Uma Heurística para o Problema de Redução de Padrões de Corte

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Uma Heurística para o Problema de Redução de Padrões de Corte"

Transcrição

1 Uma Heurística para o Problema de Redução de Padrões de Corte Marcelo Saraiva Limeira INPE/LAC Horacio Hideki Yanasse INPE/LAC Resumo Propõe-se um procedimento híbrido para obter a redução do número de padrões em problemas de corte de estoque. Em um primeiro estágio são gerados bons padrões de corte que, uma vez cortados, simultaneamente completam as demandas de alguns dos itens contidos nele. Com a redução do problema, outras técnicas básicas de redução de padrão, propostas previamente na literatura, são utilizadas para se tentar obter uma melhor solução para o problema. 1. Introdução O problema de corte básico consiste em determinar a "melhor maneira" de cortar itens, com dimensões e quantidades específicas, de objetos com dimensões específicas de forma a otimizar uma função objetivo, por exemplo, minimização dos custos. Os objetos podem estar disponíveis em estoques, ou serem produzidos ou adquiridos de terceiros. Padrão de corte é definido pelos itens a serem cortados de um objeto bem como a disposição deles no objeto para a realização dos cortes em sua produção. Observe que a geometria é determinante, isto é, as formas e as dimensões dos itens e objetos determinarão os possíveis padrões de corte. Qualquer solução para o problema de corte de estoque consiste de um conjunto de padrões de corte e as freqüências correspondentes, isto é, o número de vezes que cada padrão tem de ser cortado. Vários métodos de solução estão sugeridos na literatura, tais como Gau e Waescher [3], Stadtler [5], etc, para o problema de corte de estoque unidimensional. Em particular, nem sempre pode ser apropriado considerar a minimização de perdas como um único objetivo. Na prática, o material do qual os itens são usualmente cortados faz parte apenas de um dos custos relevantes de decisão do processo de corte. O número de trocas de padrões de corte para satisfazer uma dada demanda pode afetar consideravelmente o tempo do processo de corte. Este é particularmente o caso quando, o equipamento de corte tem de ser preparado a cada novo padrão de corte; um procedimento que consome um determinado tempo durante o qual o processo de corte tem de ser interrompido. Para evitar a falta de produção devido aos tempos de preparação de máquina, a minimização do número de padrões de corte diferentes é, nestes casos, um segundo objetivo a ser considerado na geração dos padrões. Visto que a minimização do número de objetos (minimização da entrada) e a minimização do número de padrões de corte (setups) são objetivos parcialmente conflitantes, seria desejável avaliar os efeitos de ambos os fatores em uma minimização mais geral do custo. Um limitante inferior para o número de padrões distintos, pode ser obtido através da resolução do problema bin packing associado, onde a demanda de cada item tem valor igual a 1. Uma formulação do problema de corte de estoque que tem como objetivo não só a minimização dos custos de perdas mas também os custos de trocas de padrões distintos foi sugerida por Haessler [4]. Parece existir um número relativamente pequeno de trabalhos publicados tratando o problema de redução de padrões (Haessler [4], Farley e Richardson [1]). Na observação destes trabalhos este problema foi resolvido com o uso de heurísticas. Foerster and Wäscher [2] apresentaram uma pequena revisão de alguns trabalhos, incluindo os dois listados anteriormente. Eles propuseram um método de redução de padrões que combinava 2, 3, ou 4, padrões, de um plano de corte de entrada mínimo gerado em um primeiro estágio. Um algoritmo exato para o problema de minimização de padrões é proposto por Vanderbeck [6]. Este tem como objetivo minimizar o número de padrões de corte distintos utilizando, no máximo, a quantidade de objetos em estoque. O problema é primeiramente formulado como um problema de programação inteira quadrático, e em seguida é decomposto dentro de múltiplos problemas da mochila limitados. Então um algoritmo branch-andbound com técnica de geração de colunas é aplicado. De acordo com os testes computacionais, foi observado que este algoritmo conseguiu resolver de maneira exata vários

2 problemas de tamanho pequeno, mas falhava para obter soluções ótimas para diversas instâncias de tamanho moderado, considerando um limite máximo de tempo de duas horas. Neste trabalho apresentamos uma heurística para resolver o problema de redução de padrões em problemas de corte de estoque. O método proposto é baseado na observação que para se ter uma redução do número de padrões, os requisitos de mais de um item (em média) precisam ser completados quando a quantidade total de um padrão é cortada. Esta quantidade é o número de vezes que um padrão é repetido em uma solução. 2. A heurística Focalizaremos o problema com um único tipo de objeto e teremos como objetivo reduzir o número de padrões dentro de um desperdício tolerável. A idéia básica é relativamente simples. Do problema original (P), nós definimos um problema (P 1 ) com os mesmos itens do problema original (P) mas com as demandas ajustadas de acordo com um fator F 1. O problema (P 1 ) é obtido dividindo-se d 1, d 2,...,d m (m é o número de itens) por F 1 e pegando-se apenas a parte inteira. Qualquer padrão de corte viável para o problema (P 1 ) é também viável para (P) e, além disso, este padrão pode ser cortado F 1 vezes sem ter excesso de produção de um item. Uma seqüência de padrões é gerada para o problema (P 1 ) e um padrão é aceito se possui um desperdício em torno de um determinado α e completa simultaneamente as demandas de mais de um item contido nele (níveis de aspiração). Este padrão fará parte da solução global do problema (P) tendo uma quantidade F 1. Se nenhum padrão foi escolhido, nenhuma redução é realizada. Um novo fator F 2 é definido e o processo é repetido como do início. O processo termina quando o fator 1 é alcançado e nenhum outro padrão alcança os níveis de aspiração desejados. Caso se tenha no final um problema residual, demandas de alguns itens ainda não atendidas, então este problema residual é resolvido de maneira independente e, técnicas de redução de padrão, propostas previamente na literatura são aplicadas para a solução composta de todos os padrões gerados. Os fatores F 1, F 2,...1 são definidos da seguinte maneira. Visto que os padrões desejados, quando cortados, precisam finalizar as demandas de pelo menos dois itens, as quantidades de tais padrões precisam ser submúltiplas das demandas de alguns itens. Portanto, os candidatos a fatores são números submúltiplos das demandas dos itens e definidos da seguinte maneira: d m ; d m /2 ; d m /3 ; d m /4 ;... ; 1; d m-1 ; d m-1 /2 ; d m-1 /3 ; d m-1 /4 ;... ; 1; d 1 ; d 1 /2 ; d 1 /3 ; d 1 /4 ;... ; 1; Estes valores são ordenados em ordem decrescente (excluindo os valores iguais) e são testados um a um. Alguns valores podem ser imediatamente excluídos. Por exemplo, visto que estabelecemos que dois ou mais itens precisam ser finalizados por padrão, então o primeiro fator F 1 a ser considerado é d m-1, se d m é um múltiplo de d m-1 ou, um valor menor, caso contrário. Um dos níveis de aspiração para os padrões gerados é que o desperdício precisa estar em torno de um determinado α visto que nosso objetivo é gerar uma solução com desperdício global tão igual quanto possível do valor de α. Contudo, não conhecemos o desperdício dos diferentes padrões que compõem uma solução. O valor α é obtido através da computação do desperdício gerado pela solução do problema de corte, que pode ser resolvido por algum método já proposto na literatura. Para que se tenha um desperdício global aceitável os padrões escolhidos no procedimento precisam ter um desperdício menor ou próximo de α e padrões que são repetidos várias vezes precisam ser analisados detalhadamente quanto ao desperdício, pois se sua freqüência é elevada a solução global no final pode ter um desperdício grande e não ser muito boa. Por outro lado, um padrão levemente pior pode ser aceito se sua freqüência é pequena visto que sua contribuição para o desperdício global será mínimo. Considere por exemplo, um problema de corte de estoque unidimensional com 10 itens cujos tamanhos e demandas estão apresentados na Tabela 1. O tamanho do objeto a ser cortado é Tabela 1: Exemplo numérico m(número de itens) = 10. L(tamanho do objeto) = Nós resolvemos inicialmente este problema utilizando um código de Programação Linear com um Esquema de Arredondamento. O resultado obtido foi:

3 Número total de Objetos = 14. Número total de Padrões distintos = 10. Os padrões e as quantidades correspondentes obtidas são apresentados na tabela 2: Tabela 2: Resultado da Programação linear Freqüência Padrões de Corte dos Padrões A percentagem de desperdício nesta solução é de α = ( )/14000 = 0, O nível de aspiração para a eficiência dos padrões effref = (1-0, )x1000 = 952 unidades de comprimento. Seguindo a heurística proposta, teremos o seguinte: Iteração 1. Os candidatos a fatores são: F i = {18, 12, 11, 9, 8, 7, 6, 4, 3, 2, 1}. Visto que um nível de aspiração que estabelecemos foi que a demanda de dois ou mais itens necessita ser finalizada com um padrão, então o primeiro fator F 1 a ser considerado é o 18. Com este fator, o problema P 1 será composto dos seguintes /18 = /18 = 1 2 e 8), contudo para este caso todos os possíveis padrões gerados possuem eficiência menor que 952 unidades de comprimento. Com isso nenhum padrão é gerado para o fator F 1 = 18. O próximo fator a ser considerado é o fator F 2 = /12 = /12 = /12 = 1 Para este caso a demanda de apenas um item é completada (item 7). Nenhum padrão é gerado para o fator F 2 = 12, pois é necessário que seja completada a demanda de pelos menos dois itens. O próximo fator a ser considerado é o fator F 3 = /11 = /11 = /11 = /11 = /11 = 1 6 e 10), contudo para este caso todos os possíveis padrões gerados possuem eficiência menor que 952 unidades de comprimento. Com isso nenhum padrão é gerado para o fator F 3 = 11. O próximo fator a ser considerado é o fator F 4 = /9 = /9 = /9 = /9 = /9 = 1 2 e 8) e existe pelo menos um padrão com eficiência maior que 952 unidades de comprimento. O seguinte padrão foi gerado: Este padrão é cortado o mesmo número de vezes que o valor do fator F 4 (9 vezes). A demanda do problema original P é reajustada de acordo com o padrão gerado na iteração anterior. O resultado obtido é mostrado na tabela 3. Tabela 3: Demanda do problema P reajustada

4 Iteração 2 Calcular novamente os candidatos a fatores F i = {8, 7, 6, 4, 3, 2, 1} e repetir o procedimento até que o fator F i = 1 seja alcançado e não seja possível a geração de qualquer outro padrão de corte com níveis de aspiração desejados. Se ao final da execução do procedimento heurístico ainda existir itens com demandas não atendidas então resolve-se este problema residual através de um código de Programação Linear com um Esquema de Arredondamento. O resultado final após a execução completa da heurística e do problema residual é mostrado na tabela 4. Tabela 4: Resultado final obtido Freqüência Padrões de Corte dos Padrões Número total de Objetos = 14 Número total de Padrões distintos = 4 ( ) α = = 0, Testes Computacionais Testes computacionais foram realizados para um problema de corte de estoque unidimensional. Escolheuse o problema de corte de estoque unidimensional visto que este caso é mais simples comparado com problemas de corte de estoque de dimensões maiores. Além disso, para este caso, temos os resultados do trabalho de Foerster e Wäscher [2], para comparação. Para estes testes são utilizados 18 classes de problemas (cada classe contendo 100 problemas) definidas segundo Foerster e Wäscher [2]. Os resultados obtidos estão apresentados nas tabelas 5 e 6. Todas as implementações foram feitas em C++. Os testes computacionais foram realizados em um microcomputador Pentium II, 400 MHz com 128MB RAM. Na Tabela 5, na primeira coluna apresenta-se cada classe de problemas testada (m = número de itens, d = demanda média, P, M, G, indicam o tamanho dos pequeno, médio, grande). Na segunda e terceira colunas estão indicados os números médios de objetos cortados dos dados fornecidos pela literatura (NOL) e os obtidos pela heurística proposta (NOH), respectivamente. Na quarta e quinta colunas estão indicados os números médios de padrões distintos fornecidos pela literatura (NPDL) e os obtidos pela heurística (NPDH), respectivamente. Tabela 5: Testes Computacionais CLASSE NOL NOH NPDL NPDH 01 m=10; d=10 - P 11,49 11,56 8,07 4,37 02 m=10; d=100 - P 110,25 110,43 11,86 11,41 03 m=20; d=10 - P 22,13 22,17 15,49 5,74 04 m=20; d=100 - P 215,93 215,98 23,21 14,56 05 m=40; d=10 - P 42,96 42,99 29,22 8,18 06 m=40; d=100 - P 424,71 424,89 44,48 15,06 07 m=10; d=10 - M 50,21 51,69 10,33 8,75 08 m=10; d=100 - M 499,52 502,26 11,67 10,35 09 m=20; d=10 - M 93,67 99,49 19,92 15,53 10 m=20; d=100 - M 932,32 948,41 22,51 19,69 11 m=40; d=10 M 176,97 195,67 38,34 27,91 12 m=40; d=100 - M 1766, ,42 43,22 35,76 13 m=10; d=10 G 63,27 64,20 10,04 9,72 14 m=10; d=100 G 632,12 633,30 10,53 10,73 15 m=20; d=10 G 119,43 123,90 19,71 18,54 16 m=20; d=100 G 1191, ,66 20,57 20,65 17 m=40; d=10 G 224,68 244,02 38,12 33,64 18 m=40; d=100 G 2242,4 2268,30 39,90 39,95 Na Tabela 6, na primeira coluna apresenta-se cada classe de problemas testada (m = número de itens, d = demanda média, P, M, G, indicam o tamanho dos pequeno, médio, grande). Na segunda e terceira colunas estão indicados os números médios de padrões distintos fornecidos pela literatura (NPDK23L) e os obtidos pela heurística (NPDK23H), respectivamente, após aplicação do algoritmo de redução KOMBI23 proposto Foerster and Wäscher [2]. Na quarta e quinta colunas estão indicados os números médios de padrões distintos fornecidos pela literatura (NPDK234L) e os obtidos pela heurística (NPDK234H), respectivamente, após aplicação do algoritmo de redução KOMBI234 proposto por Foerster and Wäscher [2]. Tabela 6: Testes Computacionais CLASSE NPDK23L NPDK23H NPDK234L NPDK234H 01 m=10; d=10 - P 4,36 3,61 3,40 3,31 02 m=10; d=100 - P 9,23 8,24 7,81 6,95 03 m=20; d=10 - P 7,72 5,19 5,89 4,96 04 m=20; d=100 - P 17,00 11,63 14,26 10,32 05 m=40; d=10 - P 14,40 7,82 10,75 7,63 06 m=40; d=100 - P 31,01 13,87 25,44 13,31 07 m=10; d=10 - M 8,44 7,93 7,90 7,66 08 m=10; d=100 - M 10,39 9,83 9,96 9,62 09 m=20; d=10 - M 16,25 14,28 15,03 13,64 10 m=20; d=100 - M 20,19 18,69 19,28 18,21 11 m=40; d=10 M 32,01 25,84 28,74 24,60 12 m=40; d=100 - M 39,11 33,98 37,31 33,23 13 m=10; d=10 G 9,33 9,13 8,97 8,93 14 m=10; d=100 G 10,42 10,56 10,32 10,51 15 m=20; d=10 G 17,74 17,03 16,88 16,28 16 m=20; d=100 G 20,17 20,20 19,91 19,89 17 m=40; d=10 G 33,53 31,11 31,46 29,76 18 m=40; d=100 G 39,12 38,53 38,28 37,90 Nas Tabelas 7 e 8 as colunas têm o mesmo significado que os das tabelas 5 e 6, respectivamente, porém os testes foram realizados apenas nas classes pares que possuem demanda média igual a 100. Para estas classes as

5 demandas médias foram divididas por 10 e a heurística proposta foi aplicada. Com o resultado obtido cada padrão de corte tem sua freqüência multiplicada por 10, chegando assim ao resultado final. Tabela 7: Testes Computacionais LASSE NOL NOH NPDL NPDH 02 m=10; d=100 - P 110,25 115,81 11,86 7,05 04 m=20; d=100 - P 215,93 225,86 23,21 9,07 06 m=40; d=100 - P 424,71 443,53 44,48 12,66 08 m=10; d=100 - M 499,52 529,72 11,67 8,86 10 m=20; d=100 - M 932, ,34 22,51 15,30 12 m=40; d=100 - M 1766, ,63 43,22 27,67 14 m=10; d=100 G 632,12 649,56 10,53 9,95 16 m=20; d=100 G 1191, ,15 20,57 18,25 18 m=40; d=100 G 2242,4 2543,51 39,90 33,25 Tabela 8: Testes Computacionais CLASSE NPDK23L NPDK23H NPDK234L NPDK234H 02 m=10; d=100 - P 9,23 5,31 7,81 4,64 04 m=20; d=100 - P 17 6,90 14,26 6,36 06 m=40; d=100 - P 31,01 9,73 25,44 8,91 08 m=10; d=100 - M 10,39 8,43 9,96 8,30 10 m=20; d=100 - M 20,19 14,69 19,28 14,19 12 m=40; d=100 - M 39,11 26,31 37,31 25,25 14 m=10; d=100 G 10,42 9,76 10,32 9,74 16 m=20; d=100 G 20,17 17,67 19,91 17,21 18 m=40; d=100 G 39,12 31,38 38,28 30,19 Na primeira coluna da Tabela 9 apresenta-se cada classe de problemas testada (m = número de itens, P, M, G, indicam o tamanho dos pequeno, médio, grande). Na segunda e terceira colunas estão indicados os números médios de padrões distintos fornecidos pela heurística com demanda média d (classes ímpares d = 10, classes pares d = 100) e os obtidos também pela heurística com demanda igual a 1, respectivamente. Tabela 9: Limitante Inferior Classe H H_d=1 01 m=10; P 4,37 1,66 02 m=10; P 11,41 1,66 03 m=20; P 5,74 2,55 04 m=20; P 14,56 2,55 05 m=40; P 8,18 4,25 06 m=40; P 15,06 4,25 07 m=10; M 8,75 4,99 08 m=10; M 10,35 4,99 09 m=20; M 15,53 9,24 10 m=20; M 19,69 9,24 11 m=40; M 27,91 16,92 12 m=40; M 35,76 16,92 13 m=10; G 9,72 6,27 14 m=10; G 10,73 6,27 15 m=20; G 18,54 11,76 16 m=20; G 20,65 11,76 17 m=40; G 33,64 21,98 18 m=40; G 39,95 21,98 Com relação aos resultados das tabelas 5 e 6, observase que o número médio de objetos obtidos pela heurística foi maior para todas as classes de problemas rodadas. Em contra partida percebeu-se que para quase todas as classes testadas o número médio de padrões distintos foi menor antes e depois da aplicação dos métodos de redução de padrões propostos na literatura (tabelas 5 e 6). Nas tabelas 7 e 8, observa-se que o número médio de objetos continuou maior para todas as classes pares testadas, mas em contrapartida o número médio de padrões distintos foi menor. O resultado da terceira coluna da Tabela 9 apresenta, tanto para as classes pares como para as ímpares, o mesmo valor para o limitante inferior. Isto ocorre pois o que diferenciava as classes pares das classes ímpares eram as demandas média e no caso do limitante inferior para todas as classes de problemas a demanda é igual a 1. Os tempos computacionais não foram mencionados nas tabelas de resultados, pois os dados para comparação foram adquiridos da literatura e não computados. Além disso, não poderiam ser usados para uma comparação direta, pois as plataformas, em que cada código foi executado, são diferentes. 4. Considerações finais Com a heurística proposta é possível realizar ajustes na escolha dos padrões de modo que o número de objetos permaneça dentro de um limite permitido e o número médio de padrões distintos não aumente de maneira indesejável. Uma análise de tradeoff poderá então ser feita de acordo com a aplicação determinando-se assim qual o acréscimo no número de objetos se tentarmos reduzir o número de padrões distintos (ou vice-versa). 5. Referências Bibliográficas [1] Farley A. A; Richardson K. V., Fixed charge problems with identical fixed charges, European Journal of Operational Research, 1984, 18, [2] Foerster, H.; Wäscher, G., Pattern reduction in onedimensiopnal cutting stock problem, Accepted for publicantion in International Journal of Production Research [3] Gau T. Wäscher G., Heuristics for the Integer Onedimensional Cutting Stock Problem: a computacional study, Or Spektrum, 1996, 16, [4] Haessler, R. W., Controlling Cutting Pattern Changes in One-Dimensional Trim Problems, Operations Research, 1975, 23, [5] Stadtler, H., A One-dimensional Cutting Stock Problem in the Aluminium Industry and its Solution, European Journal of Operational Research, 1990, 44, [6] Vanderbeck F., Exact algorithm for minimising the number of setups in the one-dimensional cutting stock problem, Operations Research, 2000, 48,

Além de minimizar o número de objetos processados, problema de corte unidimensional

Além de minimizar o número de objetos processados, problema de corte unidimensional imização do número de objetos processados e do setup no problema de corte unidimensional Márcia Ap. Gomes-Ruggiero, Antonio Carlos Moretti, Momoe Sakamori Depto de Matemática Aplicada, DMA, IMECC, UNICAMP,

Leia mais

MINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO

MINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN MINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO Maria Cristina N. Gramani Universidade

Leia mais

MODELO MATEMÁTICO E HEURÍSTICA PARA O PROBLEMA DE CORTE COM SOBRAS APROVEITÁVEIS E VENDA DE RETALHOS

MODELO MATEMÁTICO E HEURÍSTICA PARA O PROBLEMA DE CORTE COM SOBRAS APROVEITÁVEIS E VENDA DE RETALHOS MODELO MATEMÁTICO E HEURÍSTICA PARA O PROBLEMA DE CORTE COM SOBRAS APROVEITÁVEIS E VENDA DE RETALHOS Adriana Cherri Departamento de Matemática, Faculdade de Ciências, UNESP, Bauru Av. Eng. Luiz Edmundo

Leia mais

Instituto de Computação

Instituto de Computação Instituto de Computação Universidade Estadual de Campinas MO824 - Programação Inteira e Combinatória Geração de Colunas para o Problema de Corte e Empacotamento Bidimensional em Faixas Fabricio Olivetti

Leia mais

Uma Heurística Gulosa para o Problema de Bin Packing Bidimensional

Uma Heurística Gulosa para o Problema de Bin Packing Bidimensional Uma Heurística Gulosa para o Problema de Bin Packing Bidimensional Leandro Dias Costa, Luiz da Silva Rosa e Marcelo Lisboa Rocha Departamento de Ciência da Computação Fundação UNIRG Alameda Madrid Nº 545,

Leia mais

Aspectos Teóricos e Computacionais do Problema de Alocação de Berços em Portos Marítmos

Aspectos Teóricos e Computacionais do Problema de Alocação de Berços em Portos Marítmos Aspectos Teóricos e Computacionais do Problema de Alocação de Berços em Portos Marítmos Flávia Barbosa Universidade Estadual de Campinas (UNICAMP) flaflabarbosa0@gmail.com Antônio Carlos Moretti Universidade

Leia mais

Análise do desempenho de variações de uma formulação linear para o. O problema de minimização do número máximo de pilhas abertas é um problema

Análise do desempenho de variações de uma formulação linear para o. O problema de minimização do número máximo de pilhas abertas é um problema Análise do desempenho de variações de uma formulação linear para o problema de minimização do número máximo de pilhas abertas Claudia Fink Instituto de Ciências Matemáticas e de Computação, USP, 13560-970,

Leia mais

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves

CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia

Leia mais

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.1. Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.1. Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005. Agenda Análise e Técnicas de Algoritmos Introdução Informal Motivação Jorge Figueiredo Visão Geral do do Curso Introdução Informal O nosso curso é sobre técnicas e análise de de algoritmos (computacionais).

Leia mais

Técnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 14

Técnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 14 1 Introdução O termo "roteamento de veículos" está relacionado a um grande conjunto de problemas de fundamental importância para a área de logística de transportes, em especial no que diz respeito ao uso

Leia mais

Complexidade de Algoritmos. Edson Prestes

Complexidade de Algoritmos. Edson Prestes Edson Prestes Caminhos de custo mínimo em grafo orientado Este problema consiste em determinar um caminho de custo mínimo a partir de um vértice fonte a cada vértice do grafo. Considere um grafo orientado

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS

UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS UMA HEURÍSTICA GRASP PARA O PROBLEMA ESTENDIDO DE SEQUENCIAMENTO DE CARROS Lucas Middeldorf Rizzo Universidade Federal de Minas Gerais Av. Antônio Carlos, 6627 - Pampulha - Belo Horizonte - MG CEP 31270-901

Leia mais

UMA HEURÍSTICA PARA O PROBLEMA DE EMPACOTAMENTO DE BINS TRIDIMENSIONAIS

UMA HEURÍSTICA PARA O PROBLEMA DE EMPACOTAMENTO DE BINS TRIDIMENSIONAIS UMA HEURÍSTICA PARA O PROBLEMA DE EMPACOTAMENTO DE BINS TRIDIMENSIONAIS José Lassance de Castro Silva Nei Yoshihiro Soma Nelson Maculan Departamento de Computação, Instituto Tecnológico de Aeronáutica

Leia mais

APLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS

APLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS APLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS Bianca G. Giordani (UTFPR/MD ) biancaggiordani@hotmail.com Lucas Augusto Bau (UTFPR/MD ) lucas_bau_5@hotmail.com A busca pela minimização

Leia mais

Heurísticas para o problema de corte com reaproveitamento das sobras de material

Heurísticas para o problema de corte com reaproveitamento das sobras de material Heurísticas para o problema de corte com reaproveitamento das sobras de material Adriana Cristina Cherri, Marcos Nereu Arenales Instituto de Ciências Matemáticas e de Computação, USP. 13560-970, São Carlos,

Leia mais

INVESTIGAÇÃO OPERACIONAL EM AÇÃO

INVESTIGAÇÃO OPERACIONAL EM AÇÃO INVESTIGAÇÃO OPERACIONAL EM AÇÃO CASOS DE APLICAÇÃO RUI CARVALHO OLIVEIRA JOSÉ SOEIRO FERREIRA (EDITORES) IMPRENSA DA UNIVERSIDADE DE COIMBRA COIMBRA UNIVERSITY PRESS CASO 7 SISTEMA DE APOIO À DECISÃO

Leia mais

Aplicação do Algoritmo ε Restrito com uma Heurística de Arredondamento no Problema de Corte Unidimensional Inteiro Multiobjetivo

Aplicação do Algoritmo ε Restrito com uma Heurística de Arredondamento no Problema de Corte Unidimensional Inteiro Multiobjetivo Aplicação do Algoritmo ε Restrito com uma Heurística de Arredondamento no Problema de Corte Unidimensional Inteiro Multiobjetivo Angelo Aliano Filho IMECC - UNICAMP Rua Sérgio Buarque de Holanda, Campinas,

Leia mais

Tópico 4. Como Elaborar um Relatório e Apresentar os Resultados Experimentais

Tópico 4. Como Elaborar um Relatório e Apresentar os Resultados Experimentais Tópico 4. Como Elaborar um Relatório e Apresentar os Resultados Experimentais 4.1. Confecção de um Relatório 4.1.1. Organização do relatório Um relatório é uma descrição detalhada, clara e objetiva de

Leia mais

REDUÇÃO DO ESTOQUE EM PROCESSAMENTO EM SISTEMAS DE PRODUÇÃO FLOW SHOP PERMUTACIONAL

REDUÇÃO DO ESTOQUE EM PROCESSAMENTO EM SISTEMAS DE PRODUÇÃO FLOW SHOP PERMUTACIONAL REDUÇÃO DO ESTOQUE EM PROCESSAMENTO EM SISTEMAS DE PRODUÇÃO FLOW SHOP PERMUTACIONAL REDUCING IN-PROCESS INVENTORY IN PERMUTATION FLOW SHOP PRODUCTION ENVIRONMENT Marcelo Seido Nagano Professor Doutor Universidade

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

PRODUÇÃO - Conceitos Iniciais

PRODUÇÃO - Conceitos Iniciais PRODUÇÃO - Conceitos Iniciais 1. Conceito - é a atividade de transformação (processo) de matéria-prima em utilidades necessárias ao consumidor. * Nenhuma organização sobrevive, a menos que produza alguma

Leia mais

Autómatos Finitos Determinísticos

Autómatos Finitos Determinísticos Ficha 2 Autómatos Finitos Determinísticos 2.1 Introdução Se olharmos, de forma simplificada, para um computador encontramos três componentes principais: a) A unidade de processamento central b) As unidades

Leia mais

Análise e Complexidade de Algoritmos

Análise e Complexidade de Algoritmos Análise e Complexidade de Algoritmos Uma visão de Intratabilidade, Classes P e NP - redução polinomial - NP-completos e NP-difíceis Prof. Rodrigo Rocha prof.rodrigorocha@yahoo.com http://www.bolinhabolinha.com

Leia mais

Benefícios estratégicos para sua organização. Características especiais. Benefícios. Gestão organizada e controle sobre as solicitações de suporte.

Benefícios estratégicos para sua organização. Características especiais. Benefícios. Gestão organizada e controle sobre as solicitações de suporte. Otimize a gestão de suporte e serviço e administre eficientemente estes procedimentos dentro e fora da sua organização, aumentando seu nível de produtividade. Benefícios Gestão organizada e controle sobre

Leia mais

LEONARDO JUNQUEIRA PRÊMIO ABRALOG

LEONARDO JUNQUEIRA PRÊMIO ABRALOG LEONARDO JUNQUEIRA PRÊMIO ABRALOG Documentação apresentada à Banca Examinadora do Prêmio ABRALOG como parte dos requisitos para participação do Prêmio ABRALOG (Edição 2013) na categoria Estudante de Logística.

Leia mais

IA: Busca Competitiva. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

IA: Busca Competitiva. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br IA: Busca Competitiva Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução Árvores de Jogos Minimax Antecipação Limitada Poda Alfa-beta Introdução Jogos têm sido continuamente uma importante

Leia mais

Desenvolvimento de Sistemas Orientados a Objetos com UML UP/RUP: Projeto

Desenvolvimento de Sistemas Orientados a Objetos com UML UP/RUP: Projeto Desenvolvimento de Sistemas Orientados a Objetos com UML UP/RUP: Projeto Engenharia de Software I Informática 2009 Profa. Dra. Itana Gimenes RUP: Artefatos de projeto Modelo de Projeto: Use-Case Realization-projeto

Leia mais

QUADRADO MÁGICO - ORDEM 4

QUADRADO MÁGICO - ORDEM 4 CONCEITO Partindo da definição original, os QUADRADOS MÁGICOS devem satisfazer três condições: a) tabela ou matriz quadrada (número de igual ao número de ); b) domínio: com elementos assumindo valores

Leia mais

Sistemas Distribuídos: Princípios e Algoritmos Introdução à Análise de Complexidade de Algoritmos

Sistemas Distribuídos: Princípios e Algoritmos Introdução à Análise de Complexidade de Algoritmos Sistemas Distribuídos: Princípios e Algoritmos Introdução à Análise de Complexidade de Algoritmos Francisco José da Silva e Silva Laboratório de Sistemas Distribuídos (LSD) Departamento de Informática

Leia mais

Faculdades Adamantinenses Integradas (FAI)

Faculdades Adamantinenses Integradas (FAI) Faculdades Adamantinenses Integradas (FAI) www.fai.com.br OLIVEIRA, Eliane Vendramini..Resolução do problema de carregamento de container através de uma heurística. Omnia Exatas, v.2, n.2, p.16-26, 2009.

Leia mais

FATEC Zona Leste. Teoria dos Gráfos. Métodos Quantitativos de Gestão MQG

FATEC Zona Leste. Teoria dos Gráfos. Métodos Quantitativos de Gestão MQG Teoria dos Gráfos Métodos Quantitativos de Gestão MQG Conceitualmente, um grafo consiste em um conjunto de vértices (pontos ou nós) e um conjunto de arestas (pontes ou arcos), ou seja, é uma noção simples,

Leia mais

em torno do Planeamento da Produção e da Gestão de Operações

em torno do Planeamento da Produção e da Gestão de Operações workshop Competir e Inovar na Gestão em torno do Planeamento da Produção e da Gestão de Operações Jorge Pinho de Sousa (jsousa@inescporto.pt) Fevereiro 2008 agenda 1. planeamento e escalonamento de operações

Leia mais

SOBRE O PROBLEMA DE MINIMIZAÇÃO DE TROCAS DE FERRAMENTAS: UM CASO ESPECIAL

SOBRE O PROBLEMA DE MINIMIZAÇÃO DE TROCAS DE FERRAMENTAS: UM CASO ESPECIAL SOBRE O PROBLEMA DE MINIMIZAÇÃO DE TROCAS DE FERRAMENTAS: UM CASO ESPECIAL Horacio Hideki Yanasse Instituto Nacional de Pesquisas Espaciais - INPE Avenida dos Astronautas, 1.758 - São José dos Campos,

Leia mais

Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro V. 2009-2

Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro V. 2009-2 Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro V. 2009-2 Aula 3 Virtualização de Sistemas 1. Conceito Virtualização pode ser definida

Leia mais

Um Esquema de Aproximação Eficiente para o Problema do Bin Packing Unidimensional

Um Esquema de Aproximação Eficiente para o Problema do Bin Packing Unidimensional Um Esquema de Aproximação Eficiente para o Problema do Bin Packing Unidimensional Proposta de Trabalho de Graduação Centro de Informática CIn UFPE Orientador: Ricardo Martins de Abreu Silva Aluno: Otávio

Leia mais

Um algoritmo exato para o problema de corte a 3 dimensões

Um algoritmo exato para o problema de corte a 3 dimensões Um algoritmo exato para o problema de corte a 3 dimensões Exactalgorithmsfor unconstrainedthree-dimensional cutting problems: a comparative study Mhand Hifi João Rebelo Introdução 1 palete -(U_3DC) V 1

Leia mais

Algoritmos para os Problemas da Mochila e do Corte de Estoque Tridimensional Guilhotinado

Algoritmos para os Problemas da Mochila e do Corte de Estoque Tridimensional Guilhotinado Algoritmos para os Problemas da Mochila e do Corte de Estoque Tridimensional Guilhotinado Thiago A. de Queiroz, Flávio K. Miyazawa, Instituto de Computação, IC, UNICAMP, 13084-971, Campinas, SP e-mail:

Leia mais

UM NOVO LIMITANTE INFERIOR PARA O PROBLEMA DE MINIMIZAÇÃO DE TROCAS DE FERRAMENTAS

UM NOVO LIMITANTE INFERIOR PARA O PROBLEMA DE MINIMIZAÇÃO DE TROCAS DE FERRAMENTAS UM NOVO LIMITANTE INFERIOR PARA O PROBLEMA DE MINIMIZAÇÃO DE TROCAS DE FERRAMENTAS Horacio Hideki Yanasse Instituto Nacional de Pesquisas Espaciais Avenida dos Astronautas 1758, São José dos Campos, SP

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

Análise estrutural do problema de programação da produção F3 r j, s ijk C max

Análise estrutural do problema de programação da produção F3 r j, s ijk C max Análise estrutural do problema de programação da produção F3 r j, s ijk C max Sânia da Costa Fernandes (UFG) saninha_fernandes@hotmail.com Tatiane Albuquerque Pires (UFG) tati_albuquerque_3@hotmail.com

Leia mais

O PROBLEMA DE CORTE DE PLACAS DEFEITUOSAS

O PROBLEMA DE CORTE DE PLACAS DEFEITUOSAS versão impressa ISSN 0101-7438 / versão online ISSN 1678-5142 O PROBLEMA DE CORTE DE PLACAS DEFEITUOSAS Andréa Carla Gonçalves Vianna Departamento de Computação Faculdade de Ciências Universidade Estadual

Leia mais

Projetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.

Projetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2. Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações

Leia mais

5COP096 TeoriadaComputação

5COP096 TeoriadaComputação Sylvio 1 Barbon Jr barbon@uel.br 5COP096 TeoriadaComputação Aula 14 Prof. Dr. Sylvio Barbon Junior Sumário - Problemas Exponenciais - Algoritmos Exponenciais usando Tentativa e Erro - Heurísticas para

Leia mais

VisuALG Estruturas de Repetição. Professores: Vilson Heck Junior vilson.junior@ifsc.edu.br Felipe Schneider Costa felipe.costa@ifsc.edu.

VisuALG Estruturas de Repetição. Professores: Vilson Heck Junior vilson.junior@ifsc.edu.br Felipe Schneider Costa felipe.costa@ifsc.edu. VisuALG Estruturas de Repetição Professores: Vilson Heck Junior vilson.junior@ifsc.edu.br Felipe Schneider Costa felipe.costa@ifsc.edu.br O Problema. Estruturas de Repetição: Introdução; Repita ate; Exemplo;

Leia mais

CAPÍTULO 2. Grafos e Redes

CAPÍTULO 2. Grafos e Redes CAPÍTULO 2 1. Introdução Um grafo é uma representação visual de um determinado conjunto de dados e da ligação existente entre alguns dos elementos desse conjunto. Desta forma, em muitos dos problemas que

Leia mais

Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias.

Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias. Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias. Fábio França 1, 1 Logical Optimization Rua Tanhaçu número 405, CEP 05679-040 São Paulo, Brasil fabio.franca@optimization.com.br

Leia mais

Cálculo Numérico. ECA / 4 créditos / 60 h Introdução, Erros e Matlab. Ricardo Antonello. www.antonello.com.br

Cálculo Numérico. ECA / 4 créditos / 60 h Introdução, Erros e Matlab. Ricardo Antonello. www.antonello.com.br Cálculo Numérico ECA / 4 créditos / 60 h Introdução, Erros e Matlab Ricardo Antonello www.antonello.com.br Conteúdo Erros na fase de modelagem Erros na fase de resolução Erros de arredondamento Erros de

Leia mais

ALGORITMOS DE ORDENAÇÃO. Algoritmos de comparação-e-troca. Bubble Sort Merge Sort Quick Sort

ALGORITMOS DE ORDENAÇÃO. Algoritmos de comparação-e-troca. Bubble Sort Merge Sort Quick Sort ALGORITMOS DE ORDENAÇÃO ALGORITMOS DE ORDENAÇÃO Algoritmos de comparação-e-troca Bubble Sort Merge Sort Quick Sort 1 BUBBLE SORT Usa a estratégia de comparação-e-troca É constituído por várias fases Cada

Leia mais

AV2 - MA 12-2012. (a) De quantos modos diferentes posso empilhá-los de modo que todos os CDs de rock fiquem juntos?

AV2 - MA 12-2012. (a) De quantos modos diferentes posso empilhá-los de modo que todos os CDs de rock fiquem juntos? Questão 1. Num porta-cds, cabem 10 CDs colocados um sobre o outro, formando uma pilha vertical. Tenho 3 CDs de MPB, 5 de rock e 2 de música clássica. (a) De quantos modos diferentes posso empilhá-los de

Leia mais

O MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO

O MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO O MÉTODO HÚNGARO PARA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO João Cesar Guirado Universidade Estadual de Maringá E-mail: jcguirado@gmail.com Márcio Roberto da Rocha Universidade Estadual de Maringá E-mail:

Leia mais

ENSAIO DE BOMBAS EM SÉRIE E PARALELO

ENSAIO DE BOMBAS EM SÉRIE E PARALELO ENSAIO DE BOMBAS EM SÉRIE E PARALELO I. ASSOCIAÇÃO DE BOMBAS As bombas podem ser associadas em série e em paralelo dependendo das características do sistema. A associação em série é útil quando se tem

Leia mais

Um modelo matemático de programação linear inteira para a alocação de horários na Escola Estadual Effie Rolfs

Um modelo matemático de programação linear inteira para a alocação de horários na Escola Estadual Effie Rolfs Um modelo matemático de programação linear inteira para a alocação de horários na Escola Estadual Effie Rolfs Mateus Tartaglia (UFV) mateus.tartaglia@ufv.br Lana Mara Rodrigues dos Santos (UFV) lanamara@ufv.br

Leia mais

Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...

Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª

Leia mais

Agrupamento de dados

Agrupamento de dados Organização e Recuperação de Informação: Agrupamento de dados Marcelo K. A. Faculdade de Computação - UFU Agrupamento de dados / 7 Overview Agrupamento: introdução Agrupamento em ORI 3 K-médias 4 Avaliação

Leia mais

B.I.S.T. Built-In Self Test

B.I.S.T. Built-In Self Test Instituto Superior de Engenharia do Porto Mestrado de Engenharia Electrotécnica Automação e Sistemas Disciplina de Síntese Alto Nível de Componentes Programáveis B.I.S.T. Built-In Self Test Elaborado por:

Leia mais

Pointer Jumping. odg(v) e idg(v): graus de saída e entrada do vértice v V. um vértice r tal que. O vértice r é dita raíz de T

Pointer Jumping. odg(v) e idg(v): graus de saída e entrada do vértice v V. um vértice r tal que. O vértice r é dita raíz de T Pointer Jumping T = (V,E) : árvore direcionada odg(v) e idg(v): graus de saída e entrada do vértice v V um vértice r tal que v V-{r}, odg(v) = 1, odg(r)=0 v V-{r}, um caminho de v a r O vértice r é dita

Leia mais

ActivALEA. active e actualize a sua literacia

ActivALEA. active e actualize a sua literacia ActivALEA active e actualize a sua literacia N.º 25 HIISTOGRAMA Por: Maria Eugénia Graça Martins Departamento de Estatística e Investigação Operacional da FCUL memartins@fc.ul.pt Emília Oliveira Escola

Leia mais

OTIMIZAÇÃO VETORIAL. Formulação do Problema

OTIMIZAÇÃO VETORIAL. Formulação do Problema OTIMIZAÇÃO VETORIAL Formulação do Problema Otimização Multiobjetivo (também chamada otimização multicritério ou otimização vetorial) pode ser definida como o problema de encontrar: um vetor de variáveis

Leia mais

UM SISTEMA DE OTIMIZAÇÃO APLICADO AO DESDOBRO DE MADEIRA

UM SISTEMA DE OTIMIZAÇÃO APLICADO AO DESDOBRO DE MADEIRA UM SISTEMA DE OTIMIZAÇÃO APLICADO AO DESDOBRO DE MADEIRA Rosilei de Souza Nova PPGMNE/UFPR Centro Politécnico - Curitiba, PR ms_rsnova@hotmail.com Arinei Carlos Lindbec da Silva PPGMNE/UFPR Curitiba, PR

Leia mais

Prof. Daniela Barreiro Claro

Prof. Daniela Barreiro Claro Prof. Daniela Barreiro Claro SQL, SQL3 e OQL são linguagens declarativas O SGBD deve processar e otimizar estas consultas antes delas serem efetivamente executadas Uma consulta possui muitas estratégias

Leia mais

Pesquisa Operacional

Pesquisa Operacional Pesquisa Operacional Tópicos em Programação Linear e Inteira Prof. Dr.Ricardo Ribeiro dos Santos ricr.santos@gmail.com Universidade Católica Dom Bosco - UCDB Engenharia de Computação Roteiro Introdução

Leia mais

O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO

O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO Prof. Leugim Corteze Romio Universidade Regional Integrada URI Campus Santiago-RS leugimcr@urisantiago.br Prof.

Leia mais

Metodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi

Metodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi Metodologias de Desenvolvimento de Sistemas Analise de Sistemas I UNIPAC Rodrigo Videschi Histórico Uso de Metodologias Histórico Uso de Metodologias Era da Pré-Metodologia 1960-1970 Era da Metodologia

Leia mais

Concepção e Elaboração

Concepção e Elaboração UNIVERSIDADE ESTADUAL PAULISTA INSTITUTO DE BIOCIÊNCIAS, LETRAS E CIÊNCIAS EXATAS DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Análise e Projeto Orientado a Objetos Concepção e Elaboração Estudo

Leia mais

Revisão de Estatística Básica:

Revisão de Estatística Básica: Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos

Leia mais

A Otimização Colônia de Formigas

A Otimização Colônia de Formigas A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado

Leia mais

Análise e Projeto de Algoritmos

Análise e Projeto de Algoritmos Análise e Projeto de Algoritmos Prof. Eduardo Barrére www.ufjf.br/pgcc www.dcc.ufjf.br eduardo.barrere@ice.ufjf.br www.barrere.ufjf.br Complexidade de Algoritmos Computabilidade: Um problema é computável

Leia mais

Introdução. Palavras-chave: Design Virtual, Vestuário, Encaixe de Modelagens.

Introdução. Palavras-chave: Design Virtual, Vestuário, Encaixe de Modelagens. Design do Vestuário: metodologia e software de encaixe de modelagens no tecido Garment Design: methodology and software for fitting patterns along the fabric ALVES, Andressa Schneider Mestranda do Programa

Leia mais

Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.

Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel. Matemática Essencial Equações do Primeiro grau Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ Resumo: Notas de

Leia mais

Material Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto

Material Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum

Leia mais

Ensaio de tração: cálculo da tensão

Ensaio de tração: cálculo da tensão Ensaio de tração: cálculo da tensão A UU L AL A Você com certeza já andou de elevador, já observou uma carga sendo elevada por um guindaste ou viu, na sua empresa, uma ponte rolante transportando grandes

Leia mais

HEURÍSTICAS RELAX-AND-FIX PARA O PROBLEMA DE DIMENSIONAMENTO DE LOTES COM JANELAS DE TEMPO DE PRODUÇÃO

HEURÍSTICAS RELAX-AND-FIX PARA O PROBLEMA DE DIMENSIONAMENTO DE LOTES COM JANELAS DE TEMPO DE PRODUÇÃO HEURÍSTICAS RELAX-AND-FIX PARA O PROBLEMA DE DIMENSIONAMENTO DE LOTES COM JANELAS DE TEMPO DE PRODUÇÃO Lívia Chierice Corrêa Moraes Maristela Oliveira Santos Universidade de São Paulo - Instituto de Ciências

Leia mais

Grande parte dos planejadores

Grande parte dos planejadores ARTIGO Fotos: Divulgação Decidindo com o apoio integrado de simulação e otimização Oscar Porto e Marcelo Moretti Fioroni O processo de tomada de decisão Grande parte dos planejadores das empresas ainda

Leia mais

CI202 - Métodos Numéricos

CI202 - Métodos Numéricos CI202 - Métodos Numéricos Lista de Exercícios 2 Zeros de Funções Obs.: as funções sen(x) e cos(x) devem ser calculadas em radianos. 1. Em geral, os métodos numéricos para encontrar zeros de funções possuem

Leia mais

OTIMIZAÇÃO DE CUSTOS DE PLANOS DE CORTE EM BOBINAS DE AÇO.

OTIMIZAÇÃO DE CUSTOS DE PLANOS DE CORTE EM BOBINAS DE AÇO. OTIMIZAÇÃO DE CUSTOS DE PLANOS DE CORTE EM BOBINAS DE AÇO. Leandro Maciel Turi Universidade de São Paulo leandro_m_turi@hotmail.com.br Celso Mitsuo Hino Universidade de São Paulo cmhino@usp.br RESUMO O

Leia mais

Um algoritmo de particionamento recursivo para o problema de empacotamento de retângulos em retângulos

Um algoritmo de particionamento recursivo para o problema de empacotamento de retângulos em retângulos Um algoritmo de particionamento recursivo para o problema de empacotamento de retângulos em retângulos Ernesto Julián Goldberg Birgin 1, Rafael Durbano obato e Reinaldo Morabito 3 1 Universidade de São

Leia mais

CI165 Introdução. André Vignatti. 31 de julho de 2014

CI165 Introdução. André Vignatti. 31 de julho de 2014 Introdução 31 de julho de 2014 Antes de mais nada... Os slides de 6 aulas (introdução, insertion sort, mergesort, quicksort, recorrências e limitantes de ordenação) foram originalmente feitos pelos Profs.

Leia mais

PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO

PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO Luciano Pereira Magalhães - 8º - noite lpmag@hotmail.com Orientador: Prof Gustavo Campos Menezes Banca Examinadora: Prof Reinaldo Sá Fortes, Prof Eduardo

Leia mais

Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES

Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES Formulação A programação linear lida com problemas nos quais uma função objectivo linear deve ser optimizada (maximizada ou minimizada)

Leia mais

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS UMA SOLUÇÃO DO PROBLEMA DAS N RAINHAS ATRAVÉS DE ALGORITMOS GENÉTICOS A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS Eliane Vendramini de Oliveira Mestre em Engenharia Elétrica UNESP/ Ilha Solteira

Leia mais

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 11 Problemas com Satisfação de Vínculos

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 11 Problemas com Satisfação de Vínculos Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 11 Problemas com Satisfação de Vínculos 1 Constraint Satisfaction Problems (CSP) Conceitos básicos Busca cega simples e refinada Busca heurística

Leia mais

Módulo 4. Construindo uma solução OLAP

Módulo 4. Construindo uma solução OLAP Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de

Leia mais

Programação Linear com o Microsoft Excel R

Programação Linear com o Microsoft Excel R Programação Linear com o Microsoft Excel R Adriano Verdério 1, Clezio A. Braga 1 1 Colegiado do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste do Paraná

Leia mais

Algoritmos de Aproximação Segundo Semestre de 2012

Algoritmos de Aproximação Segundo Semestre de 2012 Algoritmos de Aproximação Segundo Semestre de 2012 Aproximação p. 1 Bin Packing Dados: n itens ([n] = {1,...,n}) Dados: comprimento a[i] do item i (i = 1,...,n) Aproximação p. 2 Bin Packing Dados: n itens

Leia mais

PLANEJAMENTO DA MANUFATURA

PLANEJAMENTO DA MANUFATURA 58 FUNDIÇÃO e SERVIÇOS NOV. 2012 PLANEJAMENTO DA MANUFATURA Otimizando o planejamento de fundidos em uma linha de montagem de motores (II) O texto dá continuidade à análise do uso da simulação na otimização

Leia mais

5 Sistema americano. 5.1 Forma de Ressuprimento

5 Sistema americano. 5.1 Forma de Ressuprimento 5 Sistema americano O objetivo deste capítulo é descrever o sistema de programação de entregas e previsão de demanda para clientes VMI utilizado pela matriz da Empresa de Gases Alfa nos Estados Unidos.

Leia mais

MRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior

MRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de

Leia mais

Projeto e Análise de Algoritmos. Profa. Juliana Kaizer Vizzotto. Projeto e Análise de Algoritmos - Aula 1

Projeto e Análise de Algoritmos. Profa. Juliana Kaizer Vizzotto. Projeto e Análise de Algoritmos - Aula 1 Projeto e Análise de Algoritmos Profa. Juliana Kaizer Vizzotto Projeto e Análise de Algoritmos - Aula 1 Roteiro Introdução Exemplo: ordenação Introdução Análise de Algoritmos Estudo teórico da performance

Leia mais

2 Estudo dos Acoplamentos

2 Estudo dos Acoplamentos 24 2 Estudo dos Acoplamentos Um problema acoplado é aquele em que dois ou mais sistemas físicos interagem entre si e cujo acoplamento pode ocorrer através de diferentes graus de interação (Zienkiewicz

Leia mais

ão: modelagem e técnicas

ão: modelagem e técnicas Curso de Especialização em Gestão Empresarial (MBA Executivo Turma 15) Disciplina: Pesquisa Operacional Prof. Dr. Álvaro José Periotto 3. Otimização ão: modelagem e técnicas de resolução Passando da daetapa

Leia mais

O Problema Bin Packing Tridimensional em Contêineres: Usando Interação com o Usuário

O Problema Bin Packing Tridimensional em Contêineres: Usando Interação com o Usuário O Problema Bin Packing Tridimensional em Contêineres: Usando Interação com o Usuário Carlos Heitor Pereira Liberalino Universidade do Estado do Rio Grande do Norte - Depto de Informática 59600-900, Mossoró,

Leia mais

Arquiteturas RISC. (Reduced Instructions Set Computers)

Arquiteturas RISC. (Reduced Instructions Set Computers) Arquiteturas RISC (Reduced Instructions Set Computers) 1 INOVAÇÕES DESDE O SURGIMENTO DO COMPU- TADOR DE PROGRAMA ARMAZENADO (1950)! O conceito de família: desacoplamento da arquitetura de uma máquina

Leia mais

Estratégias de Pesquisa

Estratégias de Pesquisa Estratégias de Pesquisa Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Survey Design e Criação Estudo de Caso Pesquisa Ação Experimento

Leia mais

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano

Leia mais

PROGRAMAÇÃO DA PRODUÇÃO EM PROCESSOS BATELADAS UTILIZANDO PLANILHAS ELETRÔNICAS

PROGRAMAÇÃO DA PRODUÇÃO EM PROCESSOS BATELADAS UTILIZANDO PLANILHAS ELETRÔNICAS IX Congresso Brasileiro de Engenharia Química - Iniciação Científica 03 a 06 de julho de 2011 Maringá, Paraná, Brasil PROGRAMAÇÃO DA PRODUÇÃO EM PROCESSOS BATELADAS UTILIZANDO PLANILHAS ELETRÔNICAS MIRANDA

Leia mais

Capítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho

Capítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho 20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam

Leia mais

Fique craque com estas dicas para o Gerenciador de tarefas do Windows

Fique craque com estas dicas para o Gerenciador de tarefas do Windows Fique craque com estas dicas para o Gerenciador de tarefas do Windows Se você usa o Windows, provavelmente já acessou esta ferramenta. Até o Windows XP ela era acessada pelo famoso atalho Ctrl + Alt +

Leia mais

ROTEAMENTO PERIÓDICO DE VEÍCULOS UTILIZANDO SIMULATED ANNEALING

ROTEAMENTO PERIÓDICO DE VEÍCULOS UTILIZANDO SIMULATED ANNEALING ROTEAMENTO PERIÓDICO DE VEÍCULOS UTILIZANDO SIMULATED ANNEALING Marcos Vinicios Gomes dos Reis (UNICAMP) marcosreis_9@yahoo.com.br Sibelius Lellis Vieira (PUC GOIAS) sibelius.vieira@gmail.com A gestão

Leia mais