O uso de relaxação Lagrangiana em uma abordagem exata para o problema de carregamento de paletes do produtor
|
|
- Orlando Farinha Minho
- 5 Há anos
- Visualizações:
Transcrição
1 O uso de relaxação Lagrangana em uma abordagem exata para o problema de carregamento de paletes do produtor Llan Káta de Olvera (FSA) llan.olvera@fsa.br Renaldo Morabto (UFSCar) morabto@power.ufscar.br Resumo Neste trabalho apresenta-se um método exato para resolver o problema de carregamento de paletes (PCP) do produtor. Este problema consste em arranjar sem sobreposção o máxmo número de retângulos de dmensões (l,w) ou (w,l) sobre um retângulo maor (L,W). O método aqu proposto é baseado no método de Beasley (985) para um problema de corte e empacotamento mas geral. Tal método envolve um procedmento de busca em árvore do tpo branch and bound que, em cada nó, utlza lmtantes dervados de relaxações Lagrangana e Surrogate de uma formulação de programação lnear 0-. Um algortmo de otmzação do subgradente é usado para otmzar estes lmtantes. São aplcados anda testes de redução do problema e uma heurístca Lagrangana na otmzação do subgradente. São apresentados os resultados obtdos em testes computaconas resolvendo exemplos da lteratura e exemplos reas. Palavras-chave: Problema de carregamento de paletes do produtor; Relaxações Lagrangana; método Branch and Bound.. Introdução Este trabalho trata de um caso partcular dos problemas de corte e empacotamento, denomnado problema de carregamento de paletes do produtor (PCP do produtor), o qual é classfcado como /B/O/C (bdmensonal, seleção de tens, únco objeto, tens guas), de acordo com a tpologa de Dyckhoff (990). Bascamente, este problema consste em arranjar sem sobreposção o máxmo número de retângulos de dmensões (l,w) ou (w,l) (faces nferores das caxas) sobre um retângulo maor (L,W) (superfíce do palete). Admtmos que as caxas estão dsponíves em grandes quantdades e devem ser arranjadas ortogonalmente, sto é, com seus lados paralelos aos lados do palete. Estes arranjos de caxas formam camadas que são então emplhadas sobre o palete. Devdo à escala e extensão de certos sstemas logístcos, um pequeno aumento do número de produtos carregados sobre cada palete pode resultar em economas substancas. O PCP do produtor é dfícl do ponto de vsta da complexdade computaconal, pos aparentemente smples de ser resolvdo otmamente, o problema não é resolvdo em tempo polnomal, embora sto anda não tenha sdo provado (Tarnowsk et al., 994; Nelssen, 994; Letchford e Amaral, 00; Martns, 00). Além dsso, o PCP do produtor é mportante nas atvdades logístcas de armazenagem e transporte de produtos embalados em caxas e carregados sobre paletes e camnhões (Morabto et al. 000). Poucos autores propuseram métodos exatos para resolver o PCP do produtor, entre eles, Dowsland (987), Tsa et al. (993) e Battacharya et al. (998). Devdo à dfculdade com os métodos exatos, dversas heurístcas têm sdo propostas na lteratura para resolver o PCP do produtor. Exemplos podem ser encontrados em Steudel (979), Smth e De Can (980), Bschoff e Dowsland (98), Dowsland (993), Nelssen (994, 995), Arenales e Morabto (995), Schethauer e Terno (996), Herbert e Dowsland (996), Schethauer e Sommerwess (998), Morabto e Morales (998, 999), Farago e Morabto (000), G e Kang (00), Martns (00), Lns et al. (003),
2 Pureza e Morabto (003, 005), Alvarez-Valdes et al. (005) e Brgn et al. (005). Lns et al. (003) apresentaram uma abordagem explorando partções na forma de um L, e conjeturaram que ela é exata para o PCP do produtor. A desvantagem desta abordagem é o relatvamente grande requsto de tempo computaconal, o que fo atenuado no estudo recente em Brgn et al. (005). Lmtantes superores para o PCP do produtor foram estudados em Nelssen (995), Letchford e Amaral (00), Morabto e Farago (00) e Martns (00). Neste trabalho, o PCP do produtor é modelado como um problema ntero 0- smlarmente a Farago e Morabto (000). O modelo pode ser vsto como um caso partcular do modelo proposto em Beasley (985) para o problema mas geral da classe /B/O/M (bdmensonal, seleção de tens, únco objeto, város tens dferentes). Apresentamos um método exato baseado na aplcação da técnca de relaxação Lagrangana, que fornece um excelente lmtante para ser usado num procedmento de busca em árvore (método branch and bound). Beasley (985) utlzou um método smlar baseado em relaxação Lagrangana e Surrogate para o problema mas geral acma ctado. Um algortmo de otmzação do subgradente é usado para otmzar o lmtante obtdo por relaxação Lagrangana. São aplcados anda testes de redução com o objetvo de reduzr o tamanho do problema, e a heurístca Lagrangana em Farago e Morabto (00). Os testes computaconas foram realzados utlzando exemplos conhecdos da lteratura e exemplos reas. O trabalho está organzado como descrto a segur. Nas seções, 3 e 4 são apresentados a formulação do problema adaptada de Beasley (985), a aplcação de relaxação Lagrangana e o procedmento de busca em árvore (branch and bound), respectvamente. Na seção 5 apresentamos alguns resultados computaconas e conclusões obtdas, bem como perspectvas futuras para o trabalho.. Formulação do problema Um palete (L,W), de comprmento L e largura W, deve ser carregado com caxas guas com faces nferores de dmensões l e w. Admtmos que L, W, l e w são números nteros, e que l w e l mn { L, W }. Por smplcdade, defnmos ( l, w ) = ( l, w ) e ( l, w ) = ( w, l ), assm, ( l, w ), =,, correspondem ao comprmento e largura da face de uma caxa com orentação. O problema consste em encontrar um arranjo de caxas em camadas horzontas, tal que a utlzação da superfíce do palete seja a máxma possível. Defnmos P e Q o mínmo e o máxmo número de caxas por camada, respectvamente, que podem ser colocadas sobre o palete (0 P Q). Consderamos um sstema de coordenadas cartesanas com orgem no canto nferor esquerdo do palete. Sabemos que as caxas podem ser colocadas em váras posções ao longo do comprmento L e largura W do palete. Sejam X = { p 0 p L- w, ntero} e Y = { q 0 q W - w, ntero} os conjuntos das coordenadas (p,q), respectvamente, para se colocar o canto nferor esquerdo da face (l,w) de uma caxa dentro do palete. Sem perda de generaldade (Beasley, 985), podemos restrngr os conjuntos X e Y para: X = { p p= lb, 0 p L w, b 0 e ntero, =, } = = Y = { q q= wb, 0 q W w, b 0 e ntero, =, }. Defnmos anda a função a que é útl para descrever restrções de sobreposção de caxas sobre o palete, e que pode ser computada com antecedênca para cada posção (p,q), cada posção (r,s), e cada orentação, com p X tal que p L-l, q Y tal que q W-w, r X, s Y, e =, (Beasley, 985):
3 , se 0 p r p+ l L e 0 q s q+ w W apqrs =. 0, caso contráro Fnalmente, para todo p X tal que p L-l, q Y tal que q W-w e =,, temos a varável de decsão x pq :, se uma caxa é colocada na posção ( p, q) do palete com orentação xpq =. 0, caso contráro O PCP do produtor pode então ser formulado pelo segunte problema lnear 0- (Beasley, 985, Farago e Morabto, 000): Max p X p L l } s.a. = = { { q Y q W w } x () pq { p X p L l } { q Y q W w } pqrs pq = { p X p L l } { q Y q W w } pq a x, para todo r X, s Y () P x Q (3) x pq {0,}, =,, p X tal que p L-l ; q Y tal que q W-w (4) A função objetvo () maxmza o número de caxas colocada sobre o palete. A restrção () garante que cada par (r,s) seja ocupado por no máxmo uma caxa e, desta manera, evta sobreposção no arranjo de caxas (Fgura ). A restrção (3) garante que o número de caxas arranjadas esteja dentro do ntervalo [P,Q] (em geral, temos P = 0). O problema ()-(4) envolve O( X Y ) varáves e restrções, o que o torna em geral dfícl de ser resolvdo otmamente nos casos prátcos. Consderamos anda a nclusão dos raster ponts em substtução aos conjuntos normas, para reduzr o tamanho destes conjuntos. Assm, os conjuntos X e Y, podem ser bem reduzdos, elmnando algumas varáves usando o conceto de raster ponts (Schethauer e Terno, 996; Morabto e Morales, 998). Tem-se que os pontos ( p, q ), sem perda de generaldade, devem fazer parte dos conjuntos normas X e Y, ou anda, fazer parte dos conjuntos raster ponts X e Y dados por: X ' = {( L p) p X } {0} Y' = X {( W q) q Y } {0} Y ( p ') = max{ p p X, p p '} ( q') = max{ q q Y, q q '}. X 3. Relaxação Lagrangana (LAG) Utlzando a técnca de relaxação Lagrangana em ()-(4), ou seja, ntroduzndo os multplcadores de Lagrange g rs ( 0) para todo r X e todo s Y da expressão (), obtemos o segunte problema Lagrangano (note que temos X Y multplcadores): Y Max s.a. V x + g (5) { p X p L l} { q Y q W w} pq pq rs = r X s Y P x Q (6) = { p X p L l } { q Y q W w } pq x pq {0,}, =,, p X tal que p L-l ; q Y tal que q W-w (7) onde V g a. = pq rs pqrs r X s Y
4 Sejam { X pq} representando os valores das varáves {x pq } na solução do problema Lagrangano (5)-(7), com valor dado por Z = V X + g, UB pq pq rs = { p X p L l}{ q Y q W w} r X s Y que corresponde a um lmtante superor para o valor ótmo do problema orgnal ()-(4), para quasquer {g rs } não negatvos. Observe que, dados {g rs }, o problema (5)-(7) pode ser faclmente resolvdo, uma vez que se decompõe em dos problemas ndependentes (um para cada tpo de orentação de caxa), e que cada subproblema pode ser faclmente resolvdo por nspeção. Seja n o número de varáves x pq com valores V pq estrtamente postvos: Se n Q, então escolha as Q varáves com maores valores V pq, e fxe-as em. Se P n < Q, então escolha as n varáves com maores valores V pq, e fxe-as em. Se n < P, então escolha as P varáves com maores valores V pq, e fxe-as em. As demas varáves são fxadas em 0. Note que o problema Lagrangano (5)-(7) possu a propredade de ntegraldade, uma vez que, dados {g rs }, sua solução não se altera ao trocarmos a restrção de ntegraldade x pq {0,} por sua relaxação lnear 0 x pq. Isto mplca que o melhor lmtante superor produzdo pelo problema Lagrangano (5)-(7) para o problema ()-(4) não é melhor do que o lmtante superor obtdo pela relaxação de programação lnear do problema ()-(4). Para resolver o problema dual Lagrangano: mn g rs 0 {problema Lagrangano (5)-(7)}, é utlzado o método de otmzação do subgradente (Camern et al., 975; Crowder, 976; Beasley, 985, 993; e Farago e Morabto, 000). É possível também aplcar, durante cada teração do método de otmzação do subgradente, alguma heurístca Lagrangana para gerar soluções factíves para o problema orgnal ()-(4), a partr da solução obtda para o problema Lagrangano do passo (modelo (5)-(7)). Também podemos aplcar alguma técnca de redução do problema para tentar fxar, sem perda de generaldade, alguma varável em 0 ou, e, desta manera, reduzr o tamanho do problema ()-(4). Neste trabalho consderamos a heurístca Lagrangana e a técnca de redução do problema apresentados em Farago e Morabto (000) 4. Busca em árvore No fnal do procedmento de otmzação do subgradente, o menor lmtante superor (Z mn ) e o máxmo lmtante nferor (Z LB ) correspondente a uma solução factível, podem não concdr e, para resolver este problema, aplcamos o método branch and bound (Nemhauser e Wolsey, 988). O problema é resolvdo utlzando uma árvore bnára com busca em profunddade e, em cada nó da árvore, é computado um lmtante superor de relaxação Lagrangana. A segur é apresentado resumdamente o algortmo do procedmento de busca em árvore (Nemhauser e Wolsey, 988). Consderemos: L : lsta de problemas nteros ( P ) que devem ser nvestgados ou nós abertos. S : conjunto das soluções factíves do problema Z LB P pertencente a L : lmtante nferor para o valor objetvo de P (relaxação). Z UB : lmtante superor para o valor objetvo de P (solução factível). Z: valor da função objetvo do problema P. Passo : Incalzação: forme uma lsta L={P} (sendo P o problema ()-(4)) com os 0 0 problemas anda não resolvdos, S = S, Z = e Z =. UB LB
5 Passo : Teste de parada: se L= então a solução x 0 que assegura ZLB = Z é a solução ótma. Passo 3: Seleção do problema e relaxação: selecone e elmne um problema P de L. Resolva a relaxação do problema seleconado (RP ). Seja Z R o valor ótmo da relaxação e seja xr a solução ótma se exstr. Passo 4: Sondagem: a) se ZR Z LB, vá para o passo ; b) se x R S, vá para o passo 5; c) se x R S e Z > Z LB, faça ZLB = Z. Elmne de L todos os problemas com ZUB Z LB. Se Z = Z R, vá para o passo, caso contráro vá para o passo 5. Passo 5: Dvsão (branch): Seja { S j }, j=, a dvsão de S. Assm teremos dos novos subproblemas e devemos seleconar uma varável e esta será fxada com valor gual a no nó j da esquerda e, conseqüentemente, gual a 0 no nó da dreta. Esses novos subproblemas ( P ), j j=, são ncluídos na lsta L onde Z = Z. Em seguda, vá para o passo. UB R No método de busca em árvore ncalmente deve-se formar uma lsta L={P} (sendo P o problema ()-(4)) com os problemas anda não resolvdos, em seguda deve-se ncar o lmtante superor e lmtante nferor. Para o cálculo do lmtante superor foram utlzados os lmtantes da Razão da Área e o de Barnes (Barnes, 979). O lmtante nferor pode ser ncado com a solução homogênea com todas as caxas arranjadas na mesma dreção, ou anda com a heurístca de Morabto e Morales (998). No Passo 5 do algortmo de procedmento de busca em árvore acma, devemos fazer a dvsão dos nós (branchng) e seleconar a varável a ser fxada na dvsão dos nós. Consderamos as estratégas apresentadas em Beasley (985), Reeves (993), a de maor valor Lagrangano (ou seja, com maor V pq para ser fxada em 0 ou em ) e uma escolha aleatóra, onde a varável a ser fxada na dvsão dos nós é seleconada de forma aleatóra, sem nenhum crtéro pré-defndo. 5. Resultados computaconas e conclusões Nesta seção apresentamos alguns resultados computaconas do método exato utlzando relaxação Lagrangana. As mplementações foram codfcadas em lnguagem Pascal (complador Delph 5) e os testes foram realzados em um mcrocomputador Pentum III 650 MHz. Foram fetos város testes computaconas (maores detalhes veja Olvera, 004) e os resultados em relação à otmzação do subgradente apontaram para utlzar o método de redução do problema e ncar o parâmetro com f = (tamanho do passo na otmzação do subgradente) e dvd-lo a cada 30 terações. Em relação ao procedmento de busca em árvore, os resultados dos testes apontaram para utlzar a regra de Beasley (985) para escolher para a seleção da varável a ser fxada na dvsão dos nós; utlzar os valores de multplcadores assocados com o melhor lmtante superor obtdo no nó predecessor da árvore; utlzar os conjuntos de raster ponts ao nvés dos conjuntos normas, e utlzar a heurístca construtva de Morabto e Morales (998) para gerar bons lmtantes nferores ncas. Por motvo de espaço, a segur apresentamos apenas alguns resultados destes testes. Os demas resultados encontram-se detalhados em Olvera (004). O prmero grupo de exemplos fo subdvddo nos Grupos A e B conforme Tabelas e. Os 6 exemplos do Grupo A (L-L6) foram escolhdos aleatoramente do conjunto Cover II da lteratura (Nelssen, 993, 994; Schethauer e Terno, 996), que contém
6 exemplos do PCP do produtor com solução ótma conhecda (composta de 5 a 00 caxas). Todos os exemplos do Grupo A têm solução ótma não-gulhotnada de prmera ordem. Os 6 exemplos do Grupo B (L7-L3) são exemplos do Cover II dfíces de se resolver com as heurístcas de lteratura (Morabto e Morales, 998; Lns et al., 003), pos nenhum deles tem solução ótma não-gulhotnada de prmera ordem. O segundo grupo de exemplos (Grupo ) refere-se a 30 exemplos reas (R-R30 na Tabela 3) de uma transportadora em Campnas, SP. Estes exemplos utlzam o palete Brasl (PBR: 0x00 cm), adotado na maora das empresas brasleras. Tabela. Exemplos do Grupo A com solução ótma de prmera ordem. GRUPO A Exemplo (L,W) (l,w) X Y ( X Y ) X Y ( X Y ) L (77,47) (0,7) L (4,36) (7,4) L3 (55,55) (,5) L4 (44,9) (5,4) L5 (85,46) (,5) L6 (5,47) (7,5) L7 (70,43) (7,6) L8 (68,56) (3,4) L9 (5,5) (9,4) L0 (5,36) (8,3) L (78,40) (8,5) L (70,63) (,5) L3 (0,64) (9,5) L4 (60,56) (9,4) L5 (00,8) (7,5) L6 (3,57) (,6) Méda 49,5 9,5 88,5 36,69 0,75 5,00 Tabela. Exemplos do Grupo B sem solução ótma de prmera ordem. GRUPO B Exemplo (L,W) (l,w) X Y ( X Y ) X Y ( X Y ) L7 (43,6) (7,3) L8 (49,8) (8,3) L9 (57,34) (7,4) L0 (63,44) (8,5) L (6,35) (0,3) L (67,37) (,3) L3 (6,38) (0,3) L4 (6,38) (6,5) L5 (67,40) (,3) L6 (74,49) (,4) L7 (93,46) (3,4) L8 (06,59) (3,5) L9 (4,7) (3,8) L30 (74,46) (7,5) L3 (86,5) (9,5) L3 (08,65) (0,7) Méda 57,44 6,5 309,63 46,9 9,00 780,00
7 Tabela 3. Exemplos do Grupo exemplos reas de uma transportadora com (L,W)=(0,00) cm. GRUPO Exemplo (l,w) X Y ( X Y ) X Y ( X Y ) R (3,) R (50,0) R3 (33,3) R4 (34,6) R5 (36,5) R6 (8,) R7 (3,8) R8 (38,6) R9 (5,5) R0 (46,30) R (39,5) R (38,0) R3 (49,0) R4 (8,7) R5 (40,9) R6 (35,) R7 (7,) R8 (,) R9 (4,9) R0 (3,4) R (6,0) R (9,4) R3 (44,9) R4 (5,33) R5 (36,) R6 (35,0) R7 (0,4) R8 (,7) R9 (37,0) R30 (4,3) Méda 4,00 9,97 340,00 0,7 7,80 89,3 Nas Tabelas a 3 a coluna X Y representa o número (aproxmado) de varáves 0 envolvdas no modelo (5)-(7) e a coluna X Y consdera os raster ponts (seção ) apresentando da mesma forma, o número (aproxmado) de varáves envolvdas no respectvo modelo. Observe nas Tabelas a 3 que o número de varáves envolvdas no modelo consderando os raster ponts (coluna X Y ), em geral, é bem menor do que sem os raster ponts (coluna X Y ). As tabelas a segur apresentam as médas do lmtante superor (Z mn ) e do lmtante nferor (Z LB ) no nó ncal da árvore para cada um dos métodos. Anda são apresentados os valores médos da solução ótma (Z * ), da solução obtda em um tempo computaconal lmtado em 3 horas de processamento, do número de nós envolvdos na busca em árvore, e do tempo total (em mnutos) gasto para se resolver o conjunto de exemplos (computado apenas para os exemplos resolvdos em menos de 3 horas). A Tabela 4 apresenta os resultados do método LAG obtdos para os exemplos dos Grupos A e B, usando as melhores varações para a otmzação do subgradente e a busca
8 em árvore descrtas no níco desta seção. Observe na tabela que o método não encontrou a solução ótma de todos os exemplos do Grupo B dentro do lmte de tempo de 3 horas. Nos exemplos L9, L30 e L3, a melhor solução obtda pelo método LAG empacota uma caxa a menos do que a solução ótma. Grupo Tabela 4. Resultados computaconas do método LAG para Grupo. Nó ncal Busca em árvore Z mn Z LB Z * Solução # nós Tempo (mn) Obtda A 73,44 73,3 73,3 73,3*,63,34 B 80,06 79,06 80,06 79,88 49,3,76 Exemplo Tabela 5. Resultados computaconas do método LAG para Grupo. Sol. Transp. Nó ncal Busca em árvore Amercana N de Tempo Z TA Z mn Z LB Z* nós (mn) Z*-Z TA R < 0,0 R 0 < 0,0 R < 0,0 R4 < 0,0 0 R ,0 0 R < 0,0 R < 0,0 R < 0,0 0 R < 0,0 4 R < 0,0 R 0,0 0 R < 0,0 0 R3 < 0,0 0 R ,0 0 R < 0,0 0 R < 0,0 R < 0,0 R ,93 0 R < 0,0 0 R < 0,0 0 R 0 3 0,0 R < 0,0 R < 0,0 0 R < 0,0 0 R < 0,0 R ,0 R < 0,0 R < 0,0 4 R ,0 0 R < 0,0 Méda 0,0 3,47 0,0 0,97
9 Lns et al. (003) também realzaram testes computaconas com o Grupo B, e os resultados apresentados mostraram que o método proposto pelos autores (com conjetura de ser exato) resolve a maora dos exemplos em menos de hora de tempo computaconal. Em outros exemplos, como os L8, L9 e L3, o tempo computaconal fo bem maor, em torno de 8 horas. Convém observar, no entanto, que o método de Lns et al. (003), ao resolver cada problema, também resolve mutos subproblemas deste problema, dado que utlza programação dnâmca. O tempo médo dos 3 exemplos resolvdos em Lns et al. (003) fo de 60,50 mnutos, ou seja, maor que o tempo médo dos 3 exemplos resolvdos pelo método LAG (,76 mnutos, conforme a Tabela 4). O mcrocomputador utlzado fo um Pentum III 700 MHz, ou seja, comparável ao mcrocomputador utlzado no presente trabalho (Pentum III 650 MHz). Recentemente Brgn et al. (005) realzaram expermentos adconas com a abordagem em Lns et al. (003), explorando estruturas de dados dferentes daquelas utlzadas em Lns et al. (003), mostrando que os tempos computaconas da abordagem podem ser bem reduzdos. No entanto, os requstos de memóra computaconal são bem maores do que os anterores. Uma comparação mas efetva entre os dos métodos está além do escopo deste trabalho. A Tabela 5 compara as soluções do método LAG com as soluções utlzadas pela transportadora, para os 30 exemplos reas do Grupo. Note que o método LAG fo capaz de resolver otmamente todos os exemplos em um tempo médo relatvamente pequeno (0,0 mnutos), o que sugere que ele pode ser uma boa alternatva para resolver exemplos reas. Observamos anda que em 6 exemplos, a solução da transportadora não é ótma. Podemos dzer que, em méda, o método LAG é capaz de melhorar em 0,97 caxas (por camada do palete) a solução da transportadora. Observe nos exemplos R9 e R8 que a solução do método coloca 4 caxas a mas que a solução da transportadora. Implementamos o modelo ()-(4) na lnguagem de modelagem GAMS e resolvemos todos os exemplos dos Grupos e pelo software CPLEX (versão 7 que utlza um método branch and cut). A Tabela 6 compara as soluções obtdas pelo GAMS/CPLEX e pelo método LAG. Note que, assm como o método LAG, o pacote GAMS/CPLEX fo capaz de resolver todos os exemplos em um tempo computaconal máxmo de 3 horas, exceto para o Grupo B. Podemos dzer que o método LAG é mas rápdo no Grupo A (,34 mnutos contra 9,3 mnutos), mas mas lento no Grupo B (,76 mnutos contra 7,55 mnutos). E no Grupo, ele é bem mas rápdo (0,0 mnutos contra 8,5 mnutos). Assm, o método LAG parece ser uma boa alternatva para resolver exemplos reas. Tabela 6. Resultados computaconas do método LAG e do software GAMS/CPLEX para Grupos e. Grupo Z * LAG Tempo (mn) GAMS/CPLEX Tempo (mn) A 73,3 73,3*,34 73,3* 9,3 B 80,06 79,88,76 79,94 7,55 0,0 0,0* 0,0 0,0* 8,5 Foram realzados também város testes computaconas com exemplos do conjunto Cover I (veja Olvera, 004) e o método LAG também apresentou um bom desempenho computaconal em relação à outros métodos exatos e ao software GAMS/CPLEX. Uma das perspectvas para pesqusas futuras é tentar reduzr os tempos computaconas do método LAG. Em partcular pretende-se consderar as déas apresentadas no trabalho de Alvarez-Valdes et al. (005) para reduzr o problema, consderando a redução de varáves e restrções nos modelos com os conjuntos de raster ponts e consderações de domnânca de posções nestes conjuntos.
10 Referêncas ALVAREZ-VALDES, R.; PARREÑO, F. e TAMARIT, J. M., A Branch-and-Cut Algorthm for the Pallet Loadng Problem. Computers & Operatons Research, v. 3, n., p , 005. ARENALES, M. e MORABITO, R., An AND/OR-Graph to the Soluton of Two-Dmensonal Non-gulhotne Cuttng Problems. European Journal of Operatonal Research, v. 84, p , 995. BARNES, F. W., Packng the Maxmum Number of mxn Tles n a Large pxq Rectangle. Dscrete Mathematcs, v. 6, p , 979. BEASLEY, J., An Exact Two-Dmensonal Non Gullotne Cuttng Tree Search Procedure. Operatons Research, v. 33, p , 985. BHATTACHARYA, S.; ROY, R. e BHATTACHARYA, S., An Exact Depth-Frst Algorthm for the Pallet Loadng Problem. European Journal of Operatonal Research, v. 0, p , 998. BIRGIN, E. G.; MORABITO, R. e NISHIHARA, F. H., A Note on a L-Approach for Solvng the Manufacturer s Pallet Loadng Problem. A aparecer no Journal of the Operatonal Research Socety, 005. BISCHOFF, E. e DOWSLAND, W., An Applcaton of the Mcro to Product Desgn and Dstrbuton. Journal of the Operatonal Research Socety, v. 33, p. 7-80, 98. CAMERINI, P. M.; FRATTA, L. e MAFFIOLI, F., On Improvng Relaxaton Methods by Gradent Technques. Mathematcal Programmng Study v. 3, p. 6-34, 975. CROWDER, H. Computatonal Improvements for Subgradent Optmzaton. Symposo Matematca, Rome, v. 7, p , 976. DOWSLAND, K., An Exact Algorthm for the Pallet Loadng Problem. European Journal of Operatonal Research, v. 3, p , 987. DOWSLAND, K., Some Experments Wth Smulated Annealng Technques for Packng Problems. European Journal of Operatonal Research, v. 68, p , 993. DYCKHOFF, H., A Typology of Cuttng and Packng Problems. European Journal of Operatonal Research, v. 44, p , 990. FARAGO, R. e MORABITO, R., Um Método Heurístco Baseado em Relaxação Lagrangana para o Problema de Carregamento de Paletes do Produtor. Pesqusa Operaconal, v., n. 0, p. 97-, 000. G, Y. e KANG, M., A Fast Algorthm for Two-dmensonal Pallet Loadng Problems of Large Sze. European Journal of Operatonal Research, v. 34, p , 00. HERBERT, A. e DOWSLAND, K., A Famly of Genetc Algorthms for the Pallet Loadng Problem. Annals of Operatons Research, v. 63, p , 996. LETCHFORD, A. N. e AMARAL, A., Analyss of Upper Bounds for the Pallet Loadng Problem. European Journal Of Operatonal Research, v. 3, n. 3, p , 00. LINS, L.; LINS, S. e MORABITO, R., An L-Approach for Packng (l,w)-rectangles nto Rectangular and L- Shaped Peces. Journal of the Operatonal Research Socety, v. 54, p , 003. MARTINS, G. H. A., Packng n Two and Three Dmensons. Tese de Doutorado, Naval Postgraduate School, Monterey, Calforna, 00. MORABITO, R. e MORALES, S., A Smple and Effectve Recursve Procedure for the Manufacturer's Pallet Loadng Problem. Journal of the Operatonal Research Socety, v. 49, p , 998. MORABITO, R. e MORALES, S. R., Errata A Smple and Effectve Recursve Procedure for the Manufacturer's Pallet Loadng Problem. Journal of the Operatonal Research Socety v. 50, 876, 999. MORABITO, R., MORALES, S. R. e WIDMER, J. A., Loadng Optmzaton of Palletzed Products on Trucks, Transportaton Research v. 36, p , 000. MORABITO, R. e FARAGO, R., A Tght Lagrangean Relaxaton Bound for the Manufacturer's Pallet Loadng Problem. Studa Informatca Unversals, v., n., p , 00. NELISSEN, J., New Approaches to the Pallet Loadng Problem. Workng paper, RWTH Aachen [ftp://ftp.nformatk.rwth-aachen.de/pub/reports/pallet.ps.z], 993.
11 NELISSEN, J., Solvng the Pallet Loadng Problem More Effcently, Workng Paper, Graduertenkolleg Informatk und Technk, Aachen, 994. NELISSEN, J., How to Use Constrants to Compute an Upper Bound for the Pallet Loadng Problem. European Journal of Operatonal Research, v. 84, p , 995. NEMHAUSER, G. L. e WOLSEY, L. A., Integer and Combnatoral Optmzaton, John Wley & Sons, Inc, 988. OLIVEIRA, L. K., Métodos Exatos Baseados em Relaxação Lagrangana e Surrogate para o Problema de Carregamento de Paletes do Produtor. Tese de Doutorado, Departamento de Engenhara de Produção, Unversdade Federal de São Carlos, 004. PUREZA, V. e MORABITO, R., Uma Heurístca de Busca Tabu Smples para o Problema de Carregamento de Paletes do Produtor. Pesqusa Operaconal, v. 3, n., p , 003. PUREZA, V. e MORABITO R., Some Experments wth a Smple Tabu Search Algorthm for the Manufacturer s Pallet Loadng Problem. A aparecer no Computers & Operatons Research, 005. REEVES, C. R., Modern Heurstc Technques for Combnatoral Problem. Departament of Statstcs and Operaconal Research, School of Mathematcal and Informaton Scences, Coventry Unversty, 993. SCHEITHAUER, G. e TERNO, J., The G4-Heurstc for the Pallet Loadng Problem. Journal of the Operatonal Research Socety, v. 47, p. 5-5, 996. SCHEITHAUER, G. e SOMMERWEISS, G., 4-block Heurstc for the Rectangle Packng Problem. European Journal of Operatonal Research, v. 08, n. 3, p , 988. SMITH, A. e DE CANI, P., An Algorthm to Optmze the Layout of Boxes n Pallets. Journal of the Operatonal Research Socety, v. 3, p , 980. STEUDEL, H., Generatng Pallet Loadng Patterns: a Specal Case of the Two-Dmensonal Cuttng Stock Problem. Management Scence, v. 0, p , 979. TARNOWSKI, A. G., TERNO, J. e SCHEITHAUER, G., A Polynomal Tme Algorthm for the Gullotne Pallet Loadng Problem. Informaton Systems and Operatonal Research, v. 3, p , 994. TSAI, R. D.; MALSTROM, E. M. e KUO, W., Three Dmensonal Palletzaton of Mxed Box Szes. IEE Transactons, v. 5, n. 4, p , 993.
UMA ABORDAGEM EXATA UTILIZANDO RELAXAÇÃO LAGRANGIANA PARA O PROBLEMA DE CARREGAMENTO DE PALETES
UMA ABORDAGEM EXATA UTILIZANDO RELAXAÇÃO LAGRANGIANA PARA O PROBLEMA DE CARREGAMENTO DE PALETES Llan Káta de Olvera Unversdade Federal de São Carlos, Departamento de Engenhara de Produção Centro Unverstáro
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
XXXIV SBPO SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Ro de Janero/RJ A PESQUISA OPERACIONAL E AS CIDADES UM MÉTODO EXATO BASEADO EM RELAXAÇÃO LAGRANGIANA PARA O PROBLEMA DE CARREGAMENTO
Leia maisO USO DE RELAXAÇÕES LAGRANGIANA E SURROGATE NO PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR
A pesqusa Operaconal e os Recuos Renováves 4 a 7 de novembro de 003, Natal-RN O USO DE RELAXAÇÕES LAGRANGIANA E SURROGATE NO PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR Llan Káta de Olvera Renaldo
Leia maisMÉTODOS EXATOS BASEADOS EM RELAXAÇÕES LAGRANGIANA E SURROGATE PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR
versão mpressa ISSN 0101-7438 / versão onlne ISSN 1678-514 MÉTODOS EXATOS BASEADOS EM RELAXAÇÕES LAGRANGIANA E SURROGATE PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR Llan Káta de Olvera Renaldo
Leia maisUM MÉTODO HEURÍSTICO BASEADO EM RELAXAÇÃO LAGRANGIANA PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR
Vol. 0, No., p. 97-, dezembro de 000 Pesqusa Operaconal 97 UM MÉTODO HEURÍSTICO BASEADO EM RELAXAÇÃO LAGRANGIANA PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR Randal Farago Renaldo Morabto Departamento
Leia maisEstivagem de unidades de celulose: uma análise prática com heurísticas de bloco
Estvagem de undades de celulose: uma análse prátca com heurístcas de bloco Douglas Rosson Srtol (UnAracruz) drsrtol@fsjb.edu.br Glaydston Mattos Rbero (UnAracruz) glaydston@fsjb.edu.br Luz Antono Noguera
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 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 maisMÉTODO DE GERAÇÃO DE COLUNAS PARA O PROBLEMA DO CARREGAMENTO DE PALETES DO PRODUTOR
MÉTODO DE GERAÇÃO DE COLUNAS PARA O PROBLEMA DO CARREGAMENTO DE PALETES DO PRODUTOR Glaydston Mattos Rbero Laboratóro Assocado de Computação e Matemátca Aplcada Insttuto Naconal de Pesqusas Espacas 2.227-00,
Leia maisMODELOS DE DIMENSIONAMENTO DE LOTES COM CUSTOS DE TRANSPORTE
MODELOS DE DIMENSIONAMENTO DE LOTES COM CUSTOS DE TRANSPORTE Flavo Molna Unversdade Federal de São Carlos UFSCar - Departamento de Engenhara de Produção Rod. Washngton Luís - Km 235, São Carlos, São Paulo
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 maisO PROBLEMA DE CORTE DE ESTOQUE BIDIMENSIONAL APLICADO A UMA INDÚSTRIA DE ESQUADRIAS METÁLICAS
O PROBLEMA DE CORTE DE ESTOQUE BIDIMESIOAL APLICADO A UMA IDÚSTRIA DE ESQUADRIAS METÁLICAS Andréa Carla Gonçalves Vanna {vanna@fc.unesp.br} Departamento de Computação DCo Unversdade Estadual de São Paulo
Leia maisMODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO
versão mpressa ISSN 0101-7438 / versão onlne ISSN 1678-5142 MODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO Leonardo Junquera Renaldo
Leia maisUM MÉTODO HEURÍSTICO BASEADO EM PROGRAMAÇÃO DINÂMICA PARA O PROBLEMA DE CORTE BIDIMENSIONAL GUILHOTINADO RESTRITO
UM MÉTODO HEURÍSTICO BASEADO EM PROGRAMAÇÃO DINÂMICA PARA O PROBLEMA DE CORTE BIDIMENSIONAL GUILHOTINADO RESTRITO v.9, n.1, p.78-92, abr. 2002 Rejane Joas Slvera Renaldo Morabto Departamento de Engenhara
Leia maisAbordagens para problemas de carregamento de contêineres com considerações de múltiplos destinos
Gest. Prod., São Carlos, v. 18, n. 2, p. 265-284, 2011 Abordagens para problemas de carregamento de contêneres com consderações de múltplos destnos Approaches for contaner loadng problems wth mult-drop
Leia maisRESOLUÇÃO DO PROBLEMA DE CORTE INTEGRADO AO PROBLEMA DE SEQÜENCIAMENTO DOS PADRÕES UTILIZANDO RELAXAÇÃO LAGRANGEANA
RESOLUÇÃO DO PROBLEMA DE CORTE ITEGRADO AO PROBLEMA DE SEQÜECIAMETO DOS PADRÕES UTILIZADO RELAXAÇÃO LAGRAGEAA Mara José Pnto Centro Técnco Aeroespacal (CTA) Insttuto de Estudos Avançados (IEAv) Departamento
Leia maisProgramação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
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 maisPROBLEMA DE DIMENSIONAMENTO DE LOTES MONOESTÁGIO COM RESTRIÇÃO DE CAPACIDADE: MODELAGEM, MÉTODO DE RESOLUÇÃO E RESULTADOS COMPUTACIONAIS
Vol. 20, No. 2, p. 287-306, dezembro de 2000 Pesqusa Operaconal 287 PROBLEMA DE DIMENSIONAMENTO DE LOTES MONOESTÁGIO COM RESTRIÇÃO DE CAPACIDADE: MODELAGEM, MÉTODO DE RESOLUÇÃO E RESULTADOS COMPUTACIONAIS
Leia maisEstudos de Problemas de Dimensionamento de Lotes Monoestágio com Restrição de Capacidade. Orientador: Prof. Dr. Marcos Nereu Arenales
Estudos de Problemas de Dmensonamento de Lotes Monoestágo com Restrção de Capacdade Slvo Alexandre de Araujo Orentador: Prof. Dr. Marcos Nereu Arenales Dssertação apresentada ao Insttuto de Cêncas Matemátcas
Leia maisAPLICAÇÃO DO ALGORITMO GENÉTICO DE CHAVES ALEATÓRIAS VICIADAS AO PROBLEMA DE ESCALONAMENTO DE TÉCNICOS DE CAMPO
APLICAÇÃO DO ALGORITMO GENÉTICO DE CHAVES ALEATÓRIAS VICIADAS AO PROBLEMA DE ESCALONAMENTO DE TÉCNICOS DE CAMPO Rcardo de Brto Damm Departamento de Engenhara de Produção da Escola Poltécnca, USP rbdamm@usp.br
Leia maisProgramação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
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 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 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 maisCAPÍTULO. Cassius Tadeu Scarpin. Universidade Federal do Paraná, Programa de Pós-Graduação em Métodos Numéricos em Engenharia.
3 CAPÍTULO MODELO DE PROGRAMAÇÃO LINEAR INTEIRA PARA O PROBLEMA DE CARREGAMENTO DE MÚLTIPLOS CONTÊINERES COM RESTRIÇÕES DE CARREGAMENTO COMPLETO DE GRUPO DE ITENS E DE ESTABILIDADE VERTICAL Cleder Marcos
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 maisGRASP PARA OTIMIZAR O CARREGAMENTO DE UM CONTÊINER
A ntegração de cadeas produtvas com a abordagem da manufatura sustentável. Ro de Janero, RJ, Brasl, 13 a 16 de outubro de 2008 GRASP PARA OTIMIZAR O CARREGAMENTO DE UM CONTÊINER ETELVIRA CRISTINA BARRETO
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 maisALGORITMOS PARA DETERMINAÇÃO DE PADRÕES TABULEIROS EXATOS E RESTRITOS: TESTES COMPUTACIONAIS COMPARATIVOS
Pesqusa Operaconal e o Desenvolvmento Sustentável ALGORITOS PARA DETERINAÇÃO DE PADRÕES TABULEIROS EXATOS E RESTRITOS: TESTES COPUTACIONAIS COPARATIVOS Danel assaru Katsurayama Insttuto Naconal de Pesqusas
Leia maisEduardo Andrade Veloso
Estruturas de Árvores Dsuntas Obtdas através dos Conuntos Recíprocos Completos e Não Recíprocos e seu uso na Determnação das p-medanas de uma Rede. Eduardo Andrade Veloso Unversdade Estadual da Paraíba
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
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 mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
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 maisV SMAT Simpósio de Matemática Presidente Prudente - SP 10 a 13 de agosto de Minicurso Introdução a Problemas de Corte de Estoque
V SMAT Smpóso de Matemátca Presdente Prudente - SP 10 a 13 de agosto de 2010 Mncurso Introdução a Problemas de Corte de Estoque Adrana Crstna Cherr Departamento de Matemátca - Faculdade de Cêncas Unversdade
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 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
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 maisAPLICAÇÃO DE ALGORITMOS GENÉTICOS AO PROBLEMA DE COBERTURA DE CONJUNTO
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN APLICAÇÃO DE ALGORITMOS GENÉTICOS AO PROBLEMA DE COBERTURA DE CONJUNTO Ademr Aparecdo Constantno Unversdade Estadual 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 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 maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisHeurística de múltiplos inícios para o problema de empacotamento tridimensional em faixa
Heurístca de múltplos nícos para o problema de empacotamento trdmensonal em faxa Vnícus Amaral Armentano Faculdade de Engenhara Elétrca e de Computação Unversdade Estadual de Campnas vncus@denss.fee.uncamp.br
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 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 maisJorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.
Agenda Análse e Técncas de Algortmos Jorge Fgueredo Ordenação baseada em comparação Inserton Sort Mergesort Qucksort Ordenação em tempo lnear Análse de de Algortmos de de Ordenação Problema da Ordenação
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 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 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 maisCálculo Numérico BCC760 Interpolação Polinomial
Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.
Leia maisBalanceamento das cargas nas respectivas fases do circuito [8]: Posicionamento do transformador abaixador: Recondutoramento dos circuitos:
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN PLANEJAMENTO DE CIRCUITOS SECUNDÁRIOS DE DISTRIBUIÇÃO USANDO ALGORITMO EVOLUTIVO ESPECIALIZADO Antono Marcos Coss Grupo
Leia maisAprendizagem de Máquina
Introdução Aprendzagem de Máquna Alessandro L. Koerch Redes Bayesanas A suposção Naïve Bayes da ndependênca condconal (a 1,...a n são condconalmente ndependentes dado o valor alvo v): Reduz a complexdade
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 maisU N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
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 maisResponda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.
Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Sére Estatístca ANÁLISE DE MODELOS MATEMÁTICOS PARA O PROBLEMA PROBABILÍSTICO DE LOCALIZAÇÃO- ALOCAÇÃO DE MÁXIMA COBERTURA Vnícus Morera Pontn Unversdade Federal do Espírto Santo (CEUNES/UFES)
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 maisAbordagem da Metaheurística Clustering Search com Simulated Annealing para o Problema de Alocação de Berços de Navios
Abordagem da Metaheurístca Clusterng Search com Smulated Annealng para o Problema de Alocação de Berços de Navos Rudne Martns de Olvera 1, *, Geraldo Regs Maur 2, Luz Antono Noguera Lorena 3 1 rudmart@gmal.com,
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 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 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 maisOptimização com variáveis discretas
Engenhara de Processos e Sstemas Optmzação com varáves dscretas Fernando Bernardo Fev 2013 mn f ( x,, θ ) x, s. t. h( x,, θ ) = 0 g( x,, θ ) 0 x x x L U x real, {0,1} Por que necesstamos de varáves dscretas?
Leia maisAlgoritmos Genéticos com Parâmetros Contínuos
com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75
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 maisO PROBLEMA DE CORTE DE ESTOQUE COM APROVEITAMENTO DE SOBRAS: UM ESTUDO DE COMPARAÇÃO DE DIFERENTES MODELOS MATEMÁTICOS E HEURÍSTICAS DE RESOLUÇÃO
Unversdade Tecnológca Federal do Paraná - UTFPR Campus Ponta Grossa - Paraná - Brasl SSN 1808-0448 / v. 11, n. 3: p. 26-51, 2015 D.O..: 10.3895/g.v11n3.2807 O PROBLEMA DE CORTE DE ESTOQUE COM APROVETAMENTO
Leia maisUMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. UMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO Alexandre Venturn Faccn Pacheco (UFES) alexandreventurn@gmal.com
Leia maisAplicação de um método híbrido de pontos interiores e branch-and-bound em problemas de minimização de custo de colheita da cana-de-açúcar
Aplcação de um método híbrdo de pontos nterores e branch-and-bound em problemas de mnmzação de custo de colheta da cana-de-açúcar Camla de Lma 1, Antono Roberto Balbo 2, Helence de Olvera Florentno Slva
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
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 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 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 maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia maisIII Seminário da Pós-graduação em Engenharia Elétrica
FLUXO DE POÊNCIA ÓIMO E O MINOS Adlson Preto de Godo Aluno do Programa de Pós-Graduação em Engenhara Elétrca Unesp Bauru Edméa Cássa Baptsta Orentador Depto de Matemátca Unesp Bauru RESUMO Neste trabalho
Leia maisAplicação do Método de Decomposição de Benders para o Problema de Carregamento de Paletes do Produtor
Aplcação do Método de Decomposção de Benders para o roblema de Carregamento de Aplcação do Método de Decomposção de Benders para o roblema de Carregamento de Ana Gabrela Rocha Departamento de Engenhara
Leia maisPROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO DA PRODUÇÃO: UM ESTUDO DE CASO EM UMA INDÚSTRIA DE BEBIDAS
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisClassificação e Pesquisa de Dados
Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso
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 maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia maisUM ESTUDO SOBRE PROBLEMAS DE AGRUPAMENTO CAPACITADO
UM ESTUDO SOBRE PROBLEMAS DE AGRUPAMENTO CAPACTADO Fernando Stefanello stefanello@nf.ufsm.br Felpe Martns Müller felpe@nf.ufsm.br Unversdade Federal de Santa Mara - Centro de Tecnologa Av. Rorama no. 1000
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 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 maisDiego Nunes da Silva. Programa de Pós-Graduação em Engenharia Elétrica FEB, Unesp, Bauru, Brasil
Um Método Prmal-Dual de Pontos Interores Barrera Logarítmca Modfcada com Aproxmantes Splne aplcado ao Problema de Despacho Econômco com Ponto de Válvula Dego Nunes da Slva Programa de Pós-Graduação em
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisMecanismos de Escalonamento
Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur
Leia maisPROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS
PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS Renato S. Gomde 1, Luz F. B. Loja 1, Edna L. Flôres 1 1 Unversdade Federal de Uberlânda, Departamento de Engenhara
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 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 maisO PROBLEMA DA ÁRVORE CAPACITADA COM DEMANDAS NÃO- UNITÁRIAS: UMA HEURÍSTICA DE MELHORIA A PARTIR DO MSTp
O PROBLEMA DA ÁRVORE CAPACITADA COM DEMANDAS NÃO- UNITÁRIAS: UMA HEURÍSTICA DE MELHORIA A PARTIR DO MSTp Lucas Gumarães de Olvera * lucasgu@gmal.com Paulo Mauríco Laurentys de Almeda * paulomla@gmal.com
Leia maisEQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI)
EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI) Introdução Seja a segunte equação derencal: d ( ) ; d para. que é reerencado com o problema do valor ncal. Essa denomnação deve-se
Leia maisHEURÍSTICA BASEADA NA BUSCA TABU PARA ALOCAÇÃO DE CAPACITORES EM REDES DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA
HEURÍSTICA BASEADA NA BUSCA TABU PARA ALOCAÇÃO DE CAPACITORES EM REDES DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA Mara A. Bago Departamento de Estatístca Unversdade de Brasíla - UnB Brasíla DF - Brasl mamela@u.br
Leia maisModelo de Programação Estocástica
Modelo de Programação Estocástca 23 2 Modelo de Programação Estocástca 2.. Concetos báscos A programação estocástca (PE) é defnda como um modelo de otmzação que apresenta um ou mas parâmetros estocástcos
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 maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisUMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES
UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES Ana Paula Coelho MADEIRA Lucas Montero CHAVES Devanl Jaques de SOUZA Resumo: Uma valdação matemátca, utlzando o conceto de
Leia mais