A Otimização Colônia de Formigas
|
|
- Lívia Paranhos Carvalhal
- 8 Há anos
- Visualizações:
Transcrição
1 A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008
2 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado ao PQA Melhoramentos e Variantes
3 O que é Otimização por Colônia de Formigas Otimização colônia de formigas é uma metaheurística baseada em população e inspirada no comportamento forrageiro das formigas.
4 A Inspiração Biológica Muitas espécies de formigas são quase cegas. A comunicação entre as formigas é realizada através de uma substância química denominada de feromônio. Em algumas espécies, o feromônio é usado para criar caminhos (trilhas de formigas).
5 A Inspiração Biológica
6 A Inspiração Biológica
7 A Inspiração Biológica
8 A Inspiração Biológica Ao caminhar, as formigas depositam no chão o feromônio, formando, deste modo, uma trilha de feromônios. As formigas sentem o cheiro do feromônio, e quando elas têm que escolher um caminho, escolhem, com maior probabilidade, o caminho com maior quantidade de feromônio (cheiro mais forte). A trilha ajuda a formiga a achar o caminho de volta e as outras formigas a encontrar a fonte de alimentos.
9 O Experimento da Ponte Binária Experimento realizado por Deneubourg et al., 1990, para estudar o comportamento forrageiro das formigas.
10 O Experimento da Ponte Binária No inicio: As formigas são deixadas livres para escolher o caminho. Não há feromônio ainda.
11 O Experimento da Ponte Binária As formigas convergem para um dos caminhos com igual probabilidade. Devido a flutuações aleatórias, uma das pontes terá mais feromônio e atrairá as formigas com maior probabilidade. No Fim: ou
12 O Experimento da Ponte Binária Usando pontes de tamanhos diferentes, as formigas convergem para a ponte mais curta. Uma formiga percorre ida e volta a ponte curta no mesmo tempo que outra formiga realiza apenas o percurso de ida na ponte longa. Logo, será depositado mais feromônio na ponte curta do que na longa. Isto atrairá formigas para ponte curta.
13 Formigas Artificiais Formigas artificiais são heurísticas construtivas. Elas constroem soluções de forma probabilística utilizando duas informações: 1. A trilha de feromônio (artificial) que muda dinamicamente durante a execução do programa de modo a refletir a experiência já adquirida durante a busca. 2. A informação heurística especifica do problema a ser resolvido.
14 O Ant System Aplicado ao PCV O Ant System é o primeiro algoritmo que surgiu inspirado em Colônia de formigas. Matriz Distância do PCV ,0 1,0 2,2 2,0 4,1 2 1,0 0,0 1,4 2,2 4,0 3 2,2 1,4 0,0 2,2 3,2 4 2,0 2,2 2,2 0,0 2,2 5 4,1 4,0 3,2 2,2 0,0 cidades do PCV
15 Exemplo com o PCV Cada formiga irá construir uma solução movendo-se de uma cidade para outra. No ínicio, cada formiga é colocada em uma cidade diferente (ou colocada aleatoriamente).
16 A Construção da Solução pela Formiga Começando de uma cidade i, a formiga move-se escolhendo probabilisticamente a cidade vizinha j (entre os vizinhos factíveis).
17 Probabilidade de Transição A probabilidade da formiga k que está na cidade i de escolher a cidade j é dada pela regra: p k ij = (τ ij ) α (η ij ) β l N k i (τ il ) α (η il ) β, se j N k i, onde: τ ij é feromônio associado a aresta (i, j); α e β são parâmetros para determinar a influência do feromônio e da informação heurística; Ni k é a vizinhança factível da formiga k (i.e., o conjunto das cidades ainda não visitadas pela formiga k).
18 A Informação Heurística do PCV Associada a aresta (i, j) existe um valor heurístico η ij dado por η ij = 1 d ij que representa a atratividade da formiga visitar a cidade i depois de visitar a cidade j. O valor η ij é inversamente proporcional a distância d ij entre as cidades i e j.
19 Passo 1 Candidatos / prob. solução formiga de transição parcial 1 2(45%), 3(21%), 4(23%), 5(11%) (41%), 3(30%), 4(19%), 5(10%) (23%), 2(37%), 4(23%), 5(16%) (27%), 2(24%), 3(24%), 5(24%) (19%), 2(20%), 3(25%), 4(36%) 5-2 A escolha do candidato é de acordo com a probabilidade de transição. É feita de forma similar ao algoritmo da roleta dos algoritmos genéticos.
20 Passo 2 Candidatos / prob. solução formiga de transição parcial 1 3(50%), 4(32%), 5(18%) (38%), 4(42%), 5(20%) (35%), 2(32%), 5(32%) (30%), 2(31%), 3(39%) (46%), 3(33%), 4(21%) 5-2-1
21 Passo 3 Candidatos / prob. solução formiga de transição parcial 1 4(59%), 5(41%) (50%), 5(50%) (49%), 2(51%) (58%), 3(42%) (48%), 4(52%)
22 Passo 4 Candidatos / prob. solução formiga de transição parcial 1 4(100%) (100%) (100%) (100%) (100%)
23 Término da Primeira Iteração formiga solução comprimento (k) completa da viajem (L k ) , , , , ,4
24 O Pseudo-Código do Ant System Coloque cada formiga em uma cidade aleatória para t = 1 até número de iterações para k = 1 até m enquanto a formiga k não construir a viagem S k Selecione a próxima cidade pela regra p k ij fim enquanto Calcule a distância L k da viagem S k se L k < L então S = S k, L = L k fim se fim para Atualize os feromônios fim para retornar S
25 Atualização do Feromônio No feromônio τ ij associado a aresta (i, j) ocorre dois eventos: 1. A evaporação; Evita que o feromônio acumulado cresça indefinidamente; Permite esquecer pobres decisões do passado da busca. 2. O depósito de feromônio de todas as formigas que passaram sobre (i, j).
26 Atualização do Feromônio Depois que todas as formigas construíram suas viagens, o feromônio é atualizado. τ (k) ij é a quantidade de feromônio que a formiga k deposita sobre a aresta (i, j). É dado por: { τ (k) Q/Lk, se a aresta (i, j) pertence a viagem S ij = k. 0, caso contrário. onde Q é uma constante.
27 Atualização do Feromônio O feromônio τ ij associado a aresta (i, j) é atualizado pelo fórmula: m τ ij = (1 ρ)τ ij + τ (k) ij } {{ } k=1 evaporação } {{ } depósito onde 0 < ρ 1 é a taxa de evaporação de feromônio.
28 Exemplo de atualização do feromônio Atualização do feromônio na aresta (3, 5) Apenas as formigas 1, 2 e 5 depositam feromônio nesta aresta. Suponha Q = 1, 0. A contribuição de cada formiga: τ (1) 3,5 = 1/L 1 = 0, 102 τ (2) 3,5 = 1/L 2 = 0, 102 τ (5) 3,5 = 1/L 5 = 0, 081 k viagem L k , , , , ,4 Suponha ρ = 0, 5. τ 3,5 = (1 ρ)τ 3,5 + τ (1) (2) (5) 3,5 + τ 3,5 + τ 3,5 = (1 0, 5)1, 0 + 0, , , 081 = 0, 785
29 Critérios de Parada Número máximo de iterações; Estagnação.
30 Estagnação Estagnação é a situação na qual todas as formigas seguem sempre o mesmo percurso. A Estagnação é causado pelo excessivo crescimento de feromônio nas arestas de uma viagem subótima.
31 Estagnação Apesar da natureza estocástica do algoritmo, a forte concentração de feromônio nas arestas força a formiga a fazer sempre o mesmo percurso. Distribuição de feromônio no inicio da busca. Distribuição de feromônio após 100 iterações.
32 Problema Quadrático de Alocação fluxo A-C é o mais alto fluxos A-B e B-C são iguais. Possíveis soluções:
33 Exemplo de PQA Onde alocar os departamentos no terreno da Universidade? Matriz Fluxo F F = f ij = fluxo de pessoas entre i e j D = Matriz distância D
34 Cálculo do custo da alocação. Exemplo de PQA C(Π) = 4 i=1 4 f ij d πi π j j=1 onde Π = (3, 1, 4, 2). Então, C(Π) =f 1,2 d 3,1 + f 1,3 d 3,4 + f 1,4 d 2,3 + f 2,1 d 1,3 + f 2,3 d 1,4 + f 2,4 d 1,2 + f 3,1 d 4,3 + f 3,2 d 4,1 + f 3,4 d 4,2 + f 4,1 d 3,2 + f 4,2 d 2,1 + f 4,3 d 2,4 =1640 Nota: o PQA consiste em encontrar uma permutação Π que minimiza o custo.
35 Informação Heurística Esta informação heurística foi proposta por Dorigo et al., (1996). Distância Potencial D (soma das colunas de D) D = D = Fluxo potencial F (soma das colunas de F ) F = F =
36 Algoritmo Construtivo Guloso Parece ser bom alocar facilidade com alto fluxo potencial a localizações de baixa distância potencial. Exemplo F = [120, 110, 130, 80] T D = [6, 10, 12, 14] T i) atribua facilidade 3 a localização 1; ii) atribua facilidade 1 a localização 2; iii) atribua facilidade 2 a localização 3; iv) atribua facilidade 4 a localização 4.
37 Algoritmo Construtivo da Formiga Passo 1 A formiga k escolhe a próxima facilidade i de forma gulosa (i.e., pelo menor valor disponível no vetor de fluxo potencial F) Passo 2 A formiga k atribui uma localização j para a facilidade i de acordo com a probabilidade: p k ij = (τ ij ) α (η j ) β l N k i (τ il ) α (η il ) β, se j N k i. onde η j = 1/D j Passo 3 Se já construiu uma solução pare, caso contrário volte ao Passo 1.
38 Elitist Ant System (EAS) É o primeiro melhoramento no AS. Introduzido por Dorigo (1992); IDÉIA : fornecer um forte reforço adicional nas arestas pertencendo ao melhor percurso achado desde do inicio do algoritmo; Este percurso será denotado por T bs (do inglês best-so-far tour); É uma idéia similar a estratégia elitismo dos algoritmos evolucionários.
39 Elitist Ant System (EAS) Atualização do Feromônio: τ ij = (1 ρ)τ ij + onde τ (bs) ij τ (bs) ij = m k=1 é definido como: τ ij + e τ (bs) ij Q/L bs, se a aresta (i, j) pertence ao percurso T bs. 0, caso contrário. e e é um parâmetro definido pelo usuário.
40 Rank-Based Ant System (AS rank ) Introduzido por Bullnheimer et al (1999); Cada formiga deposita uma quantidade de feromônio que diminui de acordo com seu rank; Como no Elistist Ant System, a formiga que realiza o percurso best-so-far T bs também deposita feromônio.
41 Rank-Based Ant System (AS rank ) Atualização do Feromônio: w 1 τ ij = (1 ρ)τ ij + (w r) τ (r) ij r=1 onde r é o rank da formiga; + w τ (bs) ij Apenas as (w 1) formigas com melhor rank depositam feromônio; De acordo com Bullnheimer et al (1999), AS rank é levemente melhor que EAS e significativamente melhor que AS.
42 Ant Colony System (ACS) Introduzido por Dorigo & Gambardella, 1997; Através de elitismo, faz uso de mais intensificação do que o AS; Apenas a formiga best-so-far deposita feromônio; As formigas removem feromônio para aumentar a diversificação.
43 Ant Colony System (ACS) Regra Proporcional Pseudoaleatória: Com probabilidade q 0 Escolha a cidade j com o maior τ il (η il ) β, isto é: j = argmax l N k i {τ il (η il ) β }, (intensificação) Com probabilidade (1 q 0 ) Use a regra tradicional do AS: p k ij = (τ ij ) α (η ij ) β l N k i (τ il ) α (η il ), se j N k β i (diversificação tendenciosa)
44 Ant Colony System (ACS) Regra de Atualização Global de Feromônio: Apenas a formiga best-so-far deposita feromônio depois de cada iteração: τ ij = (1 ρ)τ ij + ρ τ (bs) ij, (i, j) T bs A evaporação e depósito de feromônio somente ocorre nas arestas do percurso best-so-far T bs. O feromônio depositado é uma média ponderada entre o antigo valor de feromônio e o novo valor a ser depositado.
45 Ant Colony System (ACS) Regra de Atualização Local de Feromônio: É aplicado imediatamente após a formiga atravessar a aresta: τ ij = (1 ξ)τ ij + ξτ 0 ; τ 0 (nível mínimo de feromônio) e ξ (0 < ξ < 1) são parametros; A formiga remove o feromônio da aresta que acabou de atravessar; Aumenta a diversificação ao reduzir a atratividade das arestas frequentemente visitadas.
Inteligência de Enxame: ACO
Inteligência de Enxame: ACO! Otimização colônia de formigas é uma meta-heurística: «baseada em população «inspirada no comportamento forrageiro das formigas.! Muitas espécies de formigas são quase cegas.!
Leia maisIA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA Colônia de Formigas Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução O Experimento da Ponte Binária. Ant System Aplicado ao PCV. Elitist Ant System. Introdução Otimização colônia
Leia maisInteligência Computacional Aplicada a Engenharia de Software
Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar
Leia maisCAP 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 maisOtimização por Colônia de Formigas (ACO)
Otimização por Colônia de Formigas (ACO) Inspiração Biológica Proposto por Dorigo e Gambardella em 1997 ACO (Ant Colony Optimization) Principal aplicação no PCV Programação do algoritmo Inspiração Biológica
Leia maisCAP 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 maisA Otimização Nuvem de Partículas (particle swarm)
A Otimização Nuvem de Partículas (particle swarm) Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 20/06/2007 Índice Introdução Algoritmo Nuvem de Partículas Interpretação
Leia maisCAP 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 maisOrganizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Análisede links Page Rank Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Motivação Suponha que um modelo clássico, como
Leia maisBUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH)
BUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH) Francisco A. M. Gomes 1º sem/2009 MT852 Tópicos em pesquisa operacional Iterated local search (ILS) Método que gera uma sequência de soluções obtidas por
Leia maisComputação BioInspirada
Computação BioInspirada Os Engenheiros da Natureza Fabrício Olivetti de França The reasonable man adapts himself to the world; the unreasonable one persists in trying to adapt the world to himself. Therefore
Leia maisRelatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento
Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento Ramon Pereira Lopes Rangel Silva Oliveira 31 de outubro de 2011 1 Introdução O presente documento refere-se ao relatório
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos
Leia maisAlgoritmos Genéticos
UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal de
Leia maisAnálise de Links e Busca na Web
Análise de Links e Busca na Web Redes Sociais e Econômicas Prof. André Vignatti PageRank O PageRank é uma espécie de fluido que circula pela rede Para uma rede com n nós, o PageRank é calculado da seguinte
Leia maisComplexidade de Algoritmos. Edson Prestes
Edson Prestes Idéias básicas Um algoritmo guloso seleciona, a cada passo, o melhor elemento pertencente a entrada. Verifica se ele é viável - vindo a fazer parte da solução ou não. Após uma seqüência de
Leia maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Leia maisAgrupamento 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 maisMinicurso SBSE 2012:
Campus de Ilha Solteira Faculdade de Engenharia de Ilha Solteira Departamento de Energia Elétrica Minicurso SBSE 2012: Metaheurísticas em sistemas elétricos de potência: introdução ao estudo e aplicações
Leia maisTeoria dos Grafos. Edson Prestes
Edson Prestes Grafos Cliques Maximais Para determinar os cliques maximais de um grafo G podemos usar o método de Maghout em Dado o grafo abaixo, calcule Determine os conjuntos independentes maximais em
Leia maisRoteiro. Arquitetura. Tipos de Arquitetura. Questionário. Centralizado Descentralizado Hibrido
Arquitetura Roteiro Arquitetura Tipos de Arquitetura Centralizado Descentralizado Hibrido Questionário 2 Arquitetura Figura 1: Planta baixa de uma casa 3 Arquitetura Engenharia de Software A arquitetura
Leia maisOrganizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Aula anterior Organização e Recuperação de Informação(GSI521) Modelo vetorial- Definição Para o modelo vetorial, o
Leia maisMANUAL DO USUÁRIO. TOOLBOX SIA.
MANUAL DO USUÁRIO. TOOLBOX SIA. 1. Arquivos Disponibilizados. Os seguintes arquivos compõem o toolbox desenvolvido: - Pacote SIA: arquivos de comando tipo M (Malab) que resolvem o GAP utilizando o SIA.
Leia mais2 Atualidade de uma base de dados
2 Atualidade de uma base de dados Manter a atualidade de uma base de dados é um problema que pode ser abordado de diferentes maneiras. Cho e Garcia-Molina [CHO] definem esse problema da seguinte forma:
Leia maisOtimização por Colônia de Formigas (Ant Colony Optimization - ACO)
Otimização por Colônia de Formigas (Ant Colony Optimization - ACO) Eros Moreira de Carvalho Gabriel Silva Ramos CI209 - Inteligência Artificial BCC - Bacharelado em Ciência da Computação DInf - Departamento
Leia maisFACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2
FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO Projeto e Análise de Algoritmos II Lista de Exercícios 2 Prof. Osvaldo. 1. Desenvolva algoritmos para as operações abaixo e calcule a complexidade
Leia maisComplexidade 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 maisO que é? Swarm Intelligence. Qual a origem? Cardume. Qualquer tentativa de projetar algoritmos ou técnicas de resolução distribuída de
O que é? Swarm Intelligence (Inteligência oletiva) Prof. Luis Otavio lvares Qualquer tentativa de projetar algoritmos ou técnicas de resolução distribuída de problemas inspirada pelo comportamento coletivo
Leia maisOtimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha
Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste
Leia maisCadeias de Markov. Geovany A. Borges gaborges@ene.unb.br
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Cadeias de Markov Geovany A. Borges gaborges@ene.unb.br
Leia maisMatéria: Matemática Assunto: Razão e Proporção Prof. Dudan
Matéria: Matemática Assunto: Razão e Proporção Prof. Dudan Matemática Razão e Proporção Razão A palavra razão vem do latim ratio e significa a divisão ou o quociente entre dois números A e B, denotada
Leia maisAPLICAÇÃO DA METAHEURÍSTICA COLÔNIA DE FORMIGAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS
APLICAÇÃO DA METAHEURÍSTICA COLÔNIA DE FORMIGAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS Mirlam Moro Lombardi e Jean Eduardo Glazar Departamento de Ciência da Computação Faculdade de Aracruz Uniaracruz {mirlam,
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 5: O Método Simplex. 2 Algoritmo. O que é um algoritmo? Qualquer procedimento iterativo e finito de solução é um algoritmo. Um algoritmo é um processo que se repete (itera)
Leia maisMeta-heurísticas. Métodos Heurísticos José António Oliveira zan@dps.uminho.pt. meta-heurísticas
Meta-heurísticas 105 meta-heurísticas Propriedades e Características: são estratégias que guiam o processo de pesquisa; - o objectivo a atingir é a exploração eficiente do espaço de pesquisa de modo a
Leia maisLista 2 - Modelos determinísticos
EA044 - Planejamento e Análise de Sistemas de Produção Lista 2 - Modelos determinísticos Exercício 1 A Companhia Ferroviária do Brasil (CFB) está planejando a alocação de vagões a 5 regiões do país para
Leia maisProjetos. 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 maisContagem I. Figura 1: Abrindo uma Porta.
Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 4 Contagem I De quantos modos podemos nos vestir? Quantos números menores que 1000 possuem todos os algarismos pares?
Leia maisAnalise filogenética baseada em alinhamento de domínios
Analise filogenética baseada em alinhamento de domínios Moléculas biológicas e evolução Como já foi comentado anteriormente sabemos que o DNA de qualquer espécie de ser vivo sofre mutações ao longo do
Leia maisEste material traz a teoria necessária à resolução das questões propostas.
Inclui Teoria e Questões Inteiramente Resolvidas dos assuntos: Contagem: princípio aditivo e multiplicativo. Arranjo. Permutação. Combinação simples e com repetição. Lógica sentencial, de primeira ordem
Leia maisAlgoritmos Genéticos (GA s)
Algoritmos Genéticos (GA s) 1 Algoritmos Genéticos (GA s) Dado um processo ou método de codificar soluções de um problema na forma de cromossomas e dada uma função de desempenho que nos dá um valor de
Leia maisUso 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 maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia mais5COP096 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 maisO uso da colônia de formigas no problema de visitação na AMAN
O uso da colônia de formigas no problema de visitação na AMAN Rogerio Carvalho Mendes Tavora rcmqco@ig.com.br AMAN Roberto Campos Leoni rcleoni@yahoo.com.br AEDB Resumo:A Academia Militar das Agulhas Negras
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisSeleção de Variáveis: Um Sistema Híbrido Baseado em Colônia de Formigas e Rede Neural MLP
Trabalho de Conclusão de Curso Engenharia de Computação Seleção de Variáveis: Um Sistema Híbrido Baseado em Colônia de Formigas e Rede Neural MLP Autor: Arthur Fernandes Minduca de Sousa Orientador: Mêuser
Leia mais01/05/2016. Danillo Tourinho Sancho da Silva, MSc ROTEIRIZAÇÃO TEORIA DOS GRAFOS MOTIVAÇÃO
ROTEIRIZAÇÃO Danillo Tourinho Sancho da Silva, MSc TEORIA DOS GRAFOS MOTIVAÇÃO 1 MOTIVAÇÃO Por que estudar grafos? Importante ferramenta matemática com aplicação em diversas áreas do conhecimento Utilizados
Leia maisComplemento IV Introdução aos Algoritmos Genéticos
Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e
Leia maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Leia maisResolução do Problema de Roteamento de Veículos com Frota Heterogênea via GRASP e Busca Tabu.
Resolução do Problema de Roteamento de Veículos com Frota Heterogênea via GRASP e Busca Tabu. Camila Leles de Rezende, Denis P. Pinheiro, Rodrigo G. Ribeiro camilalelesproj@yahoo.com.br, denisppinheiro@yahoo.com.br,
Leia maisAPLICAÇÃO 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 maisFigura 1.1: Exemplo de links patrocinados no Google
1 Links Patrocinados 1.1 Introdução Links patrocinados são aqueles que aparecem em destaque nos resultados de uma pesquisa na Internet; em geral, no alto ou à direita da página, como na Figura 1.1. Figura
Leia maisHeurísticas para o Problema de Sequenciamento de Carros em Linhas de Montagem. Daniel Brasil, Thiago Ferreira de Noronha, Caroline Rocha
Capítulo 18 Heurísticas para o Problema de Sequenciamento de Carros em Linhas de Montagem Daniel Brasil, Thiago Ferreira de Noronha, Caroline Rocha Resumo: Este capítulo trata do Problema do Sequenciamento
Leia maisMatemática Financeira Módulo 2
Fundamentos da Matemática O objetivo deste módulo consiste em apresentar breve revisão das regras e conceitos principais de matemática. Embora planilhas e calculadoras financeiras tenham facilitado grandemente
Leia maisSistemas Auto-organizáveis BC0005
Aplicações Sistemas Auto-organizáveis BC0005 Bases Computacionais da Ciência Modelagem e simulação Solução de problemas reais por modelos computacionais (visto na aula anterior) Sistemas auto-organizáveis
Leia maisSumário. Comunicação Multicast. Soluções. Multicast. Application-Level Multicast. October 20, 2008 Algoritmos Epidémicos
Sumário Comunicação Multicast Multicast Application-Level Multicast October 20, 2008 Algoritmos Epidémicos Comunicação Multicast Soluções Multicast designa o envio duma mensagem para múltiplos destinatários.
Leia maisBanco de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri. Banco de Dados Processamento e Otimização de Consultas
Processamento e Otimização de Consultas Banco de Dados Motivação Consulta pode ter sua resposta computada por uma variedade de métodos (geralmente) Usuário (programador) sugere uma estratégia para achar
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola
Leia maisArquitetura de Rede de Computadores
TCP/IP Roteamento Arquitetura de Rede de Prof. Pedro Neto Aracaju Sergipe - 2011 Ementa da Disciplina 4. Roteamento i. Máscara de Rede ii. Sub-Redes iii. Números Binários e Máscara de Sub-Rede iv. O Roteador
Leia maisRenato Assunção UFMG
Renato Assunção UFMG IR: O que existe de diferente na Web? (Kumar) Busca na Web: não e igual a busca numa base comum? Volume (> 40 bilhões = 4 * 10 10 ver http://www.worldwidewebsize.com) Mudança (23%
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Laboratório de Pesquisa e Desenvolvimento Universidade Federal de Alfenas versão
Leia maisInteligência de Enxames
Inteligência de Enxames André Ricardo Gonçalves andreric [at] dca.fee.unicamp.br www.dca.fee.unicamp.br/~andreric Sumário 1 Inteligência de Enxames p. 3 1.1 Ant Colony Optimization...........................
Leia maisEngenharia de Software I
Engenharia de Software I Curso de Desenvolvimento de Software Prof. Alessandro J de Souza ajdsouza@cefetrn.br 1 Rational Unified Process RUP Fase Construção 2 VISÃO GERAL Fase Construção. Visão Geral 3
Leia maisO que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
Leia maisCooperativa de Leite. Série Matemática na Escola
Cooperativa de Leite Série Matemática na Escola Objetivos 1. Introduzir matrizes através da representação tabular de dados numéricos; 2. Mostrar uma aplicação simples desse tipo de representação. Cooperativa
Leia mais15.053 Quinta-feira, 14 de março. Introdução aos Fluxos de Rede Handouts: Notas de Aula
15.053 Quinta-feira, 14 de março Introdução aos Fluxos de Rede Handouts: Notas de Aula 1 Modelos de Rede Modelos de programação linear que exibem uma estrutura muito especial. Podem utilizar essa estrutura
Leia maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia maisRESOLUÇÃO Matemática APLICADA FGV Administração - 14.12.14
FGV Administração - 1.1.1 VESTIBULAR FGV 015 1/1/01 RESOLUÇÃO DAS 10 QUESTÕES DE MATEMÁTICA DA PROVA DA TARDE MÓDULO DISCURSIVO QUESTÃO 1 Um mapa de um pequeno parque é uma região em forma de quadrilátero,
Leia maisBC-0005 Bases Computacionais da Ciência. Modelagem e simulação
BC-0005 Bases Computacionais da Ciência Aula 8 Modelagem e simulação Santo André, julho de 2010 Roteiro da Aula Modelagem O que é um modelo? Tipos de modelos Simulação O que é? Como pode ser feita? Exercício:
Leia maisInteligência 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 maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisMestranda: Márcia Maria Horn. Orientador: Prof. Dr. Sandro Sawicki
Universidade Regional do Noroeste do Estado do Rio Grande do Sul Departamento de Ciências Exatas e Engenharias Programa de Mestrado em Modelagem Matemática Grupo de Pesquisa em Computação Aplicada Temática:
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares
Leia maisAnt Colony Optimization
Ant Colony Optimization por Fabricio Breve Fabricio Breve fabricio@rc.unesp.br 02/06/2016 Fabricio Breve 1 Ant Colony Optimization Origem na tese de doutorado de Marco Dorigo, em 1992 Ant Systems Algoritmo
Leia maisMicroeconomia. Prof.: Antonio Carlos Assumpção
Microeconomia Os Custos de Produção Prof.: Antonio Carlos Assumpção Tópicos Discutidos Medição de Custos: Quais custos considerar? Custos no Curto Prazo Custos no Longo Prazo Mudanças Dinâmicas nos Custos:
Leia maisINVESTIGAÇÃO 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 maisPós-Graduação em Engenharia Elétrica Inteligência Artificial
Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms
Leia maisBackup. Permitir a recuperação de sistemas de arquivo inteiros de uma só vez. Backup é somente uma cópia idêntica de todos os dados do computador?
Backup O backup tem dois objetivos principais: Permitir a recuperação de arquivos individuais é a base do típico pedido de recuperação de arquivo: Um usuário apaga acidentalmente um arquivo e pede que
Leia maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia maisUtilização do SOLVER do EXCEL
Utilização do SOLVER do EXCEL 1 Utilização do SOLVER do EXCEL José Fernando Oliveira DEEC FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO MAIO 1998 Para ilustrar a utilização do Solver na resolução de
Leia maisTabela de roteamento
Existem duas atividades que são básicas a um roteador. São elas: A determinação das melhores rotas Determinar a melhor rota é definir por qual enlace uma determinada mensagem deve ser enviada para chegar
Leia maisModelos e Métodos de Resolução para Problemas de Escalonamento de Projetos
Universidade Federal de Ouro Preto Departamento de Computação Modelos e Métodos de Resolução para Problemas de Escalonamento de Projetos Haroldo Gambini Santos Túlio A. Machado Toffolo Marco A.M. de Carvalho
Leia maisVocê sabe a regra de três?
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Você sabe a regra de três?
Leia maisPesquisa Sequencial e Binária. Introdução à Programação SI2
Pesquisa Sequencial e Binária Introdução à Programação SI2 3 Contexto Diferentes estratégias para pesquisa (busca) de um elemento específico em um conjunto de dados. Lista, array, coleção Operação importante,
Leia maisEmpresa de Pesquisa Energética (EPE) 2014. Analista de Projetos da Geração de Energia
Empresa de Pesquisa Energética (EPE) 2014 Analista de Projetos da Geração de Energia Oi, pessoal! Vou resolver as quatro questões de Estatística (53 a 56) da prova elaborada pela banca Cesgranrio para
Leia maisIntrodução à Probabilidade e Estatística
Professor Cristian F. Coletti Introdução à Probabilidade e Estatística (1 Para cada um dos casos abaixo, escreva o espaço amostral correspondente e conte seus elementos. a Uma moeda é lançada duas vezes
Leia maisPPD: Balanceamento de Carga e Scheduling 2
PPD: Balanceamento de Carga e Scheduling 2 Fernando Silva DCC-FCUP 2 (Alguns dos slides são baseados nos de Kathy Yelick, www.cs.berkeley.edu/ yelick) Fernando Silva (DCC-FCUP) PPD: Balanceamento de Carga
Leia maisProbabilidade. Contagem
Probabilidade Contagem Problema da Contagem no Estudo da Probabilidade Conforme definição clássica, podemos determinar uma probabilidade calculando a relação entre o total de eventos de sucesso e o total
Leia maisQUESTÃO 1 ALTERNATIVA B
1 QUESTÃO 1 Marcos tem 10 0,25 = 2,50 reais em moedas de 25 centavos. Logo ele tem 4,30 2,50 = 1,80 reais em moedas de 10 centavos, ou seja, ele tem 1,80 0,10 = 18 moedas de 10 centavos. Outra maneira
Leia maisAulas 22 & 23. Controle de Fluxo e de Congestionamento. Eytan Modiano MIT
Aulas 22 & 23 Controle de Fluxo e de Congestionamento Eytan Modiano MIT 1 Controle de Fluxo Controle de fluxo: mecanismo fim a fim para controlar o tráfego entre fonte e destinatário. Controle de congestionamento:
Leia maisEspaço Amostral ( ): conjunto de todos os
PROBABILIDADE Espaço Amostral (): conjunto de todos os resultados possíveis de um experimento aleatório. Exemplos: 1. Lançamento de um dado. = {1,, 3, 4,, 6}. Doador de sangue (tipo sangüíneo). = {A, B,
Leia maisLISTA DE EXEMPLOS - PROBABILIDADE
LISTA DE EXEMPLOS - PROBABILIDADE EXEMPLO 1 CONVERTENDO UM ARREMESSO LIVRE Ache a probabilidade de que o jogador de basquete da NBA, Reggie Miller, converta um arremesso livre depois de sofrer uma falta.
Leia maisOlimpíadas Portuguesas de Matemática
XXV OPM Final o dia 7 Categoria A Justifica convenientemente as tuas respostas e indica os principais cálculos Não é permitido o uso de calculadoras http://wwwpt/~opm Duração: horas Questão : 6 pontos
Leia maisPROGRAMA DE ENGENHARIA DE TRANSPORTE PET/COPPE/UFRJ
PROGRAMA DE ENGENHARIA DE TRANSPORTE PET/COPPE/UFRJ CURSO: Mestrado em Engenharia de Transporte ADMISSÃO: 2012/1 ATIVIDADE: Prova Escrita parte integrante do PROCESSO DATA: 21/11/2010 SELETIVO DE INGRESSO
Leia maisSISTEMAS ESPECIALISTAS
SISTEMAS ESPECIALISTAS Pasteur Ottoni de Miranda Junior DCC PUC Minas Postado em www.pasteurjr.blogspot.com Sistemas especialistas (SE) representam o comportamento de um especialista humano em determinada
Leia maisSUMÁRIO. Introdução... 3
SUMÁRIO Introdução..................................... 3 1 Consultas por Similaridade e Espaços métricos............. 5 1.1 Consultas por abrangência e consultas aos k-vizinhos mais próximos... 5 1.2
Leia mais7. Conceito de Barrilete e Dimensionamento das Colunas de Água-Fria e do Barrilete
AULA 8 7. Conceito de Barrilete e Dimensionamento das Colunas de Água-Fria e do Barrilete Além do sistema ramificado utilizado em residências, existe o sistema unificado que usa um Barrilete de distribuição.
Leia maisBases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15
Bases Matemáticas Aula 2 Métodos de Demonstração Rodrigo Hausen v. 2013-7-31 1/15 Como o Conhecimento Matemático é Organizado Definições Definição: um enunciado que descreve o significado de um termo.
Leia maisAlgoritmos de pesquisa. Tabelas de dispersão/hash
Algoritmos de pesquisa Tabelas de dispersão/hash Introdução Motivação: Considerar o problema de pesquisar um determinado valor num vetor (array). Se o vetor não está ordenado, a pesquisa requer O(n) de
Leia mais