Iury Steiner de Oliveira Bezerra
|
|
- Silvana Chaplin Padilha
- 6 Há anos
- Visualizações:
Transcrição
1 Algoritmos genéticos (Matlab) MATLAB Optimization Toolbox Iury Steiner de Oliveira Bezerra Msc. Iury Steiner
2 Tópicos Introdução Otimização de funções Optimization Toolbox Rotinas / Algoritmos Disponíveis Algoritmos Genéticos Problemas de minimização Sem restrições Com Restrições Exemplos Descrição do algoritmo Msc. Iury Steiner
3 Otimização de Funções Otimização se refere basicamente a maximização ou minimização de funções Problema típico de otimização: Subject to: hi gj ~ x 0 x 0 ~ x x x L U k k k min x ~ f x ~ Restrições de igualdade Restrições de desigualdade Restrições de fronteira Where: f x é a função objetivo, o que medir e avaliar o desempenho de um sistema. ~ Em um problema padrão, estamos minimizando a função. Para maximização, é equivalente à minimização função objetivo multiplicada por -1. x ~ é um vetor coluna de variáveis consideradas, que pode afetar o desempenho da otimização.
4 Function Optimization (Cont.) Restrições Delimitação do espaço de soluções viávies. Podem ser basicamente lineares e não lineares hi x ~ 0 Restrições de igualdade g j x ~ 0 Restrições de desigualdades Muitos algoritmos necessitam dessa condição x x x L U k k k Restrições de fronteira ou domínio Msc. Iury Steiner
5 Optimization Toolbox É uma coleção de funções que estendem a capacidade de MATLAB. As rotinas incluem: Otimização sem restrições Otimização com restrições lineares e não-lineares. Programação Quadrática e programação linear Nonlinear least squares e curve fitting Nonlinear systems of equations solving Constrained linear least squares Algoritmos para problemas em larga escala
6 Algoritmos de minimização Msc. Iury Steiner
7 Algoritmos de minimização (Cont.) Msc. Iury Steiner
8 Algoritmos para resolver equações
9 Algoritmos de mínimimos quadrados Msc. Iury Steiner
10 Trabalhando com o Opt. Toolbox A maioria destas rotinas de otimização exigem a definição de um M- arquivo que contém a função, f, a ser minimizada. A maxização de funções é conseguida minimizando f. Opções de otimização são passadas para os algoritmos do Opt. Toolbox. Os parâmetros default da otimização podem ser mudados em uma estrutura propria. Msc. Iury Steiner
11 Unconstrained Minimization Considere o problema de encontrar um conjunto de valores [x1 x2] T que resolva Passos: 2 2 x min f x e 4x 2x 4x x 2x 1 x ~ ~ x x x ~ 1 2 Criar um M-file que retorna o valor da função(objective Function). Chame-a de objfun.m Então chamar a rotina de minimização. Use fminunc, fminsearch, etc T Msc. Iury Steiner
12 Passo 1 Obj. Function function f = objfun(x) x x x ~ 1 2 T f=exp(x(1))*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1); Objective function Msc. Iury Steiner
13 Passo 2 a rotina x0 = [-1,1]; Ponto Inicial Configuração de parametros na variável option options = optimset( LargeScale, off ); [xmin,feval,exitflag,output]= fminunc( objfun,x0,options); Argumentos de Sáida Argumentos de entrada Msc. Iury Steiner
14 Resultados xmin = feval = e-010 exitflag = 1 output = iterations: 7 funccount: 40 stepsize: 1 firstorderopt: e-004 Minimum point of design variables Objective function value Exitflag tells if the algorithm is converged. If exitflag > 0, then local minimum is found Some other information algorithm: 'medium-scale: Quasi-Newton line search' Msc. Iury Steiner
15 Mais sobre a entrada da fminunc [xmin,feval,exitflag,output,grad,hessian]= fminunc(fun,x0,options,p1,p2, ) fun x0 Option P1,P2, : A função objetivo. : Um ponto de partida. Deve ser um vetor que possuí o mesmo número de variaveis consideradas na otimização. : Configura a otmização :Passando a parâmetros adicionais.
16 Mais sobre fminunc Output [xmin,feval,exitflag,output,grad,hessian]= fminunc(fun,x0,options,p1,p2, ) xmin feval exitflag Output grad hessian :O vetor é o vetor ponto de mínimo. :O valor da função objetivo no ponto de minimo. :Esse flag mostra se ocorreu tudo bem. : É uma estrutura que mostra detalhes sobre a otimização : O valor do gradient no ponto de ótimo. : A matriz hessiana no ponto de mínimo. Msc. Iury Steiner
17 Options Setting optimset Options = optimset( param1,value1, param2,value2, ) As rotinas no Optimization tem um conjunto de parametros default; Mas, é permitido que o usuário altere alguns desses parametros; É possível consultar uma lista desses parametros com o Help; É possível escolher o algortimo a ser utilizado. Msc. Iury Steiner
18 Options Setting (Cont.) Options = optimset( param1,value1, param2,value2, ) Digite help optimset no command window, uma lista de opções será mostrada. Por exemplo: LargeScale - Use large-scale algorithm if possible [ {on} off ] The default is with { } Parameter (param1) Value (value1)
19 Options Setting (Cont.) Options = optimset( param1,value1, param2,value2, ) LargeScale - Use large-scale algorithm if possible [ {on} off ] Since the default is on, if we would like to turn off, we just type: Options = optimset( LargeScale, off ) Agora as entradas da fminuc.
20 Useful Option Settings Highly recommended to use!!! Display - Level of display [ off iter notify final ] MaxIter - Maximum number of iterations allowed [ positive integer ] TolCon - Termination tolerance on the constraint violation [ positive scalar ] TolFun - Termination tolerance on the function value [ positive scalar ] TolX - Termination tolerance on X [ positive scalar ] Msc. Iury Steiner
21 fminunc and fminsearch fminunc usa algoritmos com informação de gradiente e hessiana. Dois modos: Large-Scale: interior-reflective Newton Medium-Scale: quasi-newton (BFGS) Não são preferiveis quando a função é descontinua em alguns pontos. Apenas fornece soluções locais.. fminsearch é menos eficiente do que fminunc. Mas, quando o problema é descontínuo, fminsearch pode ser mais robusto. Esse é um método de busca direta que não usa gradintes nem informações analíticas. Está função também fornece apenas soluções locais. Msc. Iury Steiner
22 Minimização com restrições Multiplicadores de Lagrange [xmin,feval,exitflag,output,lambda,grad,hessian] = fmincon(fun,x0,a,b,aeq,beq,lb,ub,nonlcon,options, P1,P2, ) Msc. Iury Steiner
23 Exemplo Sujeito à: min x ~ f x ~ x x x x x 0 x 2x 2x x 2x 2x x, x, x function f = myfun(x) f=-x(1)*x(2)*x(3); A , B LB , UB
24 Example (Cont.) Para 2x x Crie um função nonlcon que retorna dois vetores [C,Ceq] function [C,Ceq]=nonlcon(x) C=2*x(1)^2+x(2); Ceq=[]; Lembrar de sempre retornar null para o Ceq.
25 Example (Cont.) Ponto Inicial (3 parâmetros Livres) x0=[10;10;10]; A=[ ;1 2 2]; B=[0 72]'; LB = [0 0 0]'; UB = [ ]'; A, B LB 0, UB [x,feval]=fmincon(@myfun,x0,a,b,[],[],lb,ub,@nonlcon) Cuidado com isso!!! fmincon(fun,x0,a,b,aeq,beq,lb,ub,nonlcon,options,p1,p2, )
26 Exemplo(Cont.) Warning: Large-scale (trust region) method does not currently solve this type of problem, switching to medium-scale (line search). > Optimization terminated successfully: Magnitude of directional derivative in search direction less than 2*options.TolFun and maximum constraint violation is less than options.tolcon Active Constraints: 2 9 x = feval = e-035 Const. 3 Const. 4 Const. 7 x 2x 2x x1 2x2 2x x x x 30 2x x2 Const. 1 Const. 2 Const. 5 Const. 6 Const. 8 Const. 9 Sequence: A,B,Aeq,Beq,LB,UB,C,Ceq
27 Set Fitness function Set Number of variables to 2. Select Best fitness in the Plot functions pane. Select Distance in the Plot functions pane. Set Initial range to [1; 1.1].
28 Usando o gatoolbox no Matlab
29
30 Para usar o Algoritmo Genético do Optimtool, deve-se selecionar GA na caixa de solver. (proximo slide slide)
31
32 Para usar o Algoritmo Genético do Optimtool por linha de comando
33 X = GA(FITNESSFCN,NVARS) X = GA(FITNESSFCN,NVARS,A,b) X = GA(FITNESSFCN,NVARS,A,b,Aeq,beq) X = GA(FITNESSFCN,NVARS,A,b,Aeq,beq,lb,ub) X = GA(FITNESSFCN,NVARS,A,b,Aeq,beq,lb,ub,NONLCON) X = GA(FITNESSFCN,NVARS,A,b,Aeq,beq,lb,ub,NONLCON,options) options = gaoptimset('plotfcns',... {@gaplotbestf}); [x,fval,exitflag,output] = ga(@rastriginsfcn,2,[],[],[],[],[],[],[],options)
34 [x,y]=meshgrid(-10:0.05:10,-10:0.05:10); 0.5)./(( *(x.^2+y.^2)).^2); z=f6(x,y); figure,mesh(x,y,z)
35 Restrições lineares para o Algoritmo Genético por linha de comando
36 A = [1,1;-1,2;2,1]; b = [2;2;3]; lb = zeros(2,1); [x,fval] = ga(@lincontest6,2,a,b,[],[],lb,[],[],options);
37 Restrições não-lineares para o Algoritmo Genético por linha de comando
38 Restrições não-lineares function y = funcao_fitness(x) y = 100*(x(1)^2 - x(2))^2 + (1 - x(1))^2; end function [c, ceq] = funcao_restricoes(x) c = [1.5 + x(1)*x(2) + x(1) - x(2);... -x(1)*x(2) + 10]; ceq = []; end ObjectiveFunction funcao_fitness ; nvars = 2; % Numero de Variáveis LB = [0 0]; % mínimo do espaço de busca UB = [1 13]; % maximo do espaço de busca ConstraintFunction funcao_restricoes; [x,fval] = ga(objectivefunction,nvars,[],[],[],[],lb,ub,constraintfunction)
39
40 Acessando os parâmetros do Algoritmo Genético por linha de comando
41 options = gaoptimset('mutationfcn',@mutationadaptfeasible); [x,fval] = ga(objectivefunction,nvars,[],[],[],[],lb,ub,constraintfunction,options)
42 Um estudo de caso Nosso exemplo É estudado em programação matemática É um dos modelos utilizados em pesquisa operacional. É um problema de otimização. Tem como objetivo: "Alocar recursos escassos (ou limitados) a atividades em concorrência (em competição)" Msc. Iury Steiner
43 Uma empresa pode fabricar dois produtos (1 e 2). Na fabricação do produto 1 a empresa gasta nove horashomem e três horas-máquina (a tecnologia utilizada é intensiva em mão-de-obra). Na fabricação do produto 2 a empresa gasta uma horahomem e uma hora-máquina (a tecnologia é intensiva em capital). A empresa dispõe de 18 horas-homem e 12 horas-máquina para um período de produção. Sabe-se que os lucros líquidos dos produtos são $4 e $1 respectivamente. Msc. Iury Steiner
44 Pergunta-se Quanto a empresa deve fabricar de cada produto para ter o maior lucro? Caso se obtenha algum recurso financeiro externo, para investimento em expansão, em quais dos recursos a empresa deveria aplicá-lo? Qual seria o impacto no lucro se alguns trabalhadores faltassem ao trabalho limitando as horas homens disponíveis em 15 horas? Msc. Iury Steiner
45 Pergunta-se Sabendo-se que 4 máquinas são responsáveis pela produção no período em análise até quanto se deveria pagar pelo aluguel de uma máquina se eventualmente uma das quatro máquinas quebrassem? Qual deveria ser o lucro líquido fornecido para viabilizar a fabricação um novo produto que utiliza 5 horas de cada recurso? Msc. Iury Steiner
46 Resolvendo Intuitivamente Que modelo mental poderia ser usado? Como se poderia utilizar a intuição para responder as perguntas? Tente resolver o problema sem utilizar um modelo formal. Msc. Iury Steiner
47 Transformando os dados em expressões matemáticas A função lucro Não havendo economia de escala É claro que o lucro máximo seria ilimitado se não fosse a escassez de recursos. Em outros problemas a demanda do mercado também é um fator limitador. L 4x x 1 2
48 Transformando os dados em expressões matemáticas As restrições Não se pode utilizar o que não se tem! A quantidade utilizada deve ser menor ou igual a quantidade disponível. As quantidades de fabricação devem ser não negativas H.H. H.M. 9x1 x2 3x1 x x1 0 x2 0
49 O modelo do problema Função Objetivo Max x 1,x 2 L 4x 1 Variáveis de Decisão x 2 Matriz ecnológica H.H. H.M. Conjunto das Possibilidades de Produção 9x1 x2 3x1 x x1 0 x2 0 Limitações
50 Solução Gráfica: Construindo o conjunto de possibilidades x 2 Valores Possíveis quando x1 0 x2 0 0 x 1
51 Solução Gráfica: Construindo o conjunto de possibilidades 18 x 2 9x x Valores Possíveis quando 9x x x 1
52 Solução Gráfica: Construindo o conjunto de possibilidades 12 x 2 3x x Valores Possíveis quando 3x x x 1
53 Solução Gráfica: Construindo o conjunto de possibilidades x 2 12 Conjunto de Possibilidades 0 x 2 1
54 Solução Gráfica: Definindo as Curvas de Níveis do Objetivo Para cada valor de L tem-se uma reta no plano (x2 vs x1). Dado um valor de L é possível traçar um lugar geométrico (uma reta) onde as várias combinações de produção dão o mesmo lucro, essas curvas são conhecidas como isolucros. 4x x L x x L Retas com inclinações negativas
55 Solução Gráfica: Desenhando as Curvas de Níveis do Objetivo x 2 L 9 L 7 L 5 Direção de Crescimento do Lucro 0 x 1
56 Solução Gráfica: Reunindo os componentes e resolvendo x 2 12 L 13 9 Conjunto de Possibilidades 0 1 x 2 1
57 A solução Que características permitiram a solução? O conjunto de possibilidades era convexo. Um conjunto é convexo quando toda combinação convexa de dois elementos dele pertence a ele. Uma combinação convexa de dois elementos, x e y é um terceiro elemento z tal que: z=a.x+(1-a).y onde 0 a 1. É possível definir combinação convexa de n elementos.
58 Casos onde a solução não existe Conjunto de Possibilidades é vazio Não há solução compatível Exemplo: x 2 Valores p/ Restrição 1 Valores p/ Restrição 2 0 x 1
59 Casos onde a solução não existe A solução é ilimitada Não há como definir a decisão Exemplo: x 2 Direção de Crescimento do Lucro Conjunto de Possibilidades 0 x 1
60 Caso de Infinitas Soluções x 2 As soluções são combinações lineares dos pontos extremos Conjunto de Possibilidades Isolucro 0 x 1
61 Exercícios: Resolva 1. Maximize o lucro Sujeito a: x x L 0 0; x x x x x x x x
62 Exercícios: Resolva 2. Maximize a receita Sujeito a: R 0,3x x 0, x 1 x 2 2 x 1 3x 2 3 x 1 0; x 2 0
63 Exercícios: Resolva Graficamente 3. Maximize o lucro Sujeito a: x x L 0 0; x x x x x x x x
64 Exercícios: Resolva Graficamente 4. Duas fábricas produzem três tipos de papel. A companhia que controla as fábricas tem um contrato para produzir 16 toneladas de papel fino, 6 toneladas de papel médio e 28 toneladas de papel grosso. Existe uma demanda para cada tipo de papel. O custo de produção na 1ª fábrica é de R$1.000,00 e o da 2ª é de R$2.000,00, por dia. A primeira fábrica produz 8 toneladas de papel fino, 1 tonelada de papel médio e 2 toneladas de papel grosso por dia, enquanto a segunda produz 2 toneladas de papel fino, 1tonelada de papel médio e 7 toneladas de papel grosso. Quantos dias cada fábrica deve operar para suprir os pedidos com o menor custo?
65 Exercícios: Resolva Graficamente 5. Uma companhia de transporte tem dois tipos de caminhões: O tipo A tem 2m 3 de espaço refrigerado e 3m 3 de espaço não refrigerado; o tipo B tem 2m 3 de espaço refrigerado e 1m 3 de não refrigerado. O cliente quer transportar produtos que necessitarão de 16m 3 de espaço refrigerado e 12m 3 de área não refrigerada. A companhia calcula que são necessários em litros de combustível para uma viagem com o caminhão A e 750 litros para o caminhão B. Quantas viagens deverão ser feitas de cada tipo de caminhão para que se tenha o menor custo de combustível? Msc. Iury Steiner
66 Voltando ao Primeiro Problema Max x 1,x 2 H.H. H.M. L 4x 1 9x1 x2 3x1 x2 x x1 0 x2 0 Lembrando que foi resolvido graficamente, analise... Msc. Iury Steiner
67 Fim.
Iury Steiner de Oliveira Bezerra
Algoritmos genéticos (Matlab) MATLAB Optimization Toolbox Iury Steiner de Oliveira Bezerra Tópicos Introdução Otimização de funções Optimization Toolbox Rotinas / Algoritmos Disponíveis Problemas de minimização
Leia maisIntrodução à Programação Linear
Introdução à Programação inear Caracterização É um subitem da programação matemática É um dos modelos utilizados em pesquisa operacional. É um modelo de otimização. Tem como objetivo: "Alocar recursos
Leia maisMétodos Numéricos. MEI - Logística e distribuição Programação quadrática sequencial 2004/2005. A. Ismael F. Vaz - Departamento de Produção e Sistemas
Métodos Numéricos MEI - Logística e distribuição Programação quadrática sequencial 2004/2005 Métodos Numéricos - MEI 1 Motivação Considere-se o seguinte exemplo de um problema de minimização com restrições
Leia maisMATLAB. Aula 05. Cláudio R. Lucinda FEA-RP/USP. Aula 05
Bibliografia: Apresentação Estrutura da Aula 1 MATLAB Detalhes Operacionais Funções Matemática Simbólica Otimização Detalhes Operacionais MATLAB-Importando Dados readtable - Para importar dados organizados
Leia maisResoluções do pteste(matlab).pdf
Resoluções do pteste(matlab).pdf 1. Resolução do pteste1 pelo fminsearch do MATLAB function [f] = pteste1(x) f=max((x(1)+x(2)),abs(x(1)*x(2))); >> x0=[1;1]; >> [x,fval,exitflag,output]=fminsearch('pteste1',x0)
Leia maisOtimização aplicada à Engenharia. Profa. Maíra Martins da Silva
Otimização aplicada à Engenharia Profa. Maíra Martins da Silva mairams@sc.usp.br 3373-8650 Objetivo Introduzir conceitos básicos de OTIMIZAÇÃO. Utilizar o MATLAB para explorar esses conceitos básicos.
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 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 maisFunções para Análise Numérica
Análise Numérica LEC - Help 1 Funções para Análise Numérica Métodos Iterativos - Ficheiro bisect.m ( Kharab modificado ) bisect(f,a,b,tol,n) Bisection method for solving the nonlinear equation f(x)=0.
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 maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Não Linear com Restrições Aula 30: Programação Não-Linear - Funções de Várias Variáveis com Restrições (Prática) Ponto Regular; Multiplicadores de Lagrange e Condições Necessárias; Condições
Leia maisCapítulo 22 Otimização. Introdução ao MATLAB p.1/18
Capítulo 22 Otimização Introdução ao MATLAB p.1/18 Resumo do capítulo Neste capítulo, otimização refere-se ao processo de determinar os pontos onde uma função assume determinado valor, ou assume valores
Leia maisProgramação Linear. (3ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016
Programação Linear (3ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Excel Solver Instalação do Solver Resolução de problemas de programação linear Problema de minimização
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 maisPROGRAMAÇÃO LINEAR 11º ANO MATEMÁTICA A
PROGRAMAÇÃO LINEAR 11º ANO MATEMÁTICA A Prof.ª: Maria João Mendes Vieira ESC 11MatA 2012/2013 PROGRAMAÇÃO LINEAR A programação linear é uma "ferramenta" matemática que permite encontrar a solução ótima
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 (PL)
Programação Linear (PL) Prof. Paulo Cesar F. De Oliveira, BSc, PhD 07/08/15 P C F de Oliveira 2014 1 Características Técnicas mais utilizadas na abordagem de problemas em PO Técnica de solução programável
Leia maisMétodos Numéricos. MEI - Logística e distribuição Linguagem de modelação AMPL 2004/2005. A. Ismael F. Vaz - Departamento de Produção e Sistemas
Métodos Numéricos MEI - Logística e distribuição Linguagem de modelação AMPL 2004/2005 Métodos Numéricos - MEI 1 AMPL AMPL significa A Mathematical Programming Language. O AMPL é um software comercial,
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 maisLista 7.4 Optimização com Restrições de Desigualdade
Faculdade de Economia da Universidade Nova de Lisboa Apontamentos Cálculo II Lista 7.4 Optimização com Restrições de Desigualdade 1. Problema de optimização de uma função escalar f, de n variáveis reais,
Leia maisPesquisa Operacional Aula 3 Modelagem em PL
Pesquisa Operacional Aula 3 Modelagem em PL Prof. Marcelo Musci aula@musci.info www.musci.info Programação Linear Programação Linear: Preocupação em encontrar a melhor solução para problemas associados
Leia maisPesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear
Pesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear Introdução à Pesquisa Operacional Origens militares Segunda guerra mundial Aplicada na alocação de
Leia maisGraduação em Engenharia Elétrica MÉTODOS DE OTIMIZAÇÃO ENE081. PROF. IVO CHAVES DA SILVA JUNIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA Graduação em Engenharia Elétrica MÉTODOS DE OTIMIZAÇÃO ENE081 PROF. IVO CHAVES DA SILVA JUNIOR E-mail: ivo.junior@ufjf.edu.br Aula Número: 07 Programação Linear Últimas
Leia maisSISEE. Genetic Algorithms MEE
Genetic Algorithms MEE Algoritmos Genéticos Os Algoritmos Genéticos trabalham com populações de soluções que são combinadas para obter novas soluções, e assim sucessivamente até obter uma solução satisfatória.
Leia maisGestão de Operações II. Prof. Marcio Cardoso Machado. Método Gráfico para Solução de Problemas de Programação Linear
Gestão de Operações II Prof. Marcio Cardoso Machado Método Gráfico para Solução de Problemas de Programação Linear Será apresentada a resolução de um exercício e o gabarito dos demais. Exercício resolvido
Leia maisOTIMIZAÇÃO E DESPACHO ECONÔMICO
7 OTIMIZAÇÃO E DESPACHO ECOÔMICO 7.1 ITRODUÇÃO este capítulo, o leitor encontrará informações básicas sobre procedimento geral de otimização e aplicação ao caso de despacho, considerado econômico, associado
Leia maisÁrea disponível para semear: A km 2 Tipo de plantação: trigo ou sevada Quantidade disponível de inseticida = P e fertilizante = F
Edgard Jamhour Área disponível para semear: A km 2 Tipo de plantação: trigo ou sevada Quantidade disponível de inseticida = P e fertilizante = F Quantidade de I e F necessária por unidade de área: Trigo:
Leia maisMétodos Numéricos. MEI - Logística e distribuição Optimização não linear com restrições de igualdade 2004/2005
Métodos Numéricos MEI - Logística e distribuição Optimização não linear com restrições de igualdade 2004/2005 Métodos Numéricos - MEI 1 Apresentação - Docentes Aulas teóricas: A. Ismael F. Vaz - aivaz@dps.uminho.pt
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 maisRelatório de pesquisa sobre o procedimento de otimização de modelos no Activate
Relatório de pesquisa sobre o procedimento de otimização de modelos no Activate 1 Introdução Esse trabalho tem por objetivo apresentar o bloco de otimização BobyqaOpt, suas funcionalidades, parâmetros
Leia maisAula 02: Algoritmo Simplex (Parte 1)
Aula 02: Algoritmo Simplex (Parte 1) Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Slides baseados no material de Haroldo Gambini Previously... Aula anterior:
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 maisDEPARTAMENTO DE ENGENHARIA MECÂNICA
DEPARTAMENTO DE ENGENHARIA MECÂNICA Otimização: Algoritmos e Aplicações na Engenharia Mecânica ENG1786 & MEC2403 Ivan Menezes 2018-2 1 EMENTA 1. Introdução 1.1 Definições Básicas 1.2 Classificação dos
Leia maisOPTIMIZAÇÃO NÃO LINEAR
OPTIMIZAÇÃO NÃO LINEAR Opção IV - LESI Método de penalidade para PSI 2004/2005 Optimização não linear - Opção IV - LESI 1 Formulação - Programação Semi-Infinita (PSI) min f(x) x R n s.t. g i (x, t) 0,
Leia maisProf. MSc. David Roza José 1/26
1/26 Mínimos Quadrados Geral e Regressão Não Linear Objetivos: Implementar a regressão polinomial; Implementar regressão múltipla linear; Entender a formulação do modelo linear geral de mínimos quadrados;
Leia maisSolução de problemas de PL com restrições do tipo >= e =
Solução de problemas de PL com restrições do tipo >= e = Seja o Problema de maximização abaixo: O problema na forma padrão: Tem-se um problema, não existe na restrição 3 uma variável de folga para entrar
Leia maisINVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. IV Modelo Dual
INVESTIGAÇÃO OPERACIONAL Programação Linear Exercícios Cap. IV Modelo Dual António Carlos Morais da Silva Professor de I.O. i Cap. IV - Modelo Dual - Exercícios IV. Modelo Problema Dual 1. Apresente o
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 maisPesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear
Pesquisa Operacional Introdução à Pesquisa Operacional Programação Linear 1 Sumário Modelagem e limitações da Programação Linear. Resolução Gráfica. Forma padrão de um modelo de Programação Linear. Definições
Leia maisAula 08: Modelagem Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 08: Modelagem Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Aulas anteriores: Modelagem (básico) Método
Leia maisPESQUISA OPERACIONAL. UNIDADE 2 Visão Geral do Modelo
PESQUISA OPERACIONAL UNIDADE 2 Visão Geral do Modelo Prof. Me. Carlos Guimarães 1 / 13 Objetivo Introduzir os elementos de um modelo de pesquisa operacional por meio da apresentação: Do conceito de modelo;
Leia maisMinicurso Inteligência Artificial Aplicada a Sistemas Elétricos. Niterói, 12 de Maio de 2018
Minicurso Inteligência Artificial Aplicada a Sistemas Elétricos Niterói, 12 de Maio de 2018 Realização 2 Realização 3 Programação: manhã 9:30h-10:30H VISÃO GERAL: OTIMIZAÇÃO E INTELIGÊNCIA COMPUTACIONAL
Leia maisAlgumas aplicações da Geometria Analítica. Some applications of Analytic Geometry
Algumas aplicações da Geometria Analítica André Luiz Ferreira * andreferreira79@yahoo.com.br Resumo O principal objetivo deste texto é apresentar alguns tópicos de Geometria Analítica abertamente aplicados
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 maisProgramação Linear. Gabriel Ferreira Gabriel Tutia Gabriel Yida Thiago Ferraz
Programação Linear Gabriel Ferreira 8989404 Gabriel Tutia 8989085 Gabriel Yida 8989432 Thiago Ferraz 8989001 O que é? É um caso especial de programação matemática ou otimização matemática Método para encontrar
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 maisUnidade: Modelo Simplex e Modelo Dual. Unidade I:
Unidade: Modelo Simplex e Modelo Dual Unidade I: 0 Unidade: Modelo Simplex e Modelo Dual Segundo Wikipédia (2008), em teoria da otimização matemática, o algoritmo simplex de George Dantiz é uma técnica
Leia maisRepresentação de poliedros
Representação de poliedros Marina Andretta ICMC-USP 8 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 -
Leia maisConteúdo GLPK. Notas. Introdução à Otimização, Utilizando o GLPK. Notas. Notas
Introdução à Otimização Utilizando o GLPK Haroldo Gambini Santos Universidade Federal de Ouro Preto 29 de março de 2011 1 / 30 Conteúdo 1 GLPK 2 Formato LP 3 Formato MathProg 2 / 30 GLPK GNU Linear Programming
Leia maisAplicações de Álgebra Linear. Lista de Exercícios Humberto José Bortolossi Ainda sobre Matrizes e Aplicações
GMA DEPARTAMENTO DE MATEMÁTICA APLICADA Aplicações de Álgebra Linear Lista de Exercícios Humberto José ortolossi http://wwwprofessoresuffbr/hjbortol/ 04 Ainda sobre Matrizes e Aplicações [0] Efetue a multiplicação
Leia maisInstituto Universitário de Lisboa
Instituto Universitário de Lisboa Departamento de Matemática Exercícios de Extremos 1 Extremos Livres 1. Dada uma função f : R n R e a R n, (a) Qual a propriedade que f(a) deve vericar para ser um máximo
Leia mais0.1 Conjunto de oportunidade e a fronteira e ciente
0. Conjunto de oportunidade e a fronteira e ciente O retorno esperado de uma carteira é média ponderada dos retornos esperados ativos que o compõe. Mas o mesmo resultado não vale para a variância. A variância
Leia maisResolvendo algebricamente um PPL
Capítulo 6 Resolvendo algebricamente um PPL 6.1 O método algébrico para solução de um modelo linear A solução de problemas de programação linear com mais de duas variáveis, não pode ser obtida utilizando-se
Leia maisGAMS Guia de utilização
GAMS Guia de utilização O GAMS (General Algebraic Modeling System) é um ambiente para otimização que fornece interface para vários algoritmos. Os modelos são fornecidos pelo usuário em um arquivo de entrada
Leia maisMESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 06. Prof. Dr. Marco Antonio Leonel Caetano
MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 06 Prof. Dr. Marco Antonio Leonel Caetano 1 Guia de Estudo para Aula 06 Aplicação de AutoValores - Usando autovalor para encontrar pontos
Leia maisMATLAB Avançado. Melissa Weber Mendonça Universidade Federal de Santa Catarina. M. Weber Mendonça (UFSC) MATLAB Avançado 2011.
MATLAB Avançado Melissa Weber Mendonça 1 1 Universidade Federal de Santa Catarina 2011.2 M. Weber Mendonça (UFSC) MATLAB Avançado 2011.2 1 / 25 Referências a funções definidas inline Podemos usar funções
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 maisModelagem Matemática de Problemas de Programação Linear
Capítulo 1 Modelagem Matemática de Problemas de Programação Linear 1.1. Introdução Neste Capítulo analisamos brevemente a estratégia usada para encontrar a modelagem matemática de um problema de programação
Leia maisIntrodução Problema da Mistura Problema da Marcenaria Problema do Transporte. Tutorial AMPL. Daniela Cristina Lubke
Tutorial AMPL Daniela Cristina Lubke danielalubke@cos.ufrj.br Universidade Federal do Rio de Janeiro, COPPE, PESC 12 de Maio de 2016 1 Introdução 2 Problema da Mistura Formulação Código 3 Problema da Marcenaria
Leia maisOTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.
OTIMIZAÇÃO O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função. Pontos de máximos e mínimos de uma função são pontos onde a derivada da função é nula. A
Leia maisII Seminário da Pós-graduação em Engenharia Elétrica
UMA INVESTIGAÇÃO DOS PARÂMETROS NOS MÉTODOS MISTOS DE OTIMIZAÇÃO NÃO LINEAR Ellen Cristina Ferreira Aluna do Programa de Pós-Graduação em Engenharia Elétrica Unesp Bauru Profa. Dra. Edméa Cássia Baptista
Leia maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº3: Dualidade. Interpretação Económica.
Ano lectivo: 2008/2009; Universidade da Beira Interior Departamento de Matemática INVESTIGAÇÃO OPERACIONAL Ficha de exercícios nº3: Dualidade. Interpretação Económica. Cursos: Economia 1. Formule o problema
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 maisUm algoritmo sem derivadas para otimização restrita
Um algoritmo sem derivadas para otimização restrita Paulo Domingos Conejo Elizabeth Wegner Karas UNIOESTE - Dep. Matemática UFPR - Dep. Matemática 85819-110, Cascavel, PR 81531-990, Curitiba, PR pconejo33@gmail.com
Leia maisOtimização Combinatória - Parte 4
Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional
Leia maisAula 09: Modelagem / Variáveis inteiras
Aula 09: Modelagem / Variáveis inteiras Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Aulas anteriores sobre
Leia maissujeito a: 30x x (madeira) 5x x (horas de trabalho) x 1, x 2 0
IV. MÉTODO GRÁFICO O método gráfico só permite resolver problemas de PL de pequena dimensão (duas ou três variáveis) não tendo pois qualquer interesse prático. O método gráfico permite visualizar um conjunto
Leia maisCap. 2 Pesquisa Operacional na Tomada de Decisão
FACULDADE DE CIÊNCIAS SOCIAIS APLICADAS DO SUL DE MINAS Cap. Pesquisa Operacional na Tomada de Decisão 5/3/00 Prof. Antonio Marcos Goulart. PESQUISA OPERACIONAL NA TOMADA DE DECISÃO Origem da Pesquisa
Leia maisPesquisa Operacional
Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Livro: Introdução à Pesquisa Operacional Capítulo 5 Modelo da Designação Fernando Marins fmarins@feg.unesp.br Departamento de Produção
Leia maisSlide 1. c 2000, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP
Construção de Modelos de Programação Linear e Inteira Slide 1 Transparências de apoio à leccionação de aulas teóricas Versão 2 c 2000, 1998 Construção de Modelos de Programação Linear e Inteira 1 Modelização
Leia maisSUPPORT VECTOR MACHINE - SVM
SUPPORT VECTOR MACHINE - SVM Definição 2 Máquinas de Vetores Suporte (Support Vector Machines - SVMs) Proposto em 79 por Vladimir Vapnik Um dos mais importantes acontecimentos na área de reconhecimento
Leia maisTópicos Especiais em Computação I
Tópicos Especiais em Computação I Pesquisa Operacional Exercícios (Simplex) Prof. Fabio Henrique N. Abe Fabio.henrique.abe@gmail.comd Método Simplex Desenvolvido por George Dantzig em 1947 É um procedimento
Leia maisAula 3. Ivan Sendin. 20 de agosto de FACOM - Universidade Federal de Uberlândia OPT-2.
Otimização Aula 3 FACOM - Universidade Federal de Uberlândia ivansendin@yahoo.com,sendin@ufu.br 20 de agosto de 2018 Problema da Cerca Dada uma solução, saber se é viável/factível Dada uma solução, sabemos
Leia maisMétodos e Medidas II
Métodos e Medidas II Disciplina: 1 Prof. Álvaro José Periotto ajperiotto@uem.br 3. Método Gráfico (conjunto de soluções/ponto ótimo) 1. Entendimento do Enunciado 2 Início Entendimento do Enunciado do P.P.L.
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 maisEquações Diferenciais Problemas de Valor Inicial. Computação 2º Semestre 2016/2017
Equações Diferenciais Problemas de Valor Inicial Computação 2º Semestre 2016/2017 Equações Diferenciais Uma equação diferencial é uma equação cuja incógnita é uma função que aparece na equação sob a forma
Leia maisDECISÕES ESTRATÉGICAS DE CURTO PRAZO: Programação Linear
DECISÕES ESTRATÉGICAS DE CURTO PRAZO:! O que é?! Como a pode ajudar na maximização da lucratividade?! Como a pode ajudar na minimização dos custos?! Como determinar um mix de produção através da Programação
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 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 maisDegenerescência. Marina Andretta ICMC-USP. 19 de outubro de 2016
Degenerescência 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 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 maisProgramação Linear. Rosa Canelas 2010
Programação Linear Rosa Canelas 2010 Problemas de Optimização São problemas em que se procura a melhor solução (a que dá menor prejuízo, maior lucro, a que é mais eficiente, etc.) Alguns destes problemas
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 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 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 maisProgramação Linear. (1ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016
Programação Linear (1ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Introdução O modelo de programação linear: Problema de minimização Exemplo Formalização Problema
Leia maisPEA 2522 MÉTODOS DE OTIMIZAÇÃO. Otimização
PEA MÉTODOS DE OTIMIZAÇÃO Otimização Definir claramente o problema a ser resolvido Estabelecer os limites físicos (capacidades, restrições) Definir o modelo matemático adequado PEA 8 - PLANEJAMENTO DE
Leia maisTÍTULO DO PROJETO: O problema de empacotamento de figuras usando suas equações. Área do Conhecimento (Tabela do CNPq):
INSTITUCIONAL/IFSP PROJETO DE PESQUISA TÍTULO DO PROJETO: O problema de empacotamento de figuras usando suas equações Área do Conhecimento (Tabela do CNPq): 3. 0 8. 0 2. 0 2-4 1. RESUMO O problema de empacotamento
Leia maisAula 10: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 10: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br 2018/2 - PCC174/BCC464 Aula Prática - Laboratório COM30!1 Breve Revisão Modelagem Método gráfico O Algoritmo Simplex
Leia maisProgramação Linear. (2ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016
Programação Linear (2ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Representação e resolução gráfica dos problemas de programação linear Problema de minimização Problema
Leia maisAlgoritmos Genéticos e Evolucionários
Algoritmos Genéticos e Evolucionários Djalma M. Falcão COPPE/UFRJ PEE e NACAD falcao@nacad.ufrj.br http://www.nacad.ufrj.br/~falcao/ http://www.nacad.ufrj.br/~falcao/ag/ag.htm Resumo do Curso Introdução
Leia maisProfessor João Soares 20 de Setembro de 2004
Teoria de Optimização (Mestrado em Matemática) Texto de Apoio 2A Universidade de Coimbra 57 páginas Professor João Soares 20 de Setembro de 2004 Optimização Linear Considere o problema (1) abaixo, que
Leia maisCones e raios extremos
Cones e raios extremos Marina Andretta ICMC-USP 7 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisModelagem em Engenharia C & A Aula 1- Introdução e informações
0/08/2016 Modelagem em Engenharia C & A Aula 1- Introdução e informações Objetivos deste curso Introdução de técnicas de modelagem corrente em engenharia civil & ambiental utilizando planilhas eletrônicas
Leia mais1. as equações paramétricas da reta que contém os pontos A e B;
ROVA 1 08 de abril de 2015 08h30 1 2 3 4 5 081 0811 Considere os pontos A = (2, 3, 5), B = (7, 1, 0) e C = (1, 3, 2) do espaço. 1. as equações paramétricas da reta que contém os pontos A e B; 2. a equação
Leia maisAdriana da Costa F. Chaves. Máquina de Vetor Suporte (SVM) para Classificação Binária 2
Máquina de Vetor Suporte (SVM) para Classificação Binária Adriana da Costa F. Chaves Conteúdo da Apresentação Introdução Máquinas de Vetor Suporte para Classificação binária Exemplos Conclusão Máquina
Leia maisINTRODUÇÃO AO SCILAB
INTRODUÇÃO AO SCILAB O programa SCILAB é um ambiente apropriado ao desenvolvimento de software para computação numérica. Esse programa foi concebido e é mantido pelo Institut de Recherche em Informatique
Leia maisComplementos de Investigação Operacional. Folha nº 1 Programação Inteira 2006/07
Complementos de Investigação Operacional Folha nº Programação Inteira 2006/07 - A Eva e o Adão pretendem dividir entre eles as tarefas domésticas (cozinhar, lavar a louça, lavar a roupa, fazer as compras)
Leia mais