UM ESTUDO SOBRE O PROBLEMA DA ÁRVORE GERADORA MÍNIMA COM ESTRUTURA DO GRAFO FUZZY
|
|
- Afonso Morais Álvares
- 7 Há anos
- Visualizações:
Transcrição
1 UM ESTUDO SOBE O POBLEMA DA ÁVOE GEADOA MÍNIMA COM ESTUTUA DO GAFO FUZZY Márcia Tomie Taahashi Universidade Federal de Uberlândia FAMAT/UFU Av. João Naves de Ávila, 22, Campus Sta. Mônica Bloco F, sala8, CEP: , Uberlândia, MG mtomie@famat.ufu.br Aebo Yaamami Faculdade de Engenharia Elétrica e de Computação, UNICAMP Caixa Posta6, CEP: 38-97, Campinas, SP aebo@dt.fee.unicamp.br esumo: Neste trabalho é estudado o problema da árvore geradora mínima em um grafo cujas arestas apresentam incertezas. Estas incertezas são modeladas por meio da teoria de grafos fuzzy. O algoritmo proposto inicialmente por Delgado et al. (99) e as heurísticas propostas por Chunde (996) serão discutidos e mais dois algoritmos serão propostos. O objetivo é adequar melhor o conjunto fuzzy de soluções ao critério do decisor. Palavras-Chave: grafos fuzzy, árvore fuzzy, confiabilidade Abstract: We study a minimum spanning tree problem with uncertainty about the arcs. In order to deal with this problem, we use a fuzzy graph model. We discuss both the algorith proposed by Delgado et al (99) and Chunde s heuristics (Chunde, 996) and propose two distinct algorithms to solve the studied problem. The objective is to find a fuzzy solution set that is better suited to some decision maer criterion. Keywords: fuzzy graphs, fuzzy trees, reliability. Introdução O problema da árvore geradora mínima aparece em uma série de aplicações, ou como um subproblema destas. Um exemplo é a instalação de linhas telefônicas (ou elétricas) entre um conjunto de localidades utilizando a infra-estrutura das rodovias com o menor uso de material. Outros problemas (análise de clusters, armazenamento de informações, dentre outros) também podem ser tratados por esta modelagem que possui eficientes algoritmos como Krusal, Prim e Sollin (Ahuja et. al., 993). Desde o trabalho proposto por Zadeh (965), a incerteza em problemas tem sido extensamente estudada (Dubois e Prade, 98). Em (osenfeld, 975) temos o primeiro trabalho conhecido sobre grafos fuzzy, ou seja, grafos que possuem funções de grau de pertinência associadas aos seus nós e arestas. Após este estudo inicial, outros trabalhos foram propostos para diversos problemas em grafo, como o problema do caminho mínimo, fluxo máximo, etc., em que uma função de grau de pertinência pode estar associada a um nó, um aresta ou um parâmetro associado ao grafo (Taahashi, 24). Neste trabalho é feito um estudo sobre o problema da árvore geradora mínima com estrutura do grafo fuzzy. Na Seção 2, o problema é definido e os algoritmos previamente propostos para o problema são apresentados e discutidos. Na Seção 3 são apresentados uma heurística e um algoritmo para encontrar as soluções do problema. Um exemplo didático é apresentado na Seção 4 e as considerações finais na Seção 5.
2 2. Definição do problema Seja G ( N, A) = um grafo com m nós e n arestas com custo c associado a cada aresta ( c ). O problema consiste em construir uma árvore geradora, T, em que a soma dos custos das arestas de T seja mínima (vide Figura ). Neste trabalho, um grafo crisp com custo crisp refere-se ao problema clássico, isto é, um problema em que tanto o grafo quanto os parâmetros associados são bem definidos. Figura : Exemplo de um uma árvore geradora mínima Em um grafo fuzzy, os nós e arestas apresentam graus de grau de pertinência ao grafo: σ () i [, ], i N e µ [, ], j) A sendo que µ min{ σ ( i), σ ( j) }, ou seja, a grau de pertinência da aresta não pode ser maior que a grau de pertinência dos nós associados (osenfeld, 975). O custo c pode ser crisp ou fuzzy. Neste trabalho consideraremos o custo crisp. O problema da árvore geradora mínima com custo (ou outro parâmetro) fuzzy pode ser visto em (Taahashi, 23). Com isso, uma árvore geradora deve possuir um custo c( T ) = e um grau de grau de c j) T pertinência dado pela aresta com menor grau de pertinência µ T = { µ } min. Este grau de pertinência j) T da árvore geradora mínima também é interpretado como um valor de confiabilidade da solução. Isto pode ser válido em uma situação em que o grau de pertinência de cada aresta diz respeito à segurança de uma conexão em uma rede óptica, por exemplo. Quando resolvemos um problema de árvore geradora mínima em um grafo fuzzy, encontramos um conjunto fuzzy de soluções. No caso, para determinado grau de pertinência, obtemos uma árvore geradora mínima. Em (Delgado et al, 99) é proposto um algoritmo fundamental para problemas de grafos fuzzy que utiliza o conceito do α -corte para determinar o conjunto solução. Dado um conjunto fuzzy X ~, um α -corte é um conjunto crisp associado a X ~ em que pertencem apenas os elementos ~ com grau de pertinência maior ou igual a α, isto é, X α = { x X µ x α}. Na Seção 2.. este algoritmo foi adaptado para o problema da árvore geradora mínima fuzzy. 2.. Adaptação do algoritmo de Delgado (Delgado et al, 99) para o problema da árvore geradora mínima em um grafo fuzzy (DVV9). grafo fuzzy G ~. Seja o grafo G resultante do conjunto suporte ( ( N, A ), A = { j) A > } ) G µ do = G é um grafo crisp e pode ser resolvido por meio de um algoritmo clássico. Com a árvore geradora mínima, T, resultante de G, temos: α = min C = j ) { µ } j ) T c T 2279
3 o custo C é o menor valor que podemos encontrar para uma árvore geradora neste grafo G ~ e o grau de pertinência desta árvore é igual a α. Considerando que o decisor quer saber todo o conjunto de soluções possíveis, devemos retirar do grafo G ~ as arestas cujo grau de pertinência seja menor ou igual a α. Com isso, temos um novo subgrafo crisp de G ~ ( G ), que deve ser conectado (isto é, podemos encontrar um caminho de um nó a qualquer outro do grafo). esolvendo G, outra árvore geradora mínima T e seu grau de pertinência α serão encontrados. Observe que: α < α < α < < α < α + < L < α 2 L L C C C C C2 + L C com sendo a última iteração com o grafo conectado. Quando o subgrafo resultante não é mais conectado, o procedimento termina e o conjunto de soluções é apresentado ao decisor Adaptação do algoritmo DVV9: Passo : Seja um grafo fuzzy G ~ = ( N, A) com custo c ( i, j ) A [, ], ( i j) A µ,. Seja = ; α. =, e grau de pertinência das arestas Passo : esolva o problema crisp associado. Seja T a árvore geradora mínima encontrada. Faça: T T C c j ) T α min µ, { } ( i j ) T onde α é o grau de pertinência da árvore T com custo C. Passo 2: etire do grafo as arestas com grau de pertinência menor ou igual a α. Faça +. Se o grafo apresentar componentes não conectados, então FIM. Caso contrário volte ao Passo Complexidade do algoritmo DVV9 Neste caso, também teremos a complexidade do algoritmo dependendo do algoritmo crisp proposto, da densidade de arestas do grafo e dos graus de pertinência associados a cada aresta. Considerando o algoritmo de Krusal, a ordem de complexidade do problema é de O( m + n log n) (Ahuja et.al, 993). No pior caso, em um grafo completo, o procedimento deverá ter ( n m + ) iterações, ou seja, o algoritmo deve retirar apenas um aresta por vez, até chegar a uma árvore como O n m m + n log n. subgrafo. Neste caso, a complexidade deste algoritmo será da ordem de (( )( )) A maior dificuldade do algoritmo DVV9 é a possibilidade de que o conjunto fuzzy de soluções ter uma grande dimensão e, com isso, ter pouca utilidade ao decisor. Neste sentido, o trabalho de (Chunde, 996) propõe duas heurísticas que são apresentadas a seguir As heurísticas de Chunde (Chunde, 996) Para tentar contornar a dificuldade encontrada no algoritmo DVV9 (Delgado et al, 99), Chunde propôs realizar apenas uma iteração do algoritmo DVV9, em um α -corte mais conveniente 228
4 (heurística CH96a). Neste caso, o decisor escolhe um determinado grau de confiabilidade e para este valor é obtida a árvore geradora mínima correspondente. Outra proposta encontrada em (Chunde, 996), resolve o seguinte problema (heurística CH96b): Min g T s. a. g F c ( ) ( T ) = F( T ). c( T ) ( T ) = j ) T ( T ) = c j ) T T τ ( N ) em uma tentativa de equacionar a confiabilidade da árvore e o seu custo total c ( T ). Neste modelo, g(t) é um balanceamento entre o grau de pertinência, µ, e o custo da árvore geradora, c (T ). Como o interesse é encontrar uma solução com mínimo custo e máximo grau de pertinência, o complementar da grau de pertinência µ T foi utilizada. τ (T ) é o conjunto de árvores geradoras. Basicamente ele também calcula as mesmas árvores geradoras mínimas que a proposta na seção anterior, mas determina a que tiver a melhor relação entre o custo da solução encontrada e o seu grau de pertinência, segundo critério proposto pelo autor. µ 3. Um algoritmo para encontrar a árvore geradora mínima com maior grau de confiabilidade e uma heurística para determinar um subconjunto fuzzy de soluções: Como a solução do algoritmo clássico fornece uma árvore geradora mínima com grau de pertinência mínimo, é claro que um aumento no grau de pertinência deve resultar em uma árvore geradora com custo igual ou maior que as anteriormente obtidas pelo algoritmo (Seção 2.). Propomos então encontrar a solução com o maior grau de pertinência possível, α. Com isso outra heurística pode ser proposta. Com os dois grau de pertinência extremos, ditos α e α, o decisor pode optar por uma partição conveniente do problema, sabendo da sua monotonicidade. O limitante inferior é encontrado tomando o grafo G onde µ >. Seja G ( N, A) = um grafo fuzzy. Sejam σ e µ os grau de pertinência dos nós e arestas do grafo. Como temos arestas, consideramos µ >. A proposta do algoritmo é encontrar as = µ ji arestas de maior grau de pertinência de cada nó do grafo (Passo ) e tomar o menor dentre eles como o valor para o corte (Passo 2). Caso o subgrafo resultante seja não conectado, procuramos a aresta de maior grau de pertinência que una estas partes (Passo 3). Com este procedimento, também sabemos o grau de pertinência da solução antes de resolvê-lo. Caso o usuário queira apenas saber o grau máximo de pertinência, o último passo é dispensável. 3.. Algoritmo para obter a árvore geradora mínima com maior grau de pertinência (Max-α): { } Passo : Para i N faça β i max µ. j: j ) A α = min β. Construa um grafo G sendo Passo 2: Seja { } i N i N N A { j) A µ α} Passo 3: Enquanto existirem componentes não conectados, faça: 228
5 , de maior grau de pertinência, µ pq, que ligue dois componentes não conectados em G. Então, faça: A A i, j A µ µ α Encontre a aresta ( p q) A {( ) } pq α min, { α } Passo 4: esolva o problema da árvore geradora mínima para G por meio de um algoritmo clássico (Prim ou Krusal). Se o problema tiver custos fuzzy, utilize algoritmo adequado (Taahashi e Yamaami, 23). µ pq 3... Complexidade do algoritmo Max-α: Este algoritmo teria a sua complexidade próxima a do algoritmo de Prim, já que o princípio é similar, da ordem de O( m + n log n) (Ahuja et. Al, 993), dependendo de como são implementados os passos e Uma heurística para obter um subconjunto fuzzy de soluções: Uma proposta corrente para os problemas em grafos fuzzy (Taahashi, 24) é a determinação do número de partições, h, pelo decisor. Neste caso, divide-se o intervalo [,] em h subintervalos [, α ), [ α, α 2 ),[ α 2, α 3),...,[ α h, ]. Cada α i, i =,2,..., h define um α -corte, isto é, um conjunto em que somente os nós e/ou arestas com grau de pertinência maiores ou iguais a α i são elementos. Com isso os α -cortes seriam previamente conhecidos e o número de soluções no subconjunto fuzzy seria limitado a h. Uma variante que propomos é a inclusão de um teste que evita o cálculo desnecessário em um α -corte. Caso a árvore geradora obtida em uma iteração tenha uma grau de pertinência β > α +, então o valor de α + β. Também, o intervalo a ser dividido está entre,. [,α ] e não entre [ ] Heurística (FMST-H): Passo : Seja um grafo fuzzy G = ( N, A) com custo j) A ], ], ( i j) A c, e grau de pertinência das arestas µ,. Encontre a solução de máximo grau de pertinência (MAX-α ). Seja h o número iα de partições dado pelo decisor. Seja α i =, i =, L, h. Faça = e vá para o passo 2. h Passo : Enquanto α α execute os passos 2, 3 e 4 Passo 2: Encontre o subgrafo cujas arestas possuem grau de pertinência maior ou igual a α. esolva o problema crisp associado. Seja T a árvore geradora mínima encontrada. Faça: T T C c j ) T min, α µ { } ( i j ) T onde α é o grau de pertinência da árvore T com custo C. Passo 2: Se α > α +, faça α + α e + 2. Caso contrário, faça +. etire as arestas com grau de pertinência menor ou igual a α do grafo. Se o grafo apresentar componentes não conectados, então FIM. Caso contrário volte ao Passo. 2282
6 4. Exemplos Seja o grafo apresentado na Figura com os seguintes graus de pertinências para suas arestas: aresta µ aresta µ aresta µ aresta µ (,2),8 (2,6),6 (5,6),6 (6,),5 (,4),2 (3,6),7 (5,8),4 (7,), (,5),6 (3,7),9 (5,9),9 (8,9),6 (2,3),5 (4,5),75 (6,7), (9,),8 (2,5),9 (4,8), (6,9),9 Tabela : Grau de pertinência das arestas no grafo G A árvore geradora apresentada junto ao grafo na Figura é a que possui menor custo, c = 53, mas também menor grau de pertinência, α =, 2. etirando as arestas com grau de pertinência menor ou igual a α, obtemos uma outra árvore T = {(,2),(2,3),(2,6),(4,5),(5,9),(6,7), (6,9),(6,), (8,9)} que difere de T somente pela troca da aresta (,4) por ( 4,5), mas faz com que o custo aumente para c = 63 e o grau de pertinência de T para α =, 5. Se retirarmos as arestas com grau de pertinência menor ou igual a α, obtemos T 2 = {(,2),(2,6),(3,7),(4,5),(5,9),(6,7),(6,9), ( 7,),(8,9)} com custo c 2 = 75 e grau de pertinência α 2 =, 6. Para =3: T 3 = { (,2),(2,5),(3,7),(4,5),(4,8),(5,9),(6,7),(6,9 ) ( 7,)} com c 3 = 93 e α 3 =, 75 e esta é a árvore geradora mínima de maior grau de pertinência, pois a retirada da aresta ( 4,5) com grau de pertinência igual a, 75 torna o grafo desconexo. Este exemplo é pequeno para aplicar as heurísticas, mas podemos verificar o funcionamento do algoritmo para obter a árvore geradora mínima de maior valor de confiabilidade. Seja β = {.8,.9,.9,.,.9,.,.,.,.9,. } sendo β i o maior grau de pertinência de uma aresta incidente no nó i. Então o valor de corte é igual a α = min { β i } =, 8. Montando um subgrafo com as arestas com grau de pertinência maior que o valor de corte, notamos que existem duas árvores no subgrafo, uma englobando os nós 4 e 8 e a outra com os nós restantes. Tomando as arestas que conectam estas duas árvores, temos que a aresta ( 4,5) com grau de pertinência µ 45 =, 75 é a aresta com maior grau de pertinência. Acrescentando as arestas que possuem grau de pertinência entre,75 e,8 obtemos um subgrafo em que apenas a árvore geradora mínima com maior grau de pertinência está contida. Considere um grafo completo com nós. A Tabela 2 apresenta os dados deste grafo sendo que a parte inferior da tabela é referente ao custo das arestas e a parte superior é referente ao grau de pertinência das arestas. nós ,654,579,53,838,934,4966,727,7948, ,3529,7468,96,6822,8998,393,9568, ,445,683,328,826,8385,5226, ,3795,547,6449,568,88, ,59,88,374,73, ,662,727,9797, ,5466,274, ,2523, , Tabela 2: Custos (j<i) e grau de pertinência (i<j) de um grafo completo com nós 2283
7 No caso, o custo foi gerado aleatoriamente no Matlab, com valores entre 5 e, Os grau de pertinência tiveram o mesmo procedimento, com valores entre e, distribuídos uniformemente. Utilizando ao algoritmo DVV9 (Delgado et al, 99) obtemos um conjunto fuzzy de soluções com 3 árvores que são apresentadas com seus respectivos custos e grau de pertinência. Arvore geradora mínima custo grau de pertinência {(,7),(4,7),(,3),(,6),(5,6),(5,8),(2,4),(3,)(4,9)} 5,579 2 {(,7),(4,7),(,6),(5,6),(5,8),(2,4),(4,9),(5,),(3,)} 5,59 3 {(,7),(4,7),(,6),(6,8),(5,8),(2,4),(4,9),(5,),(3,)} 5,934 4 {(,7),(4,7),(2,4),(4,8),(5,8),(6,8),(4,9),(5,),(3,)} 5, {(,7),(4,7),(2,4),(4,8),(5,8),(6,8),(4,9),(2,3),(3,)} 5, {(,7),(4,7),(2,4),(4,8),(5,8),(6,8),(4,9),(3,8),(3,)} 52,374 7 {(,7),(4,7),(2,4),(4,8),(6,8),(4,9),(5,7),(3,8),(3,)} 53, {(4,7),(2,4),(4,8),(6,8),(4,9),(5,7),(,5),(3,8),(3,)} 55,568 9 {(4,7),(2,4),(4,9),(5,7),(6,9),(6,8),(,5),(3,8),(3,)} 55,6449 {(6,8),(6,9),(4,9),(2,4),(2,7),(5,7),(,5),(3,8),(3,)} 56,727 {(2,4),(2,7),(4,9),(5,7),(6,9),(,5),(,8),(3,8),(3,)} 6,727 2 {(2,4),(2,7),(4,9),(5,7),(6,9),(,5),(3,7),(3,),(3,8)} 6, {(2,7),(5,7),(,5),(2,9),(4,9),(6,9),(3,7),(3,),(3,8)} 63,88 Tabela 3: Conjunto de soluções, seus custos e grau de pertinência Se aplicarmos o algoritmo para obter a solução de maior confiabilidade, teremos como β={.95,.9568,.8939,.938,.838,.9797,.8998,.8385,.9797,.9883}, portanto α =,838. Para este valor, a árvore formada pelos nós e 5 é desconexa do restante do subgrafo. Observando as arestas que podem conectar estas duas partes, temos a aresta (5,7) com grau de pertinência igual a,88. Colocando as arestas que possuem grau de pertinência entre,88 e,838 obtemos um subgrafo que possui uma ou mais árvores geradoras mínimas com grau de pertinência igual a,88. Considerando a heurística CH96a, basta saber o valor de confiabilidade escolhido pelo decisor e efetuar uma iteração do algoritmo DVV9 para este valor de corte. Para o CH96b, considerando os valores da Tabela 3, temos que a árvore 3 é a escolhida pela heurística com que possui a melhor relação entre confiabilidade e custo. Para a heurística proposta neste trabalho, a partição depende do decisor. Se for escolhido h = 3, teremos um subconjunto com quatro árvores geradoras. Para o problema das Tabelas 2 e 3 seriam as árvores, 4, 8 e 3; com seus respectivos custos e grau de pertinência. Para partições maiores, o subconjunto será mais bem representado. 5. Conclusões Neste trabalho estudamos o problema da árvore geradora mínima em um grafo fuzzy. Os algoritmos propostos anteriormente foram discutidos, suas dificuldades avaliadas e, com base nestas observações, um algoritmo para obter a árvore geradora mínima de maior confiabilidade foi obtido e mais uma heurística foi proposta como alternativa ao decisor em casos de problemas de grande porte, densos e/ou grande variação nos grau de pertinência das arestas. Como trabalhos futuros pretende-se realizar mais testes com os algoritmos apresentados. Também considerar a incerteza nos parâmetros associados aos nós e/ou arestas. eferências: Ahuja,.K; Magnati, T.L. e Orlin, J.B. (993), Networ flows : theory, algorithms, and applications, Prentice-Hall. 2284
8 Chunde, Y. (996) On the Optimization Problem of Spanning Tree in Fuzzy Networ, The Journal of China Universities of Posts and Telecommunications, 3 (2) pp Delgado, M.; Verdegay, J.L. e Vila, M.A. (985) On Fuzzy tree definition, European Journal of Operational esearch, 22, pp Delgado, M.; Verdegay, J.L. e Vila, M.A. (99) On valuation and optimization problems in fuzzy graphs: a general approach and some particular cases, OSA J. Comput., pp Dubois, D.; Prade, H. (98) Fuzzy Sets and Systems, Academic Press. osenfeld, A. (975) Fuzzy Graphs, in Fuzzy Sets and Their Applications, pp.77-95, Academic Press. Taahashi, M.T.; Yamaami, A. (23) Um estudo sobre a árvore geradora mínima com parâmetros fuzzy, XXXV Simpósio Brasileiro de Pesquisa Operacional, Natal, Novembro 23. Taahashi, M.T. (24) Contribuições ao estudo de grafos fuzzy: teoria e algoritmos, Tese de doutorado, Faculdade de Engenharia Elétrica e de Computação, UNICAMP, Campinas, SP. Zadeh, L.A. (965) Fuzzy Sets, Information and Control, 8, pp
Árvore Geradora Mínima
GRAFOS ÁRVORE GERADORA MÍNIMA Prof. André Backes Árvore Geradora Mínima Definição Uma árvore geradora (do inglês, spanning tree) é um subgrafo que contenha todos os vértices do grafo original e um conjunto
Leia maisUM ESTUDO SOBRE ÁRVORE GERADORA MÍNIMA COM PARÂMETROS FUZZY
A pesquisa Operacional e os Recursos Renováveis a 7 de novembro de 00, Natal-RN UM ESUDO SOBRE ÁRVORE GERADORA MÍNIMA COM PARÂMEROS FUZZY Márcia omie akahashi Faculdade de Engenharia Elétrica e de Computação,
Leia maisUM ALGORITMO BASEADO NO MÉTODO SIMPLEX PARA REDES APLICADO NO PROBLEMA DE FLUXO DE CUSTO MÍNIMO COM INCERTEZAS
UM ALGORITMO BASEADO NO MÉTODO SIMPLEX PARA REDES APLICADO NO PROBLEMA DE FLUXO DE CUSTO MÍNIMO COM INCERTEZAS Felipe Ribas Forbeck, João Paulo M. K. Katayama, Fábio Hernandes Departamento de Ciência da
Leia maisGrafos: árvores geradoras mínimas. Graça Nunes
Grafos: árvores geradoras mínimas Graça Nunes 1 Motivação Suponha que queremos construir estradas para interligar n cidades Cada estrada direta entre as cidades i e j tem um custo associado Nem todas as
Leia maisProblema da Árvore Geradora Mínima
Instituto Federal do Espírito Santo Campus Serra Problema da Árvore Geradora Mínima Diego Pasti Jefferson Rios Sumário Apresentação do Problema da AGM...3 Raízes do Problema Definindo o Problema O Problema
Leia maisGRAFOS Aula 08 Árvore Geradora Mínima: Algoritmos de Kruskal e Prim-Jarnik Max Pereira
Ciência da Computação GRAFOS Aula 08 Árvore Geradora Mínima: Algoritmos de Kruskal e Prim-Jarnik Max Pereira Árvore Geradora (spanning tree) É um subconjunto de um grafo G que possui todos os vértices
Leia maisTeoria dos Grafos. Árvores Geradoras
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Silvio A. de Araujo Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br, saraujo@ibilce.unesp.br Preparado a partir
Leia maisGrafos: componentes fortemente conexos, árvores geradoras mínimas
Grafos: componentes fortemente conexos, árvores geradoras mínimas SCE-183 Algoritmos e Estruturas de Dados 2 Thiago A. S. Pardo Maria Cristina 1 Componentes fortemente conexos Um componente fortemente
Leia maisSub-grafo. Árvore Geradora Mínima
Comentários da aula anterior Componentes Fortemente Conectados (algoritmo) 1. Chama BuscaEmProfundidade (G) para obter os tempos de término (t[u], ou f[u]) para todos os vértices de G, isto é, enquanto
Leia maisTeoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada
Teoria dos Grafos Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo Departamento de Matemática Aplicada Capítulo 14: Conjuntos de Corte e Conectividade Preparado a partir do texto: Rangel,
Leia maisAbordagens para Resolução de Problemas
Abordagens para Resolução de Problemas UDESC - Universidade do Estado de Santa Catarina Departamento de Ciência da Computação CAL - Complexidade de Algoritmos Teodoro Alberto Borges Junior Abordagens para
Leia maisEstruturas de Dados Grafos
Estruturas de Dados Grafos Prof. Eduardo Alchieri (introdução) Grafo é um conjunto de pontos e linhas que conectam vários pontos Formalmente, um grafo G(V,A) é definido pelo par de conjuntos V e A, onde:
Leia maisProf. Marco Antonio M. Carvalho
Prof. Marco Antonio M. Carvalho Lembretes Lista de discussão Endereço: programaacao@googlegroups.com Solicitem acesso: http://groups.google.com/group/programaacao Página com material dos treinamentos http://www.decom.ufop.br/marco/extensao/obi/
Leia maisGrafos Árvores Geradoras Mínimas
ALGORITMOS E ESTRUTURAS DE DADOS II Grafos Árvores Geradoras Mínimas Profa. Elaine Parros Machado de Sousa adaptações: Cris.na Dutra de Aguiar Ciferri Material baseado em aulas dos professores: Gustavo
Leia maisIntrodução à Teoria dos Grafos (MAC-5770) IME-USP Depto CC Profa. Yoshiko. Capítulo 3
Introdução à Teoria dos Grafos (MAC-5770) IME-USP Depto CC Profa. Yoshiko Capítulo 3 Árvores Problema: Suponha que numa cidade haja n postos telefônicos. Para que seja sempre possível haver comunicação
Leia maisVolmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21
Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21 Três objetivos i. Redução de custos (custos variáveis) ii. iii. Redução de capital (investimento, custos fixos) Melhoria do serviço
Leia maisProblema da Árvore Geradora Mínima (The Minimum Spanning Tree Problem-MST)
Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 45 Problema da Árvore Geradora Mínima (The Minimum Spanning Tree Problem-MST) Alguns problemas de otimização combinatória podem ser formulados
Leia maisTeorema 1 - Todo corte de arestas de um grafo conexo G contém pelo menos uma aresta em comum com qualquer árvore geradora de G. Exemplo 2 - Seja T:
12 - Conjuntos de Corte o estudarmos árvores geradoras, nós estávamos interessados em um tipo especial de subgrafo de um grafo conexo: um subgrafo que mantivesse todos os vértices do grafo interligados.
Leia maisADAPTAÇÕES DOS ALGORITMOS DE DIJKSTRA E FORD-MOORE- BELLMAN PARA O PROBLEMA DO CAMINHO MÍNIMO COM INCERTEZAS
ADAPTAÇÕES DOS ALGORITMOS DE DIJKSTRA E FORD-MOORE- BELLMAN PARA O PROBLEMA DO CAMINHO MÍNIMO COM INCERTEZAS Fábio Hernandes Universidade Estadual do Centro-Oeste UNICENTRO Departamento de Ciência da Computação
Leia maisGrafos. Exemplo de árvore geradora mínima. Notas. Notas. Notas. Notas. Árvores espalhadas mínimas. Como construir uma árvore geradora miníma
Grafos Árvores espalhadas mínimas Conteúdo Introdução Como construir uma árvore geradora miníma Algoritmos Referências Introdução Dado um grafo conectado não orientado G = (V, E) e uma função peso w :
Leia maisOtimização por Colônia de Formigas (Ant Colony Optimization - ACO)
Otimização por Colônia de Formigas (Ant Colony Optimization - ACO) Eros Moreira de Carvalho Gabriel Silva Ramos CI209 - Inteligência Artificial BCC - Bacharelado em Ciência da Computação DInf - Departamento
Leia maisAnálise de Algoritmos
Algoritmos p. 1/22 Análise de Algoritmos Parte destes slides são adaptações de slides do Prof. Paulo Feofiloff e do Prof. José Coelho de Pina. Algoritmos p. 2/22 Árvore geradora mínima CLRS Cap 23 Algoritmos
Leia mais3 Extensões dos modelos matemáticos
3 Extensões dos modelos matemáticos Os modelos matemáticos definidos por (2-1) (2-6) e (2-7) (2-13), propostos por Achuthan e Caccetta e apresentados no Capítulo 2, são reforçados neste trabalho através
Leia maisProblemas de Fluxo em Redes
CAPÍTULO 7 1. Conceitos fundamentais de grafos Em muitos problemas que nos surgem, a forma mais simples de o descrever, é representá-lo em forma de grafo, uma vez que um grafo oferece uma representação
Leia maisTeoria da Decisão. Modelagem de Preferência. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Modelagem de Preferência Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisUM ALGORITMO PARA O PROBLEMA DE FLUXO MÁXIMO EM REDES COM INCERTEZAS
Pesquisa Operacional na Sociedade: Educação, Meio Ambiente e Desenolimento UM ALGORITMO PARA O PROBLEMA DE FLUXO MÁXIMO EM REDES COM INCERTEZAS FÁBIO HERNANDES Uniersidade Estadual do Centro-Oeste - UNICENTRO
Leia maisOtimização. Otimização em Redes. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2
Otimização Otimização em Redes Paulo Henrique Ribeiro Gabriel phrg@ufu.br Faculdade de Computação Universidade Federal de Uberlândia 2016/2 Paulo H. R. Gabriel (FACOM/UFU) GSI027 2016/2 1 / 51 Conteúdo
Leia maisLista de Exercícios Programação Inteira. x 2 0 e inteiros.
Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + y s.a x + y x + y 5 b) Max z = x + y s.a x + y 0 x + y 5 c) Max z = x + y s.a x + 9y 6 8 x +
Leia maisTeoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Capítulo 13: Árvores. Departamento de Matemática Aplicada
Teoria dos Grafos Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo Departamento de Matemática Aplicada Capítulo 13: Árvores Preparado a partir do texto: Rangel, Socorro. Teoria do Grafos,
Leia maisTeoria dos Conjuntos Fuzzy
Teoria dos Conjuntos Fuzzy Francisco Carpegiani Medeiros Borges Universidade Federal do Piauí Campus Parnaíba 27 de setembro de 2011 1 / 34 Sumário Como tudo começou! 1 Como tudo começou! 2 3 4 5 6 2 /
Leia maisDepartamento de Engenharia de Produção UFPR 22
Departamento de Engenharia de Produção UFPR 22 Geralmente, temos três objetivos i. Redução de custos (custos variáveis) Redução de capital (investimento, custos fixos) i Melhoria do serviço (pode conflitar
Leia maisFormulação de Programação Linear Inteira para o Problema de Particionamento em Conjuntos Convexos
Formulação de Programação Linear Inteira para o Problema de Particionamento em Conjuntos Convexos Teobaldo L. Bulhões Júnior a a Instituto de Computação, Universidade Federal Fluminense, Niterói, RJ, Brazil
Leia maisEspaço amostral Ω: Conjunto enumerável de todos os possíveis resultados de um experimento aleatório. um evento elementar. E = E[X j ] X j.
Universidade Tecnológica Federal do Paraná Professor Murilo V G da Silva Notas de aula Algoritmos Avançados I (Aula 04 Conteúdos da aula: [CLR09: cap 7 e 9][MIE05 4, 5] Vamos estudar nesta aula três algoritmos
Leia maisESTRUTURAS DE DADOS. prof. Alexandre César Muniz de Oliveira. 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8.
ESTRUTURAS DE DADOS prof. Alexandre César Muniz de Oliveira 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8. Grafos Sugestão bibliográfica: ESTRUTURAS DE DADOS USANDO C Aaron
Leia maisO PROBLEMA DE CAMINHO MÍNIMO COM INCERTEZAS E RESTRIÇÕES DE TEMPO
versão impressa ISSN 0101-7438 / versão online ISSN 1678-5142 O PROBLEMA DE CAMINHO MÍNIMO COM INCERTEZAS E RESTRIÇÕES DE TEMPO Fábio Hernandes* Departamento de Ciência da Computação (DECOMP) Universidade
Leia mais2 Definição do Problema
Definição do Problema. Formulação Matemática O problema do Fluxo Máximo entre todos os pares de nós surge no contexto de redes, estas representadas por grafos, e deriva-se do problema singular de fluxo
Leia mais01 Grafos: parte 1 SCC0503 Algoritmos e Estruturas de Dados II
01 Grafos: parte 1 SCC0503 Algoritmos e Estruturas de Dados II Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2011/1 Moacir Ponti Jr. (ICMCUSP) 01
Leia maisOtimização em Grafos
Otimização em Grafos Luidi G. Simonetti PESC/COPPE 2017 Luidi Simonetti (PESC) EEL857 2017 1 / 33 Definição do Problema Dado: um grafo ponderado G = (V, E), orientado ou não, onde d : E R + define as distâncias
Leia maisLista de Exercícios Programação Inteira. x 2 0 e inteiros.
Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + 2 y s.a x + y 2 x + y 5 x, y 0, x e y inteiros b) Max z = 2 x + y s.a x + 2y 0 x + y 25 x, y
Leia maisFormulações Multifluxo de Problemas de Otimização Combinatória
Formulações Multifluxo de Problemas de Otimização Combinatória Henrique Pacca L. Luna Sociedade Brasileira de Pesquisa Operacional Escuela Latino Americana de Verano de Investigacion Operativa - XII ELAVIO
Leia maisAlgoritmos em Grafos
Algoritmos em Grafos Baseado em: The Algorithm Design Manual Steven S. Skiena IF64C Estruturas de Dados 2 Engenharia da Computação Prof. João Alberto Fabro - Slide 1/42 Introdução (1) Um grafo G=(V,E)
Leia maisComplexidade computacional
Complexidade computacional Marina Andretta ICMC-USP 15 de setembro de 2015 Baseado no livro Uma introdução sucinta a Algoritmos de Aproximação, de M. H. Carvalho, M. R. Cerioli, R. Dahab, P. Feofiloff,
Leia maisColoração total distinta na vizinhança em grafos 4-partidos completos
https://eventos.utfpr.edu.br//sicite/sicite2017/index Coloração total distinta na vizinhança em grafos 4-partidos completos RESUMO Matheus Scaketti mts.scaketti@gmail.com Universidade Tecnológica Federal
Leia maisOtimização em Grafos
Otimização em Grafos Luidi G. Simonetti PESC/COPPE 2017 Luidi Simonetti (PESC) EEL857 2017 1 / 35 Teoria dos Grafos - Relembrando Árvore Um grafo G é uma árvore se é conexo e não possui ciclos (acíclico).
Leia maisUm Algoritmo de Pontos Interiores na Resolução de Problemas de Programação Linear com Coeficientes Fuzzy
Trabalho apresentado no CNMAC, Gramado - RS, 2016. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Um Algoritmo de Pontos Interiores na Resolução de Problemas de Programação
Leia maisAula 19: Lifting e matrizes ideais
Aula 19: Lifting e matrizes ideais Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Branch-and-bound Formulações
Leia maisCortes (cut sets) 2010/2 Teoria dos Grafos (INF 5037/INF2781) CC/EC/UFES
Cortes (cut sets) (INF 5037/INF2781) Corte por arestas Em um grafo conexo G, um corte de arestas é um conjunto de arestas cuja remoção de G torna G desconexo, desde que nenhum subconjunto próprio desse
Leia maisAlgoritmos Distribuídos. AD Algoritmos Básicos 1
Algoritmos Distribuídos Algoritmos Básicos Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br http://www.dcc.ufmg.br/~loureiro Este material está baseado no capítulo 4 do livro An Introduction to Distributed
Leia maisGrafo planar: Definição
Grafo planar Considere o problema de conectar três casas a cada uma de três infraestruturas (gás, água, energia) como mostrado na figura abaixo. É possível fazer essas ligações sem que elas se cruzem?
Leia maisUMA METAHEURÍSTICA GRASP PARA O PROBLEMA DA ÁRVORE GERADORA DE CUSTO MÍNIMO COM GRUPAMENTOS UTILIZANDO GRAFOS FUZZY
UMA METAHEURÍSTICA GRASP PARA O PROBLEMA DA ÁRVORE GERADORA DE CUSTO MÍNIMO COM GRUPAMENTOS UTILIZANDO GRAFOS FUZZY FABIANO VIEIRA DE ALVARENGA MARCELO LISBOA ROCHA Departamento de Ciência da Computação
Leia maisPCC104 - Projeto e Análise de Algoritmos
PCC104 - Projeto e Análise de Algoritmos Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 1 de novembro de 2018 Marco Antonio
Leia maisCONCEITOS BÁSICOS EM GRAFOS
Um grafo (simples) G é formado por um conjunto de vértices, denotado por V(G), e um conjunto de arestas, denotado por E(G). Cada aresta é um par (não ordenado) de vértices distintos. Se xy é uma aresta,
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade
Leia maisResolvedo problemas de despacho econômico com dados incertos usando enfoque paramétrico dual
Trabalho apresentado no XXXVII CNMAC, S.J. dos Campos - SP, 2017. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Resolvedo problemas de despacho econômico com dados
Leia maisTeoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada
Teoria dos Grafos Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo Departamento de Matemática Aplicada Capítulo 09: Representação de Grafos Preparado a partir do texto: Rangel, Socorro. Teoria
Leia maisALGORITMO PARA A RESOLUÇÃO DO PROBLEMA DE FLUXO MULTIPRODUTO FUZZY
ALGORITMO PARA A RESOLUÇÃO DO PROBLEMA DE FLUXO MULTIPRODUTO FUZZY Juliana Verga Faculdade de Engenharia Elétrica e de Computação - Universidade Estadual de Campinas Av. Albert Einstein, 400 - Caixa Postal
Leia maisA Cidade Enlameada Árvores Geradoras Mínimas
Atividade 9 A Cidade Enlameada Árvores Geradoras Mínimas Sumário Nossa sociedade é conectada por muitas redes: redes telefônicas, redes de abastecimento, redes de computadores e redes rodoviárias. Para
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 mais14 Coloração de vértices Considere cada um dos grafos abaixo:
14 Coloração de vértices Considere cada um dos grafos abaixo: a) Quantas cores são necessárias para colorir os vértices de um grafo de maneira que dois vértices adjacentes não recebam a mesma cor? b) Qual
Leia maisOtimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos
Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Lauro Ramon GOMIDES 1, Gelson da Cruz JUNIOR 2, Cassio
Leia maisIntrodução à Teoria do Grafos Notas de aula. Socorro Rangel últimas atualizações: (2009), (2012)
Campus de São José do Rio Preto Introdução à Teoria do Grafos Notas de aula Socorro Rangel (socorro@ibilce.unesp.br) últimas atualizações: (2009), (2012) Instituto de Biociências Letras e Ciências Exatas
Leia maisTeoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada
Teoria dos Grafos Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo Departamento de Matemática Aplicada Capítulo 18: Coloração de Arestas Preparado a partir do texto: Rangel, Socorro. Teoria
Leia maisEspecificação do TP3
Especificação do TP3 Data de Entrega: 21/05/2008 1 Descrição do Problema O problema a ser resolvido neste trabalho é conhecido na literatura como o problema de isomorfismo de sub-grafos Uma definição formal
Leia maisTeoria dos Grafos AULA 1
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br AULA 1 Introdução, Conceitos Iniciais, Isomorfismo Preparado
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 maisMODELO MARKOVIANO DE DECISÃO COM INFORMAÇÃO PARCIAL PARA OTIMIZAÇÃO DE UM SISTEMA DE FILAS MMPP/PH/c/N
MODELO MARKOVIANO DE DECISÃO COM INFORMAÇÃO PARCIAL PARA OTIMIZAÇÃO DE UM SISTEMA DE FILAS MMPP/PH/c/N Solon Venâncio de Carvalho Rita de Cássia Meneses Rodrigues Laboratório Associado de Computação e
Leia maisTeoria dos Grafos AULA 1
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Silvio A. de Araujo Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br, saraujo@ibilce.unesp.br AULA 1 Introdução,
Leia maisProva Didática Grafos: Árvores Geradoras e Caminhos Mínimos, Análise de Complexidade
Prova Didática Grafos: Árvores Geradoras e Caminhos Mínimos, Análise de Complexidade Gustavo E.A.P.A. Batista 25 de janeiro de 2005 1 Contextualização 2 Caminhos Mínimos Caminhos Mínimos de uma Origem
Leia maisTeoria da Computação. Complexidade computacional classes de problemas
Teoria da Computação Complexidade computacional classes de problemas 1 Universo de problemas Problemas indecidíveis ou não-computáveis Não admitem algoritmos Problemas intratáveis Não admitem algoritmos
Leia maisGrafos COM11087-Tópicos Especiais em Programação II
Grafos COM11087-Tópicos Especiais em Programação II edmar.kampke@ufes.br Introdução Grafos são estruturas muito estudadas na Ciência da Computação para modelagem de problemas Euler (1736) em Königsberg
Leia maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Leia maisGeração de Colunas Aplicada a uma Decomposição do Problema de Programação Quadrática Binária Irrestrita
Geração de Colunas Aplicada a uma Decomposição do Problema de Programação Quadrática Binária Irrestrita Geraldo R. Mauri Universidade Federal do Espírito Santo - UFES mauri@cca.ufes.br Luiz A. N. Lorena
Leia maisAula 10: Tratabilidade
Teoria da Computação DAINF-UTFPR Aula 10: Tratabilidade Prof. Ricardo Dutra da Silva Na aula anterior discutimos problemas que podem e que não podem ser computados. Nesta aula vamos considerar apenas problemas
Leia maisAprendizado de Máquina
Aprendizado de Máquina André C. P. L. F. de Carvalho Posdoutorando: Isvani Frias-Blanco ICMC-USP Agrupamento de dados Tópicos Agrupamento de dados Dificuldades em agrupamento Algoritmos de agrupamento
Leia maisCap. 2 Conceitos Básicos em Teoria dos Grafos
Teoria dos Grafos e Aplicações 8 Cap. 2 Conceitos Básicos em Teoria dos Grafos 2.1 Grafo É uma noção simples, abstrata e intuitiva, usada para representar a idéia de alguma espécie de relação entre os
Leia maisImplementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC
Implementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC Ederson Costa dos Santos 1, Leandro Barjonas da Cruz Rodrigues 1, André Maurício Damasceno Ferreira 2 1
Leia maisDeterminação numérica de autovalores e autovetores: Método das Potências Inversas
Determinação numérica de autovalores e autovetores: Marina Andretta/Franklina Toledo ICMC-USP 27 de março de 2015 Marina Andretta/Franklina Toledo (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia
Leia maisNuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH
Nuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH Optimization and decision support techniques PDEEC 2007 Introdução A meta-heurística VNS (Variable Neighbourhood Search) é bastante recente
Leia maisTeoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada
Teoria dos Grafos Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo Departamento de Matemática Aplicada Capítulo 20: Decomposições de Arestas Preparado a partir da ref.: J.M. Aldous, R. Wilson,
Leia maisLógica Fuzzy. Plano de aula. Motivação Fundamentação Teórica Sistemas Difusos (aplicações) Estudo de Caso Considerações Finais
LÓGICA FUZZY 1 Plano de aula Motivação Fundamentação Teórica Sistemas Difusos (aplicações) Estudo de Caso Considerações Finais 2 Motivação: Grau de Crença vs. Grau de Verdade Grau de crença: População
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre Assunto Aula 7 Algoritmos de Busca Competitiva 2 de 20 Sumário Introdução Busca Competitiva
Leia maisMAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre o Método dos Mínimos Quadrados
MAP 2121 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre o Método dos Mínimos Quadrados 1: Usando o método dos mínimos quadrados de maneira conveniente, aproxime os pontos da tabela abaixo por uma
Leia maisUma Extensão Intervalar do Algoritmo Fuzzy C-Means
Uma Extensão Intervalar do Algoritmo Fuzzy C-Means Rogério R. de Vargas e Benjamín R. C. Bedregal CNMAC 2009 Cuiabá-MT, Setembro de 2009 Vargas e Bedregal PPgSC/ Universidade Federal do Rio Grande do Norte
Leia maisConteúdo: Operações Conjuntos Crisp Operações Conjuntos fuzzy. Operadores de Zadeh Operadores Compensatórios Operadores T-norm e T-conorm
Conteúdo: Operações Conjuntos Crisp Operações Conjuntos fuzzy Operadores de Zadeh Operadores Compensatórios Operadores T-norm e T-conorm Operações com Conjuntos Crisp Função característica: determina se
Leia maisTeoria dos Grafos Aula 6
Teoria dos Grafos Aula 6 Aula passada Busca em grafos Busca em largura (BFS Breadth First Search) Propriedades Aula de hoje BFS implementação Complexidade Busca em profundidade (DFS) Conectividade, componentes
Leia maisO Problema de Corte de Estoque com Data de Entrega
O Problema de Corte de Estoque com Data de Entrega Elisama de Araujo Silva Oliveira Instituto de Matemática, Estatística e Computação Científica (IMECC), Universidade Estadual de Campinas (UNICAMP) Rua
Leia maisANÁLISE DE ALGORITMOS (INF 1721)
PUC-Rio Departamento de Informática Prof. Marcus Vinicius S. Poggi de Aragão (3WA) Horário: 2as. e 4as. 9-11hs (3WA) 3 de dezembro de 2016 Período: 2016.2 ANÁLISE DE ALGORITMOS (INF 1721) 3 a Lista de
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
Leia maisTeoria dos Grafos Aula 14
Teoria dos Grafos Aula 14 Aula passada MST Aula de hoje Construção de algoritmos Paradigma guloso Escalonando tarefas no tempo (interval scheduling) Projetando Algoritmos Dado um problema P, como projetar
Leia maisRepresentação de Conhecimento Usando Teoria de Conjuntos Aproximados
Representação de Conhecimento Usando Teoria de Conjuntos Aproximados MARCOS AURÉLIO DOMINGUES JOAQUIM QUINTERO UCHÔA UFLA - Universidade Federal de Lavras DCC - Departamento de Ciência da Computação Cx
Leia mais5COP096 TeoriadaComputação
Sylvio 1 Barbon Jr barbon@uel.br 5COP096 TeoriadaComputação Aula 12 Prof. Dr. Sylvio Barbon Junior Sumário - Árvore Geradora Mínima - Teorema pare reconhecer arestas seguras; - Algoritmo de Prim; - Algoritmo
Leia maisTeoria dos Grafos. Conjuntos de Corte e Conectividade
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Silvio A. de Araujo Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br, saraujo@ibilce.unesp.br Conjuntos de
Leia maisBanco de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri. Banco de Dados Processamento e Otimização de Consultas
Processamento e Otimização de Consultas Banco de Dados Motivação Consulta pode ter sua resposta computada por uma variedade de métodos (geralmente) Usuário (programador) sugere uma estratégia para achar
Leia maisANÁLISE DE ALGORITMOS (INF 1721)
PUC-Rio Departamento de Informática Prof. Marcus Vinicius S. Poggi de Aragão (3WA) Horário: 2as. e 4as. 9-11hs (3WA) 24 de novembro de 2015 Período: 2015.2 ANÁLISE DE ALGORITMOS (INF 1721) 3 a Lista de
Leia maisFábio Protti - UFF Loana T. Nogueira - UFF Sulamita Klein UFRJ
Fábio Protti - UFF Loana T. Nogueira - UFF Sulamita Klein UFRJ Suponha que temos um grupo de pessoas (funcionário de uma empresa) que serão submetidos a um treinamento. Queremos identificar os grupos de
Leia maisPrática 00. Total 04. Pré-requisitos. No. De Créditos 04
Disciplina Otimização Combinatória Departamento Carga Horária Semanal MINISTÉRIO DA EDUCAÇÃO E CULTURA PRÓ-REITORIA DE GRADUAÇÃO 1 PROGRAMA DE DISCIPLINA Departamento de Computação Teórica Pré-requisitos
Leia maisAPLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS
APLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS Alexandre Ferreira de Pinho, Mestrando Escola Federal de Engenharia de
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
Leia maisPrograma de Pós-Graduação em Modelagem e Otimização, Regional Catalão / UFG
15 CAPÍTULO ABORDAGENS ROBUSTAS PARA PROBLEMAS DE OTIMIZAÇÃO LINEAR COM INCERTEZA NOS DADOS Marques, Raina Ribeiro 1 *; Queiroz, Thiago Alves de 2 ; 1 Programa de Pós-Graduação em Modelagem e Otimização,
Leia mais