RELAXAÇÃO LAGRANGEANA COM MÉTODO DE SUBGRADIENTE APLICADA NO PROJETO DE UMA REDE DE TELEFONIA MÓVEL
|
|
- André Weber Igrejas
- 6 Há anos
- Visualizações:
Transcrição
1 Pesqusa Operacona e o Desenvovmento Sustentáve RELAXAÇÃO LAGRANGEANA COM MÉTODO DE SUBGRADIENTE APLICADA NO PROJETO DE UMA REDE DE TELEFONIA MÓVEL Luz Otavo Rbero Afonso Ferrera Facudade Integrada do Ceará otavor@yahoo.com.br Adrana Aparecda Rgoon Unversdade de Fortaeza argoon@ubb.com.br Pácdo Rogéro Pnhero Unversdade de Fortaeza pacdo@unfor.br Mako Magahães Rodrgues Unversdade de Fortaeza mako@unfor.br Eder Magahães Macambra Unversdade Federa da Paraíba Departamento de Estatístca eder@de.ufpb.br Resumo Este trabaho apresenta uma reaação Lagrangeana para o Probema de Atrbução Generazada com Restrções de Dversdade e Capacdade (PAG-DC). Este probema surge durante o projeto de uma rede de teefona ceuar e consste em encontrar uma atrbução de estações rádo base a hubs, a um custo mínmo, ta que as demandas de cada estação e a capacdade de cada hub sejam atenddas. O PAG-DC é conhecdo ser NP-dfíc. Aguns epermentos computaconas foram reazados com nstâncas reas e de grande porte usando a reaação Lagrangeana assocada ao método do subgradente. Os resutados computaconas ndcam que o agortmo proposto é capaz de encontrar bons mtantes nferores, e mostrou-se efcente na resoução de nstâncas de grande porte em um tempo computacona razoáve. Paavras-chaves: probema de atrbução, redes de teefona ceuar, reaação Lagrangeana. Abstract Ths paper shows a Lagrangean reaaton for the Generazed Assgnment Probem wth Dversty and Capacty Constrants (PAG-DC). Ths probem arsng n network desgn of ceuar networks. The PAG-DC conssts of assgnng base statons to hubs whch mnmzes a certan cost so that the dversty requrement s met and the hub s capacty s not eceeded. Ths probem s known as an NPhard probem. Some computatona eperments have been run on rea nstances usng the Lagragean reaaton together wth the subgradente method. The resuts show that proposed agorthm s abe to fnd good ower bounds n a reasonabe computatona tme. Keywords: assgnment probem, ceuar networks, Lagrangean reaaton.
2 Pesqusa Operacona e o Desenvovmento Sustentáve 1. Introdução Uma rede de teefona ceuar é bascamente formada por uma ou mas centras de comutação móves (do ngês Mobe Swtchng Center - MSC), e de váras Estações Rádo Base (ERB s). Essas ERB s são dstrbuídas de forma a atender toda área de cobertura no níve mínmo de sna de rádo freqüênca, garantndo uma quadade de conversação acetáve. Cada estação possu uma determnada capacdade defnda em termos de números de chamadas que podem ser fetas smutaneamente. Essa capacdade é determnada peo número de assnantes e peo número de canas desgnados para conduzr a carga de voz e o controe de rádo ao MSC. À medda que aumenta o número de usuáros em uma rede de teefona ceuar, aumenta também a necessdade de se adconar mas estações base à rede para atender à demanda desses novos usuáros, e aumenta também o custo de transmssão das estações base ao MSC. Dante dessas dfcudades, as operadoras de teefona procuram seeconar agumas estações rádo base para desempenhar o pape de concentradores (do ngês hubs). A soução adotada peas operadoras, no entanto, acarreta uma preocupação no sentdo de garantr a confabdade no envo (ou no recebmento) dos dados, ou seja, a questão de sobrevvênca da rede no caso de faha em um hub. Para sobrepor este probema, procura-se defnr uma topooga da rede em ane ou em árvore. A prmera usa a tecnooga SONET (Synchronous Optca Network) para os anés enquanto que a segunda topooga emprega a dversdade físca. A topooga em árvore permtrá as estações base adotarem uma dversdade físca dos enaces, e conseqüentemente, garantr que o tráfego de dados seja roteado em partes guas para todos os hubs, ao qua uma estação base esteja conectada, sem que os dados sejam perddos por competo em caso de faha de um dos hubs. Neste conteto, surge o Probema de Aocação Generazado com Restrções de Dversdade e Capacdade, doravante denomnado PAG-DC. O PAG-DC faz uso de uma topooga onde as estações base pertencem a árvores dferentes e o MSC representa o nó raz de cada árvore. As árvores são consttuídas de hubs (MSC e concentradores). A Fgura 1.1 apresenta uma rede de teefona ceuar com topooga em árvore para o PAG-DC cuja dversdade das estações é gua a 2. MSC Hubs ERB s Fgura Rede de teefona ceuar com topooga em árvore para o PAG-DC com dversdade gua a 2. O Probema de Aocação Generazado com Restrções de Dversdade e Capacdade consste em encontrar uma atrbução de estações rádo base a hubs, a um custo mínmo, ta que a demanda de cada estação base seja atendda e a capacdade de cada hub seja respetada. Em Kubat et a [9] é provado que o PAG-DC é um probema NP-dfíc. O objetvo deste trabaho é propor e souconar um modeo de programação near ntera msta para o panejamento de uma rede teefona ceuar ocazada na cdade de Fortaeza-CE, consderando 1734
3 Pesqusa Operacona e o Desenvovmento Sustentáve a dversdade gua a 1 para as estações rádo base. O probema resutante é um caso partcuar do PAG-DC, denomnado PAG-DC*, e que contnua sendo um probema NP-dfíc. Dversas abordagens vêm sendo propostas para o PAG-DC e suas varantes. Em Kubat et a [9], os autores apresentam váras heurístcas guosas e sugerem a apcação da técnca de reaação Lagrangeana. Neste trabaho, os autores encontraram souções de boa quadade para o PAG-DC com o emprego de reaação Lagrangeana. Em Bose et a. [3] e Kubat et a. [8] consderam o PAG-DC como um probema do tpo mut-período. Com sso, a ntenção dos autores é modear e tratar agumas aterações que possam ocorrer na rede ao ongo do tempo. Em [3] são propostas novas formuações nteras e heurístcas guosas para esse probema enquanto que em [8] os autores propuseram uma heurístca Lagrangeana e um agortmo branch-and-cut. Neste trabaho, devdo o sucesso do uso da técnca de reaação Lagrangeana na resoução do PAG-DC, e prncpamente na resoução de probemas de projeto de redes no conteto de teefona ceuar [4, 5, 14], propõe-se para a soução do PAG-DC* o emprego de um agortmo baseado na técnca de reaação Lagrangeana assocado ao método de subgradente. O restante deste trabaho é organzado como a segur. Na seção 2 é apresentado um modeo para o PAG-DC*. Uma reaação Lagrangeana assocada ao método de subgradente é apresentada na seção 3 para a soução do PAG-DC*. Na seção 4, aguns epermentos computaconas são reazados com a reaação Lagrangeana, utzando LINDO, para casos reas de uma operadora de teefona ceuar. Fnamente, na seção 5, são apresentadas concusões e dscutdos trabahos futuros. 2. Modeo matemátco para o PAG-DC* Para apresentação do modeo matemátco para o PAG-DC*, faz-se necessára à descrção do modeo proposto para o PAG-DC. Sejam: M = {1,..., m}, o conjunto de índces dos hubs; N = {1,..., n}, o conjunto de índces das estações rádo base; MSC, a centra de comutação; V = {v 1, v 2,..., v n }, o conjunto de estações rádo base a serem conectadas; H = {h 1, h 2,..., h m }, o conjunto de hubs; R = H {MSC}, o conjunto de hubs mas a MSC; Q = {T 1,..., Tq}, o conjunto de árvores, ta que, T T j =. Cada árvore possu como raz a MSC; S, a dversdade de cada estação base V; D, a demanda fa em número de fees DS0 (64 Kbps) de cada estação base V; K, a capacdade do enace dos hubs para o MSC em número de fees DS0 (64 Kbps); a j, uma constante, ta que, a j = 1 se o enace H faz parte do camnho entre o nó raz e o hub j H e a j = 0, caso contráro; c, o custo fo de nterconectar uma estação base V ao hub j R; b, o custo para adqurr hubs. Como a topooga da rede é em árvore, e cada estação base gera uma demanda D, que será envada para um nó desta árvore (hubs), pode-se defnr para cada ERB a varáve de decsão, ta que, = 1 se a estação V está conectada ao hub j R., e = 0, caso contráro. Aém dessa varáve, pode-se defnr uma outra, denotada por y, que ndca a quantdade de hubs a adqurr a fm de que a demanda que passa pea rede seja atendda. Com sso, o PAG-DC pode ser formuado como sendo o segunte probema de programação ntera msta, conforme apresentado em [9]: 1735
4 Pesqusa Operacona e o Desenvovmento Sustentáve (M) Mn j Tq y { 0,1 }, 0, = S D S 1, c, a j H Ky b, y V, H, V, q = 1,..., Q, V, j R, H. (1) (2) (3) (4) (5) (6) A função objetvo (1) busca mnmzar o custo de nterconectar as ERB s aos hubs e de adqurr mas capacdade, caso seja necessáro. As restrções (2) garantem a dversdade defnda, ou seja, que se a gação conectada a um determnado hub (ou dretamente ao nó raz) fahar nem todo o tráfego será perddo. Os possíves vaores utzados para a dversdade S,de cada estação, são 1, 2 e 3. As restrções (3) estabeecem a quantdade de capacdade a ser adqurda para cada enace. As restrções (4) mpedem que a céua seja gada a hubs de uma mesma árvore. As restrções (5) correspondem às restrções de ntegradade das varáves, e por útmo, as restrções (6) correspondem às restrções de não negatvdade das varáves y. Em seguda, reaza-se uma pequena modfcação no modeo (M) para que seja possíve a modeagem do PAG-DC*. Essa modfcação deve-se as egêncas da operadora de teefona ceuar onde fo desenvovdo o estudo. Nesta empresa, a dversdade físca dos enaces anda não é consderada. Com sso, temos S = 1, para cada V, e a emnação da constante a j do modeo matemátco. Aém dsso, já que a dversdade não é egda, podemos emnar as restrções (4). Assm, o PAG-DC* pode ser modeado como sendo o segunte probema de programação near ntera msta: (MS) Mn = 1, D { 0,1 }, c Ky, b y V, H, V, j R, y 0, H. H (7) (8) 1736
5 Pesqusa Operacona e o Desenvovmento Sustentáve 3. Agortmo de soução Nesta seção é apresentado um agortmo para a soução do PAG-DC*. Como dto anterormente, o PAG-DC* é um probema NP-dfíc, portanto encontrar uma soução ótma pode evar a um tempo computacona eevado. Assm, a egênca de obter boas souções, em um tempo computacona razoáve, por parte da operadora nos evou ao emprego de heurístcas. A avaação da quadade de uma soução obtda para um probema de otmzação combnatóra requer a geração de mtantes nferores e superores. O mtante superor representa uma soução váve e pode ser obtda através de uma heurístca. Já o mte nferor pode ser obtdo reaando agumas restrções consderadas dfíces do probema (veja [16]). Uma das técncas de geração de mtantes nferores é a reaação Lagrangeana ([6, 7]). Esta técnca consste em reaar restrções dfíces do probema, ançando-as como termos adconas na função objetvo. A voação destas restrções é penazada peo uso de mutpcadores de Lagrange assocados a cada uma destas restrções reaadas. O probema de cacuar os mutpcadores de Lagrange que mamzem o probema reaado é denomnado de probema Lagrangeano dua. Para resover o probema reaado comumente é empregado o método de subgradente. Em seguda, dscute-se a obtenção de mtantes nferores e superores para o PAG-DC*. Os mtantes nferores são obtdos com o emprego de uma reaação Lagrangeana e os mtantes superores através de uma heurístca guosa. Vae ressatar que a atuazação dos mutpcadores de Lagrange é feta através do método de subgradentes. 3.1 Lmtante nferor No modeo matemátco (MS) têm-se dos conjuntos de restrções, (7) e (8), que podem ser consderados como compcantes para a resoução do modeo. No prmero conjunto, tem-se uma atrbução, ou partconamento, de eementos. Já no segundo tem-se uma restrção do tpo mocha. Assm, devdo a essa dfcudade ntrínseca das restrções, pode-se adotar a reaação de cada uma deas. Seja λ, para todo V, o conjunto de mutpcadores assocado às restrções (7). A reaação Lagrangeana do modeo obtda com a defnção de λ, após a reorganzação dos termos da função objetvo, é defnda por: Z y RL ( λ) = Mn D { 0,1 }, Ky, b y H, V, j R, 0, H. c H λ 1 (9) Assuma agora que α 0, para todo H, denote o conjunto de mutpcadores assocados às restrções (8). Assm, a reaação Lagrangeana obtda com esse conjunto de mutpcadores α é epressa por: 1737
6 Pesqusa Operacona e o Desenvovmento Sustentáve Z y RL ( α ) = Mn = 1, V, { 0,1 }, V, j R, 0, H. c H b y α H D Ky (10) Para quaquer conjunto de mutpcadores de Lagrange λ e α, a reaação Lagrangeana fornece uma soução, Z RL (λ) ou Z RL (α), que é sempre menor ou gua à soução do probema orgna (veja [7]). Assm, quanto maor for o vaor da soução, mehor será o mtante nferor para o PAG- DC*. Como dto anterormente, o probema de encontrar o conjunto de mutpcadores que mamzem a soução do probema Lagrangeano é denomnado de Lagrangeano dua. No caso do PAG-DC* como foram defndos dos probemas Lagrangeanos, temos dos probemas Lagrangeanos duas para serem resovdos, conforme abao: Z LD (λ) = ma {Z RL (λ) λ é rrestrto}, (11) Z LD (α) = ma {Z RL (α) α 0}. (12) 3.2 Método subgradente O método subgradente é o mas utzado para a resoução do Lagrangeano dua. Em seguda, apresenta-se uma descrção sucnta do funconamento deste método. Após esta descrção, apca-se o método do subgradente para a soução dos probemas (11) e (12). Dado um conjunto de mutpcadores de Lagrange, o probema reaado é souconado, gerando um mtante nferor, e os subgradentes correspondentes à soução reaada são cacuados. Utzam-se, então, os subgradentes na atuazação do conjunto de mutpcadores, vsando à obtenção de um novo mtante nferor, de maor vaor do que o anteror. O processo é repetdo até que os mtantes nferores e superores sejam guas ou até que seja atngdo um gap de duadade. O mutpcador de Lagrange λ, na (k1)-ésma teração, é cacuado por: λ k1 = λ k t k gλ k ( k ), para todo V, (13) onde t k é um escaar postvo, denomnado tamanho do passo, gλ k ( k ) é o vetor subgradente de Z RL (λ), e k representa o vaor ótmo das varáves na soução do probema Z RL (λ). Já o segundo mutpcador de Lagrange α, na (k1)-ésma teração, é cacuado por: α k1 = ma{0, α k s k gα k ( k,y k ), para todo H, (14) onde s k é um escaar postvo, denomnado tamanho do passo, gα k ( k, y k ) é o vetor subgradente de Z RL (α), e ( k,y k ) representa o vaor ótmo das varáves e y na soução do probema Z RL (α). Os vetores dos subgradentes menconados nas equações (13) e (14) são defndos, respectvamente, como: gλ k ( k ) = 1, para todo V, (15) 1738
7 Pesqusa Operacona e o Desenvovmento Sustentáve gα k ( k,y k ) = D Ky, para todo H. (16) H O tamanho do passo, t k, a ser tomado em dreção ao subgradente quando reaamos a restrção (7) é: t k = π[z ub Z RL (λ k )] / gλ k 2, (17) onde π é um escaar defndo no ntervao 0 < π 2 e Z ub representa o mtante superor conhecdo até o momento. O vaor π é utzado para reguar o tamanho do passo, e conseqüentemente, a veocdade de convergênca do método de subgradente. Já para a restrção (8), o tamanho do passo, s k, é defndo por: s k = π[z ub Z RL (α k )] / gα k 2. (18) Descrto todos os pontos báscos do método subgradente que utzaremos, pode-se agora apresentar o agortmo empregado na resoução do PAG-DC*. Prmero apresentamos uma versão desse agortmo utzando o mutpcador de Lagrange λ, depos fazemos menção das aterações que deverão ser fetas para o caso de onde utzaremos o mutpcador de Lagrange α. Ambos os agortmos são baseados na descrção em [2]. Agortmo 1 1. Faça LI = -, LS =, k = 0 e π = Incaze os mutpcadores de Lagrange λ k, para todo V. 3. Faça k = k Cacue o mtante nferor Z RL (λ). 5. Se (Z RL (λ) > LI) 6. então LI = Z RL (λ). 7. senão vá para o passo Cacue um mtante superor Z ub. 9. Se (Z ub < LS) 10. então LS = Z ub. 11. Se (LI = LS) ou (LS LI < 0,00001) 12. então retorne(li). 13. Cacue o subgradente gλ k Se gλ k1 = então PARE. 16. Se LI não é ncrementado a 30 terações 17. então π = π / Cacue o tamanho do passo t k. 19. Atuaze os mutpcadores de Lagrange λ k Se (π < 0,001) 21. então PARE. 22. senão vá para o passo 3. O Agortmo 2 é obtdo fazendo-se as devdas trocas para o mutpcador de Lagrange α nos passos 2, 4-7, 13-15, 18 e 19 do Agortmo 1. Ambos os agortmos utzam o vaor 1,05Z ub na equações (17) e (18). Essa constante é um vaor empírco e fo sugerda por Beasey [2] para a mpementação de uma reaação Lagrangeana. A mesma observação empírca pode ser feta para o vaor 30 no passo 16. Em seguda, apresentamos uma heurístca guosa para o cácuo de Z ub. 1739
8 Pesqusa Operacona e o Desenvovmento Sustentáve 3.3. Lmtante superor Nesta seção descreve-se a heurístca utzada para obter o mte superor (Z ub ) que aua no cácuo do tamanho dos passos descrtos em (17) e (18). Na seção 2 defne-se para cada ERB a varáve de decsão, ta que, = 1 se a estação V está conectada ao hub j R., e = 0, caso contráro e y, ndcando a quantdade de hubs a adqurr. Para obtenção do mte superor supõe-se que = 1 para todo V e j R adconado à dvsão da quantdade tota de ERB s pea menor quantdade de portas de um hub, obtendo, dessa forma, o custo mámo de aocação para a função objetvo (1). Apca-se um percentua de correção de até 3 %, conforme sugerdo em Macuan [12]. 4. Resutados computaconas Nesta seção apresentamos aguns resutados computaconas reazados com o modeo e a reaação Lagrangeana propostos para o PAG-DC*. Os epermentos foram reazados em um computador IBM-PC, com processador Pentum de 1.2 MHZ com 256Mb de memóra RAM. Para a resoução do modeo fo utzado o pacote comerca de otmzação LINDO 6.1 [10]. As nstâncas utzadas nos epermentos representam casos reas de uma empresa de teefona de ceuar de Fortaeza. A caracterzação de cada nstânca será feta através de três parâmetros: número de estações rádo base, número de concentradores (hubs) e número de comutadores (MSC). O conjunto de nstâncas testes é apresentado na Tabea 1. Instânca # ERB s # hubs # MSC Tabea 1: Caracterzação das nstâncas utzadas nos epermentos. Os resutados obtdos para as nstâncas testadas com o pacote de otmzação LINDO 6. são apresentados na Tabea 2. A prmera couna desta tabea ndca o número da nstânca, a segunda couna o vaor da reaação near, a tercera couna o ótmo ntero, a quarta couna ndca o gap entre o vaor z* da soução ótma e o vaor z da reaação near, ou seja, Δ = [ (z* - z ) / z*] 100, (19) Instânca Z Z* Δ (%) , , , , , , , , Tabea 2: Resutados da eecução do LINDO. 1740
9 Pesqusa Operacona e o Desenvovmento Sustentáve É possíve observar na Tabea 2 que as nstâncas testadas representam probemas reas de dfíc soução. Isto pode ser vsto através do vaor do gap que estão maor do que 0,5%. A Tabea 3 e 4 mostram, respectvamente, os resutados obtdos pea reaação Lagrangeana para as nstâncas descrtas na Tabea 1 através do Agortmo 1 e 2. O sgnfcado das counas destas tabeas são os seguntes: a prmera couna ndca o número da nstânca, a segunda couna o vaor obtdo na reaação Lagrangeana, a tercera couna o ótmo ntero, a quarta couna ndca o gap entre o vaor z* da soução ótma e o vaor LI da reaação Lagrangeana, ou seja, Θ = [ (z* - LI ) / z*] 100, (20) Instânca LI z* Θ (%) , , , , , , , ,12570 Tabea 3: Resutados obtdos pea reaação Lagrangeana através da eecução do Agortmo 1. Instânca LI z* Θ (%) , , , , Unbounded Unbounded Unbounded Unbounded Tabea 4: Resutados obtdos pea reaação Lagrangeana através da eecução do Agortmo 2. Anasando os resutados das Tabeas 3 e 4, verfca-se que ambos os agortmos obtveram souções de boa quadade para o PAG-DC* e o tempo computacona fo nferor a 5 segundos, enquanto que, em Aguar [1] o tempo, para resoução dessas mesmas nstâncas, fo superor a 30 mnutos. Ressata-se que o Agortmo 1 obteve mehores mtantes nferores do que os obtdos peo Agortmo 2 e pea reaação near. 1741
10 Pesqusa Operacona e o Desenvovmento Sustentáve 5. Concusões Neste trabaho propomos um modeo de programação ntera msta para um probema que surge em uma operadora de teefona móve. O probema em questão, PAG-DC*, corresponde a um caso partcuar do Probema de Atrbução Generazada com Restrções de Dversdade e Capacdade. O PAG-DC* é um probema NP-dfíc. Assm, devdo a sua compedade e o fato de obtermos souções de boa quadade em um tempo computacona razoáve, foram desenvovdos e mpementados dos agortmos de reaação Lagrangeana assocado ao método de subgradente para o PAG-DC*. Esses agortmos foram obtdos de acordo com a restrção reaada do modeo. Os resutados obtdos com o emprego dos agortmos propostos demonstraram ser efcente aos nossos propóstos vsto que o vaor do gap obtdo com estes agortmos fo mehor do que o gap obtdo na reaação near, e o tempo computacona, para a obtenção de um mtante nferor de boa quadade, fcaram em segundos. Uma dreção futura para o trabaho sera verfcar formas de se obter mehores mtantes nferores e superores com o ntuto de dmnur anda mas o gap obtdo com o emprego dos agortmos propostos para a resoução do PAG-DC*. Com reação aos mtantes superores podera pensar na utzação de metaheurístcas (vde, [13]). Já com reação à determnação de mehores mtantes nferores poder-se-am utzar a técnca de reaação Lagrangeana/surrogate (veja, [15]) ou o emprego de panos-de-cortes facas (veja, [11]). Referêncas bbografa [1] Aguar, Aee Barbosa. Um Modeo de Otmzação para Teefona Ceuar, Monografa. Unversdade de Fortaeza, [2] Beasey, J. E. Lagrangean Reaaton, Modern Heurstc Technques for Combnatora Probems (edtor C. Reeves), Backwe Scentfc Pubcatons, [3] Bose, I., Eryarsoy, E. e He, L. Mut-perod desgn of survvabe wrees access networks under capacty constrants. Decson Suport Systems, 38: , [4] Cabra, G.; Santos, K. ; Mateus, G. R. Probema de Panejamento de Redes Ceuares de Tercera Geração, consderando Estações Rádo-Base, Controe de Potênca e Mútpos Servços. Anas do Workshop de Comuncação sem Fo e Computação Móve, v. 1, pp , [5] Dutta, A. e Kubat, P. Desgn of partay survvabe networks for ceuar teecommuncaton systems. European Journa of Operatona Research, 118:52 64, [6] Fsher, M. L. The Lagrangan-method of sovng nteger programmng probems. Management Scence, 27(1):1-18, [7] Geoffron, A. M. Lagrangean reaaton ends ts uses n nteger programmng. Mathematca Programmng Study, 2:82 114, [8] Kubat, P e Smth, J. MacGregor. A mut-perod network desgn probem for ceuar teecommuncaton systems. European Journa of Operatona Research, 134: , [9] Kubat, P., Smth, J. MacGregor e Yum. C. Desgn of ceuar networks wth dversty and capacty constrants. IEEE Transactons on Reabty, 49: , [10] LINDO Systems Inc. Manua do usuáro, LINDO
11 Pesqusa Operacona e o Desenvovmento Sustentáve [11] Lucena, A. Stener probem n graphs: Lagrangean reaaton and cuttng-panes. COAL Buetn, Mathematca Programmng Socety, 21:2 8, [12] Macuan, Neson; Andrade, Rafae; Lucena, Abío. Usng Lagrangan Dua Informaton To Generate Degree Constraned Mnmum Spannng Trees, COOPE, [13] Martns, S. L. e Rbero, C. C. Metaheurstcs and appcatons to optmzaton probems n teecommuncatons, Handbook of Optmzaton n Teecommuncatons (edtores P. Pardaos e M.G.C. Resende), Sprnger-Verag, a ser pubcado, [14] Mazzn, F. F.; Mateus, G. R.; SMITH, J. MacGregor.. Lagrangean Based Methods for Sovng Large Scae Ceuar Network Desgn Probems. Wreess Networks, 9(6): , [15] Narcso, M.G.e Lorena, L.A.N. Lagrangean/surrogate reaaton for generazed assgnment probem. European Journa of Operatona Research, 114: , [16] Wosey, L. A. Integer programmng. John Wey & Sons,
Adriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
PROBLEMA DE DIMENSIONAMENTO DE LOTES MONOESTÁGIO COM RESTRIÇÃO DE CAPACIDADE: MODELAGEM, MÉTODO DE RESOLUÇÃO E RESULTADOS COMPUTACIONAIS
Vol. 20, No. 2, p. 287-306, dezembro de 2000 Pesqusa Operaconal 287 PROBLEMA DE DIMENSIONAMENTO DE LOTES MONOESTÁGIO COM RESTRIÇÃO DE CAPACIDADE: MODELAGEM, MÉTODO DE RESOLUÇÃO E RESULTADOS COMPUTACIONAIS
7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
INTERPOLAÇÃO POLINOMIAL DE LAGRANGE E DE HERMITE INTRODUÇÃO
Interpoação Ponoa de Lagrange e de Herte INTERPOLAÇÃO POLINOMIAL DE LAGRANGE E DE HERMITE INTRODUÇÃO Obetvando a preparação aos étodos de aproação a sere apcados à resoução nuérca de equações dferencas
Eletromagnetismo Aplicado
letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros
CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
DIMENSIONAMENTO ÓTIMIZADO DE TRELIÇAS DE ALUMÍNIO: ANÁLISE NUMÉRICA E EXPERIMENTAL
DIMENSIONAMENTO ÓTIMIZADO DE TRELIÇAS DE ALUMÍNIO: ANÁLISE NUMÉRICA E EXPERIMENTAL Moacr Krpka, Prof. Dr. Zacaras M. Chamberlan Prava, Prof. Dr. Maga Marques Das, Acadêmca, Bolssta UPF Gulherme Fleth de
Introdução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Universidade Estadual de Campinas Faculdade de Engenharia Elétrica e de Computação Departamento de Comunicações
Unversdade Estadua de Campnas Facudade de Engenhara Eétrca e de Computação Departamento de Comuncações Soução Generazada para Técncas de Dversdade-Combnação Autor: Cáudo Rafae Cunha ontero da Sva Orentador:
Alocação de Dispositivos PLC Numa Rede de Distribuição Elétrica de Baixa Tensão Usando Programação Linear Inteira Mista
Alocação de Dspostvos PLC uma Rede de Dstrbução Elétrca de Baxa Tensão Usando Programação Lnear Intera sta Fabano J. L. Pádua, Insttuto Federal de Educação, Cênca e Tecnologa de ato Grosso - IFT Campus
Um modelo de programação inteira binária para programação da produção em fundições de mercado
XXV ENEGEP - ortaeza, E, Bras 9 a de Outubro de 2006 Um modeo de programação ntera bnára para programação da produção em fundções de mercado odofo orence Texera Junor (USar) forencetexera@pucpr.br avo
MÉTODOS EXATOS BASEADOS EM RELAXAÇÕES LAGRANGIANA E SURROGATE PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR
versão mpressa ISSN 0101-7438 / versão onlne ISSN 1678-514 MÉTODOS EXATOS BASEADOS EM RELAXAÇÕES LAGRANGIANA E SURROGATE PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR Llan Káta de Olvera Renaldo
Medida do campo magnético terrestre
Unversdade de Combra ELECTROTECNIA TEÓRICA 006/07 Trabaho prátco n o Objectvo Medda do campo magnétco terrestre Pretende-se medr a componente horzonta do campo magnétco terrestre 1, H, utzando o método
SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
O PROBLEMA DE CORTE BIDIMENSIONAL COM PLACA DEFEITUOSA ANDRÉA CARLA GONÇALVES VIANNA Unversdade Estadual Paulsta - UNESP Faculdade de Cêncas Departamento de Computação Av. Luz Edmundo Carrjo Coube, s/n,
ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Estatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
3 Algoritmo das Medidas Corretivas
3 Algortmo das Meddas Corretvas 3.1 Introdução Conforme apresentado no Capítulo, o algortmo das Meddas Corretvas compõe o conjunto das etapas responsáves pela análse de desempenho do sstema de potênca.
CADERNOS DO IME Série Estatística
CADERNOS DO IME Sére Estatístca DISCUSSÃO DE PREMISSAS BÁSICAS PARA A MODELAGEM DO PROBLEMA DE PLANEJAMENTO DA EXPANSÃO DA GERAÇÃO DE LONGO PRAZO Mara Luza.V.Lsboa CEPEL / UERJ msboa@cepe.br Luz.Guherme
UMA NOVA ABORDAGEM PARA O PROBLEMA DA MOCHILA COMPARTIMENTADA
Pesusa Operaconal na Socedade: Educação, Meo Ambente e Desenvolvmento a 5/09/06 Goâna, GO UMA NOVA ABORDAGEM PARA O PROBLEMA DA MOCHILA COMPARTIMENTADA Robnson Hoto e Alexandre Fenato Unversdade Estadual
Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória
Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto
MODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES
MODELOS DE LOCALIZAÇÃO NA SELEÇÃO DE RESERVAS PARA CONSERVAÇÃO DE ESPÉCIES Marcelo Gonçalves Narcso CNPTIA EMBRAPA narcso@cnpta.embrapa.br Luz Antono Noguera Lorena lorena@lac.npe.br LAC - Laboratóro Assocado
DESENVOLVIMENTO DE SISTEMA DE DETECÇÃO DE FALHAS BASEADO EM APRENDIZADO ESTATÍSTICO DE MÁQUINAS DE VETORES DE SUPORTE
DESENVOLVIMENTO DE SISTEMA DE DETECÇÃO DE FALHAS BASEADO EM APRENDIZADO ESTATÍSTICO DE MÁQUINAS DE VETORES DE SUPORTE M. H. GRANZOTTO 1 e L. C. OLIVEIRA-LOPES 2 1 Unversdade Federa dos Vaes do Jequtnhonha
FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores
FUNDMENTOS DE ROBÓTIC Modelo Cnemátco de Robôs Manpuladores Modelo Cnemátco de Robôs Manpuladores Introdução Modelo Cnemátco Dreto Modelo Cnemátco de um Robô de GDL Representação de Denavt-Hartenberg Exemplos
CORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
AEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Sistema de informação para suporte da decisão de curto prazo em cascatas hídricas
Sstema de nformação para suporte da decsão de curto prazo em cascatas hídrcas Sílvo Marano, Vctor Mendes, Lus Ferrera UBI ISEL IST CEEL - Centro de Engenhara Electrotécnca de Lsboa da UTL Resumo: Na exploração
PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.
PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão
Algarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Prof. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Otimização em Redes. Árvore Geradora Mínima. Geraldo Robson Mateus DCC - UFMG
Otmzação em Redes Árvore Geradora Mínma Geraldo Robson Mateus DCC - UFMG Árvore Geradora Mínma Desea-se construr uma rede de comuncação entre váras cdades a custo mínmo. abe-se que o custo de qualquer
Tese de Doutorado em Computação Aplicada, orientada pelo Dr. Luiz Antonio Nogueira Lorena e pelo Prof. Dr. Edson Luiz França Senne.
MÉTODOS DE GERAÇÃO DE COLUNAS PARA PROBLEMAS DE ATRIBUIÇÃO Slvely Noguera de Almeda Salomão Tese de Doutorado em Computação Aplcada, orentada pelo Dr. Luz Antono Noguera Lorena e pelo Prof. Dr. Edson Luz
OTIMIZAÇÃO DAS PERDAS EM CORTES GUILHOTINADOS PARA BOBINAS DE AÇO NA INDÚSTRIA METALMECÂNICA
OTIMIZAÇÃO DAS PERDAS EM CORTES GUILHOTINADOS PARA BOBINAS DE AÇO NA INDÚSTRIA METALMECÂNICA osé Aélo Slvera únor Mestrado em Informátca Aplcada - MIA Esmaltec S/A Avenda Parque Oeste, 230, CEP 6939-20,
ESTUDO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
ESTUDO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches (Bolssta UEMS), Adrana Betâna de Paula Molgora Unversdade Estadual de Mato Grosso do Sul Cdade Unverstára de Dourados, Caxa
PROPOSTA DE ALGORITMO GENÉTICO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO E SEQUENCIAMENTO DE SONDAS DE MANUTENÇÃO
PROPOSTA DE ALGORITMO GENÉTICO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO E SEQUENCIAMENTO DE SONDAS DE MANUTENÇÃO Vanessa Rennó Frota Moraes Alves UFRJ / COPPE / Programa de Engenhara de Produção vanfrota@yahoo.com.br
5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Um Modelo De Programação Linear Inteira Mista Para A Localização De Armazéns E A Distribuição De Produtos Siderúrgicos
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN Um Modelo De Programação Lnear Intera Msta Para A Localzação De Armazéns E A Dstrbução De Produtos Sderúrgcos Carlos Roberto
Modelo de programação por restrições para o problema de empacotamento ortogonal tridimensional
Capítulo 5 Modelo de programação por restrções para o problema de empacotamento ortogonal trdmensonal Olvana Xaver do Nascmento 1 Llane de Azevedo Olvera 1 Thago Alves de Queroz 1 Resumo: O Problema de
Algoritmos Genéticos com Parâmetros Contínuos
com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75
ANÁLISE DE CRÉDITO BANCÁRIO UTILIZANDO O ALGORITMO SEQUENTIAL MINIMAL OPTIMISATION.
ANÁLISE DE CRÉDITO BANCÁRIO UTILIZANDO O ALGORITMO SEQUENTIAL MINIMAL OPTIMISATION. Vanessa Tereznha Aes Unversdade Federa do Paraná Centro Potécnco Jardm das Amércas - PR vanessa.aes@gma.com Vana Gryczak
UMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. UMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO Alexandre Venturn Faccn Pacheco (UFES) alexandreventurn@gmal.com
Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.4
Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.4 Provsão de Bens Públcos de forma descentralzada: a solução de Lndahl Isabel Mendes 2007-2008 13-05-2008 Isabel Mendes/MICRO
Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Estivagem de unidades de celulose: uma análise prática com heurísticas de bloco
Estvagem de undades de celulose: uma análse prátca com heurístcas de bloco Douglas Rosson Srtol (UnAracruz) drsrtol@fsjb.edu.br Glaydston Mattos Rbero (UnAracruz) glaydston@fsjb.edu.br Luz Antono Noguera
Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Guia 11 Escalonamento de Mensagens
Até esta altura, temos abordado prncpalmente questões relaconadas com escalonamento de tarefas a serem executadas num únco processador. No entanto, é necessáro consderar o caso de sstemas tempo-real dstrbuídos,
MODELOS DE DIMENSIONAMENTO DE LOTES COM CUSTOS DE TRANSPORTE
MODELOS DE DIMENSIONAMENTO DE LOTES COM CUSTOS DE TRANSPORTE Flavo Molna Unversdade Federal de São Carlos UFSCar - Departamento de Engenhara de Produção Rod. Washngton Luís - Km 235, São Carlos, São Paulo
3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Mecanismos de Escalonamento
Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur
Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
Palavras-chave: planejamento de lavra, mistura de minérios, programação por metas, simulação computacional, ARENA.
Modelo de smulação computaconal para valdação dos resultados de alocação dnâmca de camnhões com atendmento de metas de qualdade e de produção em mnas a céu aberto Irce Fernandes G. Gumarães (UFOP) rce@em.ufop.br
5 Aplicação do GFMM no BEM
38 5 Apação do GFMM o BEM esse apítuo os desevovmetos apresetados o apítuo 4 são apados ao BEM pea expasão das souções fudametas utzadas as tegrações sobre os segmetos do otoro. É apresetada a formuação
Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
3 O Problema de Fluxo de Potência Ótimo
3 O Problema de Fluxo de Potênca Ótmo 3.. Introdução Como fo vsto no capítulo anteror, para realzar uma repartção de custos ou benefícos, é necessáro determnar a função de custo do servço que será utlzado
Programação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
PROGRAMAÇÃO DIÁRIA DE IMAGENS DE UM SATÉLITE DE OBSERVAÇÃO: UMA FORMULAÇÃO REDUZIDA
PROGRAMAÇÃO DIÁRIA DE IMAGENS DE UM SATÉLITE DE OBSERVAÇÃO: UMA FORMULAÇÃO REDUZIDA Glaydston Mattos Rbero 1,2 e Luz Antono Noguera Lorena 2 1 Departamento de Cênca da Computação e Informátca Faculdade
MATEMÁTICA A - 12o Ano N o s Complexos - Potências e raízes Propostas de resolução
MATEMÁTICA A - 1o Ano N o s Complexos - Potêncas e raízes Propostas de resolução Exercícos de exames e testes ntermédos 1. Smplfcando a expressão de z na f.a., como 5+ ) 5 1 5, temos: z 1 + 1 ) + 1 1 1
UM MÉTODO HEURÍSTICO BASEADO EM RELAXAÇÃO LAGRANGIANA PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR
Vol. 0, No., p. 97-, dezembro de 000 Pesqusa Operaconal 97 UM MÉTODO HEURÍSTICO BASEADO EM RELAXAÇÃO LAGRANGIANA PARA O PROBLEMA DE CARREGAMENTO DE PALETES DO PRODUTOR Randal Farago Renaldo Morabto Departamento
NOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
UMA FORMULAÇÃO DE PROGRAMAÇÃO INTEIRA PARA O PROBLEMA DE CRIAÇÃO DE ÁREAS DE PONDERAÇÃO AGREGADAS
UMA FORMULAÇÃO DE PROGRAMAÇÃO INTEIRA PARA O PROBLEMA DE CRIAÇÃO DE ÁREAS DE PONDERAÇÃO AGREGADAS José André de M. Brto IBGE Insttuto Braslero de Geografa e Estatístca emal: brtom@bge.gov.br Av. Chle,
Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Experiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Imperfeição, Imprecisão e Incerteza e Modelos de Otimização
Imperfeção Imprecsão e Incerteza e Modelos de Otmzação Fernando Gomde Unversdade Estadual de Campnas Faculdade de Engenhara Elétrca e de Computação Campnas São Paulo Brasl III Workshop sobre Teora de Conuntos
Variável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.
MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo
Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
XLVI Pesquisa Operacional na Gestão da Segurança Pública
ALGORITMO HÍBRIDO COM CS E BRKGA APLICADO AO PROBLEMA DE ALOCAÇÃO DE BERÇOS Carlos Zaca Pomar 1Unversdade Federal de São Paulo UNIFESP, Insttuto de Cênca e Tecnologa Rua Taln, 330, CEP 12231-280, São José
Modelos Matemáticos para Otimização do Tráfego Urbano Semaforizado
Modelos Matemátcos para Otmzação do Tráfego Urbano Semaforzado Marcelo Lacortt, Rosana Mara Luvezute Krpka Unversdade de Passo Fundo - Insttuto de Cêncas Exatas e Geocêncas 99001-970, Passo Fundo, RS E-mal:
1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
A linguagem matemática
A UUL AL A A inguagem matemática Observe o texto abaixo. Ee foi extraído de um ivro de geometria chinês. Veja se, mesmo sem saber chinês, você consegue entender o tema do texto, ou seja, sobre o que o
Otimização do Planejamento da Produção de uma Indústria de Calçados
XXV Encontro Nac. de Eng. de Produção Porto Alegre, RS, Brasl, 29 out a 01 de nov de 2005 Otmzação do Planejamento da Produção de uma Indústra de Calçados Dorval de Carvalho Pnto (UFPE) dpnto@ufpe.br Fernando
2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria
Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados
Cálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Departamento de Engenharia Metalurgia e de Materiais POLI-USP b Instituto de Pesquisas Energéticas e Nucleares IPEN-CNEN/SP.
Desenvovmento de Programa de omputador para ácuo da Função Dstrbução de Orentações a partr de Fguras de Póos Incompetas em Ambente Wndows E.Gaego a, A.F. Padha a, N..Lma b a Departamento de Engenhara Metaurga
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe
PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO
PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 05/0/013 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...
5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos
Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões
O problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Análise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
A linguagem matemática
Acesse: http://fuvestibuar.com.br/ A UUL AL A A inguagem matemática Observe o texto abaixo. Ee foi extraído de um ivro de geometria chinês. Veja se, mesmo sem saber chinês, você consegue entender o tema
Aprendizagem de Máquina
Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos
2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Abordagens para problemas de carregamento de contêineres com considerações de múltiplos destinos
Gest. Prod., São Carlos, v. 18, n. 2, p. 265-284, 2011 Abordagens para problemas de carregamento de contêneres com consderações de múltplos destnos Approaches for contaner loadng problems wth mult-drop
Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor
Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3
Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Regressão e Correlação Linear
Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,
SCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& SCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO
Aplicação de um modelo simulado na formação de fábricas
Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de
REAPROVEITAMENTO DE POÇOS DE UM CAMPO DE PETRÓLEO DURANTE O PROCESSO DE OTIMIZAÇÃO DA PRODUÇÃO
REAPROVEITAMENTO DE POÇOS DE UM CAMPO DE PETRÓLEO DURANTE O PROCESSO DE OTIMIZAÇÃO DA PRODUÇÃO Cláuda Sampao Rezende csamparezende@gmal.com Unversdade Federal de Pernambuco UFPE Pernambuco, Recfe, Brasl
NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO
I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL
DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL Dstrbuton of the wnd acton n the bracng elements consderng