USO DA SIMILARIDADE ENTRE CAMINHOS PARA O PROBLEMA DE CAMINHO MÍNIMO COM PARÂMETROS FUZZY
|
|
- Cláudia Bandeira Olivares
- 5 Há anos
- Visualizações:
Transcrição
1 USO DA SIMILARIDADE ENTRE CAMINHOS PARA O PROBLEMA DE CAMINHO MÍNIMO COM PARÂMETROS FUZZY Fábo Hernandes Unversdade Estadual do Centro-Oeste - UNICENTRO Departamento de Análse de Sstemas - DESIS , caxa postal 00, Guarapuava-PR fabo@dt.fee.uncamp.br Akebo Yamakam Faculdade de Engenhara Elétrca e de Computação - FEEC Unversdade Estadual de Campnas - UNICAMP , caxa postal 60, Campnas-SP akebo@dt.fee.uncamp.br Marca Tome Takahash Unversdade Estadual de Fera de Santana - UEFS Departamento de Cêncas Exatas - DEXA , caxa postal 5, Fera de Santana-BA mtome@lbra.uefs.br Resumo O problema de camnho mínmo em grafos com ncertezas nos parâmetros é um problema que embora apareça em mutas aplcações, tas como: telecomuncações; transportes; manufaturas; etc, anda se encontra na fase ncal, vsto que possu alta complexdade computaconal. Este trabalho propõe um algortmo que encontra um conjunto solução de camnhos não-domnados e determna a smlardade entre estes e o comprmento do camnho mínmo deal, encontrado a partr da heurístca proposta por Chuang e Kung, ordenando assm estes camnhos. Este algortmo é baseado no algortmo clássco de Ford-Moore-Bellman acrescdo da heurístca ctada. As ncertezas nos parâmetros são modeladas por meo da teora de conjuntos fuzzy. Palavras-chave - programação matemátca, grafos fuzzy, problemas de camnho mínmo. Abstract The shortest path problem n graphs wth uncertantes n the parameters s a problem that although appearng n many applcatons, such as: telecommuncatons; transports; manufactures; etc, stll meets n the ntal phase, snce t has hgh computatonal complexty. Ths work consders an algorthm that fnds a soluton set of nondomnated paths and determnes the smlarty between these paths and the length of the deal shortest path, proposed by Chuang and Kung, thus commandng these paths. Ths algorthm s based on the classc algorthm of Ford-Moore-Bellman and ncorporatng the above heurstc. The uncertantes n the parameters are modeled by means of the theory of fuzzy sets. Keywords - mathematcal programmng, fuzzy graphs, shortest path problems.. Introdução Incerteza, mprecsão e ambgüdade são fatores que nem sempre podem ser gnorados na resolução de problemas reas, vsto que a maora destes problemas possu parâmetros tas como: custos, capacdades, demandas etc, que não são naturalmente precsos. Introduzda nas décadas de 960 e 970 por Zadeh (Zadeh, 965; Zadeh, 968; Zadeh, 978), a teora dos conjuntos fuzzy é uma ferramenta freqüentemente utlzada na modelagem destes parâmetros. Atualmente dversos trabalhos
2 na área de engenhara são encontrados utlzando esta teora, donde destacam-se: problemas de controle (Shaw e Smões, 988), sstemas de suporte à decsão (Bellman e Zadeh, 970), reconhecmento de padrões (Bezdek, 98) e programação matemátca (Malk e Moderson, 00). Na programação matemátca uma das áreas estudadas é a de grafos, uma vez que grande quantdade de problemas pode ser representada na forma de redes: alocação, camnho mínmo, fluxo máxmo, dentre outras, com aplcações nas mas dversas áreas da engenhara: telecomuncações; transportes; manufaturas; etc. Dentro da área de grafos, o problema de encontrar o camnho mínmo de um nó orgem específco a outros nós é um problema fundamental que aparece em mutas das aplcações ctadas anterormente. Embora este assunto tenha um vasto campo de aplcações, o estudo nesta área, consderando grafos fuzzy, anda se encontra na fase ncal. Além do mas, a maora destes problemas possu alta complexdade computaconal, tornando assm dfícl suas soluções. Dentre os prncpas trabalhos de camnho mínmo fuzzy encontrados na lteratura destacamse: Dubos e Prade (980), Klen (99), Okada e Soper (000), Blue, Bush e Puckett (00), Okada (004) e Chuang e Kung (005). O trabalho de Dubos e Prade (980) está entre um dos prmeros da lteratura, que propõe a smples extensão dos algortmos clásscos de Floyd e de Ford-Moore-Bellman. Porém verfcou-se que ambos os algortmos podem retornar comprmentos sem um camnho assocado. Em 99, Klen contorna a dfculdade encontrada por Dubos e Prade com o uso de domnânca de conjuntos fuzzy e propõe um algortmo para encontrar o menor camnho. Em seu trabalho, Okada e Soper (000) caracterzam a solução não como o camnho mínmo com maor grau de pertnênca possível, mas como um conjunto solução fuzzy, onde cada elemento é um camnho nãodomnado com um certo grau de pertnênca de ser o mínmo. Blue, Bush e Puckett (00) apresentam uma taxonoma para grafos e propõem alguns algortmos para os prncpas problemas. No algortmo de camnho mínmo proposto, encontram um valor de corte para lmtar o número de camnhos a serem analsados, em seguda aplca-se uma versão modfcada do algortmo dos k-camnhos mínmos (crsp), proposto por Eppsten (994), a fm de se determnar os camnhos com algum grau de possbldade de ser o mínmo. Okada (004) estudou a nteratvdade entre os camnhos fuzzy e desenvolveu um algortmo utlzando teora de possbldade, no qual ntroduz o conceto de grau de possbldade de um arco pertencer a um camnho mínmo. Já Chuang e Kung (005), que é um dos trabalhos mas recente, propõe uma heurístca para encontrar o comprmento do camnho mínmo e também o conceto de grau de smlardade, cuja fnaldade é verfcar a smlardade entre o comprmento mínmo encontrado, pela heurístca proposta, e os comprmentos de todos os possíves camnhos. Analsando as característcas dos trabalhos ctados anterormente, verfca-se que estes são aplcados apenas em grafos com custos não negatvos nos arcos, porém exstem alguns problemas reas onde aparecem custos negatvos e que necesstam ser analsados (maores detalhes: Ahuja, Magnant e Orln, 99). Com base neste tpo de problema, fo proposto um algortmo, baseado no de Ford-Moore-Bellman (Goldbarg e Luna, 000; Bellman, 958) para problemas de grafos clásscos, para abordar o problema de camnho mínmo em grafos com custos nos arcos fuzzy (Hernandes e Yamakam, 004) e um trabalho em que se consdera, além das característcas anterores, restrção de tempo fuzzy (Hernandes e Takahash, 004). Este trabalho tem como fnaldade encontrar o conjunto solução dos camnhos de menor custo (não-domnados), utlzando a defnção de domnânca aplcada em Okada e Soper (000), além de aplcar a heurístca proposta por Chuang e Kung (005) para encontrar o comprmento (custo) do camnho mínmo e detectar a smlardade entre este custo e os custos dos camnhos não-domnados. Com sso, pretende-se ordenar o conjunto fuzzy de soluções, apresentando assm os camnhos mas próxmos ao camnho mínmo fuzzy, encontrado pela heurístca em Chuang e Kung (005). Este trabalho está organzado da segunte forma: na Seção são apresentados os concetos e defnções utlzados no algortmo proposto. A heurístca adotada, bem como o algortmo para encontrar a smlardade entre os camnhos e o comprmento encontrado, são apresentados na Seção. O algortmo proposto está na Seção 4. Na Seção 5 são fetos alguns comentáros sobre a mplementação do algortmo e apresentados alguns resultados computaconas. Na Seção 6 encontramse alguns comentáros e propostas futuras. 8
3 . Concetos e Defnções Nesta Seção encontram-se os concetos e defnções utlzados no algortmo proposto.. Números fuzzy Exstem város tpos de números fuzzy (Pedrycz e Gomde, 998), entretanto, neste trabalho são utlzados apenas números fuzzy trangulares. Defnção..: Um número fuzzy trangular pode ser defndo como a = ( a, a, a ) função de pertnênca, μ ( x), defnda pela expressão: μ a 0, se x a x a, se a x a a a ( x) = a x, se a x a a a 0, se x a a tal que: a : lmtante nferor; a : valor modal; e a : lmtante superor. Defnção..: Valor modal é o valor [ ] máxmo. Fgura : Exemplo de um número fuzzy trangular, tendo sua x a,a para o qual a função de pertnênca tem valor Defnção..: Sejam a e b números fuzzy trangulares tal que a = ( a, a, a ) e ( b, b, b ) então a soma fuzzy é denotada por: a b = a, a, a b, b, b = a + b, a + b a + b ( ) ( ) ( ), Defnção..4: Um α -corte de um subconjunto fuzzy é um conjunto [ ] = { x μ ( ) α} x α [0,]. α b =, a a, tal que. Relação de ordem Em seu trabalho, Okada e Soper (000) consderam os comprmentos dos arcos como números fuzzy postvos do tpo LR. Introduzram uma relação de ordem entre números fuzzy, baseada em "fuzzy mn", e encontram um conjunto solução de camnhos não-domnados (Pareto-Ótmo). b =. Então a p b (a domna b ) se e somente se as seguntes nequações forem satsfetas: a < b ; a < b ; a < b Axoma: Sejam a e b números fuzzy tal que a = ( a, a, a ) e ( b, b, b ) μ a a a x. Heurístca de Chuang e Kung Chuang e Kung (005) propuseram um procedmento heurístco para encontrar o comprmento (custo) do camnho mínmo fuzzy (CCMF) entre todos os possíves camnhos da rede. Este procedmento é baseado na déa de que um número crsp é mínmo se e somente se todos os outros forem maores ou guas a ele. No entanto, a computação assocada a este procedmento é complcada, com sso os 84
4 autores propuseram um procedmento heurístco para o CCMF, reduzndo assm a complexdade computaconal e também da função de pertnênca. Em adção, também apresentam uma forma para encontrar qual é o camnho mínmo assocado ao CCMF, este é baseado no cálculo do grau de smlardade entre o CCMF e cada um dos comprmentos dos camnhos exstentes.. Procedmento para encontrar o CCMF Assume-se que em uma rede exstem m camnhos crsp, mn ( prv ) t ( ) ( p ) p do nó r ao v, t=,,...,m. Se o comprmento é t l é o mínmo entre todos os comprmentos dos camnhos l ( p rv ). Isto é, um número k ( l p rv ) é mínmo ( lmn rv ) se e somente se todos os outros números ( l( prv ), k t) são maores ou guas a ele. Esta déa é generalzada para o CCMF, encontrando assm o L mn ( prv ). Para facltar a t notação serão utlzados os termos L t e L mn para ( L ( p rv )) e L mn ( prv ) respectvamente, sendo t L ( p rv ) o comprmento (custo) do t-ésmo camnho fuzzy. Seja μ L ( x) denotando a função de pertnênca para o possível tempo x com respeto a L. Como notado para número crsp, se x com respeto a L é o menor tempo, então não exste nenhum outro x com respeto a L k ( k ) menor do que ele. Esta déa é utlzada para determnar L mn. Defne-se SL como o conjunto fuzzy do tempo x com respeto a L e SL ( x) como a função de pertnênca de x com respeto a SL. Portanto, μ ( x) = mn[ μ ( x),mn[ μ ( x)]] () SL L L k k A fórmula anteror pode também ser escrta como segue: SL = L I L I L I L = L I ( ) m I L k k tal que L k denota o conjunto fuzzy de todo y<x com respeto a L k ( k ) (Fgura ), μ L (x) é a k função de pertnênca de x com respeto a L k, e o operador mínmo é usado pela nterseção de dos conjuntos fuzzy. Além dsso, μ (x) pode ser representado da forma: μ ( x) = Lk L k y< x max μ y Lk L ( y) Defnção.: Seja a função de pertnênca trangular de k chamado conjunto fuzzy half-nverse, sendo defndo da segunte forma: 0, x > a μ L ( x) = μ ( x), a x a k L k (), x < a t rv L representada por (, a a ) a, então k L é L k L k 0 a a a Fgura : Exemplo de Substtundo a equação () na (), obtêm-se: L k 85
5 μ m ( x) = max[mn[ μ ( x), mn μ L mn Lt L t k t k = ( x)]] De acordo com o exposto anterormente, o procedmento heurístco para calcular o CCMF pode ser encontrado, sendo descrto na subseção segunte.. Procedmento heurístco para detectar o CCMF Embora o procedmento CCMF possa ser usado para determnar o comprmento (custo) do camnho mínmo, sua computação é complcada. Devdo a sso, os autores propuseram uma heurístca para reduzr a complexdade computaconal e também da função de pertnênca. Incalmente os autores dscutem o CCMF para dos camnhos de comprmento fuzzy, sendo o valor modal o ponto mas alto da função de pertnênca (maores detalhes Chuang e Kung (005)) e em seguda generalzam para m camnhos. Algortmo: Heurístca - CCMF PASSO 0: Dados de entrada = a, a, a ),,,,..., m (custos dos camnhos) L ( = P ASSO : Ordenação dos comprmentos dos camnhos Forme o conjunto Q ordenando os L s em ordem crescente de a : m Q = Q, Q, Q,..., Q tal que Q = ( a a, a ),,,..., m { } PASSO : Cálculo de L mn. Seja L mn = ( a, a, a ) = Q. Para =,,..., m+ calcule: a, a ( aa ) ( aa ) ( a + a ) ( a + a PASSO : Retorne, = se a =, se a > a ) a = mn( a, a ) a = mn( a, a ) L = a, a, a ) mn ( L mn FIM. a Obs: Se no passo exstrem dos ou mas L s com o mesmo a a ordenação pode ser feta arbtraramente, vsto que não afetará no resultado.. Algortmo proposto por Chuang e Kung Calculado o L mn (subseção.), Chuang e Kung (005) usaram a nterseção entre áreas de dos trângulos para a medda do grau de smlardade entre L mn e cada um dos L s, =,,,...,m. Quanto maor a nterseção entre os dos trângulos, maor o grau de smlardade entre eles. Defnção.: O grau de smlardade entre L mn = ( a, a, a ) e L = ( a, a, a ) é calculado da segunte forma: 0, se L I Lmn = φ s = area( = mn ) ( a a ) L I L, se L L φ I mn [( a a ) + ( a a )] 86
6 Algortmo: Chuang e Kung (005) PASSO 0: Entre com uma rede dreconada com n nós e k arcos. PASSO : Encontre os camnhos possíves entre os nós r e v com os respectvos comprmentos (custos) L = a, a, ), =,,..., m ( a PASSO : Encontre o Lmn através da heurístca proposta (algortmo Seção.) PASSO : Encontre o grau de smlardade s entre L mn e L, =,,,...,m PASSO 4: Encontre o camnho com o maor grau de smlardade PASSO 5: FIM. 4. Algortmo Proposto Observando o algortmo de Chuang e Kung (005), nota-se que a dfculdade resde em comparar uma grande quantdade de camnhos para assm determnar qual é o que possu o maor grau de smlardade. Nesta seção, é proposto um algortmo para o problema de camnho mínmo em grafos fuzzy. Este algortmo é uma adaptação do algortmo para grafos clásscos de Ford-Moore-Bellman (958) e a este está assocada a heurístca proposta por Chuang e Kung (005), com a fnaldade de determnar qual camnho não-domnado possu maor grau de smlardade com o CCMF. Defnção 4.: Sejam x, y X duas soluções factíves dstntas do problema de camnho mínmo, x domna y se e somente se f ( x) p f ( y). Ou seja, um camnho p é um camnho não-domnado (Pareto-Ótmo) se e somente se não exste outro camnho p p d p ( d : dstânca). p tal que ( ) ( ) d 4. Informações sobre o algortmo proposto: n l : custo do camnho entre o nó e o com a etqueta k na teração n (= L ); (, k ) Γ : conjunto dos nós predecessores de ; Algortmo Proposto PASSO 0: Incalzação das varáves: m. M = a, tal que a é o lmtante superor dos arcos fuzzy e m é o número de arcos do grafo; = l 0 (,) = (0, 0, 0 ; l 0 ( j,) = ( M +, M +, M + ), j =,,..., r. ) 4. ; r: número de nós. 5. n. PASSO : Seleção das etquetas e verfcação da domnânca: n. l (0, 0, 0) ; (,) = j Γ, =,,,..., n n l(, k) = l( j, k ) l j. r, faça:. Verfcação da domnânca entre as etquetas. Para todas as etquetas do nó faça: n n Se l(, k) f l(, k ) elmne a k ésma etqueta; 87
7 Se n n l(, ) p l(, ) elmne a k ésma etqueta. k PASSO : Crtéro de parada n n. Se l = l, N Passo ( : conjunto dos nós); k (, k) (, k) N. Senão: n n + volte ao passo. PASSO : Composção dos camnhos não domnados: Encontre os camnhos não-domnados de para t. PASSO 4: Encontre o L mn através da heurístca de Chuang e Kung (algortmo subseção.). PASSO 5: Entre os camnhos não-domnados encontre aquele que possu o menor grau de smlardade com L mn (algortmo subseção.). PASSO 6: FIM. 4. Complexdade computaconal Sejam r o número de nós do problema, m o número de arcos, V j o número de rótulos permanentes do nó j e V max o máxmo entre {V, V,..., V r }, logo a complexdade computaconal do algortmo proposto é lmtada por O ( r V max ). 5. Resultados Computaconas O algortmo proposto fo mplementado na lnguagem Matlab 7.0 e testado em três redes. A prmera é a rede utlzada no trabalho de Chuang e Kung (005), a segunda é semelhante a prmera porém contendo custo negatvo em um dos arcos e a tercera é uma rede óptca talana de telecomuncações (Al, Ramamurthy e Deogun, 00). Exemplo : Rede utlzada por Chuang e Kung. Fgura : Rede de Chuang e Kung Arco Orgem Destno Custo ( 45 50) (4 57 6) (50 5 6) 4 4 ( ) 5 5 ( ) 6 5 ( ) ( 40 46) (88 9 4) (75 0 4) Tabela : Arcos e custos da rede de Chuang e Kung Executando o algortmo para a rede anteror (Fgura ) obtêm-se os seguntes resultados: 88
8 . Do nó ao, é detectado o segunte camnho não-domnado: com custo ( 45 50). Do nó ao : com custo (4 57 6). Do nó ao 4: 4 com custo (89 0 ) 4. Do nó ao 5: Camnho : 5 com custo (85 ) Camnho : 5 com custo (84 4 5) L mn = ( ); s =.70 e s =.5 5. Do nó ao 6: Camnho : 4 6 com custo ( ) Camnho : 5 6 com custo (60 5) Camnho : 5 6 com custo ( ) L mn =( ); s =6.78, s =8.4 e s =6.9 Verfcando os resultados anterores e comparando-os com os do artgo de Chuang e Kung (005) verfca-se que estes são parecdos, pos os camnhos que possuem grau de smlardade pequenos no artgo de Chuang e Kung são os camnhos domnados do algortmo proposto. Analsando os graus de smlardades entre os nós que possuem mas de um camnho nãodomnado concluí-se que o camnho é o melhor dos camnhos entre os nós e 5 e que o é o melhor entre os dos nós e 6. Exemplo : Rede acíclca com arco com custo negatvo. Fgura 4: Rede com custo negatvo Arco Orgem Destno Custo ( ) (5 7 9) ( 4 9) 4 4 (0 ) 5 5 (5 6 7) 6 4 (8 9 0) (-9 8-7) ( 4) (8 9 0) Tabela : Arcos e custos da rede negatva Executando o algortmo para esta rede (Fgura 4) obtêm-se os seguntes resultados:. Do nó ao, encontrou-se o segunte camnho não-domnado: com custo ( ). Do nó ao : Camnho : com custo ( 6 ) 89
9 Camnho : com custo (5 7 9) L mn =( 5. 7); s =. e s =0.55. Do nó ao 4: Camnho : 4 com custo ( 5) Camnho : 4 com custo (0 5 ) L mn =(0.4 5); s =.65 e s = Do nó ao 5: Camnho : 4 5 com custo ( 5 8) Camnho : 4 5 com custo ( 7 5) L mn =(.67 7); s =.97 e s =.9 5. Do nó ao 6: Camnho : com custo (0 4 8) Camnho : com custo (9 6 5) L mn =(9.8 6); s =. e s =.6 Analsando os resultados percebe-se que todos os camnhos não-domnados entre os nós e 5 e os nós e 6 passam pelo arco que possu custo negatvo (4 5), sto deve-se ao motvo de que este arco dmnu o custo do referdo camnho. Verfcando os graus de smlardade dos nós que possuem mas de um camnho não-domnado concluí-se que, concdentemente, o camnho é o melhor em todos os casos. Exemplo : Rede óptca talana. Fgura 5: Rede talana 90
10 Nó Cdade Nó Cdade Bolzano Peraga Mlano Roma Verona 4 Pesacara 4 Treste 5 Napol 5 Veneza 6 Bar 6 Torno 7 Caglar 7 Genova 8 Potenza 8 Bolgano 9 Catanzano 9 Frenze 0 Palermo 0 Psa Catamm Ancona Tabela : Denomnação dos nós da rede talana Arco Orgem Destno Custo (0 5 7) ( ) 4 ( ) 4 ( ) 5 5 ( ) ( ) 7 6 ( ) 8 7 ( ) 9 8 ( ) (5 0 0) 6 7 (7 0 4) 7 8 (5 0 6) 7 9 ( 40 46) ( 5 8) (7 0 7) 6 8 (0 0 4) ( 5 9) 8 9 (0 5 7) 9 9 ( ) 0 0 ( ) 4 ( ) 4 (9 00 5) ( 5 8) 4 7 ( ) 5 5 ( ) (9 97 0) ( ) ( ) ( 5 4) (5 6 70) 5 ( ) 6 8 ( ) 7 0 ( ) ( ) 5 9 ( ) 6 0 ( ) Tabela 4: Arcos e custos da rede talana Executando o algortmo de Chuang e Kung (005) para esta rede (Fgura 5), verfca-se que exstem, por exemplo, 5 camnhos entre os nós e, sendo que a maora destes possu grau de 9
11 smlardade entre seus custos e o CCMF próxmos ou guas a zero. Executando o algortmo proposto, detectou-se que somente entre os nós e exstem dos camnhos não-domnados, entre os demas nós somente exste somente um camnho não-domnado entre o determnado nó e o ncal (). Portanto, analsando este exemplo, para os dos algortmos percebe-se que o de Chuang e Kung é muto custoso, pos é necessáro encontrar todos os camnhos entre os nós para calcular a smlardade, enquanto que o algortmo proposto descarta os camnhos com smlardade baxa, sem a necessdade de encontrá-los, dmnundo assm o tempo computaconal. Camnhos encontrados entre os nós e pelo algortmo proposto: Camnho : com custo ( ) Camnho : com custo ( ) L mn =( ); s =4.5 e s =5.84 Verfcando o grau de smlardade entre os camnhos detecta-se que o é o melhor. 6. Conclusões O algortmo proposto apresenta um conjunto solução de camnhos não-domnados, assm como o de Okada e Soper (000). A vantagem deste é que possu complexdade computaconal menor e pode ser aplcado em redes com custos negatvos, ao contráro de Okada e Soper que somente trabalha com custos postvos. Além da vantagem supractada, o algortmo apresenta, através da heurístca e da medda de smlardade, propostas por Chuang e Kung (005), os camnhos que podem ser consderados mínmos, ou seja, os que possuem maor grau de smlardade. Porém, ao contráro do algortmo de Chuang e Kung, este não necessta encontrar todos os camnhos entre dos nós, vsto que os camnhos que são domnados, no algortmo proposto, apresentam grau de smlardade baxo, no de Chuang e Kung. Portanto, aplcando o algortmo proposto em uma rede de grande porte, este deve apresentar um desempenho melhor do que o de Chuang e Kung, vsto que não precsa encontrar todos os camnhos, mas sm somente os não-domnados. Como trabalhos futuros propõe-se o estudo detalhado do comportamento deste algortmo em redes com dversos tamanhos e densdades e também a nclusão de janelas de tempo. Agradecmentos Agradecemos à Unversdade Estadual do Centro-Oeste (UNICENTRO) que concedeu afastamento a Fábo Hernandes para cursar doutorado na Faculdade de Engenhara Elétrca e de Computação (FEEC) da Unversdade Estadual de Campnas (UNICAMP). Referêncas Bblográfcas Ahuja, R. K., Magnant, T. L. e Orln, J. B. (99). Network flows. Prentce Hall. Al, M., Ramamurthy, B. e Deogun, J. S. (00). A genetc algorthm for routng n wdm optcal networks wth power consderatons. Part : The uncast case. Bezdek, J. (98). Pattern recognton wth fuzzy objectve functon algorthms. Plenum Press. Bellman, R. E. (958). On a routng problem. Quart. Appl. Math. (6). Bellman, R. E. e Zadeh, L. (970). Decson makng n a fuzzy envronment. Manag. Scence (7). Blue, M., Bush, B. e Puckett, J. (00). Unfed approach to fuzzy graph problems. Fuzzy Sets and Systems (5): Chuang, T. e Kung, J. (005). The fuzzy shortest path length and the correspondng shortest path n a network. Computers and Operatons Research ():
12 Dubos, D. e Prade, H. (980). Fuzzy sets and systems: theory and applcatons. Academc Press, New York. Eppsten, D. (994) Fndng the k-shortest paths. IEEE Symposum on Foundatons of Computer Scence, pp Goldbarg, M. C. e Luna, H. P. L. (000). Otmzação combnatóra e programação lnear. Edtora Campus, Ro de Janero. Hernandes, F. e Takahash, M. (004). Adpatação de um algortmo de camnho mínmo em grafos com custo nos arcos e restrções de tempo fuzzy. XXXVI Smpóso Braslero de Pesqusa Operaconal. Hernandes, F. e Yamakam, A. (004). Um algortmo de camnho mínmo em grafos com custo nos arcos fuzzy. XV Congresso Braslero de Automátca. Klen, C. M. (99). Fuzzy shortest paths. Fuzzy Sets and Systems (9): 7-4. Malk, D. e Moderson, J. N. (00). Fuzzy dscrete structures. Physca-Verlag, New-York. Okada, S. (004). Fuzzy shortest path problems ncorporatng nteractvty among paths. Fuzzy Sets and Systems 4 (): Okada, S. e Soper, T. (000). A shortest path problem on a network wth fuzzy arc lengths. Fuzzy Sets and Systems (09): Pedrycz, W. e Gomde, F. (998). An Introducton to fuzzy sets: analyss and desgn. London: MIT Press. Shaw, I. S. e Smões, M. G. (998). Controle e modelagem fuzzy. Edgar-Blucher/Fapesp. Zadeh, L. (965). Fuzzy sets. Informaton and Control (8): 8-5. Zadeh, L. (968). Fuzzy algorthms. Informaton and Control (). Zadeh, L. (978). Fuzzy Sets as a theory of possblty. Journal of Fuzzy Sets and Systems (). 9
ADAPTAÇÃO DE UM ALGORITMO DE CAMINHO MÍNIMO EM GRAFOS COM CUSTOS NOS ARCOS E RESTRIÇÕES DE TEMPO FUZZY
ADAPTAÇÃO DE UM ALGORITMO DE CAMINHO MÍNIMO EM GRAFOS COM CUSTOS NOS ARCOS E RESTRIÇÕES DE TEMPO FUZZY FÁBIO HERNANDES Faculdade de Engenhara Elétrca e de Computação Unversdade Estadual de Campnas.08-970,
Leia maisMÉTODOS ITERATIVOS PARA PROBLEMAS DE PROGRAMAÇÃO MATEMÁTICA COM INCERTEZAS
Pesqusa Operaconal e o Desenvolvmento Sustentável MÉTODOS ITERATIVOS PARA PROBLEMAS DE PRORAMAÇÃO MATEMÁTICA COM INCERTEZAS Rcardo Coêlho Slva Departamento de Telemátca Faculdade de Engenhara Elétrca e
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia mais2-Uma Breve Introdução à Teoria dos Conjuntos Fuzzy 2.1-Conjunto Fuzzy
pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN METODOLOGI DE RESOLUÇÃO DE PROBLEMS DE PROGRMÇÃO LINER FUZZY ndré lves Gandolpho Departamento de Engenhara Elétrca Unversdade
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisAprendizagem de Máquina
Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisJogos. Jogos. Jogo. Jogo. Óptimo alvo investigação
Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisUM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO
Ro de Janero, RJ, Brasl, 3 a 6 de outubro de 008 UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Paula Marana dos Santos (UFV) paula-maranna@hotmal.com
Leia maisAuto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza
Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Msturograma em magens em nível de cnza Severno Jr, Osvaldo IMES - FAFICA osvaldo@fafca.br Gonzaga, Adlson Escola de Engenhara de São Carlos -
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma magem dgtal r é a função f(r) aplcada a todo pxel
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia mais2 Análise de Campos Modais em Guias de Onda Arbitrários
Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisImperfeição, Imprecisão e Incerteza e Modelos de Otimização
Imperfeção Imprecsão e Incerteza e Modelos de Otmzação Fernando Gomde Unversdade Estadual de Campnas Faculdade de Engenhara Elétrca e de Computação Campnas São Paulo Brasl III Workshop sobre Teora de Conuntos
Leia maisInterpolação Segmentada
Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisRadiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)
Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia mais2 Lógica Fuzzy Introdução
2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade
Leia maisDISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL
DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL Dstrbuton of the wnd acton n the bracng elements consderng
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisQ 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )
DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
SIMPÓSIO BRSILEIRO DE PESQUIS OPERCIONL 8 a 11 de novembro de 2002, Ro de Janero/RJ PESQUIS OPERCIONL E S CIDDES PROGRMÇÃO LINER FUZZY PR PROBLEMS DE MISTUR ndré lves Gandolpho 1, Departamento de Engenhara
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisCurvas Horizontais e Verticais
Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs
Leia maisCONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:
CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída
Leia maisCURSO A DISTÂNCIA DE GEOESTATÍSTICA
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,
Leia maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisPalavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.
MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo
Leia maisEletromagnetismo Aplicado
letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia mais5 Problema de planejamento de novas redes de telecomunicações
Problema de planejamento de novas redes de telecomuncações O Problema de Planejamento de Novas Redes de Telecomuncações (PPNRT) consste em atender um conjunto de clentes com demandas dferentes que devem
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisMODELO DE DESPACHO TERMELÉTRICO CONSIDERANDO RESTRIÇÕES NO SUPRIMENTO DE GÁS NATURAL
MODELO DE DESPACHO TERMELÉTRICO CONSIDERANDO RESTRIÇÕES NO SUPRIMENTO DE GÁS NATURAL ODERSON DIAS DE MELLO Departamento de Engenhara de Sstemas - Faculdade de Engenhara Elétrca e de Computação - Unversdade
Leia maisIntrodução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis
Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,
Leia maisANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS
DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End
Leia maisEletrotécnica AULA Nº 1 Introdução
Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisAdriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisINCORPORAÇÃO DE RECORRÊNCIA EM ESTRUTURAS NEURAIS NEBULOSAS
INCORPORAÇÃO DE RECORRÊNCIA EM ESTRUTURAS NEURAIS NEBULOSAS Ivette Luna 1, Rosangela Balln 2, Fernando Gomde 3 1,3 Unversdade Estadual de Campnas Faculdade de Engenhara Elétrca e de Computação 13083-970
Leia maisAnálise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
Leia mais2 Aproximação por curvas impĺıcitas e partição da unidade
Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisCaderno de Fórmulas em Implementação. SWAP Alterações na curva Libor
Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia maisModelação com Variáveis Discretas
Engenhara de Processos e Sstemas Modelação com Varáves Dscretas Fernando Bernardo Fev 2011 mn f ( x, y, θ ) x, y s. t. h( x, y, θ ) = 0 g( x, y, θ ) 0 x x x L x real y {0,1}) U Leque de aplcações. Tpos
Leia maisProcedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson
Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
O PROBLEMA DE CORTE BIDIMENSIONAL COM PLACA DEFEITUOSA ANDRÉA CARLA GONÇALVES VIANNA Unversdade Estadual Paulsta - UNESP Faculdade de Cêncas Departamento de Computação Av. Luz Edmundo Carrjo Coube, s/n,
Leia maisXII Simpósio Brasileiro de Automação Inteligente (SBAI) Natal RN, 25 a 28 de outubro de 2015
XII Smpóso Braslero de Automação Intelgente (SBAI) Natal RN, 25 a 28 de outubro de 2015 ANÁLISE DE UMA METAHEURÍSTICA BASEADA NO ALGORITMO DE COLÔNIA DE FORMIGAS PARA RESOLUÇÃO DE PROBLEMAS DE FLUXO DE
Leia maisRedes de Petri. Definições:
Redes de Petr Defnções: Uma Rede de Petr (PN) é m grafo dreto bpartdo o qal tem dos tpos de nós denomnados lgares (qe representam estados) e transções (qe representam eventos). O estado é alterado pelo
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisModelo de programação por restrições para o problema de empacotamento ortogonal tridimensional
Capítulo 5 Modelo de programação por restrções para o problema de empacotamento ortogonal trdmensonal Olvana Xaver do Nascmento 1 Llane de Azevedo Olvera 1 Thago Alves de Queroz 1 Resumo: O Problema de
Leia maisUMA FORMULAÇÃO DE PROGRAMAÇÃO INTEIRA PARA O PROBLEMA DE CRIAÇÃO DE ÁREAS DE PONDERAÇÃO AGREGADAS
UMA FORMULAÇÃO DE PROGRAMAÇÃO INTEIRA PARA O PROBLEMA DE CRIAÇÃO DE ÁREAS DE PONDERAÇÃO AGREGADAS José André de M. Brto IBGE Insttuto Braslero de Geografa e Estatístca emal: brtom@bge.gov.br Av. Chle,
Leia maisMODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES
MODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES Marcelo Gonçalves Narcso CNPTIA EMBRAPA narcso@cnpta.embrapa.br Luz Antono Noguera Lorena lorena@lac.npe.br LAC - Laboratóro Assocado
Leia mais3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Leia maisSIAD - SISTEMA INTEGRADO DE APOIO À DECISÃO: UMA IMPLEMENTAÇÃO COMPUTACIONAL DE MODELOS DE ANÁLISE DE ENVOLTÓRIA DE DADOS
SIAD - SISTEMA INTEGRADO DE APOIO À DECISÃO: UMA IMPLEMENTAÇÃO COMPUTACIONAL DE MODELOS DE ANÁLISE DE ENVOLTÓRIA DE DADOS Lda Angulo Meza Insttuto de Cêncas e Tecnologa Unversdade Vega de Almeda lda@lab.uva.br
Leia maisProblemas de engenharia
Análse de Sstemas de otênca Análse de Sstemas de otênca ( AS ) Aula 3 Operação Econômca de Sstemas de otênca 03//008 roblemas de engenhara Análse de Sstemas de otênca ( AS ) ANÁLISE Defndo o sstema, determnar
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que
Leia mais6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)
ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA 7 6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA As desvantagens do método BM apresentadas no capítulo 5 sugerem que a alocação dos benefícos seja feta proporconalmente ao prejuízo causado
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia mais0.5 setgray0 0.5 setgray1. Mecânica dos Fluidos Computacional. Aula 7. Leandro Franco de Souza. Leandro Franco de Souza p.
Leandro Franco de Souza lefraso@cmc.usp.br p. 1/1 0.5 setgray0 0.5 setgray1 Mecânca dos Fludos Computaconal Aula 7 Leandro Franco de Souza Leandro Franco de Souza lefraso@cmc.usp.br p. 2/1 Equações Dferencas
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisAnálise de faltas balanceadas e não-balanceadas utilizando Z bar. 1. Análise de falta balanceada usando a matriz de impedância de barra (Z bar )
Análse de altas balanceadas e não-balanceadas utlzando. Análse de alta balanceada usando a matrz de mpedânca de ra ( ) Aqu será eta uma análse de cálculo de curto-crcuto trásco (alta balanceada), utlzando
Leia maisProblemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.
Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisDISTRIBUIÇÃO DE FREQUÊNCIAS
Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia mais3 Cálculo Básico de Enlace Via Satélite
35 3 Cálculo Básco de Enlace Va Satélte Neste capítulo é tratado o cálculo básco de um enlace va-satélte, subentenddo em condções normas de propagação (espaço lvre) nos percursos de subda e descda e consderados
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisIntrodução a Combinatória- Aplicações, parte II
Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisO Algoritmo Robust C-Prototypes na Tarefa de Clusterização em Data Mining
O Algortmo Robust -Prototypes na Tarefa de lusterzação em Data Mnng Ademar rott Junor, Mersandra ôrtes de Mattos, Prscyla Waleska T. A. Smões Acadêmco do urso de ênca da omputação Undade Acadêmca de êncas,
Leia mais