Geração de colunas com divisão em clusters para o problema de programação quadrática binária irrestrita
|
|
- Maria Luiza Gesser Mendes
- 6 Há anos
- Visualizações:
Transcrição
1 Geração de coluas com divisão em clusters para o problema de programação quadrática biária irrestrita Resumo Geraldo Regis Mauri Luiz Atoio Nogueira Lorea Este trabalho propõe uma ova alterativa de geração de coluas (GC), baseada a relaxação lagrageaa com divisão em clusters (LagClus), para resolução do Problema de Programação Quadrática Biária Irrestrita (PQ). O PQ é um dos problemas clássicos de otimização ão-liear, cujo objetivo é resolver uma fução quadrática por meio da escolha de valores biários apropriados para as variáveis de decisão. A GC proposta trata um modelo liear iteiro misto (PQL) do PQ, que tem restrições represetadas por meio de um grafo e é dividido através de uma heurística de particioameto. Além de ecotrar soluções viáveis, o método proposto aida apreseta duas formas alterativas para obteção de limitates para o PQ. Foram realizados vários experimetos computacioais, utilizado-se istâcias de difícil solução com diferetes características. A GC é comparada a métodos tradicioais de relaxação lagrageaa e outros métodos propostos recetemete, sedo que os resultados apresetados são superiores para a maioria das istâcias cosideradas. Palavras-chave: Programação quadrática. Geração de coluas. Relaxação lagrageaa. Itrodução O Problema de Programação Quadrática Biária Irrestrita (PQ) cosiste em maximizar (ou miimizar) uma fução objetivo quadrática através da escolha de valores apropriados para as variáveis de decisão biárias (BEASLEY, 998). O PQ é um problema NP-Hard (BILLIONNET; ELLOUMI, 2007) clássico a área de otimização ão-liear. Esse problema aborda aplicações em diversas áreas, como: biologia molecular (PHILLIPS; ROSEN, 994); plaejameto de ivestimetos e aálise fiaceira (LAUGHUNN, 970; McBRIDE; YORMARK, 980), e algus problemas do tipo CAD (KRARUP; PRUZAN, 978). Além disso, o PQ aida aborda iúmeros problemas modelados através de grafos, como clique máximo, máximo cojuto idepedete e outros (PARDALOS; PHILLIPS, 990; PARDALOS; RODGERS, 992; PARDALOS; XUE, 994). Os métodos exatos existetes para resolução do PQ (BILLIONNET; SUTTER, 994; PARDALOS; RODGERS, 990a; PARDALOS; RODGERS, 990b) são restritos a problemas com até 200 variáveis. Já os métodos heurísticos (BEASLEY, 998; GLOVER et al., 998; PARDALOS; JHA, 992) têm apresetado bos resultados para istâcias com até 2500 variáveis. Uma prática comum para resolver o PQ é a liearização do seu modelo origial (ADAMS et al., 2004; GLOVER; WOOLSEY, 974; HANSEN; MEYER, 2009), ou seja, a obteção de um modelo liear equivalete cujas soluções são correspodetes ao modelo quadrático origial. Dessa forma, o PQ é trasformado em um problema liear iteiro misto, o que permite a relaxação liear de suas variáveis de decisão e, cosequetemete, a obteção de um limitate para a solução do problema origial. Esse limitate é cohecido como roof dual (ADAMS; DEARING, 994; BOROS et al., 990; BOROS et al., 992; HAMMER et al., 984). Além desses métodos, a relaxação do problema para obteção de limitates (ADAMS; DEARING, 994; CHARDAIRE; SUTTER, 995) tem apresetado bos resultados para o PQ. Essa abordagem possui a vatagem de defiir limitates para a solução ótima e pode apresetar uma iformação de boa qualidade, o que permite avaliar
2 56 Mauri e Lorea a proximidade da melhor solução ecotrada em relação à solução ótima do problema. Uma estratégia usada para relaxar o problema origial é a sua divisão em problemas meores, com as mesmas características. Essa divisão pode ser realizada através do particioameto do grafo, que represeta o problema em clusters formados por vértices e arestas. Essa estratégia ão garate a obteção de uma solução viável para o problema completo, pois algumas arestas são igoradas. Etretato, uma maeira de cosiderar essas arestas é relaxá-las o setido lagrageao e ecotrar um limitate de boa qualidade para o problema origial. Essa é a ideia da relaxação lagrageaa baseada em clusters - LagClus (RIBEIRO, 2007; RIBEIRO; LORENA, 2007; RIBEIRO; LORENA, 2008). Este trabalho propõe um método de geração de coluas baseado a relaxação lagrageaa do problema através de sua divisão em clusters (LagClus). Esse método trata um modelo liear iteiro misto (PQL) do PQ que tem restrições represetadas através de um grafo, que é particioado através da heurística METIS (KARYPIS; KUMAR, 998). É formado, etão, um problema coordeador (problema mestre restrito) e um subproblema para cada cluster, que são utilizados para geração de ovas coluas. Além de ecotrar soluções viáveis, o método proposto aida apreseta duas formas para obteção de limitates para o PQ. O restate do artigo está assim orgaizado: a Seção 2, é apresetada uma breve revisão bibliográfica acerca do problema abordado. Na Seção 3, são apresetados os modelos matemáticos utilizados. Na Seção 4, descreve-se o método proposto e, a Seção 5, são apresetadas algumas formas já existetes para obteção de limitates para o PQ. Os resultados computacioais são apresetados a Seção 6 e as coclusões são resumidas a Seção 7. 2 Revisão bibliográfica Uma abordagem trivial para obteção de limitates para o Problema Quadrático da Mochila (PQM) é apresetada por Billioet e Calmels (996). Essa abordagem é baseada a liearização do problema origial e a resolução desse modelo liear por meio da relaxação liear de suas variáveis de decisão. Os Autores mostram que esses limitates são de qualidade moderada. Além disso, eles utilizam a iserção de restrições de corte de Chvatal Gomory, que apresetam melhores limitates para o PQM. Adams e Dearig (994) apresetam uma discussão acerca da obteção de limitates para o PQ. Eles apresetam um modelo liear para o problema, que é obtido através da técica de liearização de Glover e Woolsey (974). Várias estratégias de liearização do PQ são apresetadas e discutidas em Adams et al. (2004) e Hase e Meyer (2009). Vários métodos baseados em busca em árvores para resolver o PQ são ecotrados a literatura. Gulati et al. (984) apresetam um método de busca em árvore, baseado a eumeração de ótimos locais, que resolve problemas com até 40 variáveis. Pardalos e Rodgers (990a) apresetam um método de busca em árvore que utiliza limitates baseados a fixação de variáveis em cada ó da árvore. Os resultados tratam problemas com até 200 variáveis. Pardalos e Rodgers (990b) apresetam uma versão paralelizada de um brach-ad-boud capaz de resolver problemas com até 00 variáveis. Billioet e Sutter (994) apresetam um método de busca em árvore capaz de resolver problemas com até 00 variáveis. Palubecis (995) propõe uma busca em árvore heurística que apreseta resultados para problemas com até 247 variáveis. Uma heurística baseada a Busca Tabu é proposta por Glover et al. (998). Essa heurística resolve problemas com até 500 variáveis. Beasley (998) apreseta uma comparação etre duas metaheurísticas para resolver o PQ. Ele utiliza a Busca Tabu e o Simulated Aealig para resolver problemas com até 2500 variáveis (com baixa desidade). A Busca Tabu apreseta os melhores resultados para a maioria dos problemas utilizados. Já o Simulated Aealig supera a Busca Tabu para os problemas com maior úmero de variáveis. Pardalos e Jha (992) discutem a complexidade computacioal de vários problemas relacioados com o PQ e apresetam uma heurística de busca local para resolvê-los. Os resultados são apresetados para problemas com até 00 variáveis. Glover et al. (2002) apresetam várias heurísticas baseadas o algoritmo DDT (BOROS et al., 989) para resolução do PQ. Essas heurísticas são testadas através de várias istâcias com até 2500 variáveis. Billioet e Elloumi (2007) aplicam técicas de covexificação da fução objetivo do PQ e as resolvem via CPLEX (Ilog, 2006). Os métodos propostos apresetam resultados para istâcias com até 200 variáveis. A LagClus, apesar de recete, já apreseta bos resultados para vários problemas, como: carregameto de paletes (RIBEIRO; LORENA, 2007), rotulação cartográfica (RIBEIRO; LORENA, 2008), alocação de facilidades (CORRÊA et al., 2006), etre outros. 3 Formulações para o Programação Quadrática Biária Irrestrita Seja Q = [q ] mxm uma matriz de úmeros reais. O PQ pode ser formulado pela Equação (). m m i j x biário i= j= PQ : v(pq) = max q x x () Sem perder a geeralidade do problema, a matriz Q pode ser cosiderada simétrica (BILLIONNET; ELLOUMI, 2007). Logo, de forma aáloga à apresetada por Adams
3 Geração de coluas com divisão em clusters para o problema de programação quadrática biária irrestrita 57 e Dearig (994), o PQ pode ser reescrito da seguite forma: PQ : v(pq) = max q x + 2 q x x (2) m ii i x biário i = (i,j) P N i j em que N = {(i,j): i < j, q < 0} e P = {(i,j): i < j, q > 0} Pode-se, etão, aplicar a técica de liearização de Glover e Woolsey (974) em (2), substituido os termos quadráticos x i x j pela variável cotíua w e por restrições que garatam que w = x i x j. Logo, tem-se uma versão liear iteira mista de PQ (3-8). Por coveção, esse modelo será chamado PQL. w x 0 (i, j) P,i V, j V, =,..., (0) i w x 0 (i, j) P,i V, j V, =,..., () j x + x w i j (i, j) N,i V, j V, =,..., (2) w 0 (i, j) N,i V, j V, =,..., (3) w x 0 (i, j) P,i V, j X, =,..., (4) j (i,j) P N m i= ii i PQL : v(pql) = Max q x + + 2qw (3) x + x w i j (i, j) N,i V, j X, =,..., (5) Sujeito a w x 0 (i, j) P (4) i w x 0 (i, j) P (5) j x + x w (i, j) N (6) i j w 0 (i, j) N (7) x { 0, } i =,...,m (8) i Fica claro os modelos (), (2) e (3-8) que o úmero de elemetos da matriz Q utilizados em (2) e (3-8) será sigificativamete meor do que em (), pois esses casos são cosiderados apeas os elemetos ão ulos situados a metade superior e a diagoal pricipal dessa matriz. 4 Geração de coluas com divisão em clusters Dada a matriz Q descrita a seção aterior, pode-se criar um grafo G = (V,E) com V = {,,m} e uma matriz de adjacêcias E = [e ] mxm, e = se q 0 e e = 0 se q = 0. Particioado o grafo G em ( m) clusters idepedetes, tem-se V = V V 2... V, em que V i V j =, i,j =,...,, i j, G i = (V i,e i ), i =,...,, e X i = V V i, i =,...,. Logo, o PQL pode ser reescrito da seguite forma: PQL : v(pql ) = Sujeito a (9) Max q x q w ii i + 2 = i V (i,j) P N;i V ;j V x { 0, } i V, =,..., (6) i As restrições (0) e (3) tratam as arestas (i,j), cujos vértices i são iteros e os vértices j iteros ou exteros, ao cluster (subgrafo). As restrições () e (2) tratam as arestas (i,j), cujos vértices i e j são iteros ao cluster. Já as restrições (4) e (5) tratam apeas as arestas (i,j), cujos vértices i e j estão em clusters distitos. A Figura apreseta o exemplo de um grafo formado para um problema com seis variáveis (m = 6) e seu respectivo particioameto. Nesse exemplo, o grafo é particioado em dois clusters ( = 2) e duas arestas são cortadas, o que resulta a relaxação das restrições referetes a essas arestas. Um exemplo completo da aplicação da Geração de Coluas proposta este artigo pode ser ecotrado em Mauri (2008). Com o ituito de facilitar a compreesão do método proposto (GC), esse modelo (9)-(6) pode ser represetado matricialmete da seguite forma: ( ) x w = PQL : v(pql ) = Max q x + q w Sujeito a em que: x variáveis x i, i V ; A A A 2 2 B x A 2 b 0 B2 0 0 w ~ B x w b B x w q : é um vetor liha com os coeficietes das q w : é um vetor liha com os coeficietes
4 58 Mauri e Lorea Particioameto realizado pela METIS 5 Cluster Cluster Figura. Exemplo de particioameto de grafo. das variáveis w, i V e j V; B : é uma matriz com os coeficietes das variáveis (pertecetes ao cluster ) presetes as restrições (0)-(3); A : é uma matriz com os coeficietes das variáveis (pertecetes ao cluster ) presetes restrições (4)-(5); x : é um vetor colua com os valores das variáveis de decisão x i, i V ; w : é um vetor colua com os valores das variáveis de decisão w, i V e j V; ~: são os operadores relacioais ou, variado de acordo com as restrições; b A : vetor colua com os valores (0 ou ) do lado direito das restrições (4) e (5); e b B : vetor colua com os valores (0 ou ) do lado direitor das restrições (0)-(3). Relaxado as restrições (4) e (5) o setido lagrageao através do vetor de multiplicadores µ, (µ 0), o problema PQL (idiretamete o PQ) pode ser dividido em subproblemas idepedetes. Cosiderado R como sedo as restrições associadas ao subproblema, =,..., e d o úmero de restrições (5) relaxadas, cada subproblema pode ser represetado como descrito em (7), e a solução da relaxação do problema PQL em subproblemas (clusters) é dada pela Equação (8). LC PQL : v(lc PQL ) µ µ = ( ) T x (7) max qx qw µ A : x,w satisfazem R w d µ µ µ = p= LC PQL : v(lc PQL ) = v(lc PQL ) µ (8) A implemetação clássica da técica de geração de coluas utiliza um problema coordeador ou Problema Mestre Restrito (PMR) e subproblemas geradores de coluas para formá-lo. O PMR, através de suas variáveis duais, direcioa os subproblemas a busca de ovas coluas. Assim, aplicado a decomposição Datzig-Wolfe (BAZAARA et al., 990) para a relaxação liear (PL) do problema PQL, tem-se (Equação 9, 20, 2, 22): p s s ( ) PL PL = λ s x + w = s S PMR : v(pmr ) max q x q w Sujeito a = s S s x λs A ~b s w A { } (9) (20) λ =,..., (2) s S s λs 0 {,...,}, s S (22) O cojuto de potos extremos de R associados com as coluas geradas o PMR é dado por S. β é a variável dual associada com a -ésima restrição de covexidade de (2). x s e w s são vetores que defiem os potos extremos s S, ou seja, as soluções viáveis do subproblema defiido pelo cluster. λ s é a variável de decisão correpodete ao poto extremo s S, ou seja, λ s = se a colua s (uma solução para o subproblema ) pertecer a solução do PMR, e λ s = 0, caso cotrário. Para cada subproblema (7), pode-se substituir o vetor de multiplicadores lagrageaos µ pelo vetor de variáveis duais α associado com as restrições (20) e, de uma forma alterativa, cada subproblema pode ser descrito pela Equação (23) e a relaxação do PQL, em clusters, por (24). Z = max ( ) T x (23) qx qw α A : x,w satisfazem R w α α d = p= LC PQL : v(lc PQL ) = Z + α (24) A partir de etão, uma ova colua gerada pelo subproblema é iserida o PMR se o seu custo reduzido p
5 Geração de coluas com divisão em clusters para o problema de programação quadrática biária irrestrita 59 θ for positivo, isto é, θ = Z β > 0. Assim, o PMR coordea as soluções dos problemas por meio de suas variáveis duais, buscado uma solução para o problema origial. O PMR iicial é gerado através da heurística apresetada a Figura 2. Essa heurística utiliza a busca local apresetada em Beasley (998). Em seguida, ovas coluas são geradas até que um critério de parada seja satisfeito e o PMR fial, formado por todas as coluas geradas, é resolvido de forma iteira (λ s {0,}); cosequetemete, sua solução será equivalete a uma solução viável para o PQL e, idiretamete, para o PQ. Por coveção, esse problema será tratado como PMR PLI e o valor de sua solução como v(pmr PLI ). A Figura 3 apreseta os procedimetos para execução da GC.. para v = até m faça 2. x v ; 3. Aplicar uma busca local e ecotrar a melhor solução viziha com x v fixo igual a ; 4. para cada variável w faça 5. se (x i = e x j = ) etão 6. w ; 7. seão 8. w 0; 9. fim-se; 0. fim-para;. Dividir as variáveis da solução ecotrada os respectivos clusters; 2. Criar uma colua para cada cluster com os valores das variáveis da solução; 3. Iserir as coluas o PMR; 4. fim-para. Figura 2. Formação do PMR iicial.. Ecotrar um cojuto iicial de coluas e formar o PMR (Figura 2); 2. Otimizar o PMR (via CPLEX) e obter o cojuto ótimo de variáveis duais; 3. Atualizar e resolver os subproblemas (23) via CPLEX; 4. se (, θ 0) ou v(lc α PQL ) = v(pmr PL ) etão 5. Parar, pois a solução ótima para o PMR foi ecotrada; 6. Resolver o PMR de forma iteira via CPLEX obter v(pmr PLI ); 7. seão 8. Iserir toda colua cujo θ > 0 o PMR; 9. Voltar ao passo 2; 0. fim-se; Figura 3. Execução do método proposto. A solução do PMR de forma iteira v(pmr PLI ) apreseta uma solução viável para o PQ. Já a solução do PMR através de sua relaxação liear v(pmr PL ) e a solução da relaxação com divisão em clusters v(lc α PQL ) apresetam limitates para o PQ. 5 Outros limitates para o Programação Quadrática Biária Irrestrita O valor da solução da relaxação liear do PQL (substituido a restrição (8) por 0 x i ) é um limitate trivial para o PQ (BILLIONNET; CALMELS, 996). Como apresetado em Adams e Dearig (994), esse limitate é cohecido como roof dual. Outro limitate para o PQ pode ser obtido através da iserção de uma restrição de corte de Chvatal-Gomory em PQL. Essa restrição é descrita a Equação (25). x + x + x w w w i j j i (i, j),( j,),(i,) P N (25) Essa restrição de corte é baseada em uma das restrições de corte apresetadas em Billioet e Calmels (996) para o Problema Quadrático da Mochila - PQM. Como mostrado pelos Autores, os limitates obtidos com a iserção de restrições de corte são melhores do que os apresetados pela relaxação liear do PQM. Por coveção, o modelo PQL com a restrição de corte será tratado como PQLC. A relaxação lagrageaa tradicioal das restrições (4), (5) e/ou (6) também pode ser utilizada para obteção de outros limitates para o PQ. Essas restrições podem ser combiadas de forma a gerar sete diferetes modelos para o problema (relaxado as restrições 4; 5; 6; 4 e 5; 4 e 6; 5 e 6; 4 e 5 e 6), sedo que a miimização de cada dual correspodete apreseta um limitate para o PQ. Todos esses sete modelos foram implemetados e os melhores resultados obtidos etre eles são apresetados a colua Lag, a Tabela. Mais detalhes acerca da relação lagrageaa são apresetados em Guigard (2003). 6 Experiêcia computacioal Vários experimetos computacioais trataram um cojuto de 45 istâcias dispoíveis a OR-Library (BeasLey, 990). Essas istâcias foram criadas através do gerador proposto por Pardalos e Rodgers (990a) e separadas em seis classes (A, B, C, D, E e F) com diferetes características (m, desidade e itervalo dos elemetos da matriz Q). Além de forecer os critérios para a criação das istâcias, os problemas das classes A, B e C foram apresetados este mesmo estudo, e os demais em Glover et al. (998). Segudo estes Autores, devido a suas características, essas istâcias estão etre as mais difíceis ecotradas a literatura. Todos os experimetos
6 520 Mauri e Lorea Tabela. Resultados obtidos pelos limitates apresetados. Ist m Dsde (%) Roof dual PQLC Lag GC Gap CPU Gap CPU Gap CPU LC α PQL PMR PL CPU a , ,7 2a , ,9 3a ,77 0 6,36 0 3,37 24,75 0,3 0,3 9,37 4a ,0 0,02 0,0 0,0 0,0 3,58 0,0 0,0 77,39 5a ,2 0,02,59 0,02 4,7 48,08 0,36 0,36 20,72 6a , ,67 0,03 8,48 2,5 0,4 0,4 0,36 7a ,5 0 0,58 0,05 7,69 3, ,28 8a 00 6, , ,48 b , , ,66 0,22 38,72 38,72 0,06 2b ,5 0,0 85,67 0,06 329,68 0,36 49,59 49,59 0,09 3b , ,82 0,08 429,66 0,74 52,54 52,54 0,3 4b ,60 0,0 325,06 0,6 538,65 0,95 47,67 47,67 0,28 5b ,67 0,02 32,78 0,39 534,36,03 39,00 39,00 0,67 6b ,77 0,03 49,8 0,64 680,98,53 52,05 52,05,08 7b ,50 0,05 425,00,06 690, 2,0 25,94 25,94,59 8b ,00 0,06 560,00,56 892,05 3,22 66,2 66,2 2,20 9b ,2 0,08 706,08 2,48 09,76 4,97 74,82 74,82 3,3 0b ,97 0,2 750,65 6,2 76,72 6,69 63,85 63,85 8,94 c ,57 0,02 2,3,08 7,27 254,89 3,77 2, ,08 2c ,79 0,05 25,5 0,9 20, ,84 0,60 9, ,35 3c ,04 0,03 22,27,7 4, ,95 2, ,95 4c ,62 0,03 20,03 0,6 9, 364,2 0,48 0,48 325,85 5c ,64 0,05 6,35 0,25 6,90 694,34 0,35 0,35 760,8 6c 90 0,48 0,0 0,30 0, , ,22 7c ,03 0 0, , ,69 d 00 0,53 0,02 8,27 0,08,73 206, ,4 2d ,9 0,06 64,3 0,67 44, ,94 33,69 8,58 36,64 3d ,94 0,4 58,08 4,67 57,69 382,78 70,83 6,25 369,8 4d ,52 0,28 73,7 4,73 92,5 3848,99 42,92 6, ,77 5d ,34 0,53 86,05 6,55 2, ,78 92,79 24, ,80 6d ,79 0,64 80,52 50,44 3,68 363,28 28,45 23,96 383,3 7d ,4 0,64 0,48 66,06 62, ,97 284,08 50,0 3706,08 8d ,24,42 05,85 06,72 5, ,86 288,40 49,3 3627,82 9d ,3,74 34,76 28,42 94,06 366,89 350,46 66, ,25 0d ,6 2,6 32,04 276,67 83, ,47 338,49 74,88 36,4 e ,27 0,30 35,26,33 28, ,38 4,20, ,04 2e ,48,49 83,86 26,58 94,4 4445,22 86,67 27,94 363,85 3e ,73 4,06 0,69 49,75 44, , 304,70 66, ,29 4e ,88 2,95 98,50 438,45 87, ,97 343,44 72,78 360,36 5e ,42 4,7 48,84 95,3 228,72 409,58 45,90 22, ,80 f ,28 29,55 26,2 89,6 24, ,53 359,56 0, ,75 2f ,20 235,80 64, ,83 297,34 54,75 577,28 0, ,00 3f ,68 078, ,33 375,66 292,80 0, ,56 4f , ,45 - -, , f , , ,4 397, Tempo médio: 73,96 4,32 220,58 959,05
7 Geração de coluas com divisão em clusters para o problema de programação quadrática biária irrestrita 52 foram realizados em um PC com processador AMD Athlo de 2.2 GHz com GB de memória RAM e o código-fote foi implemetado em C++. Para resolver a relaxação liear do problema (roof dual), a relaxação liear com a restrição de corte (PQLC) e o modelo PQL, foi utilizado o CPLEX 0.0. (ILOG, 2006), com o tempo limite de uma hora de processameto para cada istâcia. O dual lagrageao das relaxações lagrageaas tradicioais, apresetadas a seção aterior, foi otimizado através do algoritmo de subgradiete apresetado em Narciso e Lorea (999), que aproxima as soluções do problema o setido euclideao de distâcia (PARKER; RARDIN, 988). O CPLEX (ILOG, 2006) também foi utilizado para resolver os problemas de forma exata a cada iteração do algoritmo de subgradiete. O tempo limite para execução desse algoritmo também foi de uma hora. Na geração de coluas proposta, o PMR e os subproblemas também foram resolvidos através do CPLEX. Para a divisão do grafo G, foi utilizada a heurística METIS (KARYPIS; KUMAR, 998), que, segudo Hics et al. (2005), apreseta bos resultados para o particioameto de grafos. Essa heurística divide o grafo miimizado o úmero de arestas com termiações em clusters distitos. v( Solução) v(opt ) gap = 00 (26) v(opt ) Na Tabela, os gaps apresetados são calculados de acordo com a Equação (26), a qual v(opt) é o valor das melhores soluções cohecidas (GLOVER et al., 998) para as istâcias utilizadas e v(solução) é o valor dos limitates obtidos pelas abordages apresetadas. As coluas CPU apresetam o tempo de processameto, em segudos. A colua Dsde apreseta a desidade da matriz Q de cada istâcia e a colua Lag apreseta os melhores gaps obtidos pelas relaxações lagrageaas tradicioais (ver Seção 5). Os limitates (LC α PQL e PMR PL ) obtidos pela geração de coluas proposta (GC) apresetam os mesmos valores para as istâcias meores (A, B e C), o que idica a covergêcia completa do método. Diversamete, para as maiores, essa covergêcia ão acotece o tempo limite de uma hora de processameto. Etretato, os limitates obtidos apresetam exceletes gaps para todas as istâcias. Os melhores resultados estão destacados em egrito. A última liha da Tabela apreseta os tempos médios ecessários para obteção dos limitates para cada istâcia através do método correspodete. O úmero de clusters () utilizado para as istâcias das classes A, B, C e D foi igual a 2 e, para as istâcias das classes E e F, foram 3 e 5, respectivamete. A Tabela 2 apreseta as soluções iteiras obtidas para as istâcias das classes B e F. Nessa tabela, a colua Perc apreseta o percetual da solução obtida em relação à melhor solução cohecida ((v(solução)/v(opt))*00). Os resultados obtidos pela GC são comparados aos resultados apresetados pelas diferetes heurísticas apresetadas em Glover et al. (2002) e com o CPLEX (colua CPX). Como pode ser observado, em relação às heurísticas de Glover et al. (2002), a GC apresetou os melhores resultados para todas as istâcias da classe B e para as istâcias da classe F com desidade de até 50%. Já o CPLEX superou a GC em apeas três das dez istâcias da classe B, porém foi expressivamete pior para as primeiras istâcias da classe F. Para as demais, a GC ão foi capaz de ecotrar uma solução em um tempo aproximado de uma hora. O método descrito em Billioet e Elloumi (2007) ão foi capaz de resolver as istâcias da classe F e, segudo os Autores, todas as soluções ótimas foram ecotradas para as istâcias da classe B com um limite de tempo de duas horas de processameto, em um PC com processador Itel Petium IV de.6 GHz com GB de memória RAM. Glover et al. (2002) ão apresetam os tempos computacioais utilizados pelas heurísticas propostas. A GC proposta apresetou um tempo médio iferior a um segudo para resolver o PMR PLI para as istâcias da classe B e 2483,23 segudos, para a classe F. Logo, cosiderado os tempos para formar esse PMR (Tabela ), a GC apresetou um tempo total médio de 0,8 e 6970,33 segudos para as istâcias das classes B e F, respectivamete. A Tabela 3 apreseta as soluções obtidas para as istâcias da classe D. Os gaps obtidos pela GC proposta são comparados com os apresetados por Billioet e Elloumi (2007). O tempo médio de execução para resolver o PMR de forma iteira foi de 0,30 segudos, além do tempo para formá-lo (Tabela ), e o método apresetado pelos Autores utilizou um tempo médio de dez miutos por istâcia. O tempo médio utilizado pelo CPLEX foi de uma hora de processameto. Como apresetado a Tabela 2, os resultados apresetados pela GC proposta foram expressivamete melhores. Glover et al. (2002) ão apresetam resultados para essas istâcias. A colua Gap apreseta o gap referete à solução iteira do PMR. Esses gaps são calculados de acordo com a Equação (27). v(opt ) v(pmr PLI ) gap = 00 v(opt ) (27) A Tabela 4 apreseta as soluções obtidas para as istâcias das classes A, C e E. De acordo com Billioet e Elloumi (2007), seu método obteve as soluções ótimas para as istâcias das classes A e C em um tempo limite de duas horas por istâcia; etretato, ão foi capaz de resolver os problemas da classe E. O CPLEX foi capaz de ecotrar as soluções ótimas para as istâcias das classes A e C em um tempo médio de 3,28 segudos e o tempo médio para obter as soluções para as istâcias da classe E foi de uma hora. A GC proposta utilizou um tempo médio de 7,96, 2426,56 e 9,98 segudos para resolver o PMR PLI para
8 522 Mauri e Lorea Tabela 2. Resultados obtidos para as istâcias das classes B e F. Ist. m Dsde (%) Melhores soluções Glover et al. (2002) Perc (%) CPX GC DDT A2 A2t V3 V3t Perc v(pmr PLI ) Perc b ,7 00,0 78,9 0,5 0, ,0 2b ,0 75,2 86,8 5,0 5, ,0 3b ,5 86,4 80,5 0,0 0, ,0 4b ,7 78,3 78,3 0,0 0, ,0 5b ,0 00,0 60,0 0,7 0, ,0 6b ,2 77,4 72,6 2,7 2, , 7b ,3 00,0 00,0 0,6 0, ,0 8b ,4 80,7 80,7 0,0 0, ,0 9b , 92,7 75,9 0,0 0, ,5 0b ,6 78,6 78,6 0,0 0, ,5 f ,2 77,9 76,9 92,9 92,8 57, ,6 2f ,3 80,4 80,8 92,7 90,4 6, ,7 3f ,7 78,6 79,7 92,7 92, 23, ,8 4f ,7 82,0 83,9 94,4 94,4 5, f ,9 87,8 77,5 95,4 94,2 0, Tabela 3. Resultados obtidos para as istâcias da classe D. Ist. m Dsde (%) Melhores soluções Billioet e Elloumi (2007) Gap (%) CPX Gap GC v(pmr PLI ) Gap (%) d , d ,0 5, d ,6 3, d , 6, d ,7 7, ,9 6d ,2 9, ,35 7d ,3 4, d , 7, d ,7 4, ,06 0d ,9, as istâcias das classes A, C e E, respectivamete. Logo, cosiderado os tempos para formar esse PMR (Tabela ), a GC apresetou um tempo total médio de 7,96, 2426,56 e 6970,33 segudos para as istâcias das classes A, C e E, respectivamete. Glover et al. (2002) ão apresetam resultados para essas istâcias. Como pode ser observado as tabelas ateriores, o método proposto se destaca a resolução dos problemas de maior porte (a partir de 00 vértices), pricipalmete aqueles cuja matriz Q possui baixa desidade (até 50%), apresetado resultados melhores que outros métodos ecotrados a literatura. 7 Coclusões Este trabalho apresetou uma ova estratégia de geração de coluas para resolver o problema de programação quadrática biária irrestrita. O método proposto, além de ecotrar soluções viáveis, também apreseta duas alterativas para obteção de limitates para o PQ. Istâcias de difícil solução e com diferetes características foram utilizadas para avaliar o método proposto. A GC tratou o PQ por meio de um modelo liear com restrições represetadas através de um grafo, cuja divisão é realizada por meio da heurística de particioameto METIS (KARYPIS; KUMAR, 998). O PMR e os subproblemas foram resolvidos através do CPLEX 0.0. (ILOG, 2006). Foram obtidos exceletes resultados para as istâcias com até 200 variáveis e várias desidades, e também para istâcias com 500 variáveis e baixas e médias desidades. Diversamete, para as istâcias com 500 variáveis e alta desidade, a GC ão apresetou soluções, pois o CPLEX
9 Geração de coluas com divisão em clusters para o problema de programação quadrática biária irrestrita 523 Tabela 4. Resultados obtidos para as istâcias das classes A, C e E. Ist. m Dsde (%) Melhor cohecida CPX GC LQP Gap PMR PL LC α PQL PMR PLI Gap a ,00 344, a , , a , , ,03 4a , , ,9 5a , , a , , a ,00 454, a 00 6, ,00 09, c , , c ,08 687, c , , c , , c , , c , , c , , e , , , ,0 2e , , , ,08 3e , , , ,06 4e , , , e , , , ,0 ão foi capaz de resolver os subproblemas detro de um tempo aceitável. O método proposto foi comparado diretamete com métodos propostos recetemete e com o CPLEX, e apresetou exceletes resultados para praticamete todas as istâcias. A GC proposta cotribui com a exploração do PQ e apreseta uma ova alterativa para resolução de problemas represetados por grafos. Além disso, acredita-se que uma técica mais eficiete para resolução dos subproblemas geradores de coluas pode resultar em melhores soluções para as istâcias tratadas este trabalho e, possivelmete, para istâcias aida maiores. Colum geeratio with clusters for the ucostraied biary quadratic programmig problem Abstract This paper proposes a ew alterative of colum geeratio (GC) based o the lagragea relaxatio with clusters (LagClus) to solve the Ucostraied Biary Quadratic Programmig Problem (PQ). The PQ is a classical o-liear problem of optimizig a quadratic fuctio by suitable choices of biary decisios variables. The proposed GC treats a mixed biary liear model (PQL) of PQ with costraits represeted by a graph ad divided through a partitioig heuristic. Besides fidig feasible solutios the proposed method still presets two alterative ways to fid bouds for PQ. Several computatioal experimets were performed usig hard istaces with differet features. GC is compared to traditioal lagragea relaxatio ad other methods recetly proposed presetig improved results for most of these istaces. Keywords: Quadratic programmig. Colum geeratio. Lagragea relaxatio.
10 524 Mauri e Lorea Referêcias bibliográficas ADAMS, W. P.; DEARING, P. M. O the equivalece betwee roof duality ad lagragea duality for ucostraied 0- quadratic programmig problems. Discrete Applied Mathematics, v. 48,., p. -20, 994. ADAMS, W. P.; FORRESTER, R. J.; GLOVER, F. W. Comparisos ad ehacemet strategies for liearizig mixed 0- quadratic programs. Discrete Optimizatio, v., p , BAZAARA, M. S.; JARVIS, J. J.; SHERALI, H. D. Liear programmig ad etwor flows. New Yor: Joh Wiley & Sos, 990. BEASLEY, J. E. Heuristic algorithms for the ucostraied biary quadratic programmig problem. Lodo, UK: Maagemet School, Imperial College, 998. Techical Report. BEASLEY, J. E. Or-library: Distributig test problems by electroic mail. Joural of the Operatioal Research Society, v. 4,., p , 990. BILLIONNET, A.; CALMELS, F. Liear programmig for the 0- quadratic apsac problem. Europea Joural of Operatioal Research, v. 92,. 2, p , 996. BILLIONNET, A.; ELLOUMI, S. Usig a mixed iteger quadratic programmig solver for the ucostraied quadratic 0- problem. Mathematical Programmig, v. 09, p , BILLIONNET, A.; SUTTER, A. Miimizatio of a quadratic pseudo-boolea fuctio. Europea Joural of Operatioal Research, v. 78, p. 06-5, 994. BOROS, E.; CRAMA, Y.; HAMMER, P. L. Chvatal cuts ad odd cycle iequalities i quadratic 0- optimizatio. SIAM - Joural o Discrete Mathematics, v. 5,. 2, p , 992. BOROS, E.; CRAMA, Y.; HAMMER, P. L. Upper bouds for quadratic 0- maximizatio. Operatios Research Letters, v. 9, p , 990. BOROS, E.; HAMMER, P.; SUN, X. The DDT method for quadratic 0- miimizatio. New Bruswic, USA: RUTCOR Research Ceter, 989. RRR CHARDAIRE, P.; SUTTER, A. A decompositio method for quadratic zero-oe programmig. Maagemet Sciece, v. 4,. 4, p , 995. CORRÊA, F. A.; LORENA, L. A. N.; SENNE, E. L. F. Lagragea relaxatio with clusters for the ucapacitated facility locatio problem. I: Cogreso Latio-Iberoamericao de Ivestigació Operativa, 3, 2006, Motevideo - Uruguay. Aais... GLOVER, F. et al. Oe-pass heuristics for large-scale ucostraied biary quadratic problems. Europea Joural of Operatioal Research, v. 37,. 2, p , GLOVER, F.; KOCHENBERGER, G.; ALIDAEE, B. Adaptative memory tabu search for biary quadratic programs. Maagemet Sciece, v. 44,. 3, p , 998. GLOVER, F.; WOOLSEY, E. Covertig a 0- polyomial programmig problem to a 0- liear program. Operatios Research, v. 22, p , 974. GUIGNARD, M. Lagragea relaxatio. TOP, v.,. 2, p , GULATI, V. P.; GUPTA, S. K.; MITTAL, A. K. Ucostraied quadratic bivalet programmig problem. Europea Joural of Operatioal Research, v. 5, p. 2-55, 984. HAMMER, P. L.; HANSEN, P.; SIMEONE, B. Roof duality, complemetatio ad persistecy i quadratic 0- optimizatio. Mathematical Programmig, v. 28, p. 2-95, 984. HANSEN, P.; MEYER, C. Improved compact liearizatios for the ucostraied quadratic 0- miimizatio problem. Discrete Applied Mathematics, v. 57,. 6, p , HICKS, I. V. et al. A brach-ad-price approach for the maximum weight idepedet set problem. Networs, v. 46,. 4, p , ILOG. ILOG CPLEX 0.0: user s maual. Frace, p. KARYPIS, G.; KUMAR, V. Multilevel -way partitioig scheme for irregular graphs. Joural of Parallel ad Distributed Computig, v. 48, p , 998. KRARUP, J.; PRUZAN, P. A. Computer aided layout desig. Mathematical Programmig Study, v. 9, p , 978. LAUGHUNN, D. J. Quadratic biary programmig with applicatio to capital budgetig problems. Operatios Research, v. 8, p , 970. MAURI, G. R. Novas abordages para represetação e obteção de limitates e soluções para algus problemas de otimização combiatória. São José dos Campos SP, Tese (Doutorado em Computação Aplicada) - Istituto Nacioal de Pesquisas Espaciais. MCBRIDE, R. D.; YORMARK, J. S. A implicit eumeratio algorithm for quadratic iteger programmig. Maagemet Sciece, v. 26, p , 980. NARCISO, M. G.; LORENA, L. A. N. Lagragea/surrogate relaxatio for geeralized assigmet problems. Europea Joural of Operatioal Research, v. 4, p , 999. PALUBECKIS, G. A heuristic-based brach ad boud algorithm for ucostraied quadratic 0- programmig. Computig, v. 54,. 4, p , 995. PARDALOS, P. M.; JHA, S. Complexity of uiqueess ad local search i quadratic 0- programmig. Operatios Research Letters, v., p. 9-23, 992. PARDALOS, P. M.; PHILLIPS, A. T. A global optimizatio approach for solvig the maximum clique problem. Iteratioal Joural of Computer Mathematics, v. 33, p , 990. PARDALOS, P. M.; RODGERS, G. P. A brach ad boud algorithm for the maximum clique problem. Computers & Operatios Research, v. 9, p , 992. PARDALOS, P. M.; RODGERS, G. P. Computatioal aspect of a brach ad boud algorithm for quadratic 0- programmig. Computig, v. 45, p. 3-44, 990a. PARDALOS, P. M.; RODGERS, G. P. Parallel brach ad boud algorithms for quadratic zero-oe programs o the hypercube architecture. Aals of Operatios Research, v. 22, p , 990b. PARDALOS, P. M.; XUE, J. The maximum clique problem. Joural of Global Optimizatio, v. 4, p , 994. PARKER, R. G.; RARDIN, R. L. Discrete Optimizatio. New Yor, USA: Academic Press, 988. PHILLIPS, A. T.; ROSEN, J. B. A quadratic assigmet formulatio of the molecular coformatio problem. Joural of Global Optimizatio, v. 4, p , 994. RIBEIRO, G. M. Relaxação lagrageaa com divisão em clusters para algus problemas de otimização modelados em grafos de coflitos. São José dos Campos SP, Tese (Doutorado em Computação Aplicada) - Istituto Nacioal de Pesquisas Espaciais. RIBEIRO, G. M.; LORENA, L. A. N. Lagragea relaxatio with clusters ad colum geeratio for the maufacturer s pallet loadig problem. Computers & Operatios Research, v. 34,. 9, p , RIBEIRO, G. M.; LORENA, L. A. N. Lagragea relaxatio with clusters for poit-feature cartographic label placemet problems. Computers & Operatios Research, v. 35, p , 2008.
11 Geração de coluas com divisão em clusters para o problema de programação quadrática biária irrestrita 525 Sobre os autores Geraldo Regis Mauri Cetro de Ciêcias Agrárias, Departameto de Egeharia Rural, Uiversidade Federal do Espírito Sato UFES CEP , Alegre, ES, Brasil mauri@cca.ufes.br Luiz Atoio Nogueira Lorea Laboratório Associado de Computação e Matemática Aplicada, Istituto Nacioal de Pesquisas Espaciais INPE CEP , São José dos Campos, SP, Brasil, lorea@lac.ipe.br Agradecimetos: Os autores agradecem aos dois revisores aôimos pelos valiosos cometários e sugestões, e à Fudação de Amparo à Pesquisa do Estado de São Paulo FAPESP (processo 04/053-9) e ao Coselho Nacioal de Pesquisas CNPq (processo /2003-8) pelo apoio fiaceiro parcial dado ao desevolvimeto deste trabalho. Recebido em 28/4/2008 Aceito em 5/0/2009
A HEURÍSTICA LAGRANGEANA/SURROGATE APLICADA AO PROBLEMA DE LOCALIZAÇÃO DE MÁXIMA COBERTURA. Marcos A. Pereira #
Simpósio Brasileiro de Pesquisa Operacioal A pesquisa Operacioal e o Meio Ambiete 6a9deovembro de 200 - Campos do Jordão - SP A HEURÍSTICA LAGRANGEANA/SURROGATE APLICADA AO PROBLEMA DE LOCALIZAÇÃO DE MÁXIMA
Leia maisINTEGRAÇÃO DE MODELOS DE LOCALIZAÇÃO A SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS
INTEGRAÇÃO DE MODELOS DE LOCALIZAÇÃO A SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Luiz Atoio Nogueira Lorea Laboratório Associado de Computação e Matemática Aplicada LAC Istituto Nacioal de Pesquisas Espaciais
Leia maisINTEGRAÇÃO DE MODELOS DE LOCALIZAÇÃO A SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS
INTEGRAÇÃO DE MODELOS DE LOCALIZAÇÃO A SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Luiz Atoio Nogueira Lorea Laboratório Associado de Computação e Matemática Aplicada LAC Istituto Nacioal de Pesquisas Espaciais
Leia maisREFORMULAÇÃO E INEQUAÇÕES VÁLIDAS PARA UM PROBLEMA INTEGRADO DE DIMENSIONAMENTO E SEQÜENCIAMENTO DE LOTES
REFORMULAÇÃO E INEQUAÇÕES VÁLIDAS PARA UM PROBLEMA INTEGRADO DE DIMENSIONAMENTO E SEQÜENCIAMENTO DE LOTES Eduardo Delcides Berardes Istituto de Biociêcias, Letras e Ciêcias Exatas - UNESP Rua Cristóvão
Leia mais2.2. Séries de potências
Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise
Leia maisUM MÉTODO EXATO PARA OTIMIZAR A ESCALA DE MOTORISTAS E COBRADORES DO SISTEMA DE TRANSPORTE PÚBLICO
UM MÉTODO EXATO PARA OTIMIZAR A ESCALA DE MOTORISTAS E COBRADORES DO SISTEMA DE TRANSPORTE PÚBLICO Gustavo Peixoto Silva. Departameto de Egeharia de Produção, Admiistração e Ecoomia. Uiversidade Federal
Leia maisINTERPOLAÇÃO POLINOMIAL
1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,
Leia maisMEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS
MEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS Brua Gabriela Wedpap (PIBIC/CNPq-UNIOESTE), Miguel Agel Uribe- Opazo (Orietador), e-mail: mopazo@pq.cpq.br.
Leia mais1- Resolução de Sistemas Lineares.
MÉTODOS NUMÉRICOS PR EQUÇÕES DIFERENCIIS PRCIIS 1- Resolução de Sistemas Lieares. 1.1- Matrizes e Vetores. 1.2- Resolução de Sistemas Lieares de Equações lgébricas por Métodos Exatos (Diretos). 1.3- Resolução
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisNOTAÇÕES. Observação: Os sistemas de coordenadas considerados são os cartesianos retangulares.
R C : cojuto dos úmeros reais : cojuto dos úmeros complexos i : uidade imagiária: i2 = 1 z Re(z) Im(z) det A : módulo do úmero z E C : parte real do úmero z E C : parte imagiária do úmero z E C : determiate
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisUma Nova Abordagem para Programação Visual de Aplicações Paralelas de Alto Desempenho
Uma Nova Abordagem para Programação Visual de Aplicações Paralelas de Alto Desempeho Adré Ricardo 1, Adré Pereira 1, David Duarte 1, João Abreu 1, Guilherme Esmeraldo 1 1 Istituto Federal de Educação,
Leia maisSéquências e Séries Infinitas de Termos Constantes
Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates
Leia maisProblema de Fluxo de Custo Mínimo
Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre os modelos de
Leia maisAlgoritmo Imunológico Artificial CLONALG e Algoritmo Genético Aplicados ao Problema do Caixeiro Viajante
Algoritmo Imuológico Artificial CLONALG e Algoritmo Geético Aplicados ao Problema do Caixeiro Viajate Simoe S. F. Souza Rube Romero Departameto de Egeharia Elétrica, Faculdade de Egeharia de Ilha Solteira
Leia maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
Leia maisAPLICAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE NA OTIMIZAÇÃO DE ROTEIROS
APLICAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE NA OTIMIZAÇÃO DE ROTEIROS Ferado Soares Gomes Taufer (FURG) feradosoares29@hotmail.com Elaie Correa Pereira (FURG) elaiepereira@prolic.furg.br Este artigo apreseta
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisTransformação de similaridade
Trasformação de similaridade Relembrado bases e represetações, ós dissemos que dada uma base {q, q,..., q} o espaço real - dimesioal, qualquer vetor deste espaço pode ser escrito como:. Ou a forma matricial
Leia maisà Seleção de Investimentos Enumeração Implícita Aplicada Samsão Woiler*
Eumeração Implícita Aplicada Samsão Woiler* à Seleção de Ivestimetos 1. Modelos de Programação Matemática. 2. Algoritmo. A aplicação da programação matemática teve um grade impulso com um trabalho apresetado
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisAjuste de Curvas pelo Método dos Quadrados Mínimos
Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias
Leia mais3ª Lista de Exercícios de Programação I
3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros
Leia maisDFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular
Sistemas de Processameto Digital Egeharia de Sistemas e Iformática Ficha 4 5/6 4º Ao/ º Semestre DFS Série Discreta de Fourier DFT Trasformada Discreta de Fourier Covolução Circular Para calcular a DFT,
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia mais1. Revisão Matemática
Se x é um elemeto do cojuto Notação S: x S Especificação de um cojuto : S = xx satisfaz propriedadep Uião de dois cojutos S e T : S T Itersecção de dois cojutos S e T : S T existe ; para todo f : A B sigifica
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia maisO PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO
O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO Sérgio Ferado Mayerle, Dr. UFSC / CTC / EPS - mayerle@eps.ufsc.br - Floriaópolis - SC Thiago Dedavid de Almeida Bastos
Leia maisEspacialização da Temperatura do Ar do Polo de Desenvolvimento Petrolina, PE Juazeiro, BA, Submédio São Francisco
Espacialização da Temperatura do Ar do Polo de Desevolvimeto Petrolia, PE Juazeiro, BA, Submédio São Fracisco Brauliro Goçalves Leal 1 ; Sérgio Aurélio Ferreira Soares 2 ; Raiéri Carlos Ferreira de Amorim
Leia maisUma abordagem para o problema de escalonamento de motoristas
Uma abordagem para o problema de escaloameto de motoristas Fábio Gavião Avelio de Méllo (FAI) gaviao_tsi@uol.com.br Edso Luiz Fraça See (UNESP/FEG) elfsee@feg.uesp.br Luiz Atoio Nogueira Lorea (INPE/LAC)
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisRESOLUÇÃO DE SISTEMAS NÃO LINEARES
87 RESOLUÇÃO DE SISTEMAS NÃO LINEARES Uma equação que coteha uma epressão do tipo, -,,, se(), e +z, z etc, é chamada ão-liear em,, z,, porque ela ão pode ser escrita o que é uma equação liear em,, z, a
Leia maisCAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Leia maisa = b n Vejamos alguns exemplos que nos permitem observar essas relações. = 4 4² = 16 radical radicando
Caro aluo, Com o objetivo de esclarecer as dúvidas sobre a raiz quadrada, apresetamos este material a defiição de radiciação, o cálculo da raiz quadrada e algumas propriedades de radiciação. Além disso,
Leia maisMétodos iterativos. Métodos Iterativos para Sistemas Lineares
Métodos iterativos Métodos Iterativos para Sistemas Lieares Muitos sistemas lieares Ax = b são demasiado grades para serem resolvidos por métodos directos (por exemplo, se A é da ordem de 10000) á que
Leia maisSecção 1. Introdução às equações diferenciais
Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisProposta de uma heurística construtiva baseada na TOC para definição de mix de produção
Produção, v 23, 3, p 468-477, ul/set 2013 http://dxdoiorg/101590/s0103-65132012005000097 Proposta de uma heurística costrutiva baseada a TOC para defiição de mix de produção Viicius Amorim Sobreiro a *,
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisINTEGRAÇÃO DE MODELOS DE LOCALIZAÇÃO A SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS
INTEGRAÇÃO DE MODELOS DE LOCALIZAÇÃO A SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Luiz Atoio Nogueira Lorea Lab. Associado de Computação e Matemática Aplicada LAC Istituto Nacioal de Pesquisas Espaciais INPE
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisWavelets. Jorge Salvador Marques, Motivação
Wavelets Jorge Salvador Marques, 9 Motivação Jorge Salvador Marques, 9 Qual é a melhor escala? Os obectos aparecem a imagem com dimesões muito diferetes Não uma escala úica que sea apropriada Há uma escala
Leia maisORDENAÇÃO 1. ORDENAÇÃO POR TROCA
ORDENAÇÃO Ordear é o processo de orgaizar uma lista de iformações similares em ordem crescete ou decrescete. Especificamete, dada uma lista de ites r[0], r[], r[],..., r[-], cada item a lista é chamado
Leia maisBusca binária. Busca em arquivos. Busca binária. Busca binária. Ordenação e busca em arquivos
Algoritmos e Estruturas de Dados II Profa. Debora Medeiros Ordeação e Busca em Arquivos Idexação de Arquivos I: Ídices Simples Ordeação e busca em arquivos É relativamete fácil buscar elemetos em cojutos
Leia maisREDUÇÃO DE INCERTEZAS NA CARACTERIZAÇÃO DE RESERVATÓRIOS ATRAVÉS DA INCORPORAÇÃO DE DADOS DINÂMICOS
REDUÇÃO DE INCERTEZAS NA CARACTERIZAÇÃO DE RESERVATÓRIOS ATRAVÉS DA INCORPORAÇÃO DE DADOS DINÂMICOS Célio Maschio celio@dep.fem.uicamp.br Faculdade de Egeharia Mecâica, Departameto de Egeharia de Petróleo,
Leia maisUm estudo das permutações caóticas
Um estudo das permutações caóticas Trabalho apresetado como atividade do PIPE a disciplia Matemática Fiita do Curso de Matemática o 1º semestre de 2009 Fabrício Alves de Oliveira Gabriel Gomes Cuha Grégory
Leia maisEspacialização da Radiação Solar da Região do Polo de Desenvolvimento Petrolina, PE Juazeiro, BA, Submédio São Francisco
Espacialização da Radiação Solar da Região do Polo de Desevolvimeto Petrolia, PE Juazeiro, BA, Submédio São Fracisco Brauliro Goçalves Leal 1, Sérgio Aurélio Ferreira Soares 2, Raiéri Carlos Ferreira de
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisUma relação entre sincronização no mapa do círculo e os números racionais
Uma relação etre sicroização o mapa do círculo e os úmeros racioais Mariaa P. M. A. Baroi Elbert E. N. Macau Laboratório Associado de Computação e Matemática Aplicada Istituto Nacioal de Pesquisas Espaciais
Leia maisEstimação de parâmetros da distribuição beta-binomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL
Estimação de parâmetros da distribuição beta-biomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL Diorgies Herculao da Silva Itrodução Edso Zagiacomi Martiez O modelo beta-biomial
Leia maisSobre Alianças Defensivas em Grafos
Sobre Aliaças Defesivas em Grafos Rommel Melgaço Barbosa, Elisâgela Silva Dias, Istituto de Iformática, UFG, Caixa Postal 131, Campus II, CEP: 74001-970, Goiâia, GO E-mail: {rommel, elisagela}@if.ufg.br
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro
Leia mais1.4 Determinantes. determinante é igual ao produto dos elementos da diagonal principal menos o produto dos elementos da diagonal secundária.
1.4 Determiates A teoria dos determiates surgiu quase simultaeamete a Alemaha e o Japão. Ela foi desevolvida por dois matemáticos, Gottfried Wilhelm Leibiz (1642-1716) e Seki Shisuke Kowa (1642-1708),
Leia maisMatemática. B) Determine a equação da reta que contém a diagonal BD. C) Encontre as coordenadas do ponto de interseção das diagonais AC e BD.
Matemática 0. Um losago do plao cartesiao oxy tem vértices A(0,0), B(,0), C(,) e D(,). A) Determie a equação da reta que cotém a diagoal AC. B) Determie a equação da reta que cotém a diagoal BD. C) Ecotre
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
ALGORITMO PARA REALOCAÇÃO DE TAREFAS ÀS MÁQUINAS PARA UM PROBLEMA DE SEQUENCIAMENTO EM MÁQUINAS PARALELAS Alcoforado, Luciae Ferreira UFF/Niterói-RJ Dep Estatística lu@cos.ufrj.br Borstei, Cláudio T. UFRJ/Rio
Leia maisModelo Matemático para plantio e colheita da cana-de-açúcar
Modelo Matemático para platio e colheita da caa-de-açúcar Heleice O. Floretio 1, Paulo Roberto Isler 2, E-mail: heleice@ibb.uesp.br pauloisler@fca.uesp.br Rômulo Pimetel Ramos 2, Jois Jecs Nervis 2 E-mail:
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisXXXIV OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO
XXXIV OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL (Esio Médio) GABARITO GABARITO NÍVEL ) E 6) C ) E 6) B ) D ) C 7) D ) C 7) A ) A ) B 8) B ) B 8) A ) B ) D 9) D ) A 9) B ) E 5) D 0) D 5) A
Leia maisUm Novo Enfoque para a Atribuição de Escalas de Serviço de Longa Duração em Empresas de Transporte
Aais do V WORCAP, INPE, São José dos Campos, 26 e 27 de outubro de 2005. Um Novo Efoque para a Atribuição de Escalas de Serviço de Loga Duração em Empresas de Trasporte Fábio Gavião Faculdade de Admiistração
Leia maisIDENTIFICAÇÃO DE SOLUÇÕES ROBUSTAS PARA GESTÃO DA INCERTEZA EM PLMO UMA ABORDAGEM INTERATIVA
Rio de Jaeiro, Brazil IDENTIFICAÇÃO DE SOLUÇÕES ROBUSTAS PARA GESTÃO DA INCERTEZA EM PLMO UMA ABORDAGEM INTERATIVA Solage Fortua Lucas Faculdades IBMEC-RJ Av. Presidete Wilso, 118 8º adar Rio de Jaeiro
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisDecomposição Lagrangeana com Geração de Colunas para o Problema de Programação Quadrática Binária Irrestrita
Decoposção Lagrageaa co Geração de Coluas para o Problea de Prograação Quadrátca Bára Irrestrta Geraldo Regs Maur,2, Luz Atoo Noguera Lorea 2 Cetro de Cêcas Agráras, Departaeto de Egehara Rural Uversdade
Leia maisÁLGEBRA. Licenciatura em Engenharia Electrotécnica e de Computadores LEEC Ano lectivo de 2002/2003
ÁLGEBRA Liceciatura em Egeharia Electrotécica e de Computadores LEEC Ao lectivo de 00/003 Apotametos para a resolução dos exercícios da aula prática 5 MATRIZES ELIMINAÇÃO GAUSSIANA a) Até se obter a forma
Leia maisRESOLUÇÃO DE UM PROBLEMA DE CORTE UNIDIMENSIONAL PARA MINIMIZAÇÃO DO NÚMERO DE OBJETOS PROCESSADOS E O SETUP VIA ALGORITMO GENÉTICO
RESOLUÇÃO DE UM PROBLEMA DE CORTE UNIDIMENSIONAL PARA MINIMIZAÇÃO DO NÚMERO DE OBJETOS PROCESSADOS E O SETUP VIA ALGORITMO GENÉTICO Julliay Sales Bradão Istituto Politécico do Rio de Jaeiro UERJ Nova Friburgo,
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia maisMecânica dos Sólidos II
Curso de Egeharia Civil Uiversidade Estadual de Marigá Cetro de Tecologia Departameto de Egeharia Civil Mecâica dos Sólidos II Bibliografia: Beer, F. P.; Johsto, Jr. E. R.; DEWolf, J. T. Resistêcia dos
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisBernstein. Medeiros, Heloisa Menezes, M. Lucia
Uiversidade Estadual de Marigá - Departameto de Matemática Cálculo Diferecial e Itegral: um KIT de Sobrevivêcia 20 aos c Publicação Eletrôica do KIT http://www.dma.uem.br/kit Aproximação de fuções: poliômios
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos
Leia maisQuicksort. Algoritmos e Estruturas de Dados II
Quicksort Algoritmos e Estruturas de Dados II História Proposto por Hoare em 960 e publicado em 962 É o algoritmo de ordeação itera mais rápido que se cohece para uma ampla variedade de situações Provavelmete
Leia maisImplementação de Planilha de Cálculos Simplificada
INF 1620 Estruturas de Dados Semestre 08.2 Primeiro Trabalho Implemetação de Plailha de Cálculos Simplificada Uma plailha de cálculos é um programa muito utilizado em aplicações fiaceiras e aquelas que,
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia mais4 Modelagem Numérica. φ φ
4 Modelagem Numérica O modelo matemático apresetado o capítulo aterior foi resolvido com o código comercial FLUENT, o ual é baseado o método de Volumes Fiitos (Patakar, 1980). Para resolver umericamete
Leia maisEstudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG
Estudo da precipitação pluviométrica o período seco e chuvoso do muicípio de Sete Lagoas, MG Aa Paula Coelho Madeira Silva 13 Jailso de Araujo Rodrigues 2 Jaime dos Satos Filho 2 1 Itrodução A precipitação
Leia mais1. ORDENAÇÃO POR TROCA ORDENAÇÃO. 1.1 Ordenação por Bolha. Exemplo, 25, 57, 48, 37, 12, 92, 86, 33. Algoritmo. Complexidade de Tempo
ORDENAÇÃO Ordear é o processo de orgaizar uma lista de iformações similares em ordem crescete ou decrescete. Especificamete, dada uma lista de ites r[], r[], r[],, r[-], cada item a lista é chamado registro.
Leia maisOperadores Lineares e Matrizes
Operadores Lieares e Matrizes Ua Distição Fudaetal e Álgebra Liear Prof Carlos R Paiva Operadores Lieares e Matrizes Coeceos por apresetar a defiição de operador liear etre dois espaços lieares (ou vectoriais)
Leia maisALGORITMO DE OTIMIZAÇÃO COM ENXAME DE PARTICULAS AUXILIADO POR METAMODELOS
XI Simpósio de Mecâica Computacioal II Ecotro Mieiro de Modelagem Computacioal Juiz De Fora, MG, 28-3 de Maio De 214 ALGORITMO DE OTIMIZAÇÃO COM ENXAME DE PARTICULAS AUXILIADO POR METAMODELOS Alla F. Silva
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia maisPROGRAMAÇÃO E ALGORITMOS (LEII) Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2016/2017
PROGRAMAÇÃO E ALGORITMOS (LEII) Uiversidade da Beira Iterior, Departameto de Iformática Hugo Pedro Proeça, 2016/2017 Resumo Ordeação e Pesquisa Pesquisa Liear Pesquisa Biária Iserção Ordeada IsertSort
Leia maisMatriz de Contabilidade Social. Prof. Eduardo A. Haddad
Matriz de Cotabilidade Social Prof. Eduardo A. Haddad Fluxo circular da reda 2 Defiição 1 Sistema de dados desagregados, cosistetes e completos, que capta a iterdepedêcia existete detro do sistema socioecoômico
Leia maisCAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE
CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas
Leia maisIntrodução à Computação
Itrodução à Computação Recursividade Aula de hoje Recursividade Fução orial Voto de cofiaça recursivo Fução de Fiboacci Desvatages Professor: Adré de Carvalho Recursão Muitas estratégias de programação
Leia maisMétodo de Monte Carlo. Técnica de redução da variância. Monte Carlo Method. Variance reduction technique
Método de Mote Carlo ARTIGO ORIGIAL / ORIGIAL ARTICLE Método de Mote Carlo. Técica de redução da variâcia Mote Carlo Method. Variace reductio techique Aa Vergíia Libos Messetti* Simoe de Castro Queiroz**
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisAPROXIMAÇÃO POR MÍNIMOS QUADRADOS. Consideremos a seguinte tabela de valores de uma função y = f(x):
APROXIAÇÃO POR ÍNIOS QUADRADOS Cosideremos a seguite tabela de valores de uma fução y = f(x): i 3 x i 6 8 y i 8 Pretede-se estimar valores da fução em potos ão tabelados. Poderíamos utilizar o poliómio
Leia maisAPLICAÇÃO DE ALGORITMO GENÉTICO PARA MINIMIZAR O NÚMERO DE OBJETOS PROCESSADOS E SETUP NUM PROBLEMA DE CORTE UNIDIMENSIONAL
APLICAÇÃO DE ALGORITMO GENÉTICO PARA MINIMIZAR O NÚMERO DE OBJETOS PROCESSADOS E SETUP NUM PROBLEMA DE CORTE UNIDIMENSIONAL Julliay Sales Bradão Istituto Politécico do Rio de Jaeiro UERJ Nova Friburgo,
Leia maisn n ...
6. Álgebra Matricial Defiição : Um couto de ( m, ) úmeros (reais ou complexos) arraados em uma forma retagular de m lihas e coluas: a a a. a a a a. a..... a a a. a 2 3 2 22 23 2 m m2 m3 m é chamada de
Leia maisDisciplina: MATEMÁTICA Turma: 3º Ano Professor (a) : CÉSAR LOPES DE ASSIS INTRODUÇÃO A ESTATÍSTICA. Organização de dados
Escola SESI de Aápolis - Judiaí Aluo (a): Disciplia: MATEMÁTICA Turma: 3º Ao Professor (a) : CÉSAR LOPES DE ASSIS Data: INTRODUÇÃO A ESTATÍSTICA A Estatística é o ramo da Matemática que coleta, descreve,
Leia maisEQUAÇÕES DIFERENCIAIS
EQUAÇÕES DIFERENCIAIS rof Me Arto Barboi SUMÁRIO INTRODUÇÃO EQUAÇÃO DIFERENCIAL ORDINÁRIA (EDO) Ordem de uma Equação Diferecial Ordiária Grau de uma Equação Diferecial Ordiária Solução geral e particular
Leia maisCapítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias
Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisAutovalores na Análise de Modelos Matriciais Utilizando o Matlab
Autovalores a Aálise de odelos atriciais Utilizado o atlab Alessadra Fabia Sostisso 1 Eliete Biasotto Hauser 2 RESUO O pricipal objetivo deste trabalho é aalisar o comportameto de sistemas modelados matricialmete
Leia maisCINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA
Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais
Leia maisSolução Comentada Prova de Matemática
0 questões. Sejam a, b e c os três meores úmeros iteiros positivos, tais que 5a = 75b = 00c. Assiale com V (verdadeiro) ou F (falso) as opções abaixo. ( ) A soma a b c é igual a 9 ( ) A soma a b c é igual
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005
PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).
Leia maisESCUTANDO O COEFICIENTE DE RESTITUIÇÃO E A ACELERAÇÃO
ESCUANDO O COEFICIENE DE RESIUIÇÃO E A ACELERAÇÃO GRAVIACIONAL DE UMA BOLA Carlos Eduardo Aguiar [carlos@if.ufrj.br] Fracisco Laudares [f_laudares@hotmail.com] Istituto de Física, Uiversidade Federal do
Leia mais