UM MÉTODO HÍBRIDO ENVOLVENDO OS MÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND EM PROBLEMAS MULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR
|
|
- Dalila Escobar Henriques
- 6 Há anos
- Visualizações:
Transcrição
1 U ÉTODO HÍBRIDO ENVOLVENDO OS ÉTODOS DE PONTOS INTERIORES E BRANCH-AND-BOUND E PROBLEAS ULTIOBJETIVO REFERENTES AO CULTIVO DA CANA-DE-AÇÚCAR Camla de Lma Programa de Pós-Graduação em Egehara Elétrca, FEB, UNESP, CEP: , Bauru, SP. E-mal: cadlma@yahoo.com.br Atoo Roberto Balbo Departameto de atemátca, FC, UNESP, CEP: , Bauru, SP. E-mal: arbalbo@fc.uesp.br Helece Floreto Slva de Olvera Departameto de Boestatístca, IBB, UNESP, CEP: , Botucatu, SP. E-mal: helece@bb.uesp.br RESUO O objetvo deste trabalho é desevolver e aplcar um método híbrdo que evolve os métodos prevsor-corretor prmal-dual de potos terores e brach-ad-boud em problemas referetes à mmzação do custo de colheta da caa-de-açúcar, à mmzação do custo da coleta e trasporte da bomassa resdual e/ou à maxmzação de geração de eerga da bomassa. O método prevsor-corretor prmal-dual de potos terores é utlzado para se obter a solução ótma relaxada do modelo. A partr desta, utlza-se o método brach-ad-boud para determar a solução ótma tera 0- relacoada às restrções de tegraldade do problema, relatvas à escolha das varedades a serem platadas, cosderado as áreas mecazáves e semmecazáves. Os testes são realzados através de uma mplemetação computacoal em C++ e os resultados umércos obtdos são comparados àqueles publcados a lteratura, demostrado que o procedmeto é efcete e determa a solução ótma do problema. PALAVARAS-CHAVE: étodo Prevsor-Corretor Prmal Dual de Potos Iterores, étodo Brach-ad-Boud, Bomassa Resdual da Caa-de-Açúcar. ÁREA PRINCIPAL: P - Programação atemátca. ABSTRACT The am of ths wor s develop ad apply a hybrd method volvg the predctorcorrector prmal-dual teror pots ad the brach-ad-boud methods problems of the sugarcae harvest cost mmzato, besdes the collect ad trasportato cost mmzato ad/or the eergy geerato maxmzato from waste sugarcae bomass. The predctorcorrector prmal-dual teror pot method s used to obta the real optmal soluto of the model. The, the brach-ad-boud method s appled to determe the 0- teger optmal soluto related to tegralty costrats of the problem, to choose the sugarcae varetes must be plated, cosderg the mechazed ad sem-mechazed areas. Tests have bee realzed by computatoal mplemetato C++ programmg laguage ad the obtaed umerc results are compared wth those publshed lterature showg that the procedure s effcet ad determes the optmal soluto to the problem. KEYWORDS: Prmal-Dual Iteror Pot ethod, Brach-ad-Boud ethod, Sugarcae Bomass. AIN AREA: P - athematcal Programmg. 278
2 . Itrodução Equato Secto Há algus aos, as usas hdrelétrcas eram resposáves por cerca de 90% da produção de eerga do Brasl, vsto que o país possu um dos maores parques hdrelétrcos do mudo. De acordo com Pellegr (2002), esses dados têm sofrdo algumas mudaças. Detre estas, houve a trodução de ovas fotes de eerga, como as que exploram o gás atural, a eerga uclear, e as eergas reováves, as quas utlzam recursos que são reabastecdos aturalmete, promovedo um meor mpacto ambetal e atededo aos prcípos de sustetabldade, detre elas destacam-se a eerga solar, a eerga eólca e eerga cogerada pela bomassa resdual. A cogeração cosste em um processo de produção smultâea e seqüecada de duas ou mas formas de eerga a partr de um úco combustível, que podem ser covertdas para cosumo própro ou veda, segudo Lma (2009). Vsto a baxa produção de mcro poluetes, o uso da bomassa como fote a cogeração de eerga tem sdo avalada como uma possível solução eergétca e ambetal. A caa-de-açúcar etra esse cotexto, por ser bastate cultvada o Brasl e por gerar uma grade quatdade de resíduos o solo, como folhas, palhas, poteros e frações de colmo, o que cetva o aprovetameto desta bomassa resdual para a cogeração de eerga. De acordo com Ramos (200), a probção das quemadas, utlzadas o processo de colheta semmecazada, provocou maor exploração e utllzação do sstema de colheta mecazado, o que ocasoou um aumeto sgfcatvo a quatdade de resíduos o solo, que favoreceram o aparecmeto de pragas, a cotamação do solo, e o comprometmeto da próxma safra. Neste processo houve vestmetos das usas para o reaprovetameto desta bomassa resdual que, além de resolver este problema, possbltou a cogeração de eerga e utlzação desta o setor sucro-alcoolero. Além dsso, o período da colheta da caa-de-açúcar cocde com o período de estagem das prcpas bacas hdrográfcas do parque hdrelétrco braslero, e ada, exste a possbldade de armazeameto da bomassa por um determado período até uma maor ecessdade ou maor valor de comercalzação desta eerga. Assm, mutos estudos têm sdo propostos vsado otmzar o custo de coletar e trasferr a caa-de-açúcar e a bomassa resdual, do campo para o cetro de processameto, bem como ao uso deste resíduo para a geração de eerga, cosderado-se os dos sstemas destados ao plato: o sstema mecazável, que gera bomassa para a produção de eerga, e o sstema semmecazável, que ão gera bomassa resdual, mas flueca dretamete o custo de coleta e dretamete a produção de eerga do processo. Nos trabalhos de Floreto (2006), Toleto (2007) e Homem (200), são dscutdos modelos matemátcos para a escolha de varedades de caa-de-açúcar que buscam otmzar o custo de coleta da bomassa resdual e/ou a geração de eerga. Ramos (200) e Slva (20) apresetam modelos de mmzação de custo da colheta da caa-de-açúcar, cosderado áreas mecazáves e sem-mecazáves em sua formulação. Este trabalho tem por objetvo utlzar um procedmeto híbrdo evolvedo métodos prevsor-corretor prmal-dual de potos terores e brach-ad-boud para a resolução dos modelos relatvos à colheta da caa-de-açúcar, que cosdera as áreas sem-mecazáves e mecazáves para o plato e ao aprovetameto de resíduos de caa-de-açúcar, relatvos à mmzação do custo de coleta e trasporte da bomassa resdual e/ou maxmzação de geração de eerga da bomassa, com restrção o úmero de varedades a serem platadas os talhões. 2. étodo prevsor-corretor prmal-dual de potos terores e brach-ad-boud Equato Secto (Next) Seja o segute problema prmal defdo para varáves caalzadas: em que A x c l u m m R, b R,,,, mzar Sujeto a : R e A com posto m. T c x Ax = b l x u Tem-se etão, o segute problema equvalete ao problema orgal (2.): (2.) 279
3 T mzar c x T mzar c x Ax = b Ax = b Sujeto a : Sujeto a : x r = l e x + z = u x l e x u r 0 e z 0 Cosderado o problema de programação lear (PPL) com restrções leares de gualdade e varáves caalzadas (2.2), este é redefdo através de um PPNL Prmal-Dual rrestrto que é defdo a partr da fução Lagragaa Barrera Logarítmca L ( x, w, z, r, y, s) T T T T µ : L µ ( x, w, z, r, y, s ) = c x + w ( b Ax ) + s ( l + r x ) + y ( x + z u ) µ l( z ) µ l( r ) (2.2) = = (2.3) m Em que: w R e y, s R ; s 0, y 0, são as varáves duas do problema e µ > 0 é o parâmetro de barrera ou parâmetro de cetragem. Assm, a partr de (2.3), temos as segutes codções de otmaldade de Karush-Kuh- Tucer (KKT) para este problema: Ax = b (2.4) x r = l (2.5) x + z = u (2.6) T A w + s y = c (2.7) RSe µ e = 0 (2.8) ZYe µ e = 0 (2.9) Em que: R, Z, S e Y são matrzes dagoas, respectvamete com r, z, s e y como elemetos dagoas e e = (,, ) T. Cosderado o problema (2.2) e a restrção x r = l, otase que quado l = 0, temos que x = r, desta forma, a codção de otmaldade (2.8) pode ser reescrta como: XSe µ e = 0 (2.0) Em que: X é uma matrz dagoal tedo x como elemetos da dagoal. A partr das codções de (2.4) a (2.0) determam-se as dreções de busca, ( d ; d ; d ; d ; d P D ), o comprmeto do passo, α x z w s y, relacoado às dreções prmas, eα, relacoado às dreções duas, um crtéro de parada para a determação de uma ova solução ( x ; z ; w ; s ; y ) e defem-se os passos do algortmo a segur, de acordo com Wu et al. (994). Este algortmo é complemetado o passo 0 pelo método brach-ad-boud, que é usado para tegralzar as soluções obtdas pelo método prmal-dual, baseado-se em Bazaara e Shetty (979), Borches e tchell (992) e Homem et al.(20). 2. Algortmo prevsor-corretor prmal-dual e brach-ad-boud (PDBB) Passo : Ajustar = 0 e ecotrar uma solução cal x z w s y P D, ou ( ; ; ; ; ) seja, uma solução cal factível. Seja ε, ε, ε, ε, ε > 0 pequeas tolerâcas postvas auxlares ao passo 2 do algortmo. t b Ax Passo 2: Testar a otmaldade de solução: Se = ε, b + b + T g c A w s + y = ε c + c + c x ( b w g y ) T T T, ε, v < ε, q < ε, 0 < x < g 2 T c x +, s > 0 e y > 0 etão pare, a solução x, z, w, s, y obtda é ótma. Caso cotráro, cotue. Passo 3: Fazer os cálculos termedáros do passo prevsor: t = b Ax, T f = u x z (resíduos prmas); g = c A w s + y (resíduo dual), v = µ e X S e, e = µ (folgas complemetares); θ = ( X S + Z Y ), e p = Z ( Y f q ) + X v ; q e Y Z e 280
4 Passo 4 : Calcular as dreções d, d, d, d e d do passo prevsor: x z w s y T d = θ ( A d + p g ), T d = X ( v S d ) d = d + f, d = ( Aθ A ) Aθ ( p g ) t x w s x z x w + + e d = Z ( q Y d ). Tal que y z X, Z, S e Y são matrzes dagoas, com x, z, s e y, respectvamete, como seus elemetos dagoas. Passo 5: Fazer os cálculos termedáros do passo corretor (atualzar os termos de seguda ordem das folgas complemetares): v = µ e X S e D D, e q = µ e Z Y e D D e. x s z y Em que: D = Dag( d ), D = Dag( d ), D = Dag( d ), e D = Dag( d ). x x s s z z y y Passo 6 : Atualzar as dreções d, d, d, d e d do passo corretor : x z w s y T d = θ ( A d T + p g ) d = ( Aθ A ) Aθ ( p g ) t, d d f x w w + + = + d = X ( v S d ) e z x s x d = Z ( q Y d ). y z Passo 7: Testar a lmtaredade: Se t = 0, f = 0, d, d > 0, e t c d < 0, etão o x z x problema prmal é lmtado. Se g = 0, d, d, d > 0 e t b d > 0, etão o problema dual é w s y w lmtado. Se ambos os casos acotecem, etão PARE. Se d, d, d, d, d = 0, etão também x z w s y PARE, x, z, w, s, y são soluções ótmas dos problemas prmal e dual, respectvamete. Caso cotráro r para o Passo 8. P 2 Passo 8: Calcular os comprmetos dos passos prmal e dual: α m{, α, α } { α 3 α 4 } D α = m,,, em que α x α = m / dx 0, < dx 3 α s α = m / ds 0, 4 α y < α = m / dy 0 ds < dy Passo 9: Determar uma ova solução:, em que 0 < α <. = e 2 α z α = m / dz 0, < dz x = x + α d, z = z + α d, w = w + α d, s = s + α d, e y = y + α d + P + P + D + D + D x z w s y Atualzar + e r para o Passo 2. Passo 0: étodo Brach-ad-Boud Para cada x, se x 0.95 assuma x =, o que mplca que a varedade será platada o talhão j, e faça xh = 0, h, para h =,..., em todos os h s restates e j =,...,. (em que h é úmero de varedades e j é o úmero de talhões, e ambos são formados pelo usuáro de acordo com o modelo em questão). Para as varáves restates, dferetes de 0 ou, percorra todos os ós cujas compoetes x s que ada ão atederam o crtéro de tegraldade ( 0 < x < 0,85), de tal forma que somete uma compoete assuma o valor para cada ível da árvore, verfcado a vabldade e a otmaldade. Armazee sempre o meor valor da fução objetvo ecotrado. Um fluxograma que detalha os procedmetos a serem fetos o passo 0 é vsto em Homem (200). O algortmo PDBB é defdo através de um procedmeto evolvedo os métodos prmal-dual e brach-ad-boud e é proposto para a resolução dos modelos defdos a seção 3, da segute forma: ) Os passos de a 9 resolvem o modelo relaxado para as varáves lmtadas superormete x u ; 0 ) O passo 0, que utlza o método brach-ad-boud, tegralza a varável x ( x = 0 ou x = u = ) para cada ível da árvore. A varável x = mplca que a varedade deverá ser platada em um talhão j. 28
5 Observação: o método prevsor-corretor proposto é varate daquele proposto por ehrota(992) dferecado-se deste por já utlzar o passo prevsor formações do parâmetro de barrera µ, o que melhora a efcêca do método por evtar que os potos defdos por este aproxmem-se da frotera do problema o passo prevsor, podedo, clusve, vablzá-los. Equato que, o passo corretor, este reajusta as dreções com formações dos aproxmates de seguda ordem referetes às codções de complemetardade, possbltado que, o procedmeto de cetragem do passo prevsor mas o ajuste feto o passo corretor, acelerem a covergêca do processo, para a determação da solução ótma do problema cotíuo. 3. odelagem atemátcaequato Secto (Next) 3. odelo I mzação do custo de colheta da caa-de-açúcar O problema cosste em determar quas das varedades devem ser platadas os talhões j de medda L j (ha) e dstâca D j (Km) do cetro de produção (j=,2,...,) e, que ofereça o meor custo possível para o processo de colheta e de trasporte da caa-de-açúcar do campo para a usa. Para formulação do modelo, a área para plato fo dvdda em duas partes, uma parte para plato da caa que será colhda crua (l talhões) e outra para caa que deverá ser quemada a pré-colheta ((-l) talhões), devdo aos dferetes custos para cada tpo de colheta. Para a formulação da fução objetvo do modelo são fetos os cálculos dos custos evolvdos o processo, baseado-se em Ramos (200) e Slva (20). Na colheta de caa quemada têm-se os custos de acero, quema, corte maual, carregameto da caa para o camhão e trasporte da caa do campo para a usa. Na colheta mecazada têm-se os custos de corte e trasporte da caa do campo para a usa. Estes dados estão apresetados as tabelas 2, 3 e 4 da seção 4. O custo de trasporte da varedade platada o talhão j (Ct ) a uma dstâca (D j ) do talhão j para a usa: Ct = c. D (3.) med j Em que: =, 2,..., são os ídces que represetam as varedades; j =, 2,..., são os ídces que represetam os talhões; é o custo médo do trasporte da caa por m; e D j é a cmed dstâca do talhão j do cetro de processameto, em talhões. O custo de colheta e trasporte da caa-de-açúcar de varedade platada o talhão C j o sstema sem-mecazado é calculado da segute forma: C = ( Ca + Cq + Cco + Cca + Ct ). L (3.2) j Em que: Ca é o custo de acero da varedade (R$.ha - ); Cq é o custo da quema da varedade (R$.ha - ); Cco é o custo de corte da varedade (R$.ha - ); Cca é o custo de carregameto da varedade (R$.ha - ); Ct é o custo de trasporte da varedade platada o talhão j (R$.ha - ), calculado em (2.); e L j é área do talhão j, em hectare. No sstema mecazado o custo, C, de colheta e trasporte da caa de varedade platada o talhão j, é calculado da segute forma: C = ( Cco + Ct ). L (3.3) j Em que: Cco é o custo de corte da varedade (R$.ha - ); Ct é o custo de trasporte da varedade platada o talhão j (R$.ha - ), calculado em (2.); e L j é área do talhão j, em hectare. A partr dos cálculos (3.2) e (3.3), é proposta a fução objetvo do modelo que vsa o meor custo possível o processo de colheta. Para a efcêca do modelo, deve-se satsfazer as restrções de sacarose e de fbra da caa (recomedações da empresa para mater a qualdade da caa e a demada de açúcar e álcool) e usar toda a área destada para o plato da caa (mecazada e sem-mecazada). Este modelo é defdo a segur: l mzar CCT = C X + C X = j= = j= l+ (3.4) 282
6 Sujeto a : A X PT ; = j= F T F X F T; I S = j= = = ; X = 0 ou, =, 2,..., e j =, 2,..., X Em que: CCT é o custo do processo de colheta e trasporte da caa de açúcar; =, 2,..., são os ídces que represetam as varedades, j =, 2,..., são os ídces que represetam os talhões; l é úmero de talhões em que se cosdera o sstema mecazado; l é o úmero de talhões em que se cosdera o sstema sem-mecazado; C (3.5) é o custo da colheta e do trasporte da caa de varedade platada o talhão j ( j =,..., l ), o sstema mecazado; C é o custo da colheta e do trasporte da caa de varedade platada o talhão j ( j = l+,..., ), o sstema sem-mecazado; X são as varáves de decsão, tas que, X = mplca que a caa de varedade deve ser platada o talhão j e em caso cotráro X = 0; A é a estmatva de produção de sacarose da varedade (t/ha); P é a quatdade míma estabelecda para a POL da caa; T é o úmero total de talhões; F é a estmatva do teor de fbra da varedade ; FI e FS são as quatdades mímas e máxmas estabelecdas para a fbra da caa. Com o tuto de utlzar mas varedades, seru-se ao modelo uma restrção que lmta a quatdade que cada tpo de varedade pode ser platada. X (3.6) Em que: é o úmero máxmo que cada varedade pode ser platada. j= 3.2 odelo II mzação do custo de coleta da bomassa resdual de caa-de-açúcar resultate da colheta em áreas mecazáves Para a costrução do modelo de mmzação do custo da coleta da bomassa resdual é ecessáro que se calcule o custo do aprovetameto do palhço. Segudo Floreto (2006) e Homem (200) têm-se os estágos realzados para o recolhmeto: prmeramete, o palhço é elerado, em seguda é passado em uma máqua para compactação, depos é carregado o camhão e falmete trasportado para o cetro de processameto. Assm, o custo de coleta do palhço da caa-de-açúcar da varedade platada o talhão j (CC ) é calculado pela soma do custo evolvdo o processo de elerar, compactar e carregar o camhão com o palhço da varedade (C ) e o custo de trasporte (CT ), multplcada à área do talhão j (L j ), calculados através das tabelas, 4 e 5, apresetadas a seção 4. Abaxo segue a expressão do custo: CC = C + CT L (3.7) ( ) j Desta forma, o modelo cosste em determar quas das varedades devem ser platadas os talhões j de medda L j (ha) e dstâca D j (Km) do cetro de produção e, que ofereça o meor custo possível para o processo de trasferêca do palhço do campo para o cetro de processameto, atededo as restrções de demada de sacarose e fbra, área de plato, e o plato de apeas uma varedade de caa-de-açúcar por talhão. Este modelo é defdo a segur: mzar CC X (3.8) Sujeto a: Restrções (3.5) Cosdera-se CC é o custo de coleta do palhço da caa de varedade platada o talhão j, calculada em (3.7); e as restrções (3.5) são defdas a seção 3.. = j= 283
7 3.3 odelo III axmzação do balaço de eerga para o aprovetameto do palhço resultate da colheta em áreas mecazáves Aalogamete, para a costrução do modelo de maxmzação, calcula-se ates, o balaço de eerga. De acordo com Floreto (2006) e Floreto (20), o balaço de eerga para o aprovetameto do palhço é obtdo pela dfereça etre a eerga proveete do palhço da varedade platada o talhão j (EB ) e a eerga gasta a trasferêca palhço da varedade platada o talhão j (ET B ) que é a soma das eergas gastas para elerar e compactar (E EC ), carregar (E C ) e trasportar esta bomassa (E T ), calculadas através dos dados das tabelas, 4 e 5 apresetados a seção 4. A fórmula do balaço de eerga é apresetada a segur: BE = EB ET (3.9) B Assm, o modelo cosste em determar quas das varedades de caa-de-açúcar devem ser platadas os talhões de área L j (ha) e dstâca D j (Km)da usa, que o produza o máxmo balaço de eerga o seu aprovetameto. Assm como o modelo ateror, este problema cosdera as restrções de demada de sacarose e fbra de caa, uso total da área destada ao plato, e o plato de apeas uma varedade de caa-de-açúcar por talhão. A segur, o modelo é defdo. axmzar BE X (3.0) Sujeto a: Restrções (3.5) Em que BE é o cálculo do balaço de eerga o aprovetameto do palhço de caa produzdo da varedade o talhão j, calculados em (3.9), e as restrções (3.5) são defdas a seção odelo IV Problema ult-objetvo Este modelo cosste em determar quas das varedades de caa-de-açúcar devem ser platadas os talhões de área L j (ha) e dstâca D j (Km) da usa, que vestgue, smultaeamete, o mímo custo total de colheta da caa-de-açúcar e coleta de resíduos e o máxmo balaço de eerga o aprovetameto de resíduos resultates da colheta em áreas mecazáves, os quas têm objetvos cofltates, levado em cosderação restrções como quatdade de produção de sacarose e fbra de caa-de-açúcar, uso total da área destada ao plato e o plato de apeas uma varedade de caa-de-açúcar por talhão. O modelo matemátco é defdo por: = j= ( ;( ) ) mzar CT BET (3.) Sujeto a: Restrções (3.5) Em que CT é o custo total gasto pela usa a colheta da caa-de-açúcar e a coleta de seus resíduos, cosderado as áreas mecazáves e sem-mecazáves, que é expresso por l CT = ( C + CC ) X + ( C + CC ) + X ; tal que = j= = j= l+ C está defdo em (3.3); defda em (3.7), porém cosdera apeas as áreas mecazáves, aalogamete somete as áreas sem-mecazáves; C CC CC está cosdera está defdo em (3.2); BET é o balaço de eerga total o aprovetameto de resíduos da caa-de-açúcar, que é expresso por BET BE X BE X ; tal que BE = l + = j= = j= l+ as áreas mecazáves, aalogamete BE está defda em (3.9), porém cosdera apeas cosdera somete as áreas sem-mecazáves; e as restrções (3.5) são defdas o modelo de mmzação do custo de coleta da bomassa resdual da caa-de-açúcar, a seção 3.. Neste trabalho, os cálculos de custo de coleta e do balaço de eerga a partr do aprovetameto de resíduos das áreas sem-mecazáves ( CC e BE ) serão cosderados ulos, vsto que a colheta esta área ão gera resíduos. Futuramete, pretede-se serr o modelo, dados para a cogeração de eerga referetes ao bagaço da caa, e estes serão cosderados tato em áreas mecazáves quato em áreas sem-mecazáves. 284
8 Geralmete, os modelos multobjetvo são de dfícl resolução e a maora das vezes exgem a terveção do usuáro para a determação de soluções satsfatóras (efcetes). Assm, para a resolução deste modelo multobjetvo, será utlzada a estratéga de otmzação cohecda por Otmaldade de Pareto, apresetada em Deb (2004), que utlza o método da soma poderada (α-parametrzado), como estratéga de resolução. Desta forma, o modelo multobjetvo é redefdo, utlzado esta estratéga, através do segute modelo moo-objetvo: mzar αct ( α) BET (3.2) ( ) Sujeto a: Restrções (3.5) 4 Resultados Para a aplcação do método aos modelos vestgados foram utlzados dados ecessáros das tabelas de a 5, apresetadas por Floreto (2006), Lma (2009), Homem (200), Ramos (200) e Slva (20). A tabela apreseta os custos, cosumos, e recomedações referetes às 0 varedades e 6 talhões, em que Ce cc represeta o custo para elerar, compactar e carregar o palhço; Co, o cosumo de combustível do camhão usado o trasporte do palhço; P, o preço de um ltro de combustível; V c, a capacdade de carga do camhão a ser usado o trasporte do palhço; Ec EC, a eerga cosumda pelas máquas para elerar e compactar uma toelada de resíduo; Ec c, a eerga cosumda pela máqua para carregar o camhão com uma toelada do resíduo; Ec T, a eerga cosumda pelo camhão para o trasporte do resíduo; P, a quatdade míma recomedada de POL ; e FI e F S a produção míma e máxma de fbra. A tabela 2 apreseta as estmatvas por tpo de varedades, em que V represeta a estmatva do volume do palhço em toeladas da varedade ; P B, a produtvdade de palhço da varedade ; E CB, o poder calorífco útl do palhço produzdo pela varedade ; A, a produtvdade de açúcar fermetescível (POL) da varedade ; Q, a estmatva do volume do palhço por udade de área platada da varedade ; F, a produtvdade de fbra da varedade ; e P c é a produtvdade da caa-de-açúcar da varedade. A tabela 3 apreseta os custos referetes ao processo de trasporte. A tabela 4 apreseta os custos referetes ao processo de colheta. E por fm, a tabela 5 apreseta a área e a dstâca dos talhões à usa. As tabelas de a 5 são vstas a segur: Tabela : Custos e cosumos de combustível e eerga dos maquáros utlzados para a coleta do palhço e recomedações de teores de Pol e fbra da caa-de-açúcar Tabela 2: Estmatvas de valores por varedade Tabela 3: Custos evolvdos o processo de trasporte 285
9 Tabela 4: Custos evolvdos o processo de colheta Tabela 5: Área e dstâca dos talhões até a usa E ada, para a aplcação do método PDBB aos modelos apresetado as seções de 3. a 3.4, foram defdos os talhões 3 e para áreas sem-mecazáves, e os demas para as áreas mecazáves. Através da mplemetação do algortmo PDBB, vsto a seção 2., o software Borlad C++ Bulder 6.0, pode-se obter as soluções ótmas do modelos apresetado as seções de 3. a 3.4, e estes resultados foram comparados com aqueles obtdos pelo aplcatvo Solver do software Excel. Desta forma, os resultados obtdos por cada modelo são apresetados as seções de 4. a 4.4, a segur. As tabelas apresetadas represetam os valores reas obtdos pelos passos de a 9 do algortmo PDBB, e dcam quas ídces devem ser ramfcados. Na colua Passo 0 étodo PDBB estão dcadas as varedades para plato, ecotrada pelo passo 0 do método. 4. odelo I mzação do custo de colheta da caa-de-açúcar A tabela 6 apreseta os resultados reas e teros obtdos a partr da aplcação do algortmo PDBB, proposto a seção 2., para o modelo de mmzação do custo de colheta de caa-de-açúcar, vsto a seção 3., baseado-se em Slva (20), mas acrescetado à sua formulação, a ova restrção (3.6), apresetada a seção 3.. O valor da fução objetvo ecotrada pelo método PDBB obtdos pelos passos de a 9, em 2 terações, é de aproxmadamete R$43.395, Após a tegralzação das varáves, através do passo 0 do método, obteve-se uma melhora o custo da mmzação da colheta, que passou a ser: R$ R$ , Tabela 6: Resultados obtdos a partr da mplemetação do método PDBB 286
10 A partr da tabela 6, é possível otar que ão é feta ehuma ramfcação os talhões 3, 0 e 6, valores destacados a prmera colua em destaque, vsto que, são valores acma de 0,8. Pelo passo 0 do método PDBB, estes são tegralzados, e assumem o valor, determado o plato dessa varedade. Para a determação do plato os demas talhões, fo ecessára a ramfcação através do passo 0 do método PDBB para a tegralzação dos resultados. A partr da solução relaxada, realzou-se o passo 0 do método PDBB, que após 9 terações, tegralzou os resultados e determou o plato da varedade -SP80-86 para os talhões 3, 0 e 6, da varedade 3 SP os talhões 2, 4 e 2, da varedade 6 RB8553 os talhões 9, 3 e 4, da varedade 7 SP79-0 o talhão 8, da varedade 8 RB os talhões 5, 6 e 5, e da varedade 0 SP70-43 os talhões, 7, e, que são apresetados a colua Passo 0 étodo PDBB. 4.2 odelo II mzação do custo de coleta da bomassa resdual de caa-de-açúcar resultate da colheta em áreas mecazáves A tabela 7 apreseta os resultados obtdos a partr da aplcação do algortmo PDBB, proposto a seção 2., para o modelo de mmzação do custo de coleta da bomassa resdual de caa-de-açúcar, vsto a seção 3.2. O valor da fução objetvo ecotrada pelo método PDBB obtdos pelos passos de a 9, em 9 terações, é de aproxmadamete R$3625, Após a tegralzação, em uma úca teração, pelo passo 0 do método, o valor ótmo ecotrado fo de R$3688, Tabela 7: Resultados obtdos a partr da mplemetação do método PDBB Na tabela 7, é possível otar que ão é ecessára ehuma ramfcação, vsto que, os valores apresetados a prmera colua em destaque, são valores acma de 0,8. Pelo passo 0 do método PDBB, estes são tegralzados, e assumem valor, determado o plato da varedade 8 RB os talhões, 2, 4, 5, 6, 8, 9, 2, 3, 4 e 5, e o plato da varedade 0 SP70-43 os talhões 7, 0 e 6, dcado pela colua Passo 0 étodo PDBB. 4.3 odelo III axmzação do balaço de eerga para o aprovetameto do palhço resultate da colheta em áreas mecazáves Os resultados, apresetados pela tabela 8, são obtdos a partr da aplcação do algortmo PDBB, proposto a seção 2., o modelo de maxmzação do balaço de eerga para o aprovetameto do palhço resultate da colheta mecazável, vsto a seção 3.3. O valor da fução objetvo ecotrada pelo método PDBB obtdo pelos passos de a 9, em terações, é 287
11 de aproxmadamete R$29608, Após a tegralzação, em uma úca teração, pelo passo 0 do método, o valor ótmo ecotrado fo de R$29665,6737. Tabela 8: Resultados obtdos a partr da mplemetação do método PDBB Através dos valores apresetados pela tabela 8, é possível otar que ão é ecessára ehuma ramfcação, vsto que, os valores apresetados a prmera colua em destaque, são valores acma de 0,8. Pelo passo 0 do método PDBB, estes são tegralzados, e assumem valor, determado somete o plato da varedade 2 RB odelo IV Problema ult-objetvo Os resultados represetados pelo gráfco da fgura mostram a relação etre os valores de custo e balaço total, a partr da varação de α [0,], utlzado a estratéga de resolução da soma poderada das fuções objetvo, apresetada a seção 3.4. Fgura : Gráfco que represeta as soluções efcetes do problema Como os objetvos cocomtates de mmzar o custo total e maxmzar o balaço de eerga total são cofltates, melhorar um dos objetvos mplca em porar o outro, como é vsto a curva de soluções efcetes apresetada a fgura. As soluções obtdas através da poderação realzada sobre as fuções objetvos, chamadas soluções efcetes, são de teresse, pos formam ao produtor a determação das varedades a serem platadas, de modo a ateder o mometo ecoômco de sua empresa. Todos os resultados obtdos pelo método PDBB e apresetados as seções de 4. a 4.4 foram comparados com aqueles apresetados pelo aplcatvo Solver do software Excel. A partr desta comparação, pode-se coclur que ambos determam as mesmas varedades a serem platadas os talhões, e em relação aos valores das fuções objetvos, obtêm os mesmos resultados, se dferecado apeas a partr da quta ou sexta casa decmal. 288
12 5 Coclusões Neste trabalho, desevolveu-se um procedmeto híbrdo que evolve os métodos prevsor-corretor prmal-dual de potos terores e brach-ad-boud (algortmo PDBB), para serem aplcados em problemas de programação lear tera 0-. Este fo utlzado para a resolução dos segutes modelos: mmzação do custo da colheta da caa-de-açúcar, que cosdera áreas mecazáves e sem-mecazáves, apresetado por Slva (20); mmzação da coleta da bomassa resdual, e maxmzação do balaço de eerga, cosderado apeas áreas mecazáves, apresetados por Floreto (2006), Floreto (20) e Homem (200); e o problema multobjetvo, assocado ao cultvo da caa-de-açúcar, com os objetvos cofltates de, mmzar o custo total de cultvo e maxmzar o balaço de eerga relatvo à bomassa resdual do processo. O algortmo PDBB fo mplemetado através do software Borlad C++ Bulder 6.0, aplcado aos problemas destacados, obtedo soluções ótmas para os quatro casos cosderados. Estas foram comparadas com aquelas determadas pelo aplcatvo Solver, do software Excel, e os resultados obtdos para um caso específco de dezesses talhões e dez varedades, revelaram o bom desempeho do método híbrdo proposto. Portato, o trabalho atgu os seus objetvos, relacoados ao uso do método PDBB à resolução dos modelos de cultvo e de aprovetameto da bomassa resdual da caa-de-açúcar, mostrado a vabldade de se utlzar esta técca de otmzação para auxlar as usas a seleção de varedades a serem platadas, de tal forma a otmzar o processo, respetado-se as restrções de produção caracterzadas os modelos. Referêcas Bazaraa,. S.; Shetty, C., Nolear Programmg: Theory ad Algorthms. Joh-Wlley & Sos, Ic., 979. Borches, B.; tchell, J. E., Usg a teror pot method a brach ad boud algorthm for teger programmg. Techcal Report 95, athematcal Sceces, Resselaer Polytechc Isttute, Troy, NY 280, arch 99, Revsed July 7, 992. Deb, K., ult-objectve optmzato usg evolutoary algorthms. Joh-Wlley & Sos Ltd., Floreto, H. O., Programação lear tera em problemas de aprovetameto da bomassa resdual de colheta da caa-de-açúcar. 64f. Tese (Lvre Docêca) Isttuto de Bocêcas de Botucatu, Uversdade Estadual Paulsta, Botucatu, SP, Floreto, H. O.; Lma, A. D; Balbo, A. R.; Carvalho L.; Homem, T. P. D., ultobjectve 0- teger programmg for the use of sugarcae resdual bomass eergy cogeerato. Iteratoal Trasactos Operatoal Research, v.8, p , 20. Homem, T. P. D., Procedmeto híbrdo evolvedo os métodos Prmal-Dual de Potos Iterores e Brachad-Boud em problemas multobjetvo de aprovetameto de resíduos de caa-de-açúcar. Dssertação (estrado em Egehara Elétrca), Faculdade de Egehara, Uversdade Estadual Paulsta. Bauru, 200. Homem, T.P.D.; Balbo, A. R.; Slva, H. O. F., Optmal eergy geerato wth bomass of sugarcae harvest. Revsta IEEE Amérca Lata, v., p , 20. Lma, A. D., Otmzação do aprovetameto do palhço de caa-de-açúcar. Tese (Doutorado em Eerga a Agrcultura), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta, Botucatu, SP, ehrota, S. O the mplemetato of a prmal dual teror pot method. SIA Joural o Optmzato, v.2, p , 992. Pellegr,. C., Iserção de cetras cogeradoras a bagaço de caa o parque eergétco do Estado de São Paulo: exemplo de aplcação de metodologa para aálse dos aspectos locacoas e de tegração eergétca. Dssertação (estrado em Eerga), Uversdade de São Paulo, São Paulo, SP, Ramos, R. P., odelo matemátco para custo e eerga a produção de açúcar e álcool. Dssertação (estrado em Agrooma/Eerga a Agrcultura), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta. Botucatu, 200. Slva, L.., Algortmo Geétco a Otmzação do Custo de Colheta e de Trasporte da Caa-de-Açúcar. Dssertação (estrado em Bometra), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta. Botucatu, 20. Toleto, G., Programação Lear Itera Aplcada ao Aprovetameto do Palhço da Caa-de-Açúcar. Dssertação (estrado em Agrooma/Eerga a Agrcultura), Faculdade de Cêcas Agroômcas, Uversdade Estadual Paulsta, Botucatu, SP, Wu, Y. C., Debs, A. S. e arste, R. E., A Drect Nolear Predctor-Corrector Prmal-Dual Iteror Pot Algorthm for Optmal Power Flows. IEEE Trasactos o Power Systems, 9, No.2, ,
Métodos de pontos interiores com estratégia de barreira logarítmica modificada em problemas multiobjetivo de despacho econômico e ambiental
Métodos de potos terores com estratéga de barrera logarítmca modfcada em problemas multobetvo de despacho ecoômco e ambetal Améla de Lorea Staza Atoo Roberto Balbo Leoardo Nepomuceo Edméa Cássa Baptsta
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisUM MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES E EXTERIORES BARREIRA LOGARÍTMICA MODIFICADA COM ESTRATÉGIAS DE EXTRAPOLAÇÃO CÚBICA E CONVERGÊNCIA GLOBAL.
Blucher Mechacal Egeerg Proceedgs May 4, vol., um. www.proceedgs.blucher.com.br/eveto/wccm UM MÉODO PRIMAL-DUAL DE PONOS INERIORES E EXERIORES BARREIRA LOGARÍMICA MODIFICADA COM ESRAÉGIAS DE EXRAPOLAÇÃO
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisDepto. de Matemática, Faculdade de Ciências FC/UNESP. CEP: , Bauru, SP.
September -8, Ro de Jaero, Brazl UM MÉODO PRIMAL-DUAL DE PONOS INERIORES BARREIRA LOGARÍMICA MODIFICADA COM ESRAÉGIAS DE AJUSE CÚBICO E DE CONVERGÊNCIA GLOBAL PARA PROGRAMAÇÃO NÃO-LINEAR E NÃO- CONVEXA.
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisXLVI Pesquisa Operacional na Gestão da Segurança Pública
XLVI Pesqusa Operacoal a Gestão da Seguraça Públca DISPOSIÇÃO DE FACILIDADES EM FILA DUPLA VIA PROGRAMAÇÃO INTEIRA MISTA Leoardo D. Secch Departameto de Matemátca Aplcada, UFES, 29932-540, São Mateus,
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia mais16 - PROBLEMA DO TRANSPORTE
Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisRESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS
RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS Robso Hoto Uversdade Estadual de Lodra, CCE, Departameto de Matemátca CEP 8605-970, CP 600, foe (43) 337 450, hoto@uel.br Campus Uverstáro, Lodra, PR, Brasl
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia maisALGORITMO GENÉTICO MULTI- OBJETIVO PARA O SEQUENCIAMENTO INTEGRADO DE ATIVIDADES DE PRODUÇÃO E MANUTENÇÃO
ALGORITMO GENÉTICO MULTI- OBJETIVO PARA O SEQUENCIAMENTO INTEGRADO DE ATIVIDADES DE PRODUÇÃO E MANUTENÇÃO Rodrgo Jose Pres Ferrera (UFPE ) rodjpf@gmal.com Joao Marco Soares de Souza Lma Flho (UFPE ) joaomarco2408@hotmal.com
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisCapitulo 1 Resolução de Exercícios
S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes
Leia maisMEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO
Leia maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisApostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisA REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes
Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO
Revsta del Isttuto Chleo de Ivestgacó Operatva 2(202) 30-35 30 ALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO V.S.M. Campos, A.G.C. Perera 2, L.A.Carlos 3
Leia maisDiferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais
Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro
Leia maisIvan G. Peyré Tartaruga. 1 Metodologia espacial
RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa
Leia mais16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:
6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu
Leia maisCentro de massa, momento linear de sistemas de partículas e colisões
Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,
Leia mais(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.
CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura
Leia mais( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração
Leia maisKEYWORDS. Predictor-Corrector Primal-Dual Method, Modified Barrier, Environmental and Economic Dispatch. Main area (PM - Mathematical Programming)
September 4-8 Ro e Jaero Brazl MÉTODO PROCEDIMENTO PREVISOR-CORRETOR PRIMAL-DUAL DE PONTOS INTERIORES COM PROCEDIMENTO BARREIRA MODIFICADA EM PROBLEMAS MULTIOBJETIVO DE DESPACHO ECONÔMICO E AMBIENTAL Améla
Leia maisBruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação
Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;
Leia maisAnálise de Regressão
Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisNoções Básicas de Medidas e Algarismos Significativos
Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos
Leia maisModelos de Programação Linear na Gestão Florestal
UNIVERSIDADE DE RÁS-OS-MONES E ALO DOURO Modelos de Programação Lear a Gestão Florestal Dssertação de Mestrado em Matemátca e Cêcas da Natureza - Carla da Coceção dos Satos Perera - Vla Real, 00 UNIVERSIDADE
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisProf. Eugênio Carlos Stieler
UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo
Leia maisAlgoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações
Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do
Leia maisDetermine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.
ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,
Leia maisProf. Eugênio Carlos Stieler
http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete
Leia maisArquitetura da ART Controle 1 Controle 2
Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisRequisitos metrológicos de instrumentos de pesagem de funcionamento não automático
Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisApêndice 1-Tratamento de dados
Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto
Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para
Leia mais4 O Método de Análise Hierárquica
4 O Método de Aálse Herárquca 4.. Itrodução O método de aálse herárquca é um dos métodos multatrbuto mas utlzados e dfuddos o mercado mudal (Gomes, 007). Isso se deve, provavelmete, a duas razões. A prmera
Leia maisCAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA
Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),
Leia maisMODELAGEM COMPUTACIONAL DETERMINÍSTICA DO FENÔMENO DE DECAIMENTO RADIOATIVO
007 Iteratoal uclear Atlatc Coferece - IAC 007 Satos, SP, Brazl, September 30 to October 5, 007 ASSOCIAÇÃO BRASILEIRA DE EERGIA UCLEAR - ABE ISB: 978-85-994-0- ODELAGE COPUTACIOAL DETERIÍSTICA DO FEÔEO
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisAlmeida, C. (1987) Novo método para resolução da equação dos rebaixamentos em ensaios a caudal variável
Almeda, C. (1987) Novo método para resolução da equação dos rebaxametos em esaos a caudal varável Geols, revsta da Secção de Geologa Ec. e Aplcada, vol. I, p. 100-10. GEOLIS - Vol. I(1987) 100-10 100 NOVO
Leia maisn. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.
Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte
Leia maisFundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques
FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma
Leia maisRepresentação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)
7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve
Leia mais( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.
PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor
Leia maisUso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii
Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho
Leia maisTotal Bom Ruim Masculino
UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,
Leia maisOitava Lista de Exercícios
Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo
Leia mais( k) Tema 02 Risco e Retorno 1. Conceitos Básicos
FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual
Leia maisMatemática C Semiextensivo V. 2
Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisSUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador
INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisRESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )
NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas
Leia mais( ) Editora Ferreira - Toque de Mestre. Olá Amigos!
Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),
Leia mais2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria
Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores
Leia maisProjeto de rede na cadeia de suprimentos
Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões
Leia maisAnálise estatística dos resultados do modelo de previsão atmosférica RAMS para a região do lago de Ilha Solteira (SP)
Aálse estatístca dos resultados do modelo de prevsão atmosférca RAMS para a regão do lago de Ilha Soltera (SP) Beatrz da Slva Berardo, Ismar de A. Satos, Claudo F. Neves 3., Uversdade Federal do Ro de
Leia maisCÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES
CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que
Leia maisCapítulo 8. Método de Rayleigh-Ritz
Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para
Leia maisInstituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)
Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia mais15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações
Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa
Leia maisAula Condições para Produção de Íons num Gás em Equilíbrio Térmico
Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisMomento Linear duma partícula
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisCapítulo 2. Aproximações de Funções
EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar
Leia maisGERENCIAMENTO DA COLETA DE RESÍDUOS SÓLIDOS URBANOS: ESTRUTURAÇÃO E APLICAÇÃO DE MODELO NÃO-LINEAR DE PROGRAMAÇÃO POR METAS
GERENCIAMENTO DA COLETA DE RESÍDUOS SÓLIDOS URBANOS: ESTRUTURAÇÃO E APLICAÇÃO DE MODELO NÃO-LINEAR DE PROGRAMAÇÃO POR METAS Valeraa Cuha Faculdade de Gestão e Negócos, Uversdade Federal de Uberlâda, Av.
Leia maisProblema de roteirização de veículos com entregas fracionadas: revisão da literatura
XIII SIMPEP Bauru, SP, Brasl, 06 a 08 de Noembro de 2006 Problema de roterzação de eículos com etregas fracoadas: resão da lteratura Patríca Prado Belfore (Cetro Uerstáro da FEI) patrca.belfore@fe.edu.br
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor
Leia maisAPLICAÇÃO DO MÉTODO DE ELEMENTOS DE CONTORNO AO PROBLEMA DA RADIAÇÃO ACÚSTICA
APLICAÇÃO DO MÉTODO DE ELEMENTO DE CONTORNO AO PROBLEMA DA RADIAÇÃO ACÚTICA Marco Eustáquo Mara Resumo: A preocupação com o ruído as comudades urbaas cresceu as últmas décadas com o aumeto do úmero de
Leia maisCorrelações genotípicas entre características agronômicas de sorgo granífero (Sorghum bicolor (L.) Moench).
Correlações geotípcas etre característcas agroômcas de sorgo graífero (Sorghum bcolor (L.) Moech). Crslee Vera dos Satos (1) ; Ccero Beserra de Meezes (2) ; Celso Herque Tuma e Slva (1) Ruae Alce da Slva
Leia maisMODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS
MODELO DE OTIMIZAÇÃO DE CORTE UNIDIMENSIONAL APLICADO À FABRICAÇÃO DE AERONAVES AGRÍCOLAS Alexader Abuabara UFSCar / Depto. de Egehara de Produção Va Washgto Luz, km 235, CP 676 3565-905 São Carlos, SP
Leia maisDisciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1
Dscpla: álse Multvaraa I Prof. Dr. mr too Betarell Juor UL 6. MÉTODO DE ESCLONMENTO MULTIDIMENSIONL (MDS) Proposto por Youg (987) esse métoo poe ser utlzao para agrupameto. É uma técca para represetar
Leia mais