Problema de Cobertura em Rede de Sensores sem Fio plana voltado ao rastreamento de animais
|
|
- Artur Varejão Barroso
- 6 Há anos
- Visualizações:
Transcrição
1 Problema de Cobertura em Rede de Sensores sem Fio plana voltado ao rastreamento de animais Bruno da Silva Campos, Fabíola Guerra Nakamura Departamento de Ciência da Computação Universidade Federal do Amazonas (UFAM) Av. Gen. Rodrigo Otávio Jordão Ramos, Manaus, AM, Brasil {bsc, fabiola}@dcc.ufam.edu.br Resumo. Neste trabalho, apresentamos uma formulação matemática em Programação Linear Inteira Mista (PLIM) para o Problema de Cobertura para Rede de Sensores sem Fio planas, selecionando uma topologia que permite usar técnicas de localização para aplicações de rastreamento de animais. Os resultados computacionais mostram que a topologia resultante garante a cobertura requerida pela aplicação e reduz o número de nós ativos na área, economizando energia e aumentando o tempo de vida da rede. Palavras-chave: Rede de Sensores sem Fio, Problema de Cobertura, Rastreamento de Animais, Economia de Energia, Programação Linear Inteira Mista Abstract. In this paper, we show a mathematical formulation for the Coverage Problem for flat Wireless Sensor Network, using Mixed Integer Linear programming. The model solution is a topology that allows the use of localization techniques in animal tracking applications. Results show that the resulting topology assures the coverage required for application and reduces the number of activated sensor nodes in the area, saving energy and increasing the network lifetime. Keywords: Wireless Sensor Networks, Coverage Problem, Animal Tracking, Low Power Energy, Mixed Integer Linear Programming 1. Introdução As Redes de Sensores sem Fio (RSSF) são tipos especiais de redes ad hoc constituidas por dispositivos capazes de processar, armazenar, sensoriar o ambiente e transmitir dados via interface de comunicação sem fio, denominados nós sensores (Loureiro et al., 2002). Elas possuem características singulares quando comparadas com as redes tradicionais, como limitações de processamento, memória e transmissão de dados, topologia dinâmica, nós sujeito a falhas, alta dependência da aplicação e, principalmente, restrições energéticas. Como em muitas aplicações será inviável realizar a manutenção dos nós, o tempo de vida destes (e da rede como um todo) dependerá da carga total de energia contida na bateria. Por isso, surge a importância de desenvolver técnicas que otimizem o consumo de energia desses nós. Diversas linhas de pesquisa foram propostas visando otimizar o consumo de energia dos nós sensores. Uma das mais importantes é o Problema de Cobertura, cujo objetivo é Trabalho realizado com o apoio do projeto SAUIM/CNPq. Número do processo: / XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2671
2 selecionar um subconjunto de nós que estão dispostos na região para compor a rede, de modo que garanta a área de cobertura requerida pela aplicação, como mostra a Figura 1. Define-se área de cobertura como a região onde os nós sensores conseguem detectar ou observar um evento de interesse, sendo, por isso, uma importante métrica de qualidade da rede. Ao reduzir a quantidade de nós ativos, reduz-se também as colisões de pacotes e congestionamentos da rede, que são fatores que influenciam no aumento do consumo de energia. Por isso, soluções para o Problema de Cobertura trazem grandes benefícios, sendo o principal deles a ampliação do tempo de vida da rede. Figura 1. Problema de cobertura em Rede de Sensores sem Fio Este trabalho apresenta um modelo matemático em Programação Linear Inteira Mista (PLIM) para o Problema de Cobertura em Rede de Sensores sem Fio planas, isto é, tipos de redes onde os nós sensores não estão organizados em grupos. Este modelo pode ser utilizado em aplicações que necessitam coletar dados de micro-clima, como temperatura, pressão atmosférica, umidade, etc., ou rastrear um animal de interesse, ou seja, estimar a sua localização em uma determinada área. Seus resultados mostram ao observador externo quantos e quais nós sensores devem ser ativados ou postos em modo de economia de energia para garantir a cobertura desejada pela aplicação. Não é objetivo deste trabalho mostrar uma nova técnica de localização para rastrear as espécies monitoradas. O modelo proposto apenas seleciona uma topologia que tenha, se possível, três nós sensores monitorando o animal. Assim, é possível usar técnicas de Cálculo de Posição, como a Trilateração, Triangulação ou Bounding Box, apresentadas em (Boukerche et al., 2007), para estimar a localização do mesmo. Este documento está organizado como descrito a seguir: na Seção 2 serão discutidos alguns trabalhos relacionados; a Seção 3 apresenta o modelo matemático proposto e as notações utilizadas; na Seção 4 apresentamos os cenários para os testes e os resultados obtidos. Por fim, as considerações finais se encontram na Seção 5. XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2672
3 2. Trabalhos Relacionados Diversas técnicas foram propostas na literatura para o Problema de Cobertura em RSSF. Por exemplo, Viera et al. (2003) utilizam o Algoritmo de Voronoi para descobrir os nós que estão monitorando uma mesma área, desativando-os temporariamente para não causarem interferência nem aumentarem o número de colisões. Já Meguerdichian and Potkonjak (2003), apresentam modelos em Programação Linear Inteira que mostram o mínimo de nós necessários para sensoriar uma região. Além disso, eles apresentam um modelo que seleciona apenas os nós que conseguem realizar um bom monitoramento de sua região. Wang et al. (2003) realizaram uma série de estudos para analisar a relação entre cobertura e conectividade em uma RSSF. Eles demonstraram que a solução ao Problema de Cobertura garante a conectividade se o raio de comunicação do nó for maior ou igual a duas vezes o raio de sensoriamento. Além disso, eles propõem algoritmos que fornecem diferentes graus de cobertura, de acordo com as necessidades da aplicação. Nakamura et al. (2005) desenvolveram dois modelos dinâmicos utilizando Programação Linear Inteira Mista tanto para o Problema de Cobertura quanto para o de conectividade em RSSF. Eles atualizam a topologia da rede em intervalos de tempo prédefinidos, através da análise do consumo de energia da rede. Quintão et al. (2003) apresentam uma abordagem utilizando algoritmos genéticos para o Problema de Cobertura em RSSF cujo objetivo principal é coletar dados de micro-clima. Os resultados obtidos por essa heurística foram comparados com um modelo de Programação Linear, muito semelhante ao modelo proposto neste trabalho. Apesar do modelo proposto não levar em consideração a quantidade de energia residual dos nós sensores, este trabalho traz alguns benefícios em relação aos demais aqui discutidos. O primeiro é que a formulação matemática apresentada pode ser utilizada tanto nos casos em que é necessário coletar dados do ambiente quanto nos casos em que o objetivo principal é o rastreamento de animais. Além disso, o Problema de Cobertura em aplicações de rastreamento não foi discutido na literatura, e este trabalho poderá ser usado juntamente com outras técnicas no futuro como meio de comparação de resultados. 3. Definição do modelo Nesta seção, apresentaremos a formulação matemática para o Problema de Cobertura em aplicações de rastreamento de animais. A função objetivo e o conjunto de restrições deste modelo são muito parecidas com o modelo proposto por (Quintão et al., 2003). No entanto, foram realizadas algumas mudanças para realizar a tarefa de rastreamento, que serão apresentadas a seguir. Assim como o modelo proposto por (Quintão et al., 2003), a área monitorada será também representada por um conjunto finito de pontos distribuídos de forma equidistante na região que necessitam de sensoriamento, denominados pontos de demanda. No entanto, em nosso modelo a área será representada por dois conjuntos de pontos de demanda. O primeiro, denominado D 1, representa os locais onde é necessário coletar dados de microclima. O segundo, denominado D 2, representa as possíveis localizações dos animais na região. Esses pontos são sobrepostos e podem existir pontos pertencentes aos dois conjuntos. A quantidade de elementos dos dois conjuntos dependerá da precisão requerida pela aplicação. Quanto maior for a quantidade de pontos de demanda na área, mais precisa será a cobertura da rede. Porém, maior será o tempo de resolução do modelo. Como os pontos XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2673
4 do conjunto D 2 representam a localização do animal, então é aconselhável que ele tenha mais pontos que o conjunto D 1. A Figura 2 mostra um exemplo dessa representação. Figura 2. Representação da área por pontos de demanda. Os asteriscos representam os locais onde serão coletados dados de micro-clima. Já os círculos representam as possíveis localizações dos animais. Para que um ponto de demanda pertencente à D 1 seja coberto, é necessário que este ponto esteja contido na área de cobertura de pelo menos um nó sensor, como mostra a Figura 3(a). Consideramos que a área de cobertura de um nó é formada por um círculo de raio Rs 1, sendo Rs 1 o raio de sensoriamento do nó. Além dessa primeira área de cobertura, consideramos também que o nó possui uma segunda área, formada por um círculo de raio Rs 2, sendo Rs 2 a capacidade do nó de detectar a presença do animal na região. Ele consegue detectar um animal de interesse graças ao sinal emitido pelo rádio que está embutido no mesmo. Os nós sensores que estão nas proximidades escutam esse sinal e, com base nisso, estimam a localização. Sendo assim, para que um ponto de demanda pertencente a D 2 (que representam as possíveis localizações dos animais) seja coberto, é necessário que ele esteja contido na segunda área de cobertura de pelo menos três nós sensores, como ilustrado na Figura 3(b). O motivo dessa restrição é para que seja possível utilizar as técnicas de cálculo de posição para localização das espécies monitoradas, como as apresentadas em (Boukerche et al., 2007). Sendo assim, o Problema de Cobertura pode ser interpretado como: dado um conjunto de nós sensores S e dois conjuntos de pontos de demanda D 1 e D 2, o problema consiste em garantir que, para todo ponto de demanda j D 1, pelo menos um nó sensor s S o cubra e que para todo ponto de demanda k D 2, pelo menos três nós sensores s 1, s 2, s 3 S o cubram.. A notação utilizada no modelo é descrita abaixo: S: conjunto de todos os nós sensores presentes na rede. D 1 : conjunto de pontos de demanda que representa onde serão coletados informações de micro-clima. D 2 : conjunto de pontos de demanda que representa as possíveis localizações dos XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2674
5 (a) Cobertura de um ponto de demanda pertencente a D1 (b) Cobertura de um ponto de demanda pertencente a D2 Figura 3. Cobertura dos pontos de demanda. Apenas os pontos contidos na area amarela cobertos. estao animais monitorados. ci : custo relacionado a ativac a o do n o sensor i. EH1j : penalidade por n ao cobertura do ponto de demanda j D1 EH2k : penalidade por n ao cobertura do ponto de demanda k D2 Bij : parˆametro que indica se o n o sensor i alcanc a o ponto de demanda j D1. Cik : parˆametro que indica se o n o sensor i alcanc a o ponto de demanda k D2. As vari aveis de decis ao utilizadas no modelo s ao: yi : vari avel bin aria que recebe 1 se o n o i est ıver ativo ou 0, caso contr ario. xij : vari avel que recebe 1 se o n o sensor i cobre o ponto de demanda j D1. zik : vari avel que recebe 1 se o n o sensor i cobre o ponto de demanda k D2. h1j : vari avel que recebe um valor maior que 0 se o ponto j D1 n ao for coberto. h2k : vari avel que recebe um valor maior que 0 se o ponto k D2 n ao for coberto. Abaixo temos o modelo proposto para esse trabalho: Func a o Objetivo min X i S ci y i + X EH1j h1j j D1 + X EH2k h2k (1) k D2 A Equac a o 1 e a func a o objetivo do modelo e visa minimizar o n umero de n os ativos e o n umero de pontos de demanda descobertos. Caso haja ponto de demanda n ao coberto, a soluc a o receber a uma penalidade, representada pelos parˆametros EH1 ou EH2. Como a penalidade por n ao cobertura e bem maior que o custo de ativac a o dos n os, ent ao se existir n o sensor que alcance um ponto de demanda, ele ser a ativado. Sujeito a XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2675
6 B ij x ij + h1 j 1, j D 1 (2) i S C ik z ik + h2 k 3, k D 2 (3) i S As Restrições 2 e 3 garantem que todos os pontos do conjunto D 1 e D 2 devem ser cobertos por, no mínimo, um e três nós sensores, respectivamente. Se isso não ocorrer, a variável h1 ou h2 receberá um valor maior que 0, que resultará em uma penalidade. Além disso, elas garantem que apenas os nós que alcançam um determinado ponto de demanda podem monitorá-lo. x ij y i, i S e j D 1 (4) z ik y i, i S e k D 2 (5) As Restrições 4 e 5 garantem que apenas os nós sensores que estão ativos podem sensoriar os pontos de demanda do conjunto D 1 e D 2, respectivamente. y {0, 1} (6) A Restrição 6 define y i como uma variável binária. Já as Restrições 7, 8, 9 e 10 definem os limites das variáveis x, z, h1 e h2, respectivamente. 0 x ij 1, i S e j D 1 (7) 0 z ik 1, i S e k D 2 (8) h1 j 0, j D 1 (9) h2 k 0, k D 2 (10) Por fim, a Restrição 11 define as variáveis x, z, h1 e h2 reais. x, z, h1, h2 R (11) O modelo apresentado anteriormente pode ser utilizado tanto em aplicações onde é necessário coletar dados de micro-clima quanto em aplicações onde se deseja rastrear um animal. No entanto, caso o objetivo da aplicação seja apenas de rastreamento, podemos modificar o modelo anterior para realizar apenas essa função. Sendo assim, o Problema de Cobertura pode ser reformulado para: dado um conjunto de nós sensores S e um conjunto de pontos de demanda D 2, o problema consiste em garantir que, para todo ponto XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2676
7 de demanda k D 2, pelo menos três nós sensores s 1, s 2, s 3 S o cubram.. Neste modelo, os conjuntos, parâmetros e as variáveis de decisão possuem as mesmas funções comparadas com o modelo anterior. O modelo matemático é apresentado a seguir: Função Objetivo min c i y i i S + k D 2 EH2 k h2 k (12) A Equação 12 é a função objetivo e também visa minimizar o número de nós ativos e o número de pontos de demanda descobertos. Caso algum ponto de demanda seja descoberto, a solução também receberá uma penalidade, representada pelo parâmetro EH2. Sujeito a C ik z ik + h2 k 3, k D 2 (13) i S A Restrição 13 garante que todos os pontos do conjunto D 2 devem ser cobertos por, no mínimo, três nós sensores. Se isso não ocorrer, a variável h2 receberá um valor maior que 0, que resultará em uma penalidade. Além disso, ela garante que apenas os nós que alcançam um determinado ponto de demanda podem monitorá-lo. z ik y i, i S e k D 2 (14) A Restrição 14 garante que apenas os nós sensores que estão ativos podem sensoriar os pontos de demanda do conjunto D 2. y {0, 1} (15) A Restrição 15 define y i como uma variável binária. Já as Restrições 16 e 17 definem os limites das variáveis z e h2, respectivamente. 0 z ik 1, i S e k D 2 (16) Por fim, a Restrição 18 define as variáveis z e h2 reais. h2 k 0, k D 2 (17) z, h2 R (18) A partir daqui, denominaremos o primeiro modelo, que é utilizado em aplicações de coleta de dados de micro-clima e de rastreamento, como modelo completo. Já este último será denominado modelo de rastreamento. XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2677
8 4. Testes e resultados obtidos Para validar o modelo apresentado na seção anterior, iniciamos a fase de testes. O software de otimização utilizado foi o GLPK (2009). Por motivos de simplicação, fizemos duas suposições sobre o cenário. A primeira delas é que as redes são homogêneas, ou seja, onde todos os nós possuem as mesmas características. A segunda é que consideramos o cenário plano e sem obstáculos. Os testes foram realizados em uma área de 400m 2. Os parâmetros de entrada do modelo são o posicionamento dos nós sensores, o posicionamento dos pontos de demanda D 1 e D 2, os raios de sensoriamento Rs 1 e Rs 2, o custo de ativação dos nós sensores e a penalidade de cobertura. já como resposta, o modelo matemático indicará quais nós sensores foram ativados e que pontos de demanda pertencentes a D 1 e/ou D 2 foram cobertos. Para simular o posicionamento dos nós, eles foram dispostos baseados em três modelos de posicionamento: grade regular, ou seja, dispostos em locais pré-estabelecidos e com distribuição equidistante na área; grade irregular, quando os nós tentam formar uma grade regular, mas, devido a fatores externos, se organizam de forma irregular; e aleatório, que ocorre quando os nós sensores são posicionados em locais aleatórios. Estes métodos de posicionamento são mostrados na Figura 4. Para simular o posicionamento dos pontos de demanda, eles foram dispostos em grade regular, sendo que os conjuntos D 1 e D 2 contém 400 e 1600 pontos, respectivamente. Consideramos o custo de ativação c i = 1 para todos os nós e que as penalidades EH1 e EH2 são 100 vezes maiores que c i. Nesses testes, não houve limite de tempo de execução, significando que todas as instâncias chegaram na solução ótima. (a) Posicionamento em grade regular (b) Posicionamento em grade irregular Figura 4. Modelos de posicionamento (c) Posicionamento aleatório As tabelas 1, 2 e 3 mostram os resultados obtidos com posicionamento em grade regular, grade irregular e posicionamento aleatório, respectivamente. As quatro primeiras linhas destas tabelas mostram os resultados obtidos com o modelo completo. Já as demais linhas mostram os resultados obtidos com o modelo de rastreamento. O campo Nós sensores indica a quantidade de nós sensores na área. O campo Nós ativos mostra a solução encontrada pelo modelo. Já o campo Demanda não atendida refere-se ao percentual de pontos de demanda não cobertos. Ocorre não cobertura de um ponto de demanda pertencente a D 1 quando não existe nó sensor que o cubra. Já para um ponto de demanda pertencente a D 2, isso ocorre quando não existem três ou mais nós o cobrindo. Para os posicionamentos em grade irregular e aleatório, os campos nós ativos, Demanda não atendida D 1 e Demanda não atendida D 2 representam uma média para 10 redes diferentes. Os campos Desvio padrão ao lado de cada um destes campos indicam o desvio XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2678
9 padrão para cada uma dessas médias. Por fim, os campos que contém o símbolo - indicam que eles foram desconsiderados no teste. Tabela 1. Testes em grade regular para uma área de 400m 2, com D 1 contendo 400 pontos e D 2 contendo 1600 pontos. Nós Raio do Raio do Nós Demanda não Demanda não sensores sensor sensor ativos atendida atendida Rs 1 Rs 2 D 1 (%) D 2 (%) 16 6, 6m 9, 0m 13 0% 0% 16 8, 8m 12, 0m 12 0% 0% 25 6, 6m 9, 0m 12 0% 0% 25 8, 8m 12, 0m 8 0% 0% 16-9, 0m 12-0% 16-12, 0m 12-0% 25-9, 0m 12-0% 25-12, 0m 6-0% Como podemos observar, todos os testes com grade regular tiveram redução na quantidade de nós ativos. Além disso, não houve demanda não atendida. As instâncias que possuem 25 nós tiveram reduções mais significativas, principalmente a última, que teve a menor quantidade de nós ativos. Isso mostra que a qualidade da solução depende da quantidade de nós na área e dos raios Rs 1 e Rs 2. Quanto maiores forem estes valores, melhores serão os resultados gerados. Tabela 2. Testes em grade irregular para uma área de 400m 2, com D 1 contendo 400 pontos e D 2 contendo 1600 pontos. Nós Raio do Raio do Nós Desvio Demanda Desvio Demanda Desvio sensores sensor sensor ativos padrão não padrão não padrão Rs 1 Rs 2 s 1 atendida s 2 atendida s 3 D 1 (%) D 2 (%) 16 6, 6m 9, 0m 13 0, 74 0% 0% 0, 925% 0, 77% 16 8, 8m 12, 0m 9 0, 77 0% 0% 0% 0% 25 6, 6m 9, 0m 12 0, 4 0% 0% 0% 0% 25 8, 8m 12, 0m 8 0, 4 0% 0% 0% 0% 16-9, 0m 13 0, , 656% 0, 621% 16-12, 0m 8 0, % 0% 25-9, 0m % 0% 25-12, 0m % 0% Para os testes com posicionamento irregular e aleatório, nota-se também que, em média, houve redução na quantidade de nós ativos. No entanto, algumas instâncias apresentaram demanda não atendida, principalmente os nós posicionados aleatoriamente, que tiveram os piores resultados. Isso mostra como o posicionamento dos nós influencia em sua cobertura. Nesses casos, uma alternativa seria lançar mais nós na região para cobrir os pontos de demanda não cobertos. Comparando os resultados obtidos em todos os casos, podemos ver que todos os testes apresentaram redução na quantidade de nós ativos. No entanto, o posicionamento XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2679
10 Tabela 3. Testes em grade aleatória para uma área de 400m 2, com D 1 contendo 400 pontos e D 2 contendo 1600 pontos. Nós Raio do Raio do Nós Desvio Demanda Desvio Demanda Desvio sensores sensor sensor ativos padrão não padrão não padrão Rs 1 Rs 2 s 1 atendida s 2 atendida s 3 D 1 (%) D 2 (%) 16 6, 6m 9, 0m 12 0, 9 2, 25% 3, 1% 6, 312% 4, 4% 16 8, 8m 12, 0m 9 0, 75 0, 375% 1, 125% 0, 356% 0, 85% 25 6, 6m 9, 0m 13 0, 94 0, 175% 0, 388% 0, 281% 0, 393% 25 8, 8m 12, 0m 9 0, 748 0% 0% 0, 012% 0, 037% 16-9, 0m 12 1, , 925% 2, 5% 16-12, 0m 9 0, , 081% 1, 42% 25-9, 0m 12 0, , 331% 0, 602% 25-12, 0m 8 0, , 056% 0, 168% em grade regular obteve os melhores resultados em relação a demanda atendida, seguido do posicionamento em grade irregular e por último do posicionamento aleatório. Esse resultado é esperado, já que os nós sensores foram dispostos de forma bem distribuída na área. No entanto, na grande maioria das aplicações este tipo de posicionamento não será possível, visto que será inviável posicioná-los em locais específicos. Comparando os resultados obtidos com o modelo completo e o modelo de rastreamento, podemos observar que em alguns casos o segundo modelo consegue melhores resultados que o anterior. Isso ocorre porque o modelo completo as vezes necessita ativar nós adicionais para atender as restrições de micro-clima. Portanto, se a aplicação não precisar desses dados, o modelo de rastreamento será o mais indicado. Baseado nos resultados obtidos nos testes anteriores, realizamos novos experimentos visando determinar qual a cobertura real da área para cada configuração da rede apresentada anteriormente. Para isso, a área desejada foi dividida em quadrados de 1cm 2 cada, contendo um ponto de demanda no centro. Para cada um desses pontos verifica-se se existe pelo menos um nó ou três nós o cobrindo (o mesmo princípio adotado para cobrir os pontos de demanda pertencentes a D 1 e D 2 ). Os resultados para o posicionamento em grade regular e para o posicionamento em grade irregular e aleatório para dez configurações de rede encontram-se nas tabelas 4, 5 e 6, respectivamente. Observando a tabela 4, vemos que, em todas as instâncias, as áreas de cobertura são de 400m 2, significando que a topologia resultante consegue cobrir toda a área desejada. Já o posicionamento em grade irregular, apresentado na tabela 5, cobriu, praticamente 100% das áreas. Por fim, o posicionamento aleatório obteve o pior desempenho, porém cobriu mais de 93% em ambas as áreas. Além destes resultados mostrarem o impacto do tipo de posicionamento dos nós sensores na qualidade da cobertura da rede, eles mostram a vantagem de se utilizar pontos de demanda para representar a área a ser monitorada. Neste exemplo, o uso de 400 e 1600 pontos, que representam 1 ponto e 4 pontos por m 2 respectivamente, foram suficientes para cobrir praticamente toda a área desejada. A principal vantagem de se utilizar pontos de demanda é que diminui a complexidade do modelo, e consequentemente, o seu tempo de resolução. XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2680
11 Tabela 4. Área de cobertura dos nós sensores ativos nos testes anteriores para o posicionamento em grade regular Nós Raio do Raio do Área de Área de sensores sensor sensor cobertura cobertura Rs 1 Rs 2 (Micro-clima) (Rastreamento) 16 6, 6m 9, 0m 400m 2 400m , 8m 12, 0m 400m 2 400m , 6m 9, 0m 400m 2 400m , 8m 12, 0m 400m 2 400m , 0m - 400m , 0m - 400m , 0m - 400m , 0m - 400m 2 Tabela 5. Área de cobertura dos nós sensores ativos nos testes anteriores para o posicionamento em grade irregular Nós Raio do Raio do Área de Desvio Área de Desvio sensores sensor sensor cobertura Padrão cobertura padrão Rs 1 Rs 2 (Micro-clima) s 1 (Rastreamento) s , 6m 9, 0m 399, 95m 2 0, 087m 2 396, 25m 2 3, 091m , 8m 12, 0m 399, 85m 2 0, 302m 2 399, 95m 2 0, 055m , 6m 9, 0m 399, 87m 2 0, 1725m 2 399, 93m 2 0, 098m , 8m 12, 0m 399, 75m 2 0, 362m 2 399, 9m 2 0, 089m , 0m , 28m 2 2, 411m , 0m , 87m 2 0, 18m , 0m , 94m 2 0, 063m , 0m , 89m 2 0, 135m 2 5. Considerações finais Neste trabalho, foi apresentado uma nova abordagem para o Problema de Cobertura em RSSF que minimiza a quantidade de nós sensores ativos para garantir a cobertura de dois conjuntos de pontos de demanda distintos, sendo que um representa os locais onde devem ser coletados dados de micro-clima e o outro representa as possíveis trajetórias de um animal que se locomove na área. Os resultados obtidos com esse modelo podem ser utilizados em aplicações de rastreamento de animais, já que a topologia gerada permite o uso das técnicas de cálculo de posição para estimar a localização dessas espécies. Os testes realizados mostram que o modelo proposto obteve um bom comportamento em diferentes cenários, reduzindo a quantidade de nós ativos na rede. Isso resultará em economia de energia e, consequentemente, no aumento do tempo de vida da rede. Os nós desativos se tornarão redundantes, tornando a rede mais tolerante a falhas, pois estes poderão substituir nós defeituosos ou com pouca energia. Entre os trabalhos futuros pretende-se desenvolver um cenário de simulação para validar e analisar o comportamento do modelo proposto. O objetivo seria simular o trajeto de um animal de interesse e ver se a topologia resultante do modelo consegue detectar a sua posição na área de cobertura. Depois disso, espera-se simular o modelo desenvolvido em XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2681
12 Tabela 6. Área de cobertura dos nós sensores ativos nos testes anteriores para o posicionamento aleatório Nós Raio do Raio do Área de Desvio Área de Desvio sensores sensor sensor cobertura Padrão cobertura padrão Rs 1 Rs 2 (Micro-clima) s 1 (Rastreamento) s , 6m 9, 0m 390, 945m 2 12, 22m 2 374, 83m 2 17, 713m , 8m 12, 0m 398, 27m 2 4, 526m 2 398, 5m 2 3, 478m , 6m 9, 0m 398, 99m 2 1, 744m 2 398, 76m 2 1, 569m , 8m 12, 0m 399, 84m 2 0, 239m 2 399, 89m 2 0, 182m , 0m , 28m 2 10, 0m , 0m , 66m 2 5, 59m , 0m , 53m 2 2, 406m , 0m , 54m 2 0, 659m 2 um ambiente de Rede de Sensores sem Fio, visando estudar o comportamento do modelo em um ambiente real. Referências Boukerche, A., Oliveira, H., Nakamura, E., and Loureiro, A. (2007). Localization systems for wireless sensor networks. Wireless Communications, IEEE, 14(6):6 12. GLPK (2009). Gnu linear programming kit. fonte: Loureiro, A. A. F., Nogueira, J. M. S., Ruiz, L. B., Mini, R. A. F., Nakamura, E. F., and Figueiredo, C. M. S. (2002). Rede de sensores sem fio. Universidade Federal de Minas Gerais. Simpósio Brasileiro de Computação - Jornada de Atualização da Informática. Meguerdichian, S. and Potkonjak, M. (2003). Low power 0/1 coverage and scheduling techniques in sensor networks. University of California. UCLA Technical Reports. Nakamura, F. G., Quintão, F. P., Menezes, G. C., and Mateus, G. R. (2005). An optimal node scheduling for flat wireless sensor networks. In ICN (1), pages Quintão, F. P., Mateus, G. R., and Nakamura, F. G. (2003). Uma abordagem evolutiva para o problema de cobertura em redes de sensores sem fio. Revista Eletrônica de Iniciação Científica (REIC) da Sociedade Brasileira de Computação (SBC). Viera, M., Viera, L., Ruiz, L., Loureiro, A., Fernandes, A., and Nogueira, J. (2003). Scheduling nodes in wireless sensor networks: a voronoi approach. Local Computer Networks, LCN 03. Proceedings. 28th Annual IEEE International Conference on, pages Wang, X., Xing, G., Zhang, Y., Lu, C., Pless, R., and Gill, C. (2003). Integrated coverage and connectivity configuration in wireless sensor networks. In SenSys 03: Proceedings of the 1st international conference on Embedded networked sensor systems, pages 28 39, New York, NY, USA. ACM. XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 2682
HEURÍSTICA PARA O PROBLEMA DE COBERTURA EM REDES DE SENSORES SEM FIO VOLTADA AO RASTREAMENTO DE ANIMAIS
HEURÍSTICA PARA O PROBLEMA DE COBERTURA EM REDES DE SENSORES SEM FIO VOLTADA AO RASTREAMENTO DE ANIMAIS André Ricardo Melo Araújo 1, Adriana Gomes Penaranda 1, Fabíola Guerra Nakamura 1,2, Rosiane de Freitas
Leia maisRedes de Sensores Sem Fio
Disciplina 2º.semestre/2004 aula2 Redes de Sensores Sem Fio Antônio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br Depto. Ciência da Computação UFMG Linnyer Beatrys Ruiz linnyer@dcc.ufmg.br Depto. Engenharia
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
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 maisCOMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS
COMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS Rosiana da Silva Lopes Danilo César Rodrigues Azevedo rosianalopes16@gmail.com danilo.azevedo@ufpi.edu.br.com
Leia maisSolução do Problema de Cobertura e Conectividade em Rede de Sensores Sem Fio Plana Usando Abordagem Online Híbrida
Solução do Problema de Cobertura e Conectividade em Rede de Sensores Sem Fio Plana Usando Abordagem Online Híbrida Flavio V.C. Martins 1, Fabiola G. Nakamura 1,2, Geraldo R. Mateus 1 1 Departamento de
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho julho/2014 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisOtimização. Conceitos Fundamentais. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2
Otimização Conceitos Fundamentais 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 / 30 Agradecimentos
Leia maisPedro Tiago Barbosa do Couto. Resolução de problemas de transporte rodoviário de cargas utilizando programação inteira DISSERTAÇÃO DE MESTRADO
Pedro Tiago Barbosa do Couto Resolução de problemas de transporte rodoviário de cargas utilizando programação inteira DISSERTAÇÃO DE MESTRADO DEPARTAMENTO DE ENGENHARIA ELÉTRICA Programa de Pós graduação
Leia maisINTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM INTRODUÇÃO
INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM Autores: Giulia Denise Kujat VIEIRA; Milene Karine GUBETTI. Identificação autores: Estudantes do Curso Técnico em Informática
Leia maisPEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids)
PEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids) Métodos Avançados de Controle Giovanni Manassero Junior Depto. de Engenharia de Energia e Automação Elétricas Escola Politécnica
Leia maisSimulação de um Modelo Matemático para o Problema Dinâmico de Cobertura e Conectividade em Redes de Sensores sem Fio
Simulação de um Modelo Matemático para o Problema Dinâmico de Cobertura e Conectividade em Redes de Sensores sem Fio Rafael de Sousa O. Martins Janniele A. Soares Departamento de Computação e Sistemas
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho agosto/2013 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisUM SISTEMA DE SUPORTE A DECISÃO PARA PLANEJAMENTO DE REDES DE SENSORES SEM FIO AQUÁTICAS
Revista Científica Interdisciplinar. ISSN: 2358-8411 Nº 4, volume 3, artigo nº 6, Outubro/Dezembro 2016 D.O.I: http://dx.doi.org/10.17115/2358-8411/v3n4a6 UM SISTEMA DE SUPORTE A DECISÃO PARA PLANEJAMENTO
Leia maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia mais2.1. Construção da Pista
2 Malha de Controle Para que se possa controlar um dado sistema é necessário observar e medir suas variáveis de saída para determinar o sinal de controle, que deve ser aplicado ao sistema a cada instante.
Leia maisSSC546 -Avaliação de Desempenho de Sistemas
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 -Avaliação de Desempenho de Sistemas Parte 1 -Aula 2 Sarita Mazzini Bruschi Material
Leia maisUNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO CURSO: CIÊNCIA DA COMPUTAÇÃO. Prof.ª Danielle Casillo
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO CURSO: CIÊNCIA DA COMPUTAÇÃO Prof.ª Danielle Casillo Proposta por Alan Turing em 1936; É universalmente conhecida e aceita como formalização de algoritmo; Teoria
Leia maisRodrigo Vieira Steiner. Estudo e Implementação de Protocolos de Disseminação de Dados para Redes de Sensores Sem Fio
Rodrigo Vieira Steiner Estudo e Implementação de Protocolos de Disseminação de Dados para Redes de Sensores Sem Fio Florianópolis 2009 Rodrigo Vieira Steiner Estudo e Implementação de Protocolos de Disseminação
Leia maisAvaliação de desempenho de virtualizadores no envio e recebimento de pacotes em sistemas Linux
Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática 2015.1 Avaliação de desempenho de virtualizadores no envio e recebimento de pacotes em sistemas Linux Proposta
Leia maisUtilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos
Utilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos André Luiz Ferreira Pinto Pontifícia Universidade Católica do Rio de
Leia maisRedes de Sensores. Rodrigo Santos de Souza. Abril de / 17
Redes de Sensores Rodrigo Santos de Souza Abril de 2008 1 / 17 Redes de Sensores Conceitos Redes de Sensores: conjunto de sensores interligados através de uma rede de comunicação Sensor: dispositivo que
Leia maisTP052-PESQUISA OPERACIONAL I Introdução. Prof. Volmir Wilhelm Curitiba, Paraná, Brasil
TP052-PESQUISA OPERACIONAL I Introdução Prof. Volmir Wilhelm Curitiba, Paraná, Brasil TP052-PESQUISA OPERACIONAL I Ementa Revisão de Álgebra Linear. Modelos de Programação Linear. O Método Simplex. O Problema
Leia maisMaterial baseado nos slides de: Marcos José Santana Regina Helena Carlucci Santana
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC643 -Avaliação de Desempenho de Sistemas Computacionais Aula 3 Sarita Mazzini Bruschi
Leia maisAvaliação de Desempenho
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação Avaliação de Desempenho Planejamento de Experimentos Aula 2 Marcos José Santana Regina
Leia maisUma Abordagem Híbrida para a Solução do Problema de Cobertura e Conectividade em uma Rede de Sensores Sem Fio Plana
a 5/9/6 Goiânia, GO Uma Abordagem Híbrida para a Solução do Problema de Cobertura e Conectividade em uma Rede de Sensores Sem Fio Plana Flávio V.C. Martins, Frederico P. Quintão, Iuri B.D. Andrade, Fabíola
Leia maisCOBERTURA EM UMA REDE DE SENSORES SEM FIO
COBERTURA EM UMA REDE DE SENSORES SEM FIO Vivian Lúcia Bittencourt Drumond Universidade Presidente Antônio Carlos Rodovia MG 368 KM 12 Colônia Rodrigo Silva Barbacena Minas Gerais Brasil viviandrumond@yahoo.com.br
Leia maisRedes de Sensores sem Fio: Namimote. Prof. Ivan Müller
Redes de Sensores sem Fio: Namimote Prof. Ivan Müller Tópicos O projeto Namitec Características desejadas em um nó sensor para RSSF Características e desenvolvimento donamimote Sistema de avaliação e algumas
Leia maisI - Introdução à Simulação
1 I - Introdução à Simulação Simulação é, entendida como a imitação de uma operação ou de um processo do mundo real. A simulação envolve a geração de uma história artificial de um sistema para a análise
Leia maisXX Seminário Nacional de Distribuição de Energia Elétrica SENDI a 26 de outubro Rio de Janeiro - RJ - Brasil
XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil Viviane Olive Leonardo Souza SYNAPSIS BRASIL LTDA SYNAPSIS BRASIL LTDA volive@synapsis-it.com
Leia maisFiltro de Kalman. Teoria e Aplicação para Iniciantes. Prof. Dr. Marco Antonio Leonel Caetano. M&V Consultoria e Treinamento
Filtro de Kalman Teoria e Aplicação para Iniciantes Prof. Dr. Marco Antonio Leonel Caetano M&V Consultoria e Treinamento www.mudancasabruptas.com.br A História da Filtragem de Sinais 930 940 960 Filtro
Leia maisRESULTADOS OBTIDOS CAPÍTULO
MELCONIAN, Marcos Vinícius. "Resultados Obtidos", p.103-108. In MELCONIAN, Marcos Vinicius. Modelagem numérica e computacional com similitude e elementos finitos, São Paulo: Editora Edgard Blücher, 2014.
Leia maisLinguagens Regulares. Prof. Daniel Oliveira
Linguagens Regulares Prof. Daniel Oliveira Linguagens Regulares Linguagens Regulares ou Tipo 3 Hierarquia de Chomsky Linguagens Regulares Aborda-se os seguintes formalismos: Autômatos Finitos Expressões
Leia maisRECONHECIMENTO FACIAL UTILIZANDO EIGENFACES
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ Brasil RECONHECIMENTO
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1 Introdução O crescimento do sistema de energia elétrica, o aumento do número de interligações e a sofisticação dos modelos para representação dos componentes de
Leia maisPesquisa Operacional. Evanivaldo Castro Silva Júnior
Evanivaldo Castro Silva Júnior Conteúdo Fundamentos da Pesquisa Operacional. Modelos Lineares. Métodos de solução gráfica e algoritmo simplex. Aplicações de Programação Linear. Análise de Sensibilidade.
Leia maisAplicando Gestão de Energia ao Protocolo de Roteamento para Redes Ad Hoc Móveis VRP
Aplicando Gestão de Energia ao Protocolo de Roteamento para Redes Ad Hoc Móveis VRP Orientando: Angelo Bannack Orientador: Prof. Dr. Luiz Carlos Pessoa Albini 25 de Agosto de 2008 Roteiro Introdução; Técnicas
Leia maisUm esquema de otimização do protocolo RLSMP usando broadcast atômico na atualização de células líderes
Um esquema de otimização do protocolo RLSMP usando broadcast atômico na atualização de células líderes A scheme for optimizing the protocol RLSMP using atomic broadcast in updating cell leaders Cristiane
Leia maisREDES DE SENSORES SEM FIO
REDES DE SENSORES SEM FIO Redes de Computadores I UFRJ Vinicius Cunha Cruz Plácido Gabriel Arruda Evangelista Sidney Kolás Principe Junior AGENDA INTRODUÇÃO APLICAÇÕES ESTRUTURA PROTOCOLOS SEGURANÇA DESAFIOS
Leia maisInterpolação de Curvas de Nível por Difusão de Calor
Interpolação de Curvas de Nível por Difusão de Calor Roberto de Beauclair Seixas Luiz Henrique de Figueiredo Cláudio Antonio da Silva {tron,lhf,cads}@visgraf.impa.br Motivação Identificação de um método
Leia maisA B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Use o para alterar as configurações da impressora que afetam os trabalhos enviados à impressora por uma porta de IV. Selecione um item de menu para obter mais detalhes: Buffer infravermelho Comutação p/
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisREPRESENTAÇÃO DE NÚMEROS EM BINÁRIO E HEXADECIMAL
ESCOLA POLITÉCNICA UNIVERSIDADE DE SÃO PAULO Departamento de Engenharia de Sistemas Eletrônicos PSI - EPUSP REPRESENTAÇÃO DE NÚMEROS EM BINÁRIO E HEXADECIMAL 1. Hexadecimal [A1] Hexadecimal é o sistema
Leia maisUm Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
Leia maisModelos: Verificação, Validação e Experimentação
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO Modelos: Verificação, Validação e Experimentação Prof. Luís César da Silva (UFES/CCA) ESA 01 Engenharia de Sistemas Modelos Validados e Confiáveis Fundamentos: (Naylor
Leia maisWELLINGTON GOMES RIBEIRO APLICAÇÃO DE METAHEURÍSTICAS PARA O PROBLEMA DE COBERTURA E ROTEAMENTO EM REDES DE SENSORES SEM FIO
WELLINGTON GOMES RIBEIRO APLICAÇÃO DE METAHEURÍSTICAS PARA O PROBLEMA DE COBERTURA E ROTEAMENTO EM REDES DE SENSORES SEM FIO Dissertação apresentada à Universidade Federal de Viçosa, como parte das exigências
Leia maisEvoluindo para uma Rede em Malha Sem Fio
Evoluindo para uma Rede em Malha Sem Fio Programa de Pós-Graduação em Engenharia Elétrica, UFMG Linnyer Beatrys Ruiz linnyer@dcc.ufmg.br Departamento de Engenharia Elétrica, UFMG IEEE 802.11: Wi-Fi Popularização
Leia maisDetecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Leia maisÁLGEBRA BOOLEANA E LÓGICA DIGITAL AULA 04 Arquitetura de Computadores Gil Eduardo de Andrade
ÁLGEBRA BOOLEANA E LÓGICA DIGITAL AULA 04 Arquitetura de Computadores Gil Eduardo de Andrade O conteúdo deste documento é baseado no livro Princípios Básicos de Arquitetura e Organização de Computadores
Leia maisGerenciamento e Interoperabilidade de Redes
ESZI030-17 Gerenciamento e Interoperabilidade de Redes Aula 01 Introdução Prof. João Henrique Kleinschmidt Santo André, maio de 2017 Roteiro PARTE I Apresentação da Disciplina PARTE II Introdução ao Gerenciamento
Leia maisSSC643 -Avaliação de Desempenho de Sistemas Computacionais -
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC643 -Avaliação de Desempenho de Sistemas Computacionais - Aula 2 Sarita Mazzini Bruschi
Leia maisPCC173 - Otimização em Redes
PCC173 - Otimização em Redes Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 31 de maio de 2017 Marco Antonio M. Carvalho
Leia mais)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD
)XQGDPHQWRVGHUREDELOLGDGHHHVWDWtVWLFD,QWURGXomR A história da estatística pode ser dividida em três fases. De acordo com PEANHA (00), a estatística inicialmente não mantinha nenhuma relação com a probabilidade,
Leia mais4 Modelagem em Árvore
MODELAGEM EM ÁRVORE 39 4 Modelagem em Árvore 4.1 Introdução A modelagem por árvore de cenários é uma forma usual de representação de incertezas em problemas estocásticos multi-período [9, 14, 28, 42, 43].
Leia mais3 Trabalhando com imagens digitais
3 Trabalhando com imagens digitais Neste capítulo, é apresentada a importância da utilização de imagens digitais em aplicações de computação gráfica. Se o objetivo destas aplicações for criar uma cena
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
Leia mais4 Características do Mercado Brasileiro de Energia Elétrica
4 Características do Mercado Brasileiro de Energia Elétrica Para que a modelagem matemática utilizada neste trabalho seja bem compreendida, nesta seção serão abordadas algumas características importantes
Leia mais7 Avaliação de Opções Reais Através do Método LSM
Avaliação de Opções Reais Através do Método LSM 88 7 Avaliação de Opções Reais Através do Método LSM Neste capítulo, iremos aplicar o método desenvolvido por Longstaff & Schwartz para a avaliação de opções
Leia maisDESENVOLVIMENTO DE INTERFACE GRÁFICA PARA UM SISTEMA DIDÁTICO EM CONTROLE DE PROCESSOS
DESENVOLVIMENTO DE INTERFACE GRÁFICA PARA UM SISTEMA DIDÁTICO EM CONTROLE DE PROCESSOS Ronaldo da Costa Freitas 1 Ágio Gonçalves de Moraes Felipe 2 1 Introdução/ Desenvolvimento O uso da automação nos
Leia mais4 Arquitetura Adotada
4 Arquitetura Adotada Neste trabalho foi desenvolvido um sistema para a inspeção de dutos de óleo, gás e outros fluidos. Este sistema está sendo usado em inspeções que utilizam como ferramenta de inspeção
Leia maisc 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 maisMONTES RELATÓRIO FINAL DE PROJETO MEIO DE TRANAMISSÃO
Serviço Nacional de Aprendizagem Comercial E.E.P. Senac Pelotas Centro Histórico Programa Nacional de Acesso ao Ensino Técnico e Emprego Curso Técnico em Informática SANDI MONTES RELATÓRIO FINAL DE PROJETO
Leia maisResumo. Como um agente busca de seqüência de ações para alcançar seus objetivos.
Resumo Inteligência Artificial Russel e Norvig Capítulos 3,4 e 5 Prof. MsC Ly Freitas UEG Resolução de problemas por meio de busca Como um agente busca de seqüência de ações para alcançar seus objetivos.
Leia maisProgramação Linear: Profa. Silvana Bocanegra UFRPE - DEINFO
Programação Linear: Profa. Silvana Bocanegra UFRPE - DEINFO Tipos de Problemas 1. Dada uma variedade de alimentos, escolher uma dieta de menor custo que atenda as necessidades nutricionais de um indivíduo?
Leia maisIMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL
IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL 1. INTRODUÇÃO Este tutorial apresenta, passo-a-passo, o processo de implementação e resolução de modelos matemáticos na planilha
Leia mais5 Experimentos Conjunto de Dados
Experimentos 48 5 Experimentos Este capítulo apresenta o ambiente experimental utilizado para validar o método de predição do CTR proposto neste trabalho. Na seção 5.1, descrevemos a geração do conjunto
Leia maisSeleção de Atributos 1
Seleção de Atributos 1 Tópicos Por que atributos irrelevantes são um problema Quais tipos de algoritmos de aprendizado são afetados Seleção de atributos antes do aprendizado Benefícios Abordagens automáticas
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 maisPesquisa Operacional Programação em Redes
Pesquisa Operacional Programação em Redes Profa. Alessandra Martins Coelho outubro/2013 Seminários Datas Temas Problema do Caminho mais curto programação em redes Data 07/11/13 Problema do Fluxo máximo
Leia maisTipos de Sistemas Distribuídos (Pervasivos)
Tipos de Sistemas Distribuídos (Pervasivos) Sistemas Distribuídos Mauro Lopes Carvalho Silva Professor EBTT DAI Departamento de Informática Campus Monte Castelo Instituto Federal de Educação Ciência e
Leia maisEric Ericson Fabris
ELETRÔNICA III ENG04038 Eric Ericson Fabris Eric.Fabris@ufrgs.br Informações Gerais Professor: Eric Ericson Fabris» Eric.Fabris@ufrgs.br» Gabinete: DELET Sl. 302 II Sl. 227» Ramais: 3308 4272 e 3308 7023
Leia maisPadrão IEEE PROJETO DE REDES SEM FIO Prof. Dr. Andrei Piccinini Legg. Bruno Lucena Raissa Monego
PROJETO DE REDES SEM FIO Prof. Dr. Andrei Piccinini Legg Bruno Lucena Raissa Monego Histórico O primeiro sistema de computadores que empregou as técnicas de radiodifusão em vez de cabos ponto a ponto foi
Leia maisExemplo (tabela um) distribuições marginais enquanto que. Distribuição Conjunta
Distribuição Conjunta Suponha que se queira analisar o comportamento conjunto das variáveis = de Instrução e = Região de procedência. Neste caso, a distribuição de freqüências é apresentada como uma tabela
Leia maisProposta de Dissertação de Mestrado Mapeamento de Redes Virtuais no Substrato Físico
Proposta de Dissertação de Mestrado Mapeamento de Redes Virtuais no Substrato Físico Bráulio Antônio Mesquita Souza 1 Orientador: Geraldo Robson Mateus Co-orientadora: Fernanda Sumika Hojo de Souza 1 Departamento
Leia maisDois métodos para medir o índice de refração de líquidos. Eric Barros Lopes & Carlos Eduardo Aguiar
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO Instituto de Física Programa de Pós-Graduação em Ensino de Física Mestrado Prossional em Ensino de Física Dois métodos para medir o índice de refração de líquidos
Leia maisMenu USB. Buffer Trabalhos MAC Binary PS Modo NPA Comutação p/pcl Configuração p/ PS Buffer USB. Imprimindo. Manuseio do papel.
Use o para alterar as configurações da impressora que afetam uma porta Universal Serial Bus (USB) (Opção USB ou USB Padrão). Selecione um item de menu para obter mais detalhes: Buffer Trabalhos MAC
Leia mais7 Análise de Autovalores e Autovetores
7 Análise de Autovalores e Autovetores 7.1 Considerações iniciais As análises de vibração livre foram realizadas com o intuito de obter as frequências naturais e os modos de vibração dos modelos numéricos
Leia maisAnálise e Impacto das Fontes Para Redes de Sensores para o Corpo Humano
Análise e Impacto das Fontes Para Redes de Sensores para o Corpo Humano Luís Fernando Refatti, Tatiana Annoni Pazeto Curso de Licenciatura Plena em Informática Universidade Federal de Mato Grosso Campus
Leia maisComputadores e Programação (DCC/UFRJ)
Computadores e Programação (DCC/UFRJ) Aula 3: 1 2 3 Abstrações do Sistema Operacional Memória virtual Abstração que dá a cada processo a ilusão de que ele possui uso exclusivo da memória principal Todo
Leia maisUNIVERSIDADE CATÓLICA DE PELOTAS CENTRO POLITÉCNICO CURSO DE ENGENHARIA ELETRÔNICA DISCIPLINA DE INSTRUMENTAÇÃO ELETRÔNICA
UNIVERSIDADE CATÓLICA DE PELOTAS CENTRO POLITÉCNICO CURSO DE ENGENHARIA ELETRÔNICA DISCIPLINA DE INSTRUMENTAÇÃO ELETRÔNICA MONITOR DE MOVIMENTOS COM ACELERÔMETRO Desenvolvido por Maurício Fiss Rodrigues
Leia maisUNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO CURSO: CIÊNCIA DA COMPUTAÇÃO. Prof.ª Danielle Casillo
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO CURSO: CIÊNCIA DA COMPUTAÇÃO Prof.ª Danielle Casillo Diferencia-se das máquinas de Turing e Post principalmente pelo fato de possuir a memória de entrada separada
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 maisArquitetura e Organização de Computadores
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO DEPARTAMENTO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIA DA COMPUTAÇÃO Arquitetura e Organização de Computadores Aritmética Computacional Prof. Sílvio Fernandes
Leia maisPESQUISA OPERACIONAL. UNIDADE 1 Introdução à Pesquisa Operacional. Prof. Me. Carlos Guimarães
PESQUISA OPERACIONAL UNIDADE 1 Introdução à Pesquisa Operacional Prof. Me. Carlos Guimarães Objetivo Introduzir o tema Pesquisa Operacional por meio da apresentação: Da sua origem; Das sociedades profissionais
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Distribuição Conjunta Suponha que se queira analisar o comportamento conjunto das variáveis X = Grau de Instrução e Y = Região
Leia maisComputação Gráfica - 09
Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Computação Gráfica - 9 jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav Objetos
Leia maisBOLETIM CLIMATOLÓGICO TRIMESTRAL DA ESTAÇÃO METEOROLÓGICA DO IAG/USP - Dez/ Jan/ Fev/ Verão -
BOLETIM CLIMATOLÓGICO TRIMESTRAL DA ESTAÇÃO METEOROLÓGICA DO IAG/USP - Dez/2014 - Jan/2015 - Fev/2015 - - Verão - Seção Técnica de Serviços Meteorológicos Instituto de Astronomia, Geofísica e Ciências
Leia maisUMA APLICAÇÃO INGÊNUA DO MÉTODO DE MONTE CARLO: VISUALIZAÇÃO DE ORBITAIS ATÔMICOS MÁRIO GOTO 1 VERÍSSIMO MANOEL DE AQUINO 1
UMA APLICAÇÃO INGÊNUA DO MÉTODO DE MONTE CARLO: VISUALIZAÇÃO DE ORBITAIS ATÔMICOS MÁRIO GOTO 1 VERÍSSIMO MANOEL DE AQUINO 1 GOTO, M.; AQUINO, V.M. de. Uma aplicação ingênua do método de Monte Cario: visualização
Leia maisTelefonia Celular. Renato Machado
Renato Machado UFSM - Universidade Federal de Santa Maria DELC - Departamento de Eletrônica e Computação renatomachado@ieee.org renatomachado@ufsm.br 23 de Agosto de 2011 Sumário 1 2 3 4 Idealmente, assumindo
Leia maisProf. André Rabelo LÓGICA DIGITAL INTRODUÇÃO
Prof. André Rabelo LÓGICA DIGITAL INTRODUÇÃO INTRODUÇÃO Um sistema pode ser definido como sendo um conjunto de elementos que são interligados de alguma maneira para compor um todo e assim realizar funcionalidade
Leia maisAUTOMAÇÃO DE AVIÁRIO UTILIZANDO A PLATAFORMA ARDUINO
AUTOMAÇÃO DE AVIÁRIO UTILIZANDO A PLATAFORMA ARDUINO Paulo Sergio Mattos Périgo¹, Bruno Fernando Serrano¹, Wyllian Fressati¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil pauloperig@gmail.com,
Leia maisTerça-feira, 7 de maio
15.053 Terça-feira, 7 de maio Formulações de Programação Inteira Distribuir: Anotações da Aula 1 Rápido Resumo de PD PD normalmente funciona para a tomada de decisões ao longo do tempo Objetivos das duas
Leia maisINF-111 Redes Sem Fio Aula 08 Redes de Sensores Sem Fio Prof. João Henrique Kleinschmidt
INF-111 Redes Sem Fio Aula 08 Redes de Sensores Sem Fio Prof. João Henrique Kleinschmidt Santo André, março de 2016 Roteiro Introdução Aplicações Características Nó sensor Protocolos Introdução Redes de
Leia maisDiferença estrutural entre versões de um programa
Diferença estrutural entre versões de um programa @ UFCG 6 de agosto de 2008 Rodrigo Rocha Questão de Pesquisa A partir duas versões de um programa, como descobrir quais mudanças
Leia maisSistemas numéricos e a Representação Interna dos Dado no Computador
Sistemas numéricos e a Representação Interna dos Dado no Computador Ricardo Azambuja Silveira INE-CTC-UFSC E-Mail: silveira@inf.ufsc.br URL: http://www.inf.ufsc.br~silveira Material elaborado pelo prof
Leia maisO método Simplex Aplicado ao Problema de Transporte (PT).
Prof. Geraldo Nunes Silva (Revisado por Socorro Rangel) Estas notas de aula são Baseadas no livro: Hillier, F. S. e G. J. Lieberman. Introdução à Pesquisa Operacional, Campus, a ed., 9 Agradeço a Professora
Leia maisEm elétrica cada carga cria em torno de si um campo elétrico, de modo análogo o imã cria um campo magnético, porém num imã não existe um mono-pólo
Magnetismo Em elétrica cada carga cria em torno de si um campo elétrico, de modo análogo o imã cria um campo magnético, porém num imã não existe um mono-pólo assim sempre o imã tem a carga positiva e a
Leia maisMODELAGEM DE SISTEMAS
MODELAGEM DE SISTEMAS Profa. Rosemary Melo Representa a parte dinâmica do sistema Utilizado para modelar atividades, que podem ser um método ou um algoritmo, ou mesmo um processo completo. Na visão de
Leia maisRedes Sem Fio. Alberto Felipe Friderichs Barros https://albertofelipeblog.wordpress.com
Redes Sem Fio Alberto Felipe Friderichs Barros alberto.barros@ifsc.edu.br https://albertofelipeblog.wordpress.com Introdução Uma rede sem fio é uma infraestrutura das comunicações sem fio que permite a
Leia mais