simulated Annealing, Science, 220, Metropolis, W., A. Rosenbluth, M. Rosenbluth, A. Teller, and E.Teller (1953). Equation of the State Calculations by Fast Computing Machines, Journal of Chemical Physics, 21, Michael Berthold, David J. Hand, References, Intelligent data analysis, Springer-Verlag New York, Inc., New York, NY, Heuristicsandartificial intelligence in finance and investment, - P. J. M. Van Laarhoven, E. H. L. Aarts, Simulated Annealing: Theory and Applications (1987), Springer. - Michael Bartholomew-Biggs, Nonlinear Optimization with Financial Applications, Springer US,

4 - Haupt, R. and Haupt. S., Practical Genetic Algorithms, (1998) John Wiley & Sons, pps ISBN Genetic Algorithms, info/ genetic algorithms.html - Genetic Algorithms, nd/surprise 96/ journal/vol4/tcw2/report.html 4

5 2 Resolução de problemas via métodos de busca O processo de resolução do problema consta em tomada de passos (acções) ou sequências de passos, que levam a um objectivo desejado, ou melhoram o desempenho relativo de soluções candidatas busca. Um algoritmo de busca terá como entrada um problema e retornará como saída uma solução Algoritmo Hill Climbing (subida da encosta) - Escolhe aleatoriamente uma solução inicial - Enquanto os critérios de paragem não são satisfeitos 5

6 - Gera uma nova solução (vizinha) a partir da actual (numa sua vizinhança) - Se custo da nova solução<custodasolução actual aceita a solução nova -Senão rejeita a solução nova - Critérios de paragem: nenhuma melhor solução é alcançada, um número fixo de iterações foi efectuado, ou o objectivo foi atingido Simulated Annealing - Procura minimizar esta limitação, permitindo aceitar vizinhos piores com uma certa probabilidade 6

7 3 Arrefecimento simulado (simulated annealing) O método de arrefecimento simulado (método de minimização global de Monte Carlo), é um método heurístico e pode ser aplicado a vários problemas, em particular à resolução de problemas de optimização linear e não-linear, de natureza difusa, através da melhor solução de entre um número finito de soluções possíveis. Este método deve ser aplicado para problemas difíceis e com muitas variáveis, onde requeremos um mínimo global e as outras técnicas são inadequadas. Éumatécnica que inicialmente foi utilizada na física da matéria condensada. O termo annealing define uma estratégia que controla a temperatura de tal forma que pode ser aproximado um estado óptimo. (Um sólido num banho quente é 7

8 aquecido até um valor máximo. A essa temperatura, todo o material encontra-se em estado ĺıquido e as particulas arrumam-se aleatoriamente. A temperatura é arrefecida suavemente, permitindo que as particulas se ordenam no estado de menor energia dessa estrutura. Se o sólido é arrefecido muito depressa, então o estado de energia mínima não pode ser encontrado). 8

9 Processo físico estado/estado de energia mínima nível de energia estado de transição temperatura ponto de congelamento arrefecimento distribuição de Boltzmann Optimização solução/solução óptima função objectivo soluções vizinhas parâmetro de controle solução heurística busca através da redução de T probabilidade de selecção de um novo ponto 9

10 Este processo natural foi adaptado e depois utilizado para determinar óptimos globais de uma função não-linear (Metropolis, 1953 e Kirkpatrik, 1983). Para ser implementado o processo lento (suave) de arrefecimento, foi introduzido um parâmetro de controle ρ: assim, emcadaiteração calcula-se a diferença, E, da energia do sistema, onde uma particula é aleatoriamente substituída. Se E <0, a substituição éaceitaese E >0, a substituição é aceita com a probabilidade de Boltzman (dos estados de energia) que tem a seguinte forma P = e E βt, onde β éaconstantedeboltzmanet é a temperatura. Aplicando o algoritmo de Metropolis várias vezes, para cada temperatura são executadas várias iterações e o sistema encontra o equilibrio térmico para cada temperatura. A temperatura T diminui segundo a equação T k+1 = ρt k,onde ρ assume valores de 0.8 a 0.99, até alcançar o ponto de congelamento (que pode ser diferente de zero), quando oalgoritmopára. 10

11 Algoritmo (Metropolis, 1953) (1) : Escolha k =0, p =0, x k (solução inicial), T p (temperatura arbitrária) (2) : Seja f = f x k+1 f (xk ); então Se f < 0, então aceitar a mudança com probabilidade 1 e x k = x k+1. Se f > 0, então aceitar a mudança com probabilidade e ( f/tp) e x k = x k+1, k = k +1 (3) : Repetir (2) até quando não há uma mudança significativa no valor da função (4) : Baixar a temperatura utilizando um processo de redução apropriado T p+1 = g (T p ), escolha p = p +1erepetede(2)até aqui, até quando já não há uma mudança significativa no valor da função devido a redução de temperatura 11

12 Matlab [fnew,xnew]=asaq(func,x,maxstep,qf,lb,ub,tinit) onde func éfunção a minimizar, x é a condição inicial, maxstep éonúmero máximo de iterações, qf=ρ é o quenching factor que éumnúmeroentre0e1, lb e lu são os limites inferiores e superiores das variáveis e tinit éatemperatura initial (valores sugeridos: maxstep=200, tinit=100, qf=0.9) Om-file asaq.m é baseado num algoritmo de Lester Ingber (1993) e utiliza um regime de arrefecimeto exponencial T p+1 = Ã T1 T 0! p T p. 12

13 [minimum,fval] = anneal(loss, parent, options) onde loss é a função a optimizar, parent são as condições iniciais e options são as opções disponíveis no m-file. Também SA.m +fun2d.m+sa02.m para visualizar a convergência do algoritmo de Metropolis. Os problemas fundamentais deste algoritmo são a escolha da temperatura inicial, do regime de redução da temperatura, do número de iterações e da temperatura final. * Temperatura Inicial 13

14 -suficientemente alto para que as falsas soluções iniciais sejam acceitas no inicio da heurística - relacionado com o valor da função objectivo * Processo de redução da temperatura -através do parâmetro ρ ou através da regra de actualização *Número de iterações - fixo (em geral) - relacionado com o tamanho do problema * Temperatura final: tem que ser próxima de 0 14

15 Exemplo: Determíne o mínimo global da função do m-file f801.m, cuja representação gráfica é apresentada em baixo: Funço f801 15

16 >> [fnew,xnew]=asaq( f801,[0 0],200,0.9,-10,10,100) fnew = xnew = >> [fnew,xnew]=asaq( f801,[ ],200,0.9,-10,10,100) fnew = xnew = >> [fnew,xnew]=asaq( f801,[ ],200,0.9,-10,10,100) 16

17 fnew = xnew = >> [fnew,xnew]=asaq( f801,[ ],200,0.9,-10,10,100) fnew = xnew = >> [fnew,xnew]=asaq( f801,[ ],200,0.9,-10,10,100) fnew =

18 xnew = >> [fnew,xnew]=asaq( f801,[ ],200,0.9,-10,10,100) fnew = xnew = >> [fnew,xnew]=asaq( f801,[ ],200,0.9,-10,10,100) fnew = xnew = Nota-se que cada vez quando corremos o programa vamos obter um resultado diferente e não é garantido obter um mínimo global até quando os parâmetros não são calibrados (escolhidos) de forma apropriada para o problema. 18

19 Matlab: Visualização do processo de arrefecimento simulado (SA.m +fun2d.m+sa02.m): SA.m +fun2d.m+sa02 19

20 Vantagens Pode lidar com modelos altamente não-lineares, caóticos, com dados com ruído e com problemas com várias restrições É um algoritmo robusto, muito versátil e geral. A função em estudo não requere diferenciabilidade e nem continuidade Fléxivel, pode obter soluções globais, sendo superior ao muitos outros algoritmos 20

21 21 Pela simplicidade de implementação, pode ser utilizado em conjunto com alguma outra heurística (existem algoritmos, onde só é utilizada a idéia de simulated annealing, com o objectivo de melhorar o desempenho de outra heurística)

22 Desvantagens Como é um método heurístico são precisas muitas escolhas para definir um bom algoritmo Pode ser muito demorado em tempo A escolha dos parâmetros é, em geral, bastante delicada 22

23 4 Algoritmos Genéticos -Os algoritmos genéticos surgiram nos anos 1960 como consequência do trabalho de investigação de John Holland. O seu objectivo foi estudar os fenômenos de desenvolvimento e adaptação à natureza, baseados na teoria de evolução de Darwin. Holland compreendeu que os mecanismos biológicos permitem adaptações que poderiam ser expressas matematicamente e simuladas computacionalmente. - Os algoritmos genéticos partem de uma população inicial (possíveis soluções) e evoluem durante as gerações (numero de iterações), dentro do espaço de procura até uma população final (conjunto dos melhores resultados), dentre os quais se encontra o ponto óptimo. 23

24 População = conjunto de pontos (indivíduos) no espaço de busca Geração =iteração completa do AG que gera uma nova população - Cada solução possível, dentro de um espaço, é representada como uma sequência de elementos, onde cada elemento é chamado de gene (variáveis), e cada uma dessa sequências formadas pelos genes são os cromossomos (indivíduos). Deste modo cada indivíduo é formado por um único cromossomo e vem codificado por uma sequência diferente de n genes, onde cada gene tem o comprimento m. Cromossomo = cadeia de bits que representa uma solução possível do problema Gene = representação de cada parâmetro de acordo com o alfabeto utilizado Fenótipo = cromossomo codificado 24

25 cromossomo x 1 x 2 x 3 x 4 = x n gene de comprimento Por exemplo uma função de duas variáveis f (x, y), com n =2, será representada por um cromossomo com 2 genes. Seja m = 7 o comprimento de cada gene. Então, temos: Cromossomo: {z } x {z } y -Para começar o algoritmo define-se uma população inicial representada por um grupo de diferentes configurações viáveis para o sistema em estudo. Estes 25

26 indivíduos são gerados de forma aleatória ou através de um processo heurístico. A população formada pelas configurações candidatas a solução do problema de optimização deve ser ordenada, do melhor para o pior indivíduo, de modo que, o indivíduo que apresenta menor valor para a função objectivo é considerado o melhor indivíduo, e tem a maior possibilidade de sobrevivência no ambiente. - O valor da função objectivo de cada indivíduo é designada por fitness (adequabilidade ao ambiente ou função de aptidão) O fitness testa os indivíduos como a natureza testa a todos nesta vida. Desta lista de indivíduos haverá recombinações as quais formarão novos indivíduos transmitindo parte do seu material genético ás gerações futuras. Essas novas gerações serão avaliadas de forma que a população seja sempre formada por indivíduos que apresentam melhor fitness. Aptidão bruta = saída gerada pela função objectivo para um indivíduo Aptidão máxima = melhor indivíduo da população corrente 26

27 - Para o processo de recombinação é realizada uma selecção dentre o grupo de indivíduos. Assim, através de dois indivíduos seleccionados, faz-se uma troca genéticaparageração de novos indivíduos. A selecçãodosdoisindivíduos que efectuarão o processo de recombinação éfeitaatravés da fórmula de Mayerle: Indiv.Selec = m α ³ m 2 + m, 2 onde m é o número de indivíduos da população, α é um número aleatório uniformamente distribuído entre 0 e 1 e[ ] represente a parte interira de. - O crossover (cruzamento) é o processo de reprodução realizado pelos indivíduos seleccionados. Neste processo há umatrocadegenesdetipopais- filhos. A troca éaleatória. A mutação é um processo de modificação aleatória (de baixa probabilidade) do um elemento (alelo) da gene, que, em geral, érealizada quando os filhos obtidos no processo de recombinação não forem viáveis. 27

28 cálculo de aptidão (fitness) seleção cruzamento mutação 4 operações básicas nova população = próxima geração 28

29 Crossover de 1 Ponto - O crossover é aplicado com uma dada probabilidade denominada taxa de crossover (60% a 90%) - Se o crossover é aplicado, os pais trocam sua informação gerando dois filhos, caso contrário od dois filhos serão cópiasexactasdospais. Pais Filhos ( opontedecorteé escolhido aleatóriamente (

30 Mutação -A mutação inverte os valores dos bits - É aplicada com dada probabilidade, denominada taxa de mutação ( '1%), em cada um dos bits do cromossomo Antes da mutação Depois da mutação Apenas o 2 o bit passou no teste de probabilidade 30

31 Algoritmo 1. Inicializar: definir a função objectivo (fitness) 2. Gerar os m indivíduos da população inicial e calcular os fitness 3. Ordenar os indivíduos, de acordo com o fitness, da melhor à pior solução 4. Seleccionar pais (od indivíduos mais aptos) 5. Gerar os filhos (crossover) 31

32 6. Os filhos são viáveis? Se SIM - próximo passo (7). Se NÃO: mutação e depois passo (7) 7. Calcular o fitness dos filhos 8. Fitness filho(s) < Fitness m-indivíduo? Se SIM - próximo passo (9). Se NÃO - vai ao passo (4) 9. Inserir filhos na população e excluir os piores indivíduos 10. Alcançou o critério de paragem? Se SIM - FIM. Se NÃO - vai ao passo (3) 32

33 Criterios de paragem: -Número de gerações - Encontrou a solução (quando é conhecida) - Convergência: nas últimas n gerações não houve melhoria 33

34 Propriedades Realizam buscas simultâneas em várias regiões do espaço de busca, pois trabalham com uma população e não com um único ponto Utilizam informações de custo ou recompensa e não derivadas ou outro conhecimento auxiliar Optimizam um número grande de variáveis Optimizam parâmetros de funções objectivo com superfícies complexas e complicadas reduzindo a incidência de mínimos locais 34

35 Adaptam-se bem a computadores paralelos e são fáceis de implementar Trabalham com uma codificação do conjunto de parâmetros e não com os próprios parâmetros Trabalham com dados gerados experimentalmente e são tolerantes a ruídos e dados incompletos São facilmente hibridizados com outras técnicas e heurísticas 35

36 Aplicações dos Algoritmos Genéticos - Economia: modelação de processos de inovação, desenvolvimento de estratégias de licitação, nascimento de mercados económicos - Sistemas Sociais: estudo dos aspectos evolutivos dos sistemas sociais (evolução de colónias de insectos: cooperação e comunicação) - Processamento de imagem: alinhamento e análise de imagens 36

37 Matlab Genetic Algorithm and Direct Search Toolbox, GA.m -script file para a função fun.m, mais outros a especificar f(x) x 37

38 6 Aplicações... Economics has a long tradition of relying on quantitative models for both presenting its theory and testing it empirically. In fact, Joseph Schumpeter, in the first edition of Econometrica in 1933, described economics as the most quantitative of all sciences. Optimisation is an inherent part of this methodology. In theoretical models, agents are presented as utility maximisers and firms try to maximise profit or to minimise cost. Selecting and estimating models for given data sets amounts to optimisation as well sums of squares are minimised and likelihoods are maximised so routinely today that often researchers may not even be aware that fitting a model means optimising it. When building models, economists are often limited by the fact that the model later needs to be solved, ideally in a closed-form. Some researchers have abandoned relying on representative agents and opted for more complex models, 38

39 relying on computer simulations to obtain results. Such agent-based models, if they are to be a viable alternative to more standard approaches, need to be tuned such that the results from these models coincide with empirical facts. This, again, is an estimation and hence optimisation problem... (M. Gilli and P. Winker)... A system of nonlinear asset flow differential equations (AFDE) gives rise to an inverse problem involving optimization of parameters that characterize an investor population. The optimization procedure is used in conjunction with daily market prices (MPs) and net asset values to determine the parameters for which the AFDE yield the best fit for the previous n days. Using these optimal parameters, the equations are computed and solved to render a forecast for MPs for the following days. For a number of closed-end funds, the results are statistically closer to the ensuing MPs than the default prediction of random walk 39

40 (RW). In particular, we perform this optimization by a nonlinear computational algorithm that combines a quasi-newton weak line search with the Broyden- Fletcher-Goldfarb-Shanno formula. We develop a nonlinear least-square technique with an initial value problem (IVP) approach for arbitrary stream data by focusing on the MP variable P since any real data for the other three variables B, γ 1,andγ 2 in the dynamical system is not available explicitly. We minimize the sum of exponentially weighted squared differences F[K] between the true trading prices from Day i to Day i+n-1, and the corresponding computed MPs obtained from the first row vector of the numerical solution U of the IVP with AFDE for ith optimal parameter vector, where K 0 is an initial parameter vector. Here, the gradient is approximated by using the central difference formula, and step length s is determined by the backtracking line search. One of the novel components of the proposed asset flow optimization forecast algorithm is a dynamic initial parameter pool that contains most recently used successful parameters, besides the 40

41 various fixed parameters from a set of grid points in a hyper-box...(parameter optimization for differential equations in asset price forecasting, Ahmet Duran and Gunduz Caginalp, Optimization Methods & Software, Volume 23, Issue 4 (August 2008))... Adaptive Simulated Annealing Applications to Finance An article in the Wall Street Journal in 1993 brought ASA to the attention of the finance community, and it now is used regularly in many financial institutions. A few examples can be mentioned here. The asa papers file in my archive references several financial and economics projects. For example, some economists use ASA to fit models of manufacturing capacity, labor tolerance, and interest rates. I have published papers using ASA to fit two-variable interest-rate models (coupled long-term and short-term interest rates) to several years of bond data. 41

42 I hav e consulted for a large bank that used ASA to fit a class of features of a set of complex derivatives to similar features of a simpler portfolio, so they could conveniently trade on the simpler portfolio. I hav e consulted for several traders, using ASA to find optimal parameters of trading models, e.g., parameters of moving-average indicators.... (Lester Ingber: The development and use of dynamic optimization model is extremely important in financial markets. The classical mean-variance portfolio model assumes the expected returns are known with perfect precision. In practice, however, it is extremely difficult to estimate precisely. While portfolios that ignore estimation error have very poor properties: the portfolio weights have extreme values and fluctuate dramatically over time. The Bayesian approach that is traditionally used to deal with estimation error assumes investors have only a single prior or is 42

43 neutral to the risk. Further, the Bayesian approach has computational difficulty to incorporate future uncertainty into the model. In this paper, I introduce Genetic algorithms technique in solving a dynamic portfolio optimization system, which incorporate economic uncertainties into a state dependent stochastic portfolio choice model. The advantage of GA is that it solves the model by forward-looking and backward-induction, which incorporates both historical information and future uncertainty when estimating the asset returns. It significantly improves the accuracy of mean return estimation and thus yields a superior model performance compared to the traditional methodologies. The empirical results showed that the portfolio weights using the GA model are less unbalanced and vary much less over time compared to the meanvariance portfolio weights. GA achieves a much higher Sharpe ratio and the out of sample returns generated by the GA portfolio model have a substantially 43

44 higher mean and lower volatility compared to the classical mean-variance portfolio strategy and Bayesian approach....(dynamic Portfolio Optimization with Economic Uncertainty, by Xiaolou Yang, 2005) (http://editorialexpress.com/cgibin/conference/download.cgi?db name=sce2005&paper id=29) AAplicação do AG no Modelo de Cournot Adinâmica de um mercado é um processo evolutivo, no qual as firmas escolhem as estratégias que irão utilizar e aprendem tanto com seus sucessos e erros quanto com os dos suas rivais. Assim, o objetivo foi estudar um instrumento de replicagem dinâmica de modelos de oligopólio capaz de captar o caráter dinâmicoeevolutivodacondutadefirmas em um mercado ao longo do tempo. O modelo de Cournot aqui utilizado é o mais comum encontrado na Literatura: suponha que a firma i produza a quantidade q i [0,q] e que todas as N 44

45 firmas escolham simultaneamente o níveldeprodução. O preço de mercado P determinado pelo equiĺıbrio entre oferta e procura. A função de procura inversa é P = a bq, noqualq = P N i=1 q i e a e b>0, e a função custo é C(Q i )=cq i, linear e idêntica para todas as firmas. Assim, a função lucro é π i = q i (a bq) cq i. O equiĺıbrio de Nash deste problema de maximização de lucro é Q =[N/(N + 1)][(a c)/b], P =[(a + Nc)/N +1] e Π = [(a c)2]/[b(n +1)2]. O modelo de Cournot acima foi replicado dinamicamente através do uso de um AG. O objectivo de AG neste trabalho é verificar se as quantidades produzidas pelas firmas, que usam um processo de aprendizagem para tomar suas decisões estratégicas, convergem para a quantidade de equiĺıbrio q. Primeiramente, a estratégia que a firma i tem que escolher no período t, no caso o nível de produção q i(t),éidentificada através de um único número real, codificado como 45

46 uma série de zeros e uns, os conhecidos cromossomos, e que estão associados a uma pontuação de acordo com seu desempenho no mercado em termos de lucratividade (a medida do seu sucesso). O objetivo do sucesso do cromossomo i no período t é determinado pela lucratividade da firma i no final do período t, ouμ i(t) = π i(t). No processo de aprendizagem, as estratégias com melhores resultados têm maiores chances de serem selecionadas para os próximos períodos. Quando um cromossomo é selecionado para ser reproduzido,uma cópia exacta é feita. Quando n cópias de cromossomos forem feitas (o número de cromossomos na população é mantido constante), a reprodução foi completada. 46

47 Symbolic Dynamics and Control in a Matching Labor Market Model Diana A. Mendes, J. Sousa Ramos, Vivaldo M. Mendes The Matching Model Aggregate matching function: total number of successful matches M (u t,v t )=Au α t v 1 α t, A>0, α (0, 1) (1) v t number of job vacancies placed by firms u t total measure of workers looking for jobs 47

48 The intuition behind (1) is very simple: M/ u > 0, M/ v>0 Define the measure of labor tightness by: θ t v t u t Then, the probability of a vacancy being filled at t is q (θ t ) M (u t,v t ) v t The dynamics of employment are given by = Aθ α t. n t+1 =(1 s) n + q (θ t ) v t s probability of a match being dissolved at t θ t v t /u t = v t /(1 n t ) 48

49 We should focus upon the central planner solution to the matching model. The objective function is given by U(n, v) =φn t + z (1 n t ) cv t φ the productivity of each worker z the utility obtained per unit of leisure time c thecostthatfirms incur per vacancy placed in the market The planner chooses v t and n t+1 by solving the following dynamic optimization problem X max β t [φn v t,n t + z (1 n t ) cv t ] t+1 t=0 49

50 subject to n t+1 = (1 s) n t + q n 0 > 0 The Lagrangian can be written as " (β t [φn t + z (1 n t ) cv t ]+λ t L = X t=0 ThetwoFOC,foraninteriorsolution,are à vt 1 n t! (1 s) n t + q v t à vt 1 n t! v n t+1 #) L = β t h c + λ t q 0 (θ t ) θ t + q (θ t ) i =0 v t L = λ t + β t+1 h (φ z)+λ t+1 (1 s)+q 0 (θ t+1 ) θ 2 i t+1 =0. n t+1 50

51 Battacharya & Bunzel (2002) manipulated these FOC to arrive at a reduced equation that can easily lead to chaotic dynamics aθ α t+1 bθ t+1 = θ α t d (2) a β (1 s) (0, 1), b Aαβ > 0, d (A/c)(1 α)(φ z) > 0 The backward dynamics is characterized by the four-parameter family of maps g :[0,g max ] [0,g max ], where g (θ) =(aθ α bθ + d) 1 α, α (0, 1), a (0, 1), b,d > 0and θ max = µ αa b 1 1 α 51

52 where g max is implicitly defined as the lowest positive root of the equation agmax α bg max + d =0 The unique fixed point (Fig. 1) of g is denoted by θ and is implicitly given by aθ α bθ = θ α d. (3) The fixed point is stable if g 0 (θ ) < 1, backward dynamics g 0 (θ ) < 1, forward dynamics 52

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

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

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

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

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

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

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 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

Cap17 - Tomada de Decisões Complexas

Cap17 - Tomada de Decisões Complexas Cap17 - Tomada de Decisões Complexas Processos de Decisão de Markov Algoritmo de Iteração de Valor Algoritmo de Iteração de Política Processos de Decisão de Markov Parcialmente Observáveis Teoria de Jogos

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 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

Software reliability analysis by considering fault dependency and debugging time lag Autores

Software reliability analysis by considering fault dependency and debugging time lag Autores Campos extraídos diretamente Título Software reliability analysis by considering fault dependency and debugging time lag Autores Huang, Chin-Yu and Lin, Chu-Ti Ano de publicação 2006 Fonte de publicação

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

Computação e Programação

Computação e Programação Computação e Programação 8ª Aula de Problemas Cell arrays Estruturas Instituto Superior Técnico, Dep. de Engenharia Mecânica - ACCAII Problema 1 Escreva uma função que recebe um cell array de strings e

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

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

Luiz Fernando Fernandes de Albuquerque. Avaliação de algoritmos online para seleção de links patrocinados. Dissertação de Mestrado

Luiz Fernando Fernandes de Albuquerque. Avaliação de algoritmos online para seleção de links patrocinados. Dissertação de Mestrado Luiz Fernando Fernandes de Albuquerque Avaliação de algoritmos online para seleção de links patrocinados Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de

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

Técnicas metaheurísticas aplicadas na otimização de parâmetros em um modelo probabilístico de gestão de estoques

Técnicas metaheurísticas aplicadas na otimização de parâmetros em um modelo probabilístico de gestão de estoques Técnicas metaheurísticas aplicadas na otimização de parâmetros em um modelo probabilístico de gestão de estoques Sidnei Alves de Araújo André Felipe Henriques Librantz

Leia mais

8 Referências Bibliográficas

8 Referências Bibliográficas 8 Referências Bibliográficas ARTZNER, P. et al. Coherent measures of risk. Mathematical finance, v. 9, n. 3, p. 203-228, 1999. BRADLEY, S. P.; CRANE, D. B. A dynamic model for bond portfolio management.

Leia mais

DISCIPLINA: Métodos Heurísticos

DISCIPLINA: Métodos Heurísticos DISCIPLINA: Métodos Heurísticos CURSO(S): Licenciatura em Engenharia e Gestão Industrial Licenciatura em Engenharia de Sistemas e Informática Licenciatura em Matemática Aplicada Licenciatura em Matemática

Leia mais

T Ã O B O M Q U A N T O N O V O

T Ã O B O M Q U A N T O N O V O D I S S E R T A Ç Ã O D E M E S T R A D O M A S T E R I N G D I S S E R T A T I O N A V A L I A Ç Ã O D A C O N D I Ç Ã O D E T Ã O B O M Q U A N T O N O V O U M A A P L I C A Ç Ã O E N V O L V E N D O

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

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

Análise e Desenvolvimento de Sistema de Estimação de Modelos da Classe STAR-TREE

Análise e Desenvolvimento de Sistema de Estimação de Modelos da Classe STAR-TREE Bernardo da Rocha Spindel Análise e Desenvolvimento de Sistema de Estimação de Modelos da Classe STAR-TREE Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de

Leia mais

Avaliação de Investimentos em Tecnologia da Informação: uma Perspectiva de Opções Reais

Avaliação de Investimentos em Tecnologia da Informação: uma Perspectiva de Opções Reais André Fichel Nascimento Avaliação de Investimentos em Tecnologia da Informação: uma Perspectiva de Opções Reais Dissertação de Mestrado Dissertação apresentada ao Programa de Pós-graduação em Engenharia

Leia mais

Segmentação e Visualização do Fígado a partir de Imagens de Tomografia Computadorizada

Segmentação e Visualização do Fígado a partir de Imagens de Tomografia Computadorizada Dário Augusto Borges Oliveira Segmentação e Visualização do Fígado a partir de Imagens de Tomografia Computadorizada Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção

Leia mais

Manual de Docência para a disciplina de Algoritmia e Programação 2005/2006 Engenharia Informática, 1º ano José Manuel Torres

Manual de Docência para a disciplina de Algoritmia e Programação 2005/2006 Engenharia Informática, 1º ano José Manuel Torres Manual de Docência para a disciplina de Algoritmia e Programação 2005/2006 Engenharia Informática, 1º ano José Manuel Torres Número de horas do programa: 60 horas Número de horas Semanal: 4 Horas Número

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

UNIVERSIDADE FEDERAL DO CEARÁ FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA E CONTABILIDADE CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA-CAEN

UNIVERSIDADE FEDERAL DO CEARÁ FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA E CONTABILIDADE CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA-CAEN UNIVERSIDADE FEDERAL DO CEARÁ FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA E CONTABILIDADE CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA-CAEN HELDER SOARES LOPES ANÁLISES DE MODELOS DE APREÇAMENTO PARA ÍNDICES SETORIAIS

Leia mais

UNIDADE DE PESQUISA CLÍNICA Centro de Medicina Reprodutiva Dr Carlos Isaia Filho Ltda. SAMPLE SIZE DETERMINATION FOR CLINICAL RESEARCH

UNIDADE DE PESQUISA CLÍNICA Centro de Medicina Reprodutiva Dr Carlos Isaia Filho Ltda. SAMPLE SIZE DETERMINATION FOR CLINICAL RESEARCH SAMPLE SIZE DETERMINATION FOR CLINICAL RESEARCH Duolao Wang; Ameet Bakhai; Angelo Del Buono; Nicola Maffulli Muscle, Tendons and Ligaments Journal, 2013 Santiago A. Tobar L., Dsc. Why to determine the

Leia mais

ESTUDO DA CONDUTIVIDADE TÉRMICA VARIÁVEL EM CILINDROS VAZADOS COM CONDIÇÕES DE CONTORNO DUPLAMENTE CONVECTIVAS

ESTUDO DA CONDUTIVIDADE TÉRMICA VARIÁVEL EM CILINDROS VAZADOS COM CONDIÇÕES DE CONTORNO DUPLAMENTE CONVECTIVAS Proceedings of the 11 th Brazilian Congress of Thermal Sciences and Engineering -- ENCIT 006 Braz. Soc. of Mechanical Sciences and Engineering -- ABCM, Curitiba, Brazil, Dec. 5-8, 006 Paper CIT06-0346

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

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

Tese / Thesis Work Análise de desempenho de sistemas distribuídos de grande porte na plataforma Java

Tese / Thesis Work Análise de desempenho de sistemas distribuídos de grande porte na plataforma Java Licenciatura em Engenharia Informática Degree in Computer Science Engineering Análise de desempenho de sistemas distribuídos de grande porte na plataforma Java Performance analysis of large distributed

Leia mais

A Teoria de Opções Reais: Uma Abordagem para Avaliar Investimentos da Indústria de Venture Capital

A Teoria de Opções Reais: Uma Abordagem para Avaliar Investimentos da Indústria de Venture Capital Rafael Campos Laskier A Teoria de Opções Reais: Uma Abordagem para Avaliar Investimentos da Indústria de Venture Capital Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção

Leia mais

Microsoft Excel na resolução de problemas de optimização

Microsoft Excel na resolução de problemas de optimização Universidade do Minho Escola de Engenharia Departamento Campus de Gualtar de Produção 4710-057 Braga e Sistemas Microsoft Excel na resolução de problemas de optimização Manual da disciplina de Métodos

Leia mais

MODELOS DE PREVISÃO DE PREÇOS APLICADOS AOS CONTRATOS FUTUROS DE CAFÉ

MODELOS DE PREVISÃO DE PREÇOS APLICADOS AOS CONTRATOS FUTUROS DE CAFÉ MODELOS DE PREVISÃO DE PREÇOS APLICADOS AOS CONTRATOS FUTUROS DE CAFÉ BRESSAN, A.A. 1 E LIMA, J.E. 2 - Tais informações podem ser obtidas junto ao endereço eletrônico da BM&F: - 1 Professor

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

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

Geração automática de suíte de teste para GUI a partir de Rede de Petri

Geração automática de suíte de teste para GUI a partir de Rede de Petri Raquel Jauffret Guilhon Geração automática de suíte de teste para GUI a partir de Rede de Petri Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo

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

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.

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

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

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

ESTRUTURA DE CAPITAL: UMA ANÁLISE EM EMPRESAS SEGURADORAS

ESTRUTURA DE CAPITAL: UMA ANÁLISE EM EMPRESAS SEGURADORAS ESTRUTURA DE CAPITAL: UMA ANÁLISE EM EMPRESAS SEGURADORAS THE CAPITAL STRUCTURE: AN ANALYSE ON INSURANCE COMPANIES FREDERIKE MONIKA BUDINER METTE MARCO ANTÔNIO DOS SANTOS MARTINS PAULA FERNANDA BUTZEN

Leia mais

Searching for Employees Precisa-se de Empregados

Searching for Employees Precisa-se de Empregados ALIENS BAR 1 Searching for Employees Precisa-se de Empregados We need someone who can prepare drinks and cocktails for Aliens travelling from all the places in our Gallaxy. Necessitamos de alguém que possa

Leia mais

EA772 CIRCUITOS LÓGICOS

EA772 CIRCUITOS LÓGICOS EA772 CIRCUITOS LÓGICOS LISTA DE EXERCÍCIOS 1º Semestre, 2015 Minimização de funções, Cicuitos combinacionais e aplicações, Circuitos aritméticos, Codificadores, Multiplexadores. Exercício 1. a) Modifique

Leia mais

CENTRO UNIVERSITÁRIO METROPOLITANO DE SÃO PAULO CURSO ADMINISTRAÇÃO DE EMPRESAS

CENTRO UNIVERSITÁRIO METROPOLITANO DE SÃO PAULO CURSO ADMINISTRAÇÃO DE EMPRESAS CENTRO UNIVERSITÁRIO METROPOLITANO DE SÃO PAULO CURSO ADMINISTRAÇÃO DE EMPRESAS UMA VANTAGEM COMPETITIVA COM A TERCEIRIZAÇÃO DE SERVIÇOS AMANDA ZADRES DANIELA LILIANE ELIANE NUNES ELISANGELA MENDES Guarulhos

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA

PONTIFÍCIA UNIVERSIDADE CATÓLICA PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO José Carlos Franco de Abreu Neto Quantificação do Risco de Crédito: Uma abordagem utilizando o modelo estrutural de Merton Dissertação de Mestrado Dissertação

Leia mais

Inteligência Computacional [2COP229]

Inteligência Computacional [2COP229] Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da

Leia mais

e-lab: a didactic interactive experiment An approach to the Boyle-Mariotte law

e-lab: a didactic interactive experiment An approach to the Boyle-Mariotte law Sérgio Leal a,b, João Paulo Leal a,c Horácio Fernandes d a Departamento de Química e Bioquímica, FCUL, Lisboa, Portugal b Escola Secundária com 3.º ciclo Padre António Vieira, Lisboa, Portugal c Unidade

Leia mais

Serviços: API REST. URL - Recurso

Serviços: API REST. URL - Recurso Serviços: API REST URL - Recurso URLs reflectem recursos Cada entidade principal deve corresponder a um recurso Cada recurso deve ter um único URL Os URLs referem em geral substantivos URLs podem reflectir

Leia mais

Informática e Programação. Computer Science and Programming. Semestre do plano de estudos 1

Informática e Programação. Computer Science and Programming. Semestre do plano de estudos 1 Nome UC Informática e Programação CU Name Código UC 4 Curso LEC Semestre do plano de estudos 1 Área científica Informática Duração Semestral Horas de trabalho 135 ECTS 5 Horas de contacto TP - 67,5 Observações

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

Aplicações heurísticas para um caso real do problema de carregamento de container

Aplicações heurísticas para um caso real do problema de carregamento de container Aplicações heurísticas para um caso real do problema de carregamento de container Jeanne Dobgenski* Mestre em Engenharia de Sistemas - UNICAMP Profesora das Faculdades de Valinhos Coordenadora do Instituto

Leia mais

Manual de Apresentação de Dados REACH-IT

Manual de Apresentação de Dados REACH-IT Manual de Apresentação de Dados REACH-IT Parte 16 - Pedidos de Anexo I: Instruções para o modelo de documento justificativo de pedido de Versão 1.0 Página 1 de 7 Instruções Na IUCLID, por cada informação

Leia mais

SISTEMA LOGÍSTICO DE APOIO À DECISÃO NAS OPERAÇÕES DE TRANSFERÊNCIA DE DERIVADOS DA REDE DE DUTOS DA PETROBRAS

SISTEMA LOGÍSTICO DE APOIO À DECISÃO NAS OPERAÇÕES DE TRANSFERÊNCIA DE DERIVADOS DA REDE DE DUTOS DA PETROBRAS 1 de 7 26/6/2009 16:33 SISTEMA LOGÍSTICO DE APOIO À DECISÃO NAS OPERAÇÕES DE TRANSFERÊNCIA DE DERIVADOS DA REDE DE DUTOS DA PETROBRAS Suelen Neves Boschetto, Flávio Neves Jr CPGEI Universidade Tecnológica

Leia mais

Efficient Locally Trackable Deduplication in Replicated Systems. www.gsd.inesc-id.pt. technology from seed

Efficient Locally Trackable Deduplication in Replicated Systems. www.gsd.inesc-id.pt. technology from seed Efficient Locally Trackable Deduplication in Replicated Systems João Barreto and Paulo Ferreira Distributed Systems Group INESC-ID/Technical University Lisbon, Portugal www.gsd.inesc-id.pt Bandwidth remains

Leia mais

APLICAÇÕES DE ALGORITMOS GENÉTICOS

APLICAÇÕES DE ALGORITMOS GENÉTICOS APLICAÇÕES DE ALGORITMOS GENÉTICOS Augusto Cesar E. Redusino Faculdade Salesiana Maria Auxiliadora R. Monte Elíseos S/N Visconde de Araújo CEP 27943-180 Macaé-RJ e-mail: augustoredusino@gmail.com Resumo

Leia mais

Simulação Gráfica e Visão Computacional. Soraia Raupp Musse

Simulação Gráfica e Visão Computacional. Soraia Raupp Musse Simulação Gráfica e Visão Computacional Soraia Raupp Musse Objetivo Analisar exemplos comerciais e do estado-da-arte científicos que utilizam dados reais para aprimorar a qualidade de simulações e animações.

Leia mais

A MÁQUINA ASSÍNCRONA TRIFÁSICA BRUSHLESS EM CASCATA DUPLAMENTE ALIMENTADA. Fredemar Rüncos

A MÁQUINA ASSÍNCRONA TRIFÁSICA BRUSHLESS EM CASCATA DUPLAMENTE ALIMENTADA. Fredemar Rüncos Resumo da Dissertação apresentada à UFSC como parte dos requisitos necessários para obtenção do grau de Mestre em Engenharia Elétrica. A MÁQUINA ASSÍNCRONA TRIFÁSICA BRUSHLESS EM CASCATA DUPLAMENTE ALIMENTADA

Leia mais

COMPUTAÇÃO E PROGRAMAÇÃO

COMPUTAÇÃO E PROGRAMAÇÃO COMPUTAÇÃO E PROGRAMAÇÃO 1º Semestre 2010/2011 MEMec, LEAN Ficha da Aula Prática 3: Entrada/saída de dados. Scripts e funções. Estruturas de selecção. Sumário das tarefas e objectivos da aula: 1. Utilizar

Leia mais

Teoria Económica Clássica e Neoclássica

Teoria Económica Clássica e Neoclássica Teoria Económica Clássica e Neoclássica Nuno Martins Universidade dos Açores Jornadas de Estatística Regional 29 de Novembro, Angra do Heroísmo, Portugal Definição de ciência económica Teoria clássica:

Leia mais

OPTIMIZAÇÃO DA OPERAÇÃO DE SISTEMAS DE ABASTECIMENTO DE ÁGUA UTILIZANDO ALGORITMOS GENÉTICOS

OPTIMIZAÇÃO DA OPERAÇÃO DE SISTEMAS DE ABASTECIMENTO DE ÁGUA UTILIZANDO ALGORITMOS GENÉTICOS OPTIMIZAÇÃO DA OPERAÇÃO DE SISTEMAS DE ABASTECIMENTO DE ÁGUA UTILIZANDO ALGORITMOS GENÉTICOS CASO DE ESTUDO: SUB-SISTEMA DA PÓVOA/VILA DO CONDE Catarina Sousa 1 ; Dídia Covas 2 ; Helena Ramos 3 ; Susana

Leia mais

Empresas de Gestão Conservadora: Potencial da Previsão de Demanda e Simulação Computacional

Empresas de Gestão Conservadora: Potencial da Previsão de Demanda e Simulação Computacional Alexandre Magno Castañon Guimarães Empresas de Gestão Conservadora: Potencial da Previsão de Demanda e Simulação Computacional Dissertação de Mestrado Dissertação apresentada como requisito parcial para

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 na estimação de parâmetros em gestão de estoque

Algoritmos genéticos na estimação de parâmetros em gestão de estoque Artigos Algoritmos genéticos na estimação de parâmetros em gestão de estoque Sidnei Alves de Araújo Doutorando em Engenharia Elétrica Poli/USP; Professor e pesquisador do Departamento de Ciências Exatas

Leia mais

A Aviação no Comércio Europeu de Licenças de Emissão Especificidades para pequenos emissores

A Aviação no Comércio Europeu de Licenças de Emissão Especificidades para pequenos emissores A Aviação no Comércio Europeu de Licenças de Emissão Especificidades para pequenos emissores Departamento de Alterações Climáticas, Ar e Ruído (DACAR) Divisão de Poluição Atmosférica e Alterações Climáticas

Leia mais

APLICAÇÕES COMPUTACIONAIS NO ENSINO DE PROBABILIDADE E ESTATÍSTICA EM ENGENHARIA

APLICAÇÕES COMPUTACIONAIS NO ENSINO DE PROBABILIDADE E ESTATÍSTICA EM ENGENHARIA APLICAÇÕES COMPUTACIONAIS NO ENSINO DE PROBABILIDADE E ESTATÍSTICA EM ENGENHARIA Júlio Cézar Figueiredo j.cezar@aol.com Cibelly Araújo de Azevedo Lima cibellyazevedo@gmail.com Francisco Rafael Marques

Leia mais

SISTEMAS COM AMORTECIMENTO NÃO-PROPORCIONAL NO DOMÍNIO DA FREQÜÊNCIA

SISTEMAS COM AMORTECIMENTO NÃO-PROPORCIONAL NO DOMÍNIO DA FREQÜÊNCIA SISTEMAS COM AMORTECIMENTO NÃO-PROPORCIONAL NO DOMÍNIO DA FREQÜÊNCIA Zacarias Martin Chamberlain Pravia Professor - Faculdade de Engenharia e Arquitetura - Universidade de Passo Fundo/UFP zacarias@upf.br

Leia mais

Software product lines. Paulo Borba Informatics Center Federal University of Pernambuco

Software product lines. Paulo Borba Informatics Center Federal University of Pernambuco Software product lines Paulo Borba Informatics Center Federal University of Pernambuco Software product lines basic concepts Paulo Borba Informatics Center Federal University of Pernambuco Um produto www.usm.maine.edu

Leia mais

Simulação de um catálogo espectrofotométrico III ABC do método de Monte Carlo. Laerte Sodré Jr. Fevereiro, 2011

Simulação de um catálogo espectrofotométrico III ABC do método de Monte Carlo. Laerte Sodré Jr. Fevereiro, 2011 Simulação de um catálogo espectrofotométrico III ABC do método de Monte Carlo Laerte Sodré Jr. Fevereiro, 2011 O começo: População e Amostra População: uma coleção completa de objetos (pessoas, animais,

Leia mais

Energia Solar Fotovoltaica, MC Brito Sizing PV Systems 3/11/1009

Energia Solar Fotovoltaica, MC Brito Sizing PV Systems 3/11/1009 Define load, location, inclination Determine irradiation Calculate installed power to fulfil load Calculate number of modules Define system specs (battery, charge regulator, inverter) Example Stand alone

Leia mais

Mestrado em Economia Monetária e

Mestrado em Economia Monetária e Mestrado em Economia Monetária e Financeira Ficha de Unidade Curricular Nome da Unidade Curricular (NUC) Departamento Área Científica Activa nos Planos Curriculares Estado Código da disciplina Nome (pt)

Leia mais

FEN- 06723 Processamento Digital de Imagens. Projeto 3 Utilizando filtragem rejeita faixa para tirar ruído de imagem

FEN- 06723 Processamento Digital de Imagens. Projeto 3 Utilizando filtragem rejeita faixa para tirar ruído de imagem FEN- 06723 Processamento Digital de Imagens Projeto 3 Utilizando filtragem rejeita faixa para tirar ruído de imagem Marcelo Musci Mestrado Geomática/UERJ-2004 Abstract Frequency space offers some attractive

Leia mais

Minissimpósio: Condições de Otimalidade em Otimização e Controle Ótimo

Minissimpósio: Condições de Otimalidade em Otimização e Controle Ótimo Minissimpósio: Condições de Otimalidade em Otimização e Controle Ótimo Uma grande variedade de problemas de nosso dia-a-dia podem ser modelados como programas de Otimização ou de Controle Ótimo. Este é

Leia mais

Strings. COM10615-Tópicos Especiais em Programação I edmar.kampke@ufes.br 2014-II

Strings. COM10615-Tópicos Especiais em Programação I edmar.kampke@ufes.br 2014-II Strings COM10615-Tópicos Especiais em Programação I edmar.kampke@ufes.br Introdução Uma estrutura de dados fundamental Crescente Importância Aplicações: Busca do Google Genoma Humano 2 Caracteres Codificação

Leia mais

GESTÃO DE RECURSOS NATURAIS. Ano letivo 2011/2012. Exercício: Sistema de apoio à decisão para eucalipto (Aplicação de Programação Linear)

GESTÃO DE RECURSOS NATURAIS. Ano letivo 2011/2012. Exercício: Sistema de apoio à decisão para eucalipto (Aplicação de Programação Linear) GESTÃO DE RECURSOS NATURAIS Ano letivo 2011/2012 Exercício: Sistema de apoio à decisão para eucalipto (Aplicação de Programação Linear) Exercise: Decision support system for eucalyptus (Linear programming

Leia mais

Seu objetivo é encontrar o valor de T que maximiza o lucro médio por mês. Usando o Crystal Ball Crystal Ball implementa o seu modelo Excel permitindo

Seu objetivo é encontrar o valor de T que maximiza o lucro médio por mês. Usando o Crystal Ball Crystal Ball implementa o seu modelo Excel permitindo Política de Troca de Brocas de Perfuração Autor Crystal Ball Sumário Quando perfurando certos tipos de terrenos, a performance de uma broca de perfuração diminui com o tempo devido ao desgaste. Eventualmente,

Leia mais

ANÁLISE TRIDIMENSIONAL DA VELOCIDADE E PRESSÃO ESTATÍSCA DO AR EM SILO DE AERAÇÃO USANDO ELEMENTOS FINITOS RESUMO ABSTRACT 1.

ANÁLISE TRIDIMENSIONAL DA VELOCIDADE E PRESSÃO ESTATÍSCA DO AR EM SILO DE AERAÇÃO USANDO ELEMENTOS FINITOS RESUMO ABSTRACT 1. ANÁLISE TRIDIMENSIONAL DA VELOCIDADE E PRESSÃO ESTATÍSCA DO AR EM SILO DE AERAÇÃO USANDO ELEMENTOS FINITOS RESUMO EDUARDO VICENTE DO PRADO 1 DANIEL MARÇAL DE QUEIROZ O método de análise por elementos finitos

Leia mais

Uso da Computação Por Intervalos para Cálculo de Ponto Fixo de um Mapa Discreto

Uso da Computação Por Intervalos para Cálculo de Ponto Fixo de um Mapa Discreto Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Uso da Computação Por Intervalos para Cálculo de Ponto Fixo de um Mapa Discreto Heitor Magno Rodrigues Junior 1 Programa

Leia mais

Prova de Seleção Mestrado LINGUA INGLESA 15/02/2016

Prova de Seleção Mestrado LINGUA INGLESA 15/02/2016 Prova de Seleção Mestrado LINGUA INGLESA 15/02/2016 Instruções aos candidatos: (1) Preencher somente o número de inscrição em todas as folhas. (2) Usar caneta preta ou azul. 1 2 3 4 5 6 7 8 9 10 11 12

Leia mais

Grupo I Perguntas de resposta rápida (1 valor cada)

Grupo I Perguntas de resposta rápida (1 valor cada) ISCTE INSTITUTO UNIVERSITÁRIO de LISBOA Mestrado de Economia Mestrado de Economia Monetária e Financeira MACROECONOMIA e ANÁLISE da CONJUNTURA Teste Exemplo 4 Dezembro 2009 Duração: 2.00 h SOLUÇÕES Grupo

Leia mais

Laboratório 3. Base de Dados II 2008/2009

Laboratório 3. Base de Dados II 2008/2009 Laboratório 3 Base de Dados II 2008/2009 Plano de Trabalho Lab. 3: Programação em Transact-SQL MYSQL Referências www.mysql.com MICROSOFT SQL SERVER - Procedimentos do Lado do Servidor (Stored Procedures)

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

Programação Inteira Conteúdos da Seção Programação Inteira Problema Relaxado Solução Gráfica Solução por Enumeração Algoritmo de Branch-And-Bound

Programação Inteira Conteúdos da Seção Programação Inteira Problema Relaxado Solução Gráfica Solução por Enumeração Algoritmo de Branch-And-Bound Programação Inteira Conteúdos da Seção Programação Inteira Problema Relaado Solução Gráfica Solução por Enumeração Algoritmo de Branch-And-Bound Solução Ecel Solução no Lindo Caso LCL Tecnologia S.A. Variáveis

Leia mais

Análise Probabilística de Semântica Latente aplicada a sistemas de recomendação

Análise Probabilística de Semântica Latente aplicada a sistemas de recomendação Diogo Silveira Mendonça Análise Probabilística de Semântica Latente aplicada a sistemas de recomendação Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título de

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

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL Marcelo Maciel Monteiro Universidade Federal Fluminense, Engenharia de Produção Rua Martins Torres 296, Santa Rosa, Niterói, RJ, Cep 24240-700

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

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

eduardo.zuzu@gmail.com, jvcanto@unisinos.br

eduardo.zuzu@gmail.com, jvcanto@unisinos.br DESENVOLVIMENTO DE UM SISTEMA COMPUTACIONAL PARA PROJETOS DE REDES DE COMUNICAÇÃO DE INFRAESTRUTURAS AVANÇADAS DE MEDIÇÃO COM USO DE UMA ESTRATÉGIA METAHEURÍSTICA Eduardo Augusto Martins, Jose Vicente

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

Session 8 The Economy of Information and Information Strategy for e-business

Session 8 The Economy of Information and Information Strategy for e-business Session 8 The Economy of Information and Information Strategy for e-business Information economics Internet strategic positioning Price discrimination Versioning Price matching The future of B2C InformationManagement

Leia mais

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia

Leia mais

Um Modelo Matemático de Gestão de Recursos Humanos

Um Modelo Matemático de Gestão de Recursos Humanos 30 Um Modelo Matemático de Gestão de Recursos Humanos JORGE SANTOS Departamento de Matemática, Escola Superior de Tecnologia de Viseu 1. Introdução O material que aqui publicamos foi resultado de várias

Leia mais

CLUSTERING SEARCH COM PATH RELINKING PARA RESOLUÇÃO DE UM PROBLEMA DE PLANEJAMENTO FLORESTAL

CLUSTERING SEARCH COM PATH RELINKING PARA RESOLUÇÃO DE UM PROBLEMA DE PLANEJAMENTO FLORESTAL CLUSTERING SEARCH COM PATH RELINKING PARA RESOLUÇÃO DE UM PROBLEMA DE PLANEJAMENTO FLORESTAL Robson de Souza Melo Universidade Federal do Espírito Santo - UFES Alto Universitário, s/nº - Cx Postal 16,

Leia mais