Agente negociador baseado em técnicas fuzzy
|
|
- Cecília Mirela Aires Castelo
- 6 Há anos
- Visualizações:
Transcrição
1 Agente negociador baseado em técnicas fuzzy Mariela Morveli-Espinoza CPGEI UTFPR Curitiba, Brasil Myriam R. Delgado CPGEI UTFPR Curitiba, Brasil Cesar A. Tacla CPGEI UTFPR Curitiba, Brasil Resumo Os agentes negociadores são entidades computacionais que interagem dentro de um determinado ambiente para realizar acordos de compra e venda. Este artigo apresenta um modelo de agente negociador comprador que utiliza técnicas de sistemas fuzzy como mecanismo de raciocínio para a geração de propostas durante o processo de negociação. O agente proposto atua numa negociação bilateral de um só atributo e considera a utilidade do produto, o preço e a necessidade (ou urgência) de compra como entradas para o sistema de raciocínio fuzzy. Para o cálculo da utilidade de cada produto utiliza-se uma abordagem baseada na teoria de jogos modificada para valores fuzzy. O objetivo deste trabalho é mostrar que a utilização de técnicas fuzzy traz mais naturalidade à negociação e produz melhores resultados que uma tática fixa de geração de propostas. As simulações realizadas mostram que o uso de técnicas fuzzy cumpre com este objetivo. Além disso, a utilização da variável urgência ajuda a encontrar um melhor equilíbrio entre o preço final e o número total de rodadas. I. INTRODUÇÃO Quando há a necessidade de se chegar a um acordo sobre uma ou várias questões, a negociação pode ser uma alternativa interessante para se alcançar este objetivo. A Inteligência Artificial (IA) por sua vez possui técnicas que podem ajudar na modelagem computacional de processos de negociação em geral. Automatizar a negociação pode reduzir significativamente o tempo deste processo (fazendo com que grandes volumes de operações sejam feitas em um tempo menor) e ajuda a reduzir a resistência que algumas pessoas têm para se envolverem em uma negociação (por exemplo, por causa do constrangimento ou da personalidade) [3]. Por estas razões, a formalização da negociação tem recebido uma grande atenção da comunidade de sistemas multiagente ao longo das últimas décadas. Através destas pesquisas, está sendo possível o desenvolvimento de negociadores automatizados práticos (agentes inteligentes) que são capazes de realizar as negociações em nome dos usuários. Os agentes negociadores se envolvem em interações nas quais as propostas são o principal tipo de informação trocada entre eles. Um exemplo de proposta seria: propose (a,b {toyota,$10k}), onde a é o agente que envia a proposta, b o agente que recebe a proposta e {toyota,$10k} a especificação da proposta. As propostas são geradas segundo um plano de ação que o agente utiliza durante a negociação, chamado de estratégia de negociação, a qual é composta também de um conjunto de passos chamados de táticas. Dependendo do tipo de negociação, às vezes é necessária uma fase de pré-negociação. Em alguns casos é para estabelecer uma agenda com a importância dos atributos que vão ser negociados. Já a fase de pré-negociação neste trabalho define qual produto vai ser negociado e compreende duas partes: (i) na primeira um agente Vendedor calcula a utilidade de vários de seus produtos com base nas preferências estabelecidas por um agente Comprador (por exemplo, se o agente Comprador quer comprar uma câmera, então o agente Vendedor calcula as utilidades das câmeras que ele tem para vender); (ii) o agente Comprador escolhe um dos objetos, provavelmente aquele com a melhor utilidade para ele e eles iniciam a negociação daquele produto. Já na segunda fase do processo, que é a negociação em si, este artigo propõe uma tática para a geração de propostas e contra-propostas baseada em técnicas fuzzy que vai ser comparada com uma tática fixa. No primeiro experimento o agente Comprador utilizará a tática fixa e no segundo a tática fuzzy, já o agente Vendedor utilizará em ambos os experimentos só a tática fixa. Segundo Sierra et al. [4] a negociação automatizada é frequentemente caracterizada pela dificuldade enfrentada pelos agentes para a tomada de decisões crisp. Por exemplo, as preferências dos agentes ou a avaliação dos contratos podem ser vagas. Assim o uso de técnicas fuzzy parece ser muito natural para estender o modelo de negociação clássico. Existem vários artigos que relacionam negociação automatizada com lógica fuzzy de diferentes pontos de vista. Trabalhos como [5] e [13] têm como foco a fase de pré-negociação, já outros são mais voltados para a geração de propostas similares à do oponente para chegar mais rápido a um acordo como em [4]. Trabalhos como o de Kowalczyk et al. [10], Xin Wang et al. [12], Al-Ashmaway et al. [11] e Diamah et al. [1] propõem arquiteturas de agentes negociadores e levam em consideração diferentes informações (entradas do sistema) para chegar a um acordo satisfatório nas negociações. Com relação às táticas de geração de propostas, táticas como Boulware ou Conceder [9] geram contra-propostas com base no tempo de negociação, recursos disponíveis e preço. Já Kowalczyk e Bui [2] introduzem uma restrição fuzzy para avaliar a aceitabilidade da proposta do oponente, mas a tática de concessão usada é fixa. Assim, este trabalho propõe utilizar um mecanismo de raciocínio fuzzy que gere as propostas de um agente Comprador, o qual além de levar em consideração o preço do produto como entrada do sistema, considera também a utilidade do produto escolhido e a urgência de compra. A utilidade dos produtos será calculada utilizando a fórmula de função de utilidade da teoria de jogos na sua versão fuzzy. A utilidade será primeiramemente utilizada para a
2 escolha do objeto de negociação e depois como uma das entradas do sistema fuzzy. Serão realizados dois experimentos para cada produto, no primeiro a entrada urgência não será levada em consideração e no segundo sim, avaliando-se assim se existe uma melhoria no tempo da negociação quando a urgência é considerada. Por outro lado, uma vez que o artigo assume uma negociação bilateral, também será considerado um agente Vendedor, o qual gerará suas propostas, levando em consideração apenas o preço do produto, usando uma estratégia fixa. Este artigo está estruturado da seguinte forma. Após esta seção introdutória, a seção II descreve o problema a ser abordado. Na seção III é apresentada a forma como as preferências do usuario serão modeladas. A seção IV descreve a abordagem proposta neste trabalho. As simulações realizadas assim como os resultados obtidos são apresentados na seção V. Finalmente a seção VI traz as conclusões e trabalhos futuros. II. DESCRIÇÃO DO PROBLEMA Neste artigo, supõe-se um cenário de venda de produtos de segunda mão na internet onde há um agente Vendedor, um agente Comprador e um conjunto de objetos à venda. Os artigos para venda podem ser câmeras digitais, telefones celulares, PDAs, gravadores de vídeo e laptops. Cada um desses artigos possui características diferentes. Por exemplo, algumas características de uma câmera são: quantidade de megapixels, velocidade de obturação, tamanho da tela, zoom óptico e tempo de garantia. Todas essas características juntas descrevem a qualidade/capacidade da câmera e determinam o preço desta. Se o agente Comprador deseja comprar uma determinada câmera, então esta pode ser chamada de objeto de negociação. Um objeto de negociação tem geralmente um conjunto de características, também chamadas de atributos. Estes atributos podem ser quantitativos (preço, tempo de garantia, velocidade da CPU, etc.) ou qualitativos (natureza de um contrato, qualidade do serviço, cor, etc.). Os atributos quantitativos são definidos no domínio dos números reais, já os atributos qualitativos podem ser definidos sobre um domínio ordenado como {muito ruim, ruim, bom, muito bom, excelente}, onde os elementos são claramente rótulos ou etiquetas linguísticas. Não obstante, tanto os atributos quantitativos quanto os qualitativos podem ser descritos em termos linguísticos, dando mais naturalidade à negociação. Dependendo do cenário, chegar a um acordo rapidamente é bastante desejável. É por isso que durante o processo de negociação será considerada a necessidade ou urgência que tem um agente Comprador em adquirir determinado objeto. A hipótese é que esta variável irá influenciar no incremento do preço e pode diminuir o número de rodadas de negociação. Pode-se observar que o novo parâmetro urgência ou necessidade é um candidato ideal para ser descrito por meio de uma variável linguística, já que o agente pode ter baixa, média ou alta urgência de compra. III. MODELAGEM DAS PREFERÊNCIAS DO USUÁRIO Todo agente negociador precisa modelar as preferências do usuário. Uma das formas mais utilizadas na literatura é baseada no conceito de função de utilidade. A seguir define-se a sua equação geral 1 e na sequência define-se sua versão para valores fuzzy. Seja A um agente qualquer que participa em uma negociação e seja J o conjunto dos atributos do objeto de negociação que vão ser levados em consideração (J = {1,..., j,...n}). Seja D j = [min j, max j ] o conjunto de valores possíveis do atributo j que constituem o seu domínio, estes limites são geralmente chamados de valores de reserva. Cada atributo tem um valor x j D j. Por conveniência, para avaliar este valor do atributo, o agente tem uma função de pontuação sobre o seu domínio (V j : D j [0, 1]) a qual atribui uma pontuação a cada possível valor de x j, onde 1 é o mapeamento do valor do atributo j que dá a melhor utilidade ao agente e zero, o contrário. Finalmente, A tem um vetor de pesos w = (w 1, w 2,..., w n ) para os atributos, estes representam a importância que ele estabelece para cada um dos atributos, onde w j é a importância que o agente atribui ao atributo j. Assume-se que os pesos estão normalizados (i.e. n j=1 w j = 1). Assim, a utilidade da oferta X pode ser definida como: U(X) = n (w j V j (x j )) (1) j=1 Como uma parte da proposta deste trabalho é modelar os atributos do objeto da negociação utilizando etiquetas linguísticas, a seguir descreve-se como funciona a equação (1) com valores fuzzy. Para isso utiliza-se um dos métodos delineados em [7], onde o valor V j (x j ) é calculado como: V j (x j ) = µ qi (x j )V j (q i ) (2) q i Q Sendo que Q = {q 1,..., q Q } representa os conjuntos fuzzy definidos na partição do atributo j do objeto. No exemplo que será apresentado ao longo desta seção são assumidos 3 termos para Q ={baixa, média, alta}. A função V j : Q [0, 1] é ainda requerida e é utilizada para estabelecer a importância relativa de cada um dos conjuntos fuzzy. Usando esta abordagem, os valores dos atributos variam ao longo de um domínio contínuo como no modelo quantitativo (i.e. x j [min j, max j ]), porém a função de pontuação é definida como uma interpolação entre as funções de pertinência dos conjuntos fuzzy associados às qualidades Q. Onde, q i Q é um conjunto fuzzy e µ qi é o valor da função de pertinência para um determinado valor do atributo. Neste trabalho, V terá valores fixos para realizar os experimentos. Assim, para o conjunto fuzzy preferido pelo agente comprador C o valor de V será 1 e 0.5 para os outros dois conjuntos restantes. Por exemplo, se em agente Comprador quer comprar uma câmera fotográfica, mas não precisa que esta seja profissional, então não é necessário que o zoom ótico seja alto, o agente se conforma com um zoom ótico médio. O conjunto fuzzy que representa o valor Médio vai ter o valor V de 1 e os outros Versão obtida de Coehoorn e Jennings [8]
3 Para exemplificar considere os casos representados na Figura 1. Assume-se que V j (q 1 ) = 0.5, V j (q 2 ) = 1 e V j (q 3 ) = 0.5. O valor total da função V para o valor x j do atributo é calculado seguindo a fórmula: V j (x j ) = µ q1 (x j ) V j (q 1 ) + µ q2 (x j ) V j (q 2 ) + µ q3 (x j ) V j (q 3 ), ou seja, V j (x j ) = = E o valor total da função V para o valor x k seria: V j (x k ) = µ q1 (x k ) V j (q 1 ) + µ q2 (x k ) V j (q 2 ) + µ q3 (x k ) V j (q 3 ), ou seja, V j (x k ) = = Comparando ambos os resultados, observa-se que o valor de V j aumentou para x k já que esse valor do atributo é mais compatível com o conjunto fuzzy preferido pelo agente Comprador. Pode-se notar então que para este exemplo os menores valores de utilidade acontecem quando µ média = 0 e os máximos acontecem quando µ média = 1. Figura 1. Exemplo da representação de valores qualitativos ou quantitativos com conjuntos fuzzy Embora esta fórmula tenha sido delineada para ser usada durante o processo de negociação, neste trabalho será utilizada na fase de pré-negociação. O objetivo é utilizar esta fórmula para calcular a utilidade de um conjunto de objetos (por exemplo, câmeras), levando em consideração as preferências do agente Comprador. Mas que quem faz os cálculos é o agente Vendedor. IV. ABORDAGEM FUZZY DA NEGOCIAÇÃO BILATERAL Nesta seção será apresentado o modelo de negociação utilizado, incluindo o protocolo de negociação e a função para a tomada de decisões. Além disso, descreve-se como a fase de pré-negociação é feita. Na sequência são descritas as variáveis linguísticas e regras fuzzy utilizadas na fase de negociação. A. Modelo de negociação Objeto de Negociação: Um produto que se deseja comprar. Neste trabalho o atributo sobre o qual a negociação vai ser feita é o preço do produto. Protocolo de negociação: Foi utilizado o protocolo de alternância de propostas [7], no qual dois agentes quaisquer A e B trocam propostas com relação ao preço usando valores reais contínuos. p n B é a proposta do agente B na rodada de negociação n e p n+1 A a contra-proposta do agente A na rodada de negociação n + 1. Função para a tomada de decisões: A resposta de um agente com respeito às propostas recebidas pode ser computada como: { Resp A (n + 1, p n aceitar se B ) = BenefA (p n B ) Benef A(p n+1 A ) enviar contra-proposta (p n+1 A ) (3) No caso do agente Vendedor o benefício é maior quanto maior for o preço e o benefício do agente Comprador é maior quanto menor for o preço. Existe também a possibilidade de rejeitar a proposta, porém, isto só acontece no inicio da negociação. Modelo de raciocínio do agente Comprador: No primeiro experimento o agente Comprador utiliza uma tática fixa para gerar as propostas, ou seja, o percentual de incremento é o mesmo em todas as rodadas. No segundo experimento o agente usa uma tática fuzzy, ou seja, o percentual de concessão que o agente Comprador vai conceder na próxima rodada é determinado por um sistema de inferência fuzzy. O sistema de inferência do agente Comprador tem três entradas: utilidade do produto, preço do produto e urgência da compra. A saída é quanto, em porcentagem, o agente Comprador incrementará o preço em relação à sua última proposta. Com relação à tática de negociação, o agente Comprador utilizará ambas as táticas fixa e fuzzy, já o agente Vendedor só uma tática fixa. B. Fase de pré-negociação Tanto nesta fase como na fase de negociação, os agentes envolvidos são o agente Comprador C e o agente Vendedor V. Cada um dos agentes tem valores de reserva para Preço. Para o agente C os valores de reserva são [P min C, P max C ]. No caso do agente V os valores de reserva são [P min V, P max V ], onde P min V é o preço mínimo que V vai aceitar pelo produto e P max V é o preço inicial do produto. O agente comprador C obtém do seu usuário os atributos (conjunto J) que o objeto que deseja comprar deve ter, e para cada atributo o grau de importância (w j ) e o conjunto fuzzy onde encaixam as suas preferências (q i tal que V j (q i ) = 1). Por exemplo, o zoom ótico e a quantidade de megapixels são dois atributos escolhidos pelo usuário; e para ele é mais importante o primeiro (w 1 > w 2 ). Suponha que o usuário não precisa de uma câmera muito avançada, então um zoom ótico médio e uma quantidade de megapixels baixa satisfazem suas necessidades. Após obter as preferências do seu usuário, conforme o detalhado na seção III, o agente Comprador as transmite para o agente Vendedor, como geralmente acontece quando se deseja realizar uma compra. O agente V realiza os cálculos das utilidades de suas marcas e modelos do produto levando em consideração as informações recebidas. O resultado é uma lista de produtos que casam com as preferências transmitidas por Comprador com seus respectivos preços e valores de utilidade. Nesta lista, a utilidade mais alta representa o produto mais adequado. Finalmente, se há dois produtos com valores de utilidade altos e muito próximos, o agente C pode usar a lista de preferência de marcas do usuário. Com a escolha feita, inicia-se o processo de negociação sobre o preço do produto
4 selecionado. Este processo envolve neste trabalho dois tipos de estratégias: fixa (Vendedor) e fixa/fuzzy (Comprador). A seção a seguir descreve as variáveis linguísticas e regras que compõem o SIF para a estratégia fuzzy. C. Fase de Negociação baseada em Sistema Fuzzy As variáveis de entrada do sistema fuzzy são: Utilidade do produto: o universo desta variável vai de 0 a 1, onde 0 significa a menor utilidade possível e 1 o contrário. Preço do produto: o universo desta variável é definido pelo intervalo [P min C, P max C ]. Urgência: o universo desta variável varia entre 0 e 1, onde 0 significa o comprador não tem urgência alguma de compra e 1 o contrário. A Figura 2(a) mostra as funções de pertinência para cada um dos termos linguísticos das variáveis de entrada. A variável de saída do sistema fuzzy é: Porcentagem de incremento do preço: o universo varia entre 0 e 5. Para realizar os experimentos fixou-se em 5% (sobre a proposta anterior) o máximo incremento possível, que é o mesmo valor que o decremento fixo do agente vendedor. Na realidade o usuário deve ser livre para inserir a porcentagem que deseje, portanto o comportamento desta variável será melhor estudado em trabalhos futuros. A Figura 2(a) ilustra as funções de pertinência para cada um dos termos linguísticos, para o primeiro experimento, onde não se leva em consideração a variável urgência. Já, a Figura 2(b) mostra a variável de saída quando se leva em consideração o termo urgência. (a) (b) Figura 2. (a) Este gráfico representa as variáveis: Utilidade do produto, preço do produto, urgência de compra e porcentagem de incremento do preço para o primeiro experimento. Ti significa os termos lingúisticos (Por exemplo, T1=Baixo, T2=Medio e T3=Alto, para a variável preço do produto). (b) Variável Porcentagem de incremento do preço para o segundo experimento, onde se leva em consideração a urgência. Para as variáveis preço do produto, utilidade do produto e porcentagem de incremento do preço usamos uma configuração de conjuntos fuzzy usual (formato triangular com partição uniforme). O número total de termos (igual a três) foi estabelecido assim para não gerar uma grande quantidade de regras. Para o primeiro experimento, onde o objetivo é comparar o uso de uma tática fixa com uma tática fuzzy, foram Tabela I. Tabela II. REGRAS DE INFERÊNCIA DO PRIMEIRO EXPERIMENTO U P PI U P PI B B B A B A B M B A M M B A B A A M M B M M M B M A B REGRAS DE INFERÊNCIA DO SEGUNDO EXPERIMENTO U P N PI U P N PI B B B MB M M A A B B M B M A B B B B A M M A M M B M B MB M A A M B M M B A B B M B M A M A B M A B A B MB A B A MA B A M B A M B B B A A M A M M M M B B B A M A A M B M B A A B B M B A M A A M M M M B B A A A A M M M M consideradas duas entradas apenas: Utilidade do produto (U) e Preço (P) e a saída: Porcentagem de incremento sobre o preço enviado anteriormente (PI). A Tabela I mostra o conjunto de regras utilizado. Já a Tabela II, mostra o conjunto de regras utilizado no segundo experimento, onde além das entradas Utilidade e Preço, se considera também a entrada urgência (N). V. SIMULAÇÕES E RESULTADOS Nesta seção são apresentados os experimentos realizados com dois produtos diferentes: uma câmera de fotos e um laptop. O primeiro produto é para um usuário não profissional portanto o preço não é tão alto. Já o segundo produto, é para um usuário que quer um produto com características melhores na média, portanto o preço é um pouco mais elevado. A idéia é comparar o comportamento do nosso agente em duas situações diferentes. As simulações foram realizadas com a ferramenta Toolbox Fuzzy de Matlab. As configurações do mecanismo de raciocínio fuzzy são: (i) Agregação dos Antecedentes = Min, (ii) Semântica das Regras (ou implicação) = Min, (iii) Agregação das Regras = Max, e (iv) Método de Defuzificação = Centróide. A. Primeiro experimento (Produto câmera) O objetivo deste experimento é comparar a tática de geração de proposta com um incremento fixo com uma tática de geração de propostas fuzzy. Como não se tem um banco de dados real de produtos e uma vez que a tarefa do agente vendedor é basicamente calcular a utilidade dos produtos e filtrá-los, os experimentos partem de um produto escolhido e o valor da utilidade é fornecido manualmente. Neste experimento vamos utilizar os seguintes parâmetros iniciais: - Objeto de negociação: câmera fotográfica - Utilidade do produto escolhido: Valores de reserva da variável preço: [ ]
5 - Preço do produto: R$584 - Estratégia de negociação do vendedor: decremento fixo 5% - Estratégia de negociação do comprador: incremento fixo 5% e fuzzy A Figura 3(a) mostra um gráfico do comportamento dos agentes durante o processo de negociação, usando a tática fuzzy para gerar as contra-propostas. É importante salientar que o agente Comprador cria automaticamente os conjuntos fuzzy da variável Preço com base na faixa de preço do usuário. Tanto o vendedor quanto o comprador vão fazendo concessões até chegar à rodada 19, onde o agente vendedor aceita o preço R$371.42, previamente proposto pelo comprador. (a) (b) Figura 3. (a) Resultados da negociação quando o agente comprador usa uma tática fuzzy para a geração de propostas. A negociação termina na rodada 19 com preço R$371.42; (b) Resultados da negociação quando ambos agentes fazem concessões fixas de 5%. A negociação termina na rodada 16 com preço R$ Por outro lado, a Figura 3(b) mostra o comportamento dos agentes quando vendedor e comprador utilizam uma tática de geração de propostas fixa de 5%. Neste caso, a negociação termina na rodada 16 com preço final R$407.83, ao contrário do caso anterior no qual quem aceita a proposta é o agente comprador. Note-se que o agente consegue pagar um menor preço usando a tática fuzzy, entretanto, são necessárias mais três rodadas de negociação. Se o objetivo principal do agente comprador é gastar menos, então fica claro que a tática fuzzy funciona melhor que a tática fixa uma vez que o incremento fuzzy é geralmente menor do que 5%. Pelo contrário se o objetivo principal do agente é terminar na menor quantidade de rodadas então a tática fuzzy perde para a tática fixa. Isso nos coloca frente a um problema multiobjetivo, o qual está fora do escopo deste trabalho. Porém, o segundo experimento tenta resolver em parte este problema usando uma nova entrada no sistema de inferência fuzzy. B. Segundo experimento (Produto câmera) Buscando equilibrar ambos os objetivos, esta seção descreve um segundo experimento que inclui a variável urgência de compra. Além de tentar encontrar um equilíbrio entre o preço final e o número de rodadas, parece bastante natural pensar que dependendo da necessidade do comprador em adquirir o produto ele pode fazer concessões maiores durante a negociação. A Figura 4(a) mostra um gráfico do comportamento dos agentes durante o processo de negociação, o agente Comprador gera suas propostas utilizando a tática fuzzy e levando em consideração urgência=1. A Figura 4(a) mostra como o Vendedor e o Comprador fazem concessões até atingirem a rodada 17 com preço final de R$395.80, onde o vendedor aceita a proposta prévia enviada pelo comprador. A Figura 4(b) ilustra as concessões feitas pelo agente comprador quando não tem nenhuma urgência de compra (urgência=0). O preço final fica em R$ e a negociação termina na rodada 21. Pode-se observar que quando a urgência é grande o sistema busca um equilíbrio entre preço e número de rodadas. Com respeito ao primeiro teste (Figura 4(a)), a negociação termina em duas rodadas a menos, porém, ainda o preço é menor que no caso da tática fixa (Figura 3(a)). Já quando a urgência é mínima, embora o preço seja baixo o número de rodadas é grande. No caso de ter um máximo número de rodadas é provável que não haveria um acordo para a negociação, deixando clara a importância da variável urgência para a negociação. C. Experimentos (Produto laptop) Os valores dos parâmetros levados em consideração para realizar este experimento são: - Objeto de negociação: laptop - Utilidade do produto escolhido: Valores de reserva da variável preço: [ ] - Preço do produto: R$ Estratégia de negociação do vendedor: decremento fixo 5% - Estratégia de negociação do comprador: incremento fixo 5% e fuzzy Diferentemente do experimento com a câmera, neste caso o produto custa mais e tem uma utilidade mais alta. Os resultados são apresentados na Tabela III, que também resume os resultados obtidos no experimento da câmera. O número de rodadas é bem menor que no experimento da câmera, devido ao fato da utilidade do produto laptop ser mais alta. Isto junto com uma máxima urgência de compra obviamente tem efeitos positivos sobre o número de rodadas. Neste experimento com urgência = 1 observa-se um melhor equilíbrio entre número de rodadas e preço. Desta vez, o experimento com urgência = 0 teve o mesmo resultado que o experimento usando tática fuzzy sem o parâmetro urgência, diferentemente
6 Tabela III. RESUMO DOS EXPERIMENTOS EXPERIMENTO COM O PRODUTO CÂMERA ESTRATEGIA FUZZY FIXA FUZZY/U=1 FUZZY/U=0 PREÇO FINAL RODADAS EXPERIMENTO COM O PRODUTO LAPTOP ESTRATEGIA FUZZY FIXA FUZZY/U=1 FUZZY/U=0 PREÇO FINAL RODADAS do produto câmera. Isto se deve a que a utilidade do produto câmera é menor, isto somado a uma urgência mínima acaba influenciando mais o resultado e faz com que os passos de incremento sejam bem pequenos. um leve incremento. - Introduzindo o parâmetro urgência, foi possível obter um bom equilíbrio entre o preço final e número de rodadas. Os resultados preliminares obtidos neste trabalho permitem concluir que uma tática de compra fuzzy produz resultados interessantes quando confrontada com uma tática de venda fixa. No experimento com o produto mais caro é possível notar que o vendedor termina decrementando em R$ 750 o seu preço base, dependendo da configuração deste talvez a negociação poderia ter terminado antes com uma rejeição da sua parte ao atingir o preço mínimo para vender o seu produto. Em trabalhos futuros, alguns items que serão levados em consideração são: (i) Lidar com o problema utilizando-se conceitos de otimização multiobjetivo, (ii) levar em consideração o tempo da negociação e colocar um deadline no processo, (iii) lidar com os limites mínimo e máximo de maneira mais dinâmica, (iv) modelar também o agente vendedor e propor novas estratégias de negociação para os dois agentes,(v) trabalhar com negociações multiatributo, (vi) fazer experimentos usando regras crisp e comparar os resultados com respeito às regras fuzzy utilizadas e (vii) fazer experimentos com outras configurações de conjuntos fuzzy. REFERÊNCIAS (a) (b) Figura 4. (a) Resultados da negociação quando a urgência de compra é a máxima. A negociação termina na rodada 17 com preço R$ ; (b) Resultados da negociação quando a urgência de compra é a mínima. A negociação termina na rodada 21 com preço R$ VI. CONCLUSÕES E TRABALHOS FUTUROS Neste trabalho foi apresentado um agente negociador comprador que utiliza um sistema de inferência fuzzy para gerar as contra-propostas durante o processo de compra e venda de um produto. Algumas conclusões sobre o trabalho realizado são: - O sistema proposto, baseado em uma estratégia fuzzy, teve melhores resultados para o agente Comprador que o sistema de incremento fixo. Nos experimentos de ambos produtos, o agente Comprador consegue o produto por um preço menor, utilizando uma tática fuzzy. Porém, o número de rodadas teve [1] A. Diamah, N. Masoud, e B. Bala, Fuzzy utility and inference system for bilateral negotiation. Uncertainty Reasoning and Knowledge Engineering (URKE), pp , [2] R. Kowalczyk e V. Bui, On Constraint-Based Reasoning in e-negotiation Agents. Lecture Notes in Computer Science, pp , [3] A. Lomuscio, M. Wooldridge M. e N. Jennings, A Classification Scheme for Negotiation in Electronic Commerce. Group Decision and Negotiation, pp , [4] C. Sierra, P. Faratin e N. Jennings, Deliberative automated negotiators using fuzzy similarities. Eusflat-Joint Conference on Fuzzy Logic, pp , [5] F. Abedin, K. M. Chao, N. Godwin e H. Arochena, Preference ordering in agenda based multi-issue negotiation for service level agreement. Advanced Information Networking and Applications Workshops, pp , [6] G. C. V. Kooten, E. Krcmar e E. H. Bulte, Preference Uncertainty in Non-Market Valuation: A Fuzzy Approach. American Journal of Agricultural Economics, pp , [7] P. Faratin, N. R. Jennings e C. Sierra, Negotiation Decision Functions for Autonomous Agents. International Journal of Robotics and Autonomous Systems, pp. 1 38, [8] R Coehoorn en. R. Jennings, Learning on opponent s preferences to make effective multi-issue negotiation trade-offs. Proceedings of the 6th international conference on Electronic Commerce, pp , [9] Hou, Chongming. Modelling agents behaviour in automated negotiation. Knowledge Media Institute, [10] R. Kowalczyk e V. Bui, On fuzzy e-negotiation agents: Autonomous negotiation with incomplete and imprecise information. Database and Expert Systems Applications, pp , [11] W. H. Al-Ashmaway e A. B. El-Sisi, Bilateral agent negotiation for e-commerce based on fuzzy logic. Computer Engineering and Systems, ICCES 07. IEEE, pp , [12] X. Wang, X. Shen e N. Georganas, A fuzzy logic based intelligent negotiation agent (FINA) in ecommerce. Electrical and Computer Engineering, CCECE 06. IEEE, pp , [13] Z. Wang e Y. Ling, A Negotiation Model with Fuzzy Preferences and Time Constraints. Computational Intelligence and Industrial Application. IEEE, CCECE 06. IEEE, pp , 2008.
Sistemas especialistas Fuzzy
Sistemas Fuzzy Sistemas especialistas Fuzzy Especialistas Senso comum para resolver problemas Impreciso, inconsistente, incompleto, vago Embora o transformador esteja um pouco carregado, pode-se usá-lo
Leia maisConjuntos Fuzzy e Lógica Fuzzy
1 Introdução Conjuntos Fuzzy e Lógica Fuzzy users.femanet.com.br/~fabri/fuzzy.htm Os Conjuntos Fuzzy e a Lógica Fuzzy provêm a base para geração de técnicas poderosas para a solução de problemas, com uma
Leia maisLógica Nebulosa (Fuzzy)
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Lógica Nebulosa (Fuzzy) Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisIndicadores essenciais de avaliação econômico financeira
Nesse artigo falaremos sobre: O que saber durante a compra e venda de empresas Indicadores essenciais de avaliação econômico financeira Planilhas para usar durante a compra e venda de empresas O que saber
Leia mais5 Usando as Representações de Design Rationale
5 Usando as Representações de Design Rationale Como mencionamos anteriormente, representar design rationale em uma linguagem formal usando o modelo formal dos artefatos nos permite atribuir semântica ao
Leia maisUTFPR - Universidade Tecnológica Federal do Paraná. Processamento e otimização de consultas
UTFPR - Universidade Tecnológica Federal do Paraná Processamento e otimização de consultas Leyza Baldo Dorini 04/Nov/2009 Programação da aula Introdução: processamento e otimização de consultas Etapas:
Leia mais19 Congresso de Iniciação Científica APLICAÇÃO DA LÓGICA NEBULOSA A MODELO DE CONHECIMENTO DO PROCESSO DE MINERAÇÃO DE DADOS
19 Congresso de Iniciação Científica APLICAÇÃO DA LÓGICA NEBULOSA A MODELO DE CONHECIMENTO DO PROCESSO DE MINERAÇÃO DE DADOS Autor(es) ANDRE DE ANDRADE BINDILATTI Orientador(es) ANDERSON BERGAMO, ANA ESTELA
Leia maisIntrodução aos Conjuntos
Introdução aos Conjuntos Nebuloso (Fuzzy) Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B niversidade Estadual de Feira de Santana Informações imprecisas Termos imprecisos
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
Leia maisCOMPARAÇÃO ENTRE CONTROLADORES PID CLÁSSICO E PID FUZZY COM GANHO PROGRAMADO NO SISTEMA DE AZIMUTE
COMPARAÇÃO ENTRE CONTROLADORES PID CLÁSSICO E PID FUZZY COM GANHO PROGRAMADO NO SISTEMA DE AZIMUTE Brehme D. R. de MESQUITA (1); Jefferson A. L. e SILVA (2); André M. D. FERREIRA (3) (1) Instituto Federal
Leia mais2 Descrição do Sistema
31 2 Descrição do Sistema O giroscópio mecânico foi largamente utilizado como um instrumento de navegação em navios e aviões [34]. A tecnologia mecânica vem aos poucos sendo substituída por dispositivos
Leia maisTP034-Tópicos Especiais de Pesquisa Operacional I
TP34-Tópicos Especiais de Pesquisa Operacional I (Conjuntos Difusos Princípio da Extensão) Prof. Volmir Wilhelm Curitiba, Paraná, Brasil Gráficos difusos Um gráfico difuso descreve um mapeamento funcional
Leia maisMICROECONOMIA 1. Departamento de Economia, Universidade de Brasília Notas de Aula 10 Graduação Prof. José Guilherme de Lara Resende.
MICROECONOMIA 1 Departamento de Economia, Universidade de Brasília 10 Graduação Prof. José Guilherme de Lara Resende 1 Preferência Revelada As preferências das pessoas não são observáveis. O que podemos
Leia maisJADEX: A BDI REASONING ENGINE. Alexander Pokahr, Lars Braubach e Winfried Lamersdorf Springer US - Multi-Agent Programming 2005 pp.
JADEX: A BDI REASONING ENGINE Alexander Pokahr, Lars Braubach e Winfried Lamersdorf Springer US - Multi-Agent Programming 2005 pp. 149-174 Volume 15 Motivação Existem muitas plataformas para desenvolvimento
Leia maisInteligência Artificial
DSC/CCT/UFC Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Representação do Conhecimento (Lógica Fuzzy) Prof.
Leia maisAlgoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
Leia maisVORTAL AUCTIONS Menos tempo e custos nos seus processos de aquisição
www.vortal.biz VORTAL AUCTIONS Menos tempo e custos nos seus processos de aquisição TIPOS DE LEILÃO MAIOR EFICÁCIA NAS SUAS COMPRAS COMO FUNCIONA RECURSOS E FUNCIONALIDADES MUITO MAIS DO QUE UM SOFTWARE
Leia maisTPref-SQL, uma linguagem de consultas para bancos de dados com suporte a preferências temporais
TPref-SQL, uma linguagem de consultas para bancos de dados com suporte a preferências temporais Autor: Marcos Roberto Ribeiro 1, Orientadora: Sandra Aparecida de Amo 1 1 Programa de Pós-Graduação em Ciência
Leia maisTomada de Decisão Estratégica
EXERCÍCIO N N Tópico Tópico 1 2 Sistemas Tomada de de Informação Decisão Estratégica nos negócios DCC133 Introdução a Sistemas de Informação TÓPICO 2 Tomada de Decisão Estratégica Prof. Tarcísio de Souza
Leia mais6 Estudo de Casos: Valor da Opção de Investimento em Informação por Aproximação com Números Fuzzy 6.1. Introdução
6 Estudo de Casos: Valor da Opção de Investimento em Informação por Aproximação com Números Fuzzy 6.1. Introdução Este capítulo apresenta o segundo estudo de casos, no qual também são empregados números
Leia mais7 Conclusão. 7.1 Principais Contribuições Originais
97 7 Conclusão Uma metodologia eficiente e segura é proposta para prever a propagação de trincas de fadiga sob carregamento de amplitude variável em estruturas bidimensionais com geometria 2D complexa.
Leia maisCOMPARAÇÃO DE TÉCNICAS DE CONTROLE APLICADAS A UM SISTEMA DE LEVITAÇÃO MAGNÉTICA
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol., N., 04. rabalho apresentado no CMAC-Sul, Curitiba-PR, 04. COMPARAÇÃO DE ÉCNICAS DE CONROLE APLICADAS A UM SISEMA
Leia maisUso de Lógica Fuzzy no Auxílio ao Acompanhamento Automático de Alunos utilizando um Ambiente de Aprendizagem
Uso de Lógica Fuzzy no Auxílio ao Acompanhamento Automático de Alunos utilizando um Ambiente de Aprendizagem Práticas de ensino de algoritmos Péricles Miranda Resumo Os professores enfrentam diversos desafios
Leia maisUm Simulador de um Ambiente de Negociação na Bolsa de Valores Baseado em Sistemas Multi- Agentes. Diêgo Bispo Conceição
Um Simulador de um Ambiente de Negociação na Bolsa de Valores Baseado em Sistemas Multi- Agentes. Diêgo Bispo Conceição diego.bispo@gmail.com Agenda Introdução SMA e Mercado Financeiro Limitações do MASSES
Leia maisAprendizado, minimização do arrependimento e equilíbrio (Learning, Regret Minimization, and Equilibria)
Aprendizado, minimização do arrependimento e equilíbrio (Learning, Regret Minimization, and Equilibria) Victor Alberto Romero Instituto de Matemática e Estatística Universidade de São Paulo Teoria dos
Leia mais3 Estimação e Compensação de movimento na codificação de vídeo
Estimação e Compensação de movimento na codificação de vídeo 36 3 Estimação e Compensação de movimento na codificação de vídeo O objetivo do modelo temporal (que engloba as fases de estimação e compensação
Leia maisDescrição do processo de Modelagem e Simulação em quatro etapas no ambiente AMESim
Descrição do processo de Modelagem e Simulação em quatro etapas no ambiente AMESim Similarmente a outros softwares de modelagem e simulação, a utilização do sistema AMESim está baseada em quatro etapas:
Leia maisMétodos de Inferência Fuzzy
Métodos de Inferência Fuzzy Prof. Paulo Cesar F. De Oliveira, BSc, PhD 16/10/14 Paulo C F de Oliveira 2007 1 Seção 1.1 Método de Mamdani 16/10/14 Paulo C F de Oliveira 2007 2 Professor Ebrahim Mamdani
Leia maisCLASSIFICAÇÃO DE FORNECEDORES POR FUZZY LOGIC
CLASSIFICAÇÃO DE FORNECEDORES POR FUZZY LOGIC Rogério Atem de Carvalho, M.Sc. Professor do CEFET/Campos - Rua Dr. Siqueira 273, Pq. Dom Bosco, CEP 28030-130, Campos/RJ Aluno de Pós-Graduação em 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 maisModelos Probabilísticos
Modelos Probabilísticos Somente para lembrar... Modelos são extremamente importantes para o estudo do desempenho de um sistema antes de implementá-lo na prática! Foguete proposto tem confiabilidade? Devemos
Leia maisCONTROLADOR FUZZY PARA MOTOR A RELUTÂNCIA. Dr. Tauler Teixeira Borges Departamento de Engenharia Universidade Católica de Goiás
CONTROLADOR FUZZY PARA MOTOR A RELUTÂNCIA Dr. Tauler Teixeira Borges Departamento de Engenharia Universidade Católica de Goiás Dr. Haroldo Rodrigues de Azevedo Faculdade de Engenharia Elétrica Universidade
Leia mais3 Arquitetura MVC baseada em modelos
Arquitetura MVC baseada em modelos 30 3 Arquitetura MVC baseada em modelos 3.1. Visão geral Na arquitetura proposta os componentes de Controle e Visão, da arquitetura tradicional do padrão de projetos
Leia maisMODELAGEM E SIMULAÇÃO
MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Análise da Decisão Pela própria natureza da vida, todos nós devemos continuamente
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia 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 maisIdentificando a necessidade de um sistema Fuzzy
Identificando a necessidade de um sistema Fuzzy Sempre que ocorrem ajustes em máquinas com o objetivo de redução de perdas e de matéria prima, como função de julgamento de um operador é interessante a
Leia maisSistema de Inferência Fuzzy. Prof. Juan Mauricio Villanueva
Sistema de Inferência Fuzzy Prof. Juan Mauricio Villanueva jmauricio@cear.ufpb.br http://app.cear.ufpb.br/~juan/ 1 Introdução Lógica Fuzzy É uma ferramenta que permite capturar informações imprecisas,
Leia maisTipos de Estratégia de Vendas
Este conteúdo faz parte da série: Vendas Ver 7 posts dessa série Quando o assunto é vender mais, não existe um empresário ou gestor que não esteja interessado em aprender um pouco mais do que fazer para
Leia maisRedes Neurais e Sistemas Fuzzy
1. Inteligência Computacional Redes Neurais e Sistemas Fuzzy Apresentação da disciplina Conceitos básicos A chamada Inteligência Computacional (IC) reúne uma série de abordagens e técnicas que tentam modelar
Leia maisUTILIZAÇÃO DE REGRAS PARA ADAPTAÇÃO DE HIPERMÍDIA
UTILIZAÇÃO DE REGRAS PARA ADAPTAÇÃO DE HIPERMÍDIA Eliane Pozzebon eliane@inf.ufsc.br Jorge Muniz Barreto barreto@inf.ufsc.br Universidade Federal de Santa Catarina (UFSC) Departamento de Ciências Exatas
Leia mais17º Congresso de Iniciação Científica APLICAÇÃO DA ENGENHARIA BASEADA EM CONHECIMENTO NA ANÁLISE CINEMÁTICA DE ROBÔS INDUSTRIAIS
17º Congresso de Iniciação Científica APLICAÇÃO DA ENGENHARIA BASEADA EM CONHECIMENTO NA ANÁLISE CINEMÁTICA DE ROBÔS INDUSTRIAIS Autor(es) CARLOS ALBERTO DE SOUZA BARROSO Orientador(es) KLAUS SCHÜTZER
Leia maisEXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR. QUESTÃO 1: Indique as afirmativas verdadeiras.
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR QUESTÃO 1: Indique as afirmativas verdadeiras. ( ) O número Pi não pode ser representado de forma exata em sistemas numéricos de
Leia maisAPLICAÇÃO DE ANALISE DE RISCO DE CLIENTE PARA TOMADA DE CRÉDITO UTILIZANDO LÓGICA FUZZY TOOLBOX DO MATLAB. Diogo Mendes.
APLICAÇÃO DE ANALISE DE RISCO DE CLIENTE PARA TOMADA DE CRÉDITO UTILIZANDO LÓGICA FUZZY TOOLBOX DO MATLAB Diogo Mendes. Luciana Wanderley Especialização em Engenharia de Sistemas Universidade Estadual
Leia maisAnálise Descritiva de Dados
Análise Descritiva de Dados 1 Estatística estatística descritiva estatística inferencial 2 Estatística descritiva Envolve técnicas que permitem representar, mensurar e analisar um conjunto de dados 3 Estatística
Leia mais1 Introdução. I know because I must know. It's my purpose. It's the reason I'm here. (The Matrix) 1.1 Objetivos do trabalho
1 Introdução I know because I must know. It's my purpose. It's the reason I'm here. (The Matrix) 1.1 Objetivos do trabalho Os hardwares gráficos atualmente podem ser considerados como verdadeiros processadores
Leia maisSistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy
Sistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy Profa. Dra. Sarajane M. Peres e Prof. Dr. Clodoaldo A. M. Lima EACH USP http://each.uspnet.usp.br/sarajane/ } Baseado em: Dimensão Topológica
Leia maisMercados de Emparelhamento
Mercados de Emparelhamento Redes Sociais e Econômicas Prof. André Vignatti Mercados de Emparelhamento Mercados - interação econômica entre pessoas numa rede estruturada Mercados de Emparelhamento modelam:
Leia maisValores de Trocas Sociais Fuzzy em Agentes com Personalidades
Valores de Trocas Sociais Fuzzy em Agentes com Personalidades André V. dos Santos 1, Graçaliz P. Dimuro 1, Benjamín C. Bedregal 2 1 Programa de Pós-graduação em Informática UCPel Rua Félix da Cunha, 412
Leia maisCusto de Vida. Copyright 2004 South-Western
Custo de Vida 16 Custo de Vida Inflação é o aumento do nível de preços geral da economia. A taxa de inflação é a mudança percentual do nível de preço em relação ao período anterior. Índice de Preço ao
Leia maisIA - Planejamento II
PO IA - Planejamento II Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 16 de Novembro de 2010 1 / 48 PO http://www.ic.unicamp.br/
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisRetargeting 101. Seu guia para o marketing no e-commerce
Retargeting 101 Seu guia para o marketing no e-commerce 1 ÍNDICE 3 4 5 6 7 Introdução O que é retargeting? Como o retargeting funciona? Por que o retargeting é importante? O que é indispensável: um checklist
Leia maisAlguns Exercícios Resolvidos
Princípios de Análise e Projeto de Sistemas com UML 3ª edição, 2015, Eduardo Bezerra Alguns Exercícios Resolvidos Capítulo 1 Exercício 1.1 Sim, porque ele representa graficamente um objeto do mundo real
Leia maisFerramenta para simulação dinâmica de sistema de manufatura baseada em modelos de construção flexivel.
para simulação dinâmica de sistema de manufatura baseada em modelos de construção flexivel. Fábio Luis Oliveira dos Reis (UFBA) flreis@ufba.br Leizer Schnitman (UFBA) leizer@area1.br Herman Augusto Lepikson
Leia maisANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA º PERÍODO - 7º MÓDULO AVALIAÇÃO A1 DATA 10/09/2009 ENGENHARIA DE USABILIDADE
ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 4º PERÍODO - 7º MÓDULO AVALIAÇÃO A1 DATA 10/09/2009 ENGENHARIA DE USABILIDADE 2009/2 GABARITO COMENTADO QUESTÃO 1: 1. Considere as afirmações a seguir:
Leia maisSketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010])
Sketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010]) Marco Antonio de A. Silva Programa de Pós-Graduação em Ciência da Computação - PPGCC Departamento de Computação - DECOM Universidade
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Parte II: Modelagem de Sistemas Professor: Reinaldo Gomes reinaldo@computacao.ufcg.edu.br Modelos Modelo é uma abstração de um sistema real Apenas as características
Leia maisAvaliação de Desempenho de Sistemas Discretos
Modelos Avaliação de Desempenho de Sistemas Discretos Parte II: Modelagem de Sistemas Modelo é uma abstração de um sistema real Apenas as características importantes para a avaliação devem ser consideradas
Leia maisIdentificação Automática de Problemas de Usabilidade em Interfaces de Sistemas Web através de Lógica Fuzzy
Trabalho apresentado no DINCON, Natal - RN, 2015. 1 Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Identificação Automática de Problemas de Usabilidade em Interfaces
Leia maisEngenharia de Software
PLANO DE AVALIAÇÕES Engenharia de Software 1ª AP: 08 de setembro 2ª AP: 13 de outubro 3ª AP: 10 de novembro NAF: 17 de novembro Referência bibliográfica: SOMMERVILLE, I. Engenharia de Software. 8ª ed.
Leia maisINTELIGÊNCIA COMPUTACIONAL EM AMBIENTES DE PROCESSAMENTO PARALELO. Lamartine N. F. Guimarães.
INTELIGÊNCIA COMPUTACIONAL EM AMBIENTES DE PROCESSAMENTO PARALELO Lamartine N. F. Guimarães. Roteiro Inteligência Computacional: Problemas. Os BEOWULFS do IEAv. Possibilidades de Paralelismo. Redes neurais:
Leia mais3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução
3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução Como já mencionado na seção 1.1, as SVMs geram, da mesma forma que redes neurais (RN), um "modelo caixa preta" de
Leia maisExemplo: Monopólio de segundo grau
Notas de Aula - Teoria dos Jogos - FCE/UERJ 2016.2 (Versão preliminar - favor não circular) Professor Pedro Hemsley Horário: xxxx Sala: xxxx Ementa e informações relevantes: página do curso 1 Seleção Adversa
Leia maisUML (Linguagem Modelagem Unificada) João Paulo Q. dos Santos
UML (Linguagem Modelagem Unificada) João Paulo Q. dos Santos joao.queiroz@ifrn.edu.br Roteiro A importância da UML para projetar sistemas. Principais características do diagrama de classes e de sequência.
Leia maisGERENCIAMENTO DAS AQUISIÇÕES DO PROJETO
GERENCIAMENTO DAS AQUISIÇÕES DO PROJETO Gerenciamento das aquisições do projeto inclui os processos necessários para comprar ou adquirir produtos, serviços ou resultados externos à equipe do projeto. A
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Dentre a grande variedade de sistemas que podem ser modelados e para os quais a simulação pode ser aplicada com proveito, uma classe
Leia maisCONJUNTOS, LÓGICA E SISTEMAS FUZZY
COE 765 TÉCNICAS INTELIGENTES APLICADAS A SISTEMAS DE POTÊNCIA CONJUNTOS, LÓGICA E SISTEMAS FUZZY Djalma M. Falcão COPPE/UFRJ Agosto de 2002 INTRODUÇÃO Modelos matemáticos convencionais são: Crisp, isto
Leia maisTeoria do consumidor. Propriedades do Conjunto Consumo,
Teoria do consumidor 1 Pedro Rafael Lopes Fernandes Qualquer modelo que vise explicar a escolha do consumidor é sustentado por quatro pilares. Estes são o conjunto consumo, o conjunto factível, a relação
Leia maisFinanças em Projetos de TI. Profa. Liliam Sakamoto Aula 9
Finanças em Projetos de TI Profa. Liliam Sakamoto Aula 9 Assuntos da aula de hoje: Resumo das metodologias de análise de projetos de investimentos Aquisições Payback É o período de tempo necessário para
Leia maisAnálise de Mercados competitivos Parte 1
Análise de Mercados competitivos Parte 1 1. Avaliação de Ganhos e Perdas Resultantes de Políticas Governamentais: Excedentes do Consumidor e do Produtor 2. Eficiência do Mercado Competitivo 3. Preços Mínimos
Leia mais, cosh (x) = ex + e x. , tanh (x) = ex e x 2
Exercícios Adicionais 1. Podemos definir as funções seno, cosseno e tangente hiperbólicos como: sinh (x) = ex e x, cosh (x) = ex + e x, tanh (x) = ex e x e x + e x Escreva três funções no Scilab que implementem
Leia maisCAPÍTULO VI Dimensionamento de lotes - Lot Sizing
CAPÍTULO VI Dimensionamento de lotes - Lot Sizing O sistema MRP converte o programa director de produção em planos de lançamentos para a produção, montagem e/ou compra, faseados no tempo, para todos os
Leia mais1 - A capacidade de fluxo que corresponde a capacidade máxima que pode passar pelo arco.
CONCEITOS DE REDE Uma rede é formada por um conjunto de nós, um conjunto de arcos e de parâmetros associados aos arcos. Nós Arcos Fluxo Interseções Rodovias Veículos Rodoviários Aeroportos Aerovia Aviões
Leia mais5 Detalhamento da solução
5 Detalhamento da solução Partindo das equações estabelecidas no capítulo 3 e da técnica de otimização definida no capítulo 4, chega-se a uma solução concreta para o problema que será detalhado nesse capítulo.
Leia maisRequisitos de sistemas
Requisitos de sistemas Unidade III - Casos de Uso Identificação de casos de uso Conceitos de orientação a objetos Modelagem do diagrama de classes e casos de uso 1 Casos de uso CONCEITO Especifica o comportamento
Leia maisConceitos Básicos INTRODUÇÃO À COMPUTAÇÃO E SUAS APLICAÇÕES
FACULDADE DOS GUARARAPES INTRODUÇÃO À COMPUTAÇÃO E SUAS APLICAÇÕES Conceitos Básicos Prof. Rômulo César romulodandrade@gmail.com romulocesar@faculdadeguararapes.edu.br www.romulocesar.com.br INTRODUÇÃO
Leia maisMicroeconomia. Mercados Competitivos e Eficiência Econômica. Prof.: Antonio Carlos Assumpção
Microeconomia Mercados Competitivos e Eficiência Econômica Prof.: Antonio Carlos Assumpção Análise de Mercados Competitivos A análise de mercados competitivos Os excedentes do produtor e consumidor Calculando
Leia mais2 Reconhecimento Facial
2 Reconhecimento Facial Em termos gerais, o reconhecimento facial é o processo pelo qual se mede o grau de similaridade entre duas imagens faciais com o proposito de identificar a um indivíduo ou de verificar
Leia mais27/8/2011. Princípios, Conceitos e Metodologia de Gestão 2o semestre de 2011 Professores: Alexandre Mota / Lia Mota Agosto/2011
Tomada de Decisão e Regras Nebulosas Princípios, Conceitos e Metodologia de Gestão 2o semestre de 2011 Professores: Alexandre Mota / Lia Mota Agosto/2011 Representação Matemática de Incertezas Padrões
Leia maisModelando sistemas Multiagentes Analisando Metodologias
Modelando sistemas Multiagentes Analisando Metodologias Ricardo Almeida Venieris Ricardo.almeida@les.inf.puc-rio.br Modelagem e Implementação OO de Sistemas Multi-Agentes Dissertação apresentada ao Departamento
Leia maisReconhecimento das cores do MSX por Lógica Fuzzy
Reconhecimento das cores do MSX por Lógica Fuzzy Resumo O objetivo deste artigo é demonstrar como é possível reconhecer as cores nativas do MSX 1 a partir de imagens de 24 bits do PC. 1- Introdução A redução
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 mais# $ % & ' ( ) * ' ( ) *! " " Orientador +, -
#$ %&'()* '()*!"" Orientador +,- ."%&/0#12 3"/%'0)/))&/ )4506 7" %/0)/))&/ 8906 8)) :"'/0)/))&/ '% '); Um roteador recebe em alguma de suas interfaces um pacote vindo da rede local ou da rede externa.
Leia maisCapítulo 7: Representação gráfica de equações paramétricas 127. (x(t),y(t)) y(t) = v 0 t sin q (g/2)tñ. x(t) = v 0 t cos q
Capítulo 7: Representação gráfica de equações paramétricas 7 Visão geral da representação gráfica de equações paramétricas... 128 Descrição das etapas do procedimento para a representação de equações paramétricas...
Leia maisANÁLISE QUANTITATIVA DE UM PÊNDULO INVERTIDO CONTROLADO POR PID E LÓGICA FUZZY
ANÁLISE QUANTITATIVA DE UM PÊNDULO INVERTIDO CONTROLADO POR PID E LÓGICA FUZZY Adryano Fernandes Resende 1, Jackson Gonçalves Ernesto 2, Fábio Augusto Gentilin³ 1,2 Acadêmicos do Curso de Engenharia de
Leia maisAPLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS
APLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS Alexandre Ferreira de Pinho, Mestrando Escola Federal de Engenharia de
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisIntrodução. O cenário:
Introdução O Beer Game (Jogo da Cerveja) é um jogo de simulação desenvolvido no MIT (Massachusetts Institute of Technology) na década de 60 com o objetivo de apresentar as vantagens de se utilizar uma
Leia maisVamos estudar o que se entende por «programação», que é uma linguagem de programação e ver algumas terminologias própria de programação e como
Vamos estudar o que se entende por «programação», que é uma linguagem de programação e ver algumas terminologias própria de programação e como utilizá-la. 1 Por si só, uma equipe não é muito inteligente.
Leia maisLógica de Programação
Resolução de problemas utilizando computador Módulo II Prof. RANILDO LOPES Computador: ferramenta para processamento automático de dados Processamento de dados: atividade que transforme dados de entrada
Leia maisMODELO DE GESTÃO DE ATIVOS E PASSIVOS PARA UM FUNDO DE PENSÃO
MODELO DE GESTÃO DE ATIVOS E PASSIVOS PARA UM FUNDO DE PENSÃO Aluno: Julia Romboli Tardin Costa Orientador: Davi Michel Valladão Introdução Este trabalho propõe uma metodologia para a gestão de ativos
Leia maisSistemas Baseados em Conhecimento
Sistemas Baseados em Conhecimento Profa. Josiane M. P. Ferreira Baseado no capítulo 2 do livro Sistemas Inteligentes Fundamentos de Aplicações, organizadção: Solange Oliveira Rezende, ed. Manole, 2005.
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia maisEngenharia de Software Processo de Desenvolvimento de Software
Engenharia de Software Processo de Desenvolvimento de Software Prof. Elias Ferreira Elaborador por: Prof. Edison A. M. Morais Objetivo (1/1) Conceituar PROCESSO E CICLO DE VIDA, identificar e conceituar
Leia maisEstimativa de Posição 3D de Obstáculos para VANTs
Estimativa de Posição 3D de Obstáculos para VANTs Rodolfo Barros Chiaramonte, Kalinka Regina Lucas Jaquie Castelo Branco Institute of Mathematics and Computing Sciences (ICMC) University of São Paulo (USP),
Leia maisSISTEMA DE GESTÃO ERP
SISTEMA DE GESTÃO ERP DEFINIÇÃO, CONCEITUAÇÃO E IMPLEMENTAÇÃO DE BPM E TÉCNICAS DE MODELAGEM DE PROCESSOS Walison de Paula Silva Agenda BPM MODELAGEM DE PROCESSOS Sistemas de Gestão ERP BPM - Business
Leia mais