c PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex., sementes, maquinario, trabalho humano, :::
|
|
- Raphael Pais de Santarém
- 7 Há anos
- Visualizações:
Transcrição
1 c PAVF 1 Aplicac~oes Produc~ao Aproximac~ao Planejamento Controle Alocac~ao Geometria Equac~oes
2 c PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex., sementes, maquinario, trabalho humano, ::: ) para produzir uma certa commodity (p. ex., soja) x i : quantidade do insumo i p i : preco unitario do insumo i f : quantidade de commodity produzida q : valor unitario da commodity Supondo que a quantidade produzida e func~ao de n insumos x i i = 1 2 ::: n, e que o produtor deseja maximizar lucro, obtem-se o problema maximizar qf(x 1 x 2 ::: x n ) ; nx i=1 p i x i Assumindo que f e diferenciavel, as condic~oes necessarias de 1a. ordem seriam q df dx i = p i i = 1 2 ::: n Na soluc~ao, o valor marginal devido a um pequeno aumento no insumo i deve ser igual ao preco do insumo i
3 c PAVF 3 Aproximac~ao Suponha que um certo experimento gera valores g(y k ) de uma func~ao g, observados em m pontos y k k = 1 2 ::: m. Deseja-se aproximar g pelo polin^omio de grau n ou menor (n < m) p(y) = x n y n + x n;1 y n;1 + + x 0 Cada conjunto de valores x 0 x 1 ::: x n produz um polin^omio, que por sua vez produz um conjunto de erros e k := g(y k ) ; p(y k ) k = 1 2 ::: m. Aaproximac~ao de quadrados mnimos consiste em resolver onde f (x) := minimizar f (x) x 2 R n+1 mx k=1 [g(y k ) ; (x n y n k + x n;1y n;1 k + + x 0 )] 2 Denindo q ij := mx (y k ) i+j b j := mx g(y k )(y k ) j c := k=1 k=1 k=1 mx g(y k ) 2 obtem-se o problema quadratico minimizar x T Qx ; 2b T x + c Pela condic~ao de 1a. ordem, na soluc~ao, Qx = b
4 c PAVF 4 Planejamento A demanda de energia eletrica de um certo mercado consumidor deve ser atendida por uma companhia geradora, que pode escolher entre diversas formas de gerac~ao O nvel de pot^encia gerada pela companhia varia com a hora do dia, dia da semana, m^es do ano, ::: A demanda por pot^encia gerada e representada por uma curva h(x), que relaciona o no. de horas no ano para o qual um nvel mnimo de pot^encia x (normalizada) e demandado horas H T x 1 x 2 I 1 x A companhia pode atender a demanda instalando equipamentos para gerac~ao hidroeletrica ou termica, ou importando pot^encia de outra companhia A cada tipo de equipamento de gerac~ao associam-se custos anuais unitarios de capital b 1 b 2 e de operac~ao c 1 c 2. O custo unitario de importac~ao e c 3
5 c PAVF 5 Planejamento Gerac~ao hidraulica implica em elevado custo de capital e baixo custo operacional. E utilizada para atender a base da curva de demanda Gerac~ao termica e utilizada para atender nveis intermediarios de demanda. A importac~ao e empregada apenas para atender perodos de pico Deve-se determinar x 1 e x 2 (quanto de gerac~ao hidroeletrica e termica) de forma a minimizar o custo total de gerac~ao da companhia, dado por Z x1 f (x 1 x 2 ) := b 1 x 1 + b 2 x 2 + c 1 h(x)dx c 2 Z x1 +x 2 x 1 h(x)dx + c 3 Z 1 x 1 +x 2 h(x)dx sujeito a x 1 0 x 2 0 x 1 + x 2 1 Assumindo que a soluc~ao e interior as restric~oes, obtem-se as condic~oes de 1a. ordem b 1 +(c 1 ; c 2 )h(x 1 )+(c 2 ; c 3 )h(x 1 + x 2 ) = 0 b 2 +(c 2 ; c 3 )h(x 1 + x 2 ) = 0
6 c PAVF 6 Controle Suponha que uma quantidade xa de um certo recurso q (p. ex., dinheiro) deva ser distribuida entre N atividades (p. ex., projetos) Se uma parcela u k de q e alocada para a k-esima atividade (k = 0 1 ::: N ; 1), o retorno da alocac~ao e g k (u k ) A alocac~ao otima de recursos sera a soluc~ao do problema de otimizac~ao maximizar N X;1 k=0 g k (u k ) s.a N X;1 k=0 u k = q O problema pode ser reformulado como um problema de controle otimo discreto: maximizar N X;1 k=0 g k (u k ) x k+1 = x k ; u k x 0 = q x N = 0 O estado x k representa a quantidade de recurso restante para alocac~ao nas atividades k k +1 ::: N Reciprocamente, problemas de controle otimo - din^amicos - podem ser sempre reformulados como problemas de otimizac~ao estaticos
7 c PAVF 7 Alocac~ao Considere o problema linear maximizar c T x s.a Ax b x 0 onde c x 2 R n b 2 R m e A 2 R mn. O problema pode ser interpretado como um problema de alocac~ao de recursos A j-esima coluna de A representa uma atividade (dentre n), e a variavel x j 0, o nvel da atividade: a 1 x 1 + a 2 x 2 + :::+ a n x n = Ax b A atividade j consume a j x j do vetor de recursos disponveis, b. Se o lucro unitario com a atividade j e c j, o lucro total sera nx j=1 c j x j = c T x A soluc~ao do problema fornece a alocac~ao de recursos entre atividades que maximiza o lucro total Lucros aleatorios Varios fatores externos podem fazer com que o vetor de lucros unitarios c = (c 1 c 2 ::: c n ) n~ao seja precisamente conhecido
8 c PAVF 8 Alocac~ao Media e vari^ancia O valor medio e a vari^ancia do lucro com um certa alocac~ao de atividades s~ao, respectivamente, c T x x T Qx onde c := E(c) Q := E[(c ; c)(c ; c) T ] e E : operador esperanca matematica Q : matriz de covari^ancias de c (Q = Q T 0) Maximizac~ao da media maximizar c T x s.a Ax b x 0 O problema e que pode-se obter uma media de lucro elevada, mas com vari^ancia muito grande Minimizac~ao da vari^ancia minimizar x T Qx s.a Ax b x 0 A vari^ancia do lucro e a menor possvel, mas a media tambem pode ser muito baixa
9 c PAVF 9 Alocac~ao Criterio de satisfac~ao Supondo que um lucro medio mnimo z seja especicado, o problema poderia ser reformulado como minimizar x T Qx s.a Ax b cx z x 0 Criterio de ponderac~ao Media e vari^ancia do lucro s~ao ponderadas atraves de um par^ametro 0 w 1 minimizar wx T Qx ; (1 ; w)c T x s.a Ax b x 0 A escolha de w determina alocac~oes com maiores ou menores vari^ancias, maiores ou menores medias Abordagem alternativa (Chance constraint) Supondo que a distribuic~ao de probabilidades de c e conhecida, seja := prob (c T x z) A ideia e determinar x de forma a maximizar
10 c PAVF 10 Alocac~ao Assuma que c pode ser expresso na forma c := p + yq, onde p q 2 R n s~ao vetores conhecidos e y e uma variavel aleatoria, a fonte da aleatoriedade de c. Logo, := prob (p T x + yq T x z) = prob 2 4 y z ; p T x q T x 3 5 supondo que q T x > 0. Para maximizar, deve-se ent~ao resolver o problema fracionario minimizar z ; p T x q T x s.a Ax b x 0 Nota Uma restric~ao do tipo prob 2 4 y z ; p T x q T x 3 5 pode ser agregada ao problema de minimizar a vari^ancia do lucro. Se prob (y ) =, a restric~ao pode ser substituda por p T x + q T x z
11 c PAVF 11 Geometria Dist^ancia ponto-a-conjunto A dist^ancia de um ponto x 0 2 R n a um conjunto fechado R n, na norma kk, e o valor otimo do problema minimizar kx ; x 0 k s.a x 2 Se a dist^ancia e nula, ent~ao x 0 2. Se a dist^ancia e positiva, ent~ao x Qualquer soluc~ao do problema e chamada de projec~ao de x 0 em x 0 Dist^ancia conjunto-a-conjunto A dist^ancia entre dois conjuntos fechados ; R n, na norma kk, e o valor otimo do problema minimizar kx ; yk s.a x 2 y 2 ; Se a dist^ancia e nula, ent~ao \ ; 6=. positiva, ent~ao \ ; = Se a dist^ancia e
12 c PAVF 12 Geometria ; Notas As noc~oes de dist^ancia ponto-a-conjunto e conjunto-a-conjunto est~ao relacionadas a exist^encia de hiperplanos separadores entre ponto-conjunto e conjunto-conjunto Se existe um hiperplano separando x 0 de, ent~ao a dist^ancia e positiva. A recproca e verdadeira se for convexo. A analise do caso conjunto-conjunto e similar Centralizac~ao O problema de centralizac~ao consiste em resolver maximizar r s.a x + r ; onde x 2 R n, r 0, R n e um conjunto convexo compacto tal que 0 2 o e ; R n
13 c PAVF 13 Geometria Notas O problema consiste em inscrever o conjunto no conjunto ;. Ovetor x (centro) translada e o escalar r (raio) dilata no interior de ; O objetivo e obter o centro x que permita a maior dilatac~ao de em ;. A situac~ao pode ser exemplicado pelo problema de lapidac~ao de diamantes O conjuntos ; e representam a pedra bruta e a forma desejada de lapidac~ao da pedra. Deseja-se obter o maior diamante na forma especicada x x + r ; A condic~ao 0 2 o garante a translac~ao de em ;
14 c PAVF 14 Geometria Classicac~ao O problema de classicac~ao consiste em, dados dois conjuntos de pontos fx 1 x 2 ::: x n g e fy 1 y 2 ::: y m g, encontrar uma func~ao f tal que f (x i ) > 0 i = 1 2 ::: n f (y i ) < 0 i = 1 2 ::: m Caso quadratico A func~ao f assume a forma f (x) :=x T Ax+b T x+c. Deve-se determinar A b e c tais que (x i ) T Ax i + b T x i + c > 0 i = 1 2 ::: n (y i ) T Ay i + b T y i + c < 0 i = 1 2 ::: m Devido a homogeneidade de f, as desigualdades estritas podem ser substitudas por n~ao-estritas: (x i ) T Ax i + b T x i + c > 1 i = 1 2 ::: n (y i ) T Ay i + b T y i + c < ;1 i = 1 2 ::: m
15 c PAVF 15 Geometria Problema de otimizac~ao A classicac~ao dos pontos pode ser feita resolvendo-se o problema n~ao-linear maximizar min 1in f (xi ) ; max 1jm f (yj ) sujeito a restric~oes sobre os par^ametros de f Nota No caso quadratico, as restric~oes podem impor, p. ex., que A = A T > 0, de forma que os pontos devam ser classicados por um elipsoide
16 c PAVF 16 Equac~oes Equac~oes lineares Sejam A 2 R nn uma matriz simetrica denida positiva e b 2 R n. O problema de se resolver o sistemas de equac~oes lineares Ax = b e equivalente ao problema quadratico estritamente convexo minimizar 1 2 xt Ax ; b T x dado que, na soluc~ao otima x, rf (x )=Ax ; b = 0 Notas E possvel resolver Ax = b atraves de um algoritmo iterativo. O algoritmo gera uma sequ^encia (x k ) denida por x k+1 = x k + k d k x 0 dado onde k e o passo e d k a direc~ao na iterac~ao k Asequ^encia (x k ) converge para a soluc~ao de Ax = b. Dentre os algorimos mais ecientes, encontram-se os algoritmos de direc~oes conjugadas
17 c PAVF 17 Equac~oes Equac~oes n~ao-lineares Muitos problemas em Engenharia resultam num conjunto de equac~oes n~ao-lineares na forma onde h(x) =0 h(x) :=(h 1 (x) h 2 (x) ::: h n (x)) h(x) 2 R n x 2 R n Uma soluc~ao para h(x) =0 e encontrada resolvendo-se minimizar f (x) = 1 2 kh(x)k2 x 2 R n onde kke normalmente a norma 2. O gradiente de f e rf (x) = nx i=1 h i (x)rh i (x) =rh(x) T h(x) Notas Se numa soluc~ao x, a matriz jacobiana rh(x ) for n~aosingular, ent~ao rf (x ) = 0 implica h(x ) = 0 Metodos do tipo Newton s~ao usualmente utilizados para resolver sistemas de equac~oes n~ao-lineares
c PAVF 2 Otimizac~ao 'Aurelio' Otimizac~ao.[De otimizar+-c~ao] S.f. 1. Estat. Processo pelo qual se determina o valor otimo de uma grandeza. Otimo.[Do
c PAVF 1 Introduc~ao Otimizac~ao Modelos de otimizac~ao Aplicac~oes Descric~ao do curso c PAVF 2 Otimizac~ao 'Aurelio' Otimizac~ao.[De otimizar+-c~ao] S.f. 1. Estat. Processo pelo qual se determina o valor
Leia maisControle Ótimo - Aula 8 Equação de Hamilton-Jacobi
Controle Ótimo - Aula 8 Equação de Hamilton-Jacobi Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos O problema de controle ótimo Considere
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Forma geral de um problema Em vários problemas que formulamos, obtivemos: Um objetivo de otimização
Leia maisII. Funções de uma única variável
II. Funções de uma única variável 1 II.1. Conceitos básicos A otimização de de funções de de uma única variável consiste no no tipo mais elementar de de otimização. Importância: Tipo de problema encontrado
Leia maisDepartamento de Matemática da Universidade de Coimbra. Licenciatura em Matemática. e B =
Departamento de Matemática da Universidade de Coimbra Optimização Numérica Licenciatura em Matemática Ano lectivo 2006/2007 Folha 1 1. Considere as matrizes A = [ 1 1 1 2 ] e B = [ 1 3 1 2 (a) Verifique
Leia mais(x n + tv n) dxn df. (x n ) dxn. = Df(x) v derivada de f em x na direção. v n. (x ): Apenas a derivada parcial em
Apostila de Métodos Quantitativos - UERJ Professor: Pedro Hemsley Derivada Direcional e Gradiente A regra da cadeia pode ser utilizada para determinar a taxa de variação de uma função f(x 1,,x n ) em um
Leia maisEXAME DE QUALIFICAÇÃO em Álgebra - Mestrado
Programa de Pós-Graduação em Matemática Instituto de Matemática e Estatística - IME Universidade Federal de Goiás - UFG EXAME DE QUALIFICAÇÃO em Álgebra - Mestrado Aluno: 1) Seja G um grupo e a, b G tais
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia maisControle Ótimo - Aula 2 (Exemplos 2, 3 e 4)
Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística. Curso: Engenharia de Produção
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisConsidere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisModelagem Computacional. Parte 7 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 7 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia mais5. Seja A uma matriz qualquer. Assinale a afirmativa
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno, Gregório, Luiz Carlos, Mario, Milton, Monique e Umberto Data: 12 de julho de 2013 Terceira Prova 1. Considere no espaço
Leia maisBenemar Alencar de Souza
Benemar Alencar de Souza Métodos de Otimização Aplicados Questões introdutórias O que é otimização? i Por que otimização é importante? Como tratar a otimização i como um problema? Quais objetivos são usuais?
Leia maisAnálise Convexa. 1. Conjuntos convexos 1.1. Casca convexa, ponto extremo, cone. 2. Hiperplanos: suporte, separador, teorema da separação
Análise Convexa 1. Conjuntos convexos 1.1. Casca convexa, ponto extremo, cone 2. Hiperplanos: suporte, separador, teorema da separação 3. Funções convexas 4. Teoremas de funções convexas 5. Conjunto poliedral
Leia mais)XQGDPHQWRVGHSURJUDPDomRPDWHPiWLFD
)XQGDPHQWRVGHSURJUDPDomRPDWHPiWLFD,QWURGXomR A grande maioria dos problemas de engenharia pode ser solucionado de diferentes formas, uma vez que um número muito grande de soluções atende aos critérios
Leia mais. Os menores -2,0-1,5-1,0-0,5-5 0,0 0,5 1,0 1,5 2, = x 2y.. Os menores
1. Para cada uma das seguintes funções, verifique se ele é côncava, convexa ou nenhuma das duas, justificando em cada caso. (a) f(x, ) = 1x + (b) f(x) = 1x x (c) f(x, ) = x x 1 (a) = 1 = x = e = = = 1
Leia maisMétodo de Newton. Podemos escrever este problema na forma vetorial denindo o vetor x = [x 1, x 2,..., x n ] T e a função vetorial
Método de Newton 1 Introdução O método de Newton aplicado a encontrar a raiz x da função y = fx) estudado na primeira área de nossa disciplina consiste em um processso iterativo Em cada passo deste processo,
Leia maisControle Ótimo - Aula 6 Exemplos e Exercícios
Controle Ótimo - Aula 6 Exemplos e Exercícios Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Probabilidades Probabilidade: número entre
Leia maisAlgebra Linear. 1. Ortonormalização. 2. Sistema de Equações Lineares. pag.1 Teoria de Sistemas Lineares Aula 6. c Reinaldo M.
Algebra Linear 1. Ortonormalização 2. Sistema de Equações Lineares pag.1 Teoria de Sistemas Lineares Aula 6 Ortonormalização Um vetor x é dito estar normalizado se sua norma Euclidiana é igual a 1, ie,
Leia maisOptimização. Carlos Balsa. Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança
Optimização Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados Eng. Química e Industrial Carlos Balsa Matemática Aplicada
Leia maisProgramação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e
Programação Linear A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Existe um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento
Leia maisUniversidade Federal do Espírito Santo - UFES
Universidade Federal do Espírito Santo - UFES Centro Universitário Norte do Espírito Santo - CEUNES Departamento de Matemática Aplicada - DMA Prof. Isaac P. Santos - 2018/1 Aula: Métodos Iterativos Para
Leia maisMétodos de Pesquisa Operacional
Métodos de Pesquisa Operacional Programação Linear é a parte da Pesquisa Operacional que trata da modelagem e resolução de problemas formulados com funções lineares. Programação Linear } Métodos de Resolução
Leia maisUniversidade Federal de Santa Maria Centro de Ciências Naturais e Exatas Departamento de Física Laboratório de Teoria da Matéria Condensada
Universidade Federal de Santa Maria Centro de Ciências Naturais e Exatas Departamento de Física Laboratório de Teoria da Matéria Condensada Introdução à teoria de otimização Tiago de Souza Farias 23 de
Leia maisProgramação Matemática
Programação Matemática Docentes: Ana Paula, Franklina e Maristela Instituto de Ciências Matemáticas e de Computação - ICMC Universidade de São Paulo USP (Material Elaborado por Aline Leão modificado por
Leia mais2º Exame (1ºTeste) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, 27 de Janeiro de 2015, 15h00-16h15-17h30
º Exame (ºTeste) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, 7 de Janeiro de 5, 5h-h5-7h3.) [.] Pretende-se f(x) = p n (x)/x (onde p n é um polinómio) que verique a interpolação a)
Leia maisBCC465 - TÉCNICAS DE MULTI-OBJETIVO. Gladston Juliano Prates Moreira 22 de novembro de 2017
BCC465 - TÉCNICAS DE OTIMIZAÇÃO MULTI-OBJETIVO Aula 04 - Otimização Não-linear Gladston Juliano Prates Moreira email: gladston@iceb.ufop.br CSILab, Departamento de Computação Universidade Federal de Ouro
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisAula 10 Sistemas Não-lineares e o Método de Newton.
Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisControle Ótimo - Aula 10 Princípio do Mínimo de Pontryagin
Controle Ótimo - Aula 10 Princípio do Mínimo de Pontryagin Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos O problema de controle ótimo
Leia maisDespacho Econômico Considerando as Perdas de Transmissão
Capítulo 1 Despacho Econômico Considerando as Perdas de Transmissão 1.1 Introdução Até agora, os métodos de despacho econômico apresentados têm ignorado as perdas de transmissão. Entretanto, as perdas
Leia maisCurvas e Superfícies
Curvas e Superfícies Fontes: M.C.F. de Oliveira D.F. Rogers & J.A. Adams, Mathematical Elements for Computer Graphics, McGraw-Hill, 1999 Hearn & Baker, Cap. 8 (8-8 a 8-18) An Interactive Introduction to
Leia maisEquações não lineares
DMPA IME UFRGS Cálculo Numérico Índice Raizes de polinômios 1 Raizes de polinômios 2 raizes de polinômios As equações não lineares constituídas por polinômios de grau n N com coeficientes complexos a n,a
Leia maisINSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Leia maisMarina Andretta. 17 de setembro de Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright.
Métodos de regiões de confiança Marina Andretta ICMC-USP 17 de setembro de 2014 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear
Leia maisSME306 - Métodos Numéricos e Computacionais II Prof. Murilo F. Tomé. (α 1)z + 88 ]
SME306 - Métodos Numéricos e Computacionais II Prof. Murilo F. Tomé 1 o sem/2016 Nome: 1 a Prova - 07/10/2016 Apresentar todos os cálculos - casas decimais 1. Considere a família de funções da forma onde
Leia maisCapítulo 5 - Optimização Não-Linear
Capítulo 5 - Optimização Não-Linear balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Mestrados em Engenharia da Construção Métodos de Aproximação em Engenharia
Leia maisRevisão de Álgebra Linear
Introdução: Revisão de Álgebra Linear Antonio Elias Fabris Instituto de Matemática e Estatística Universidade de São Paulo Map 2121 Aplicações de Álgebra Linear Antonio Elias Fabris (IME-USP) Revisão de
Leia maisFluxo de Potência Ótimo
Fluxo de Potência Ótimo Djalma M. Falcão Programa de Engenharia Elétrica COPPE/UFRJ Parte 1 Abril 2008 1 / 26 Definição O Fluxo de Potência Ótimo (FPO) tem como objetivo a otimização da condição estática
Leia maisDisciplina que estuda métodos analíticos para auxiliar na tomada de decisões.
Edgard Jamhour Disciplina que estuda métodos analíticos para auxiliar na tomada de decisões. Procura encontrar soluções ótimas ou próximo de ótimas para problemas de engenharia industrial, economia e finanças,
Leia maisProgramação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr.
Programação Linear São problemas complexos, muitas vezes de difícil solução e que envolvem significativas reduções de custos, melhorias de tempos de processos, ou uma melhor alocação de recursos em atividades.
Leia maisINTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL. Aula 04 Prof. Vitor Hugo Ferreira
Universidade Federal Fluminense Escola de Engenharia Departamento de Engenharia Elétrica INTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL Aula 04 Prof. Vitor Hugo Ferreira Busca em espaço de estados Estratégias
Leia mais1 Álgebra linear matricial
MTM510019 Métodos Computacionais de Otimização 2018.2 1 Álgebra linear matricial Revisão Um vetor x R n será representado por um vetor coluna x 1 x 2 x =., x n enquanto o transposto de x corresponde a
Leia maisJaime A. Ramírez Felipe Campelo Frederico G. Guimarães Lucas S. Batista Ricardo H.C. Takahashi
Otimização ELE037 Introdução Jaime A. Ramírez Felipe Campelo Frederico G. Guimarães Lucas S. Batista Ricardo H.C. Takahashi Universidade Federal de Minas Gerais Departamento de Engenharia Elétrica J. A.
Leia mais2 - f: R R: y = x 2 Classicação: Nem injetora, nem sobrejetora.
Apostila de Métodos Quantitativos - UERJ Professor: Pedro Hemsley Funções: f: X Y : Associa a cada elemento do conjunto X um único elemento do conjunto Y. Existem tres tipos especícos de funções: Sobrejetora,
Leia maisLaboratório de Simulação Matemática. Parte 7 2
Matemática - RC/UFG Laboratório de Simulação Matemática Parte 7 2 Prof. Thiago Alves de Queiroz 2/2017 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010. Thiago
Leia maisUma Introdução à Otimização sob Incerteza Aula 3
Uma Introdução à Otimização sob Incerteza Aula 3 Bernardo Kulnig Pagnoncelli 1 e Humberto José Bortolossi 2 1 Departamento de Matemática Pontifícia Universidade Católica do Rio de Janeiro 2 Departamento
Leia maisCálculo Diferencial e Integral 2 Formas Quadráticas
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Cálculo Diferencial e Integral 2 Formas Quadráticas 1 Formas quadráticas Uma forma quadrática em R n é um polinómio do
Leia maisMAP Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017
1 Preliminares MAP3121 - Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017 A decomposição de Cholesky aplicada a Finanças O exercício-programa
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy O ADALINE e o algoritmo LMS O ADALINE No contexto de classificação, o ADALINE [B. Widrow 1960] pode ser visto como um perceptron com algoritmo de treinamento baseado em minimização
Leia maisProfessor: Rodrigo A. Scarpel
Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana : Apresentação da disciplina Introdução à Programação Linear Resolução de problemas de PL pelo Método Gráfico
Leia maisFOLHAS DE PROBLEMAS DE MATEMÁTICA II CURSO DE ERGONOMIA PEDRO FREITAS
FOLHAS DE PROBLEMAS DE MATEMÁTICA II CURSO DE ERGONOMIA PEDRO FREITAS Maio 12, 2008 2 Contents 1. Complementos de Álgebra Linear 3 1.1. Determinantes 3 1.2. Valores e vectores próprios 5 2. Análise em
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérico SME0104 ICMC-USP Lista 5: Zero de Funções Lembrete (informação que vai estar disponível na prova) Método de Newton Método da Secante x k+1 = x k f(x k) f (x k ), x k+1 = x k J 1 F (x k
Leia maisMétodos Numéricos I. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho
Métodos Numéricos I A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Engenharia Mecânica Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho)
Leia maisAnálise Matemática II - 1 o Semestre 2001/ o Exame - 25 de Janeiro de h
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Análise Matemática II - 1 o Semestre 2001/2002 2 o Exame - 25 de Janeiro de 2001-9 h Todos os cursos excepto Eng. Civil,
Leia maisMétodo dos Mínimos Quadrados
Método dos Mínimos Quadrados Laura Goulart UESB 4 de Abril de 2019 Laura Goulart (UESB) Método dos Mínimos Quadrados 4 de Abril de 2019 1 / 22 Objetivos O Método dos Mínimos Quadrados (MMQ) é uma técnica
Leia maisPesquisa Operacional Modelos, Conceitos Básicos para PL. Prof. Ricardo Santos
Pesquisa Operacional Modelos, Conceitos Básicos para PL Prof. Ricardo Santos Problema do Transporte Centros de produção de produtos são denominados origens Mercados consumidores são denominados destinos
Leia maisIntrodução à Otimização de Processos. Prof. Marcos L Corazza Departamento de Engenharia Química Universidade Federal do Paraná
Introdução à Otimização de Processos Prof. Marcos L Corazza Departamento de Engenharia Química Universidade Federal do Paraná Otimização Não-Linear Algumas definições e conceitos preliminares: 1. Derivadas
Leia mais(7) Suponha que sobre uma certa região do espaço o potencial elétrico V é dado por V(x, y, z) = 5x 2 3xy + xyz.
1. MAT - 0147 CÁLCULO DIFERENCIAL E INTEGRAL II PARA ECÔNOMIA 3 a LISTA DE EXERCÍCIOS - 017 1) Em cada caso, esboce a superfície de nível c da função F : R 3 R: a) Fx, y, z) = x + y + 3z e c = 1 b) Fx,
Leia maisMétodo de Newton truncado
Método de Newton truncado Marina Andretta ICMC-USP 8 de outubro de 2018 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Introdução Solução de equações não lineares
Leia maisMétodo de Newton modificado
Método de Newton modificado Marina Andretta ICMC-USP 14 de setembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de setembro de 2010 1 / 36 Método de Newton Como já vimos, o método
Leia maisMétodos Numéricos C. A. Ismael F. Vaz 1. Escola de Engenharia Universidade do Minho Ano lectivo 2007/2008
Métodos Numéricos C A. Ismael F. Vaz 1 1 Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho) MN C 2007/2008
Leia maisMatemática 2. Teste Final. Atenção: Esta prova deve ser entregue ao fim de 1 Hora. Deve justificar detalhadamente todas as suas respostas.
Matemática 2 Lic. em Economia, Gestão e Finanças Data: 4 de Julho de 2017 Duração: 1H Teste Final Atenção: Esta prova deve ser entregue ao fim de 1 Hora. Deve justificar detalhadamente todas as suas respostas.
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Introdução 2 Alguns Conceitos de Álgebra Linear 3 Sistemas Lineares 4 Métodos Computacionais 5 Sistemas Triangulares 6 Revisão Introdução Introdução Introdução
Leia maisMÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA
MÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA Marlon Luiz Dal Pasquale Junior, UNESPAR/FECILCAM, jr.marlon@hotmail.com Solange Regina dos Santos (OR), UNESPAR/FECILCAM, solaregina@fecilcam.br
Leia maisResolução de problemas com apenas restrições lineares de igualdade
Resolução de problemas com apenas restrições lineares de igualdade Marina Andretta ICMC-USP 14 de outubro de 2014 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de outubro de 2014 1 / 22
Leia maisAlgumas Preliminares Matemáticas
Lista 1 de Microeconomia I Professor: Carlos E.L. da Costa Monitor: Vitor Farinha Algumas Preliminares Matemáticas Nas próximas páginas apresentam-se alguns conceitos matemáticos e teoremas que serão úteis
Leia maisUniversidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM
Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM 3 a Lista de Exercícios de Introdução à Álgebra Linear Professor: Fágner Dias Araruna
Leia maispontos: f(1)=2, f(2)=3, f(3)=5, f(5)=10 e f(6)=30.
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: SEGUNDO BIMESTRE: EDGARD JAMHOUR Eemplo A: Interpolação polinomial Funções de interpolação: fa() = 2 - /2 + 2 /2 fb() = 5/2-17/12 + 2-3 /12 fc() = 23/2-1183/60 +133
Leia maisTeoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016
Teoria de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia mais. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
Leia maisMétodo Simplex Dual. Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP
Método Simplex Dual Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP www.feg.unesp.br/~fmarins fmarins@feg.unesp.br Introdução Algoritmo
Leia mais3- O MÉTODO SIMPLEX Introdução e fundamentos teóricos para o Método Simplex
3- O MÉTODO SIMPLEX 3.1- Introdução O Método Simplex é uma técnica utilizada para se determinar, numericamente, a solução ótima de um modelo de Programação Linear. Será desenvolvido inicialmente para Problemas
Leia maisTeste de Gaussianidade 2
Teste de Gaussianidade 2 Leonardo T^orres 3 de agosto de 2 Resumo Breve revis~ao do teste 2 usado para determinar se a func~ao densidade de probabilidade associada a variavel observada de um instrumento
Leia maisCálculo II. Resumo Teórico Completo
Cálculo II Resumo Teórico Completo Cálculo 2 A disciplina visa estudar funções e gráficos, de forma semelhante a Cálculo 1, mas expande o estudo para funções de mais de uma variável, bem como gráficos
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia mais4.1 Resolvendo o Sistema Linear
4 Solução Numérica 4.1 Resolvendo o Sistema Linear Resolveremos o sistema (2 7) pelo método de Usawa acelerado por Gradiente Conjugado (ver [15, pp. 202]). Primeiro eliminamos a variável u e depois resolvemos
Leia maisMatemática Aplicada à Economia I Lista 3 Cálculo a Várias Variáveis. 1) Use o método das fatias para esboçar os gráficos das seguintes funções:
Matemática Aplicada à Economia I Lista 3 Cálculo a Várias Variáveis 1) Use o método das fatias para esboçar os gráficos das seguintes funções: f) 2) Esboce conjuntos de nível de cada uma das seguintes
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Espaços Vetoriais Reais
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 4 Espaços Vetoriais Reais Definição de espaço vetorial real [4 01] O conjunto
Leia maisSISTEMAS LINEARES PROF. EDÉZIO
SOLUÇÕES NUMÉRICAS DE SISTEMAS LINEARES PROF. EDÉZIO Considere o sistema de n equações e n incógnitas: onde E : a x + a x +... + a n x n = b E : a x + a x +... + a n x n = b. =. () E n : a n x + a n x
Leia maisMáquinas de Vetores de Suporte
Máquinas de Vetores de Suporte Marcelo K. Albertini 14 de Setembro de 2015 2/22 Máquinas de Vetores de Suporte Support Vector Machines (SVM) O que é? Perceptron revisitado Kernels (núcleos) Otimização
Leia maisLista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas
1. ANPEC 018 Questão 9 Uma pessoa investe R$ 10.000,00 (I) em duas aplicações cujas taxas de retorno são variáveis aleatórias independentes, R 1 e R, com médias 5% e 14% e desvios-padrão 1% e 8%, respectivamente.
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia maisÁLGEBRA LINEAR I - MAT Em cada item diga se a afirmação é verdadeira ou falsa. Justifiquei sua resposta.
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT0032 2 a Lista de
Leia maisα ( u 1 - u 2 ) = u 3 - u 2.
2- NOÇÕES DE CONVEXIDADE E FORMULAÇÃO MATEMÁTICA DE PROBLEMAS DE PROGRAMAÇÃO LINEAR 21 Noções de Convexidade 211 - Combinação Convexa de pontos ponto b = αx 1 Considere C um conjunto contendo os pontos
Leia maisOtimização Aplicada à Engenharia de Processos
Otimização Aplicada à Engenharia de Processos Aula 4: Programação Linear Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia maisO resultado abaixo é local, por praticidade o enunciamos em todo o espaço. Escrevamos R n+m =R n R m ={(x,y) x R n e y R m }.
CÁLCULO III - MAT 216 - IFUSP- Primeiro Semestre de 2014 Professor Oswaldo Rio Branco de Oliveira http://wwwimeuspbr/~oliveira MULTIPLICADORES DE LAGRANGE EM VÁRIAS VARIÁVEIS Definição SejaM umamatrizemm
Leia maisMatrizes - Matemática II /05 1. Matrizes
Matrizes - Matemática II - 00/0 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n a uma função A de nida no conjunto f(i; j) i f1; ; ; mg e j f1; ; ; ngg e com valores
Leia maisMAT-103 Complementos de Matemáticas para Contabilidade Prof. Juan Carlos Gutierrez Fernandez
MAT-03 Complementos de Matemáticas para Contabilidade Prof Juan Carlos Gutierrez Fernandez Lista : Números é funções Ano 206 Em uma pesquisa foram encontrados os seguintes resultados: 60% das pessoas entresvistadas
Leia maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia maisVisão Computacional CPS754
Visão Computacional CPS754 aula 12 - matriz fundamental Antonio Oliveira Ricardo Marroquim 1 / 1 visão computacional tópicos métodos numéricos para computar F 2 / 1 básico equação básica lembrando da condição
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f(x) 1.e 1 2. x µ σ 2, x R 2π. σ com - < µ < e σ >
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Leia maisMarina Andretta. 02 de agosto de 2010
Introdução Marina Andretta ICMC-USP 02 de agosto de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 02 de agosto de 2010 1 / 19 Otimização Otimizar significa encontrar a melhor maneira
Leia maisSME Cálculo Numérico. Lista de Exercícios: Gabarito
Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado
Leia mais