Instituto de Computação
|
|
- Manoela da Rocha Bonilha
- 8 Há anos
- Visualizações:
Transcrição
1 Instituto de Computação Universidade Estadual de Campinas MO824 - Programação Inteira e Combinatória Geração de Colunas para o Problema de Corte e Empacotamento Bidimensional em Faixas Fabricio Olivetti de França RA Tiago Agostinho de Almeida RA Professor: Dr. Cid. C. Souza Campinas, 31 de março de 2007.
2 1 Introdução Muitas indústrias têm como desao encontrar soluções mais econômicas possíveis para o problema de cortar objetos grandes visando a produção de objetos menores de dimensões especicadas, ou o problema de empacotar uma coleção de objetos pequenos dentro de objetos grandes. Tais problemas são chamados de problemas de corte e empacotamento, e são, em geral, NP-difíceis. Em muitas aplicações, os objetos grandes (placas / faixas) e os objetos pequenos (itens) têm apenas duas dimensões relevantes e possuem a forma retangular. Além disso, é comum a restrição de que os cortes em cada objeto sejam de guilhotina, isto é, estes devem ser paralelos a um de seus lados e se estender desde um lado do objeto até o lado oposto; problemas desse tipo são chamados de Problemas de Corte de Guilhotina Bidimensional [2, 3]. Um caso particular de corte e empacotamento, freqüentemente utilizado nas indústrias, trata-se de empacotar itens retangulares em uma faixa de altura innita utilizando cortes de guilhotina, de forma que a altura utilizada na faixa seja a menor possível. Esse problema recebe o nome de Problema de Corte e Empacotamento Bidimensional em Faixas (PEBF) [1]. Na Seção 3 é apresentado um método de geração de colunas para resolver o PEBF. Na Seção 4 é mostrado o limitante dual de Farley [4], calculado após cada relaxação linear do problema mestre restrito. Na Seção 5 é apresentada uma rotina que resolve o subproblema de pricing utilizando programação dinâmica quando as demandas são unitárias, e na Seção 6, uma heurística para encontrar colunas com custo reduzido negativo quando as demandas são inteiras. Na Seção 7 é apresentada uma heurística primal que gera uma solução viável para o PEBF a partir da solução ótima de uma relaxação linear do problema mestre restrito. Os resultados experimentais estão descritos na Seção 8 e as conclusões estão apresentadas na Seção 9. 2 O Problema de Corte e Empacotamento Bidimensional em Faixas Seja S uma bobina de largura L e altura innita e uma lista de itens retangulares I = (r 1,..., r n ), onde cada item r i = (l i, a i, d i ) é tal que l i (0, L], a i e d i são, respectivamente, a largura, a altura e a demanda do item r i. Um corte guilhotinado em dois estágios consiste em cortar a bobina S para obter os objetos demandados, utilizando-se apenas dois tipos de cortes: horizontais e verticais. Os cortes horizontais são realizados no primeiro estágio obtendo-se faixas de S de diferentes alturas. Em cada faixa, cortes verticais de largura igual a de determinados objetos são realizados para atender as demandas. Os objetos selecionados para serem cortados em cada faixa denem um padrão de corte, o qual só é válido se a soma das larguras dos objetos no padrão é menor ou igual a L. O PEBF consiste em empacotar os itens de I em S utilizando a menor altura possível de S realizando-se cortes guilhotinados em dois estágios. 2
3 2.1 Formulação do PEBF como PLI Seja P = {p Z n l i p i L} o conjunto de todos os padrões válidos e a p = max (a i I:p i I i i). O 0 PEBF pode ser formulado como: min p P a p λ p (1) sa p P p i λ p = d i, i I (2) λ p Z +, p P (3) onde, λ p é o número de vezes que o padrão p é utilizado e p i é o número de vezes que o item i aparece no padrão p. O número de colunas dessa formulação é exponencial em I e, portanto, é inviável carregá-las na memória. Por isso, é aplicado um método de geração de colunas (Seção 3) para resolver o PEBF ou, pelo menos, para obter uma boa solução para a relaxação linear do modelo. Uma solução obtida pela relaxação linear do problema resulta em limitante inferior (problema de maximização), sendo calculado pela resolução do problema dado pela formulação acima, substituindo a Equação 3 por: 3 Método de Geração de Colunas λ p IR, p P (4) O método de geração de colunas foi primeiramente proposto por Gilmore e Gomory para resolver o Problema de Corte e Estoque Unidimensional. Como visto, a formulação do PEBF como um problema de programação linear inteira, traz consigo algumas diculdades em termos computacionais. A primeira é determinar a matriz P (que pode ter um número exponencial de colunas); a segunda é resolver um problema de programação linear inteira (que em geral são NP-difíceis). Para se desvencilhar destas diculdades, Gilmore e Gomory propuseram o método de geração de colunas, que consiste em resolver a relaxação linear do problema. Podemos iniciar a resolução do problema relaxado tomando a matriz identidade de ordem m, que chamaremos de B, como base da matriz P. Observe que cada coluna de B corresponde a um padrão viável pois todo item cabe na faixa. Sem perda de generalidade, vamos supor que as colunas de B correspondem às primeiras m colunas de P. Denotaremos por λ B a parte do vetor λ correspondente às colunas de B. Obviamente, para toda coluna j de P que não faz parte de B, λ j = 0. No início da primeira iteração, fazendo λ B = d temos uma solução λ para P λ = d. De acordo com este método, considera-se Problema Mestre Restrito (PMR), aquele que toma 3
4 apenas um subconjunto das colunas de P. Novas colunas vão sendo incorporadas ao modelo sempre que o subproblema de pricing tiver valor ótimo negativo. O método de geração de colunas implementado neste trabalho foi baseado nas referências [1, 2, 3, 6]. 4 Limitante Dual de Farley O cálculo do limitante dual de Farley é feito de forma similar ao pricing. Entretando, dessa vez é armazenado o menor λ = a p u.p j, onde a P é a maior altura do padrão P j, e u são as variáveis duais do PMR, sendo que a essa fração deve ser positiva. Após obter o menor λ, o Dual de Farley é calculado através da equação c.x.λ conforme descrito em [4]. 5 Método de Programação Dinâmica Dada uma instância I de um problema, chamamos de decomposição de I o resultado da subdivisão de I em diversas instâncias menores (segundo alguma métrica) e que sejam do mesmo tipo de I. A programação dinâmica é uma generalização da bem conhecida técnica dividir-e-conquistar e consiste basicamente em: dada uma instância I, decompor esta instância de diversas maneiras e, para cada decomposição, calcular soluções ótimas das instâncias que constituem a decomposição e, a partir destas soluções ótimas parciais, encontrar uma solução ótima para I. Esta técnica de resolução de problemas é especialmente bem sucedida se quantidade de decomposições que tivermos que examinar for pequena. Alguns problemas têm propriedades que permitem que eles sejam resolvidos através da técnica de programação dinâmica, como por exemplo, o problema da mochila 0-1. Se for vericado que a instância do PEBF possui somente itens com demandas unitárias, é evidente que resolver o subproblema de pricing consiste em resolver o problema da mochila 0-1 e, portanto, é possível utilizar métodos baseados em programação dinâmica para resolvê-lo. Neste trabalho, zemos uso das fórmulas de recorrência propostas por Gilmore e Gomory, conforme apresentadas na referência [7]. 6 Heurística Factibilizadora de Soluções Embora na maioria das vezes a solução gerada pelo PMR é uma solução infactível, é possível gerar uma solução factível, a partir desta, através do uso de métodos heurísticos. Nesse trabalho foi utilizada uma heurística bem simples para esse propósito, conforme ilustrado em Algoritmo 1. Conforme descrito no Algoritmo 1, primeiramente cada variável x do problema é arredondada para baixo. Em seguida, é vericado para cada padrão quanto da demanda ainda falta a ser atendida. Finalmente cada um dos itens restantes são encaixados em um novo padrão enquanto a 4
5 Algoritmo 1 Heurística Factibilizadora Entradas: x Saída: z f act Para i = 1 até n p adroes faça x i x i Fim do laço ww 0 alt_max 0 alt_total 0 Para i = 1 até n i tens faça dm x.p i Enquanto dm < d i faça Se w i + ww W então alt_max max{alt_max, alt i } ww ww + w i Caso contrário alt_tot alt_tot + alt_max ww w i alt_max alt i Fim do condicional Fim do enquanto Fim do laço alt_tot alt_tot + alt_max z f act alt_tot.c.x largura máxima não é atendida, nesse caso é criado outro padrão, e assim sucessivamente até que todos os itens estejam na solução. 7 Heurística Construtiva para Gerar Padrões Esta heurística é uma adaptação do método chamado First Fit Decreasing Height (FFDH), proposto por [3]. A idéia central é fazer com que os itens sejam empacotados em níveis (camadas) horizontais dentro da faixa, da esquerda para a direita. Os níveis são indexados, a partir de 1, de acordo com a ordem em que são criados. Denotaremos por t j a posição correspondente ao topo (posição mais alta) do nível j, e por w j a largura utilizada no nível j, isto é, a posição mais à direita ocupada por algum item empacotado neste nível. A altura de um nível j é a altura do item mais à 5
6 esquerda desse nível. O primeiro passo da heurística consiste em colocar os itens em ordem decrescente de altura. Em seguida, empacotamos o primeiro item, na ordem estabelecida, no canto inferior esquerdo da faixa. Ao fazer isto, criamos o primeiro nível do empacotamento, que terá nesse momento t 1 = a 1 e w 1 = l 1. Assim, a altura desse primeiro nível será a 1. Observe que, devido à ordenação dos itens, ao empacotar um item i, sabemos que sua altura é menor ou igual à altura de todos os níveis que foram criados anteriormente. Dessa forma, ao tentar empacotar um item i num nível já existente, somente precisamos vericar se a largura disponível neste nível é maior ou igual à l i. Suponha que tenham sido criados j níveis, ao empacotar o item i, procuramos dentre os níveis existentes aquele de menor índice no qual cabe o item i, ou seja, procuramos o menor k tal que k j e w k + l i L. Se existir tal k, empacotamos o item i na posição (w k,t k 1 ) da faixa e fazemos w k = w k + l i. Caso contrário, criamos um novo nível, imediatamente acima do nível j: fazemos j = j + 1, w j = l i, t j = t j 1 + a i, e empacotamos o item i no canto inferior esquerdo deste novo nível. Fazendo dessa forma, procura-se aproveitar os espaços remanescentes em todos os níveis. O pseudo-código desse método (ver referência [3]) é similar ao Algoritmo 1 apresentado na Seção 6, com a exceção de que ela trabalha com todos os itens e parte de uma solução vazia. 8 Resultados Experimentais Os algoritmos foram implementados utilizando-se a linguagem C em sistema operacional Linux. Fizemos uso de bibliotecas providas pelo XPRESS para resolver os sistemas de equações lineares. Os testes foram realizados utilizando duas classes de instâncias do PEBF: uma com instâncias compostas por itens com demandas unitárias - instâncias gcut i, i = 1,..., 12 [1] e c i p i, i = 1, 2, 3 [5], e outra com instâncias compostas por itens com demandas inteiras - instâncias cgcut i, i = 1, 2, 3 [2]. Os testes foram divididos em três partes como se segue: Parte 1: foi utilizado um algoritmo de geração de colunas para o PEBF na sua forma mais básica. Ele faz uso da formulação do problema mestre apresentado na Subseção 2.1. O limitante dual de Farley é calculado após a otimização de cada relaxação linear do problema mestre restrito, como apresentado na Seção 4. Também é utilizada uma subrotina que resolve exatamente o subproblema de pricing usando as bibliotecas do XPRESS. Parte 2: nesta parte, ao invés de resolver exatamente o subproblema de pricing, foi implementado uma subrotina alternativa. Para as instâncias com demanda unitária foi utilizado um algoritmo de programação dinâmica, como descrito na Seção 5, pois o subproblema de pricing se resume ao problema da mochila 0-1. No caso de demandas inteiras, foi utilizado uma heurística para encontrar colunas com custo reduzido negativo, como apresentado na Seção 6. 6
7 Parte 3: foi utilizada uma heurística primal que gera padrões viáveis para o PEBF a partir da solução ótima da relaxação linear do problema mestre restrito, como descrito na Seção PARTE I Os resultados obtidos encontram-se na Tabela 1. Nela, estão descritos a solução do PMR que é um limitante Dual, o Limitante Dual de Farley e o Limitante Primal (gerado a partir de uma solução inteira). Note que o problema sempre gera uma solução inteira, visto que ele parte da matriz identidade. Tabela 1: Resultados obtidos para o Experimento 1 Instância Sol. PMR Dual de Farley Lim. Primal gcut gcut gcut gcut4 3095, , gcut5 1256, , gcut6 2755, , gcut7 4837,5 4837, gcut8 6087, , gcut gcut ,5 6115, gcut , , gcut cgcut1 22,55 22,55 72 cgcut2 66,48 66, cgcut c1p1 21,32 21,32 75 c2p2 15,25 15, c3p3 30,06 30, Podemos vericar que os resultados do Dual de Farley deram exatamente os mesmos que o PMR, o que signica que o PMR sozinho já está gerando bons limitantes. Abaixo está ilustrado um gráco de convergência dos dois duais nas Figuras 1 e PARTE II Em seguida, o mesmo experimento foi repetido, mas agora com o uso de uma heurística que factibiliza as soluções geradas pelo PMR. Como podemos ver na Tabela 2 os limitantes Primais gerados pela heurística são muito melhores e comparando com os Duais da Tabela 1 podemos vericar que os resultados estão proximos do ótimo. 7
8 Figura 1: Lim. Primal e Dual para gcut3 Figura 2: Lim. Primal e Dual para gcut12 Tabela 2: Resultados obtidos para o Experimento 2 LP = Limitante Primal, LP+H = Limitante Primal calculado com Heurística Instância LP LP + H gcut gcut gcut gcut gcut gcut gcut gcut gcut gcut gcut gcut cgcut cgcut cgcut c1p c2p c3p PARTE III Finalmente, foram testados a substituição do algoritmo de pricing por heurísticas/programação dinâmica gerando várias colunas e uma coluna por vez. Na Tabela 3 podemos vericar que em geral o uso de heurística nos retorna melhores soluções primais. A geração de apenas uma coluna por vez, no geral, resulta no mesmo resultado, sendo que algumas vezes gera um resultado um pouco pior ou um pouco melhor. 8
9 Tabela 3: Resultados obtidos para o Experimento 3 LP = Limitante Primal, H = Heurística e PD = Prog. Dinâmica Instância LP(pricing) LP (H + PD) LP (H + PD) 1 col. por vez gcut gcut gcut gcut gcut gcut gcut gcut gcut gcut gcut gcut cgcut cgcut cgcut c1p c2p c3p Tabela 4: Número de Iterações Instância Pricing Heurística Heurística 1 col. por vez gcut gcut gcut gcut gcut gcut gcut gcut gcut gcut gcut gcut cgcut cgcut cgcut c1p c2p c3p Na Tabela 4 foi vericado o número de iterações necessárias para o uso de cada abordagem. O número de iterações necessárias ao se usar a heurística é apenas um pouco maior do que o uso do pricing. Mas, ao gerar uma coluna de cada vez esse número aumenta demasiadamente, tornando a 9
10 otimização mais dispendiosa sem grandes ganhos conforme visto acima. 9 Conclusões Nesse trabalho foi implementado e avaliado o método de geração de colunas para o problema de corte e empacotamento bidimensional em faixas. Esse método consiste em otimizar um problema por relaxação linear com apenas algumas colunas das restrições, acrescentado novas colunas conforme necessário. Para gerar as colunas desse problema foi resolvido um problema da mochila, tanto por branch-and-bound quanto por método heurístico e programação dinâmica (no caso do problema da mochila 0-1). Adicionalmente foi calculado o Dual de Farley para vericar e comparar a qualidade de limitantes gerados pelo pricing. Após os experimentos, conclui-se que, dado o custo computacional reduzido em resolver o problema da mochila pelo método heurístico e, como alguns dos seus limitantes deram melhores que utilizando branch-and-bound, a melhor combinação para se fazer um branch-and-pricing (não implementado nesse trabalho) seria utilizar o método heurístico gerando diversas colunas ao mesmo tempo. Referências [1] J.E. Beasley. Algorithms for unconstrained two-dimensional guillotine cutting. Journal of the Operational Research Society, 36:297306, [2] N. Christodes and C. Whitlock. An algorithm for two-dimensional cutting problems. Operations Research, 25:3044, [3] G.F. Cintra. Algoritmos para Problemas de Corte de Guilhotina Bidimensional. PhD thesis, Instituto de Matemática e Estatística da Universidade de São Paulo, São Paulo, Abril [4] A.A. Farley. A note on bounding a class of linear programming problems, including cutting stock problems. Operations Research, 38:992993, [5] E. Hopper and B.C.H. Turton. A review of the application of meta-heuristic algorithms to 2d strip packing problems. Articial Intelligence Review, 16:257300, [6] L.A. Wolsey. Integer Programming. Wiley-Interscience Series in Discrete Mathematics and Optimization, [7] L.A. Wolsey. Integer Programming, chapter 5 - Dynamic Programming, pages Wiley- Interscience Series in Discrete Mathematics and Optimization,
Uma Heurística para o Problema de Redução de Padrões de Corte
Uma Heurística para o Problema de Redução de Padrões de Corte Marcelo Saraiva Limeira INPE/LAC e-mail: marcelo@lac.inpe.br Horacio Hideki Yanasse INPE/LAC e-mail: horacio@lac.inpe.br Resumo Propõe-se um
Leia maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia maisO Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48
Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração
Leia maisAlém de minimizar o número de objetos processados, problema de corte unidimensional
imização do número de objetos processados e do setup no problema de corte unidimensional Márcia Ap. Gomes-Ruggiero, Antonio Carlos Moretti, Momoe Sakamori Depto de Matemática Aplicada, DMA, IMECC, UNICAMP,
Leia maisUma Heurística Gulosa para o Problema de Bin Packing Bidimensional
Uma Heurística Gulosa para o Problema de Bin Packing Bidimensional Leandro Dias Costa, Luiz da Silva Rosa e Marcelo Lisboa Rocha Departamento de Ciência da Computação Fundação UNIRG Alameda Madrid Nº 545,
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisAs fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico
Leia maisMaterial Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto
Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum
Leia maisMINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN MINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO Maria Cristina N. Gramani Universidade
Leia maisResolução da Lista 2 - Modelos determinísticos
EA044 - Planejamento e Análise de Sistemas de Produção Resolução da Lista 2 - Modelos determinísticos Exercício 1 a) x ij são as variáveis de decisão apropriadas para o problemas pois devemos indicar quantos
Leia maisFórmula versus Algoritmo
1 Introdução Fórmula versus Algoritmo na resolução de um problema 1 Roberto Ribeiro Paterlini 2 Departamento de Matemática da UFSCar No estudo das soluções do problema abaixo deparamos com uma situação
Leia maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia maisAnálise e Complexidade de Algoritmos
Análise e Complexidade de Algoritmos Uma visão de Intratabilidade, Classes P e NP - redução polinomial - NP-completos e NP-difíceis Prof. Rodrigo Rocha prof.rodrigorocha@yahoo.com http://www.bolinhabolinha.com
Leia maisTécnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 14
1 Introdução O termo "roteamento de veículos" está relacionado a um grande conjunto de problemas de fundamental importância para a área de logística de transportes, em especial no que diz respeito ao uso
Leia mais2 Problema das p-medianas
2 Problema das p-medianas 2.1 Definição O PMNC é definido da seguinte forma: determinar quais p facilidades (p m, onde m é o número de pontos onde podem ser abertas facilidades) devem obrigatoriamente
Leia mais6. Programação Inteira
Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem
Leia maiscomputador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Laboratório de Pesquisa e Desenvolvimento Universidade Federal de Alfenas versão
Leia maisPROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO
PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO Luciano Pereira Magalhães - 8º - noite lpmag@hotmail.com Orientador: Prof Gustavo Campos Menezes Banca Examinadora: Prof Reinaldo Sá Fortes, Prof Eduardo
Leia maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisSistemas Operacionais
Sistemas Operacionais Aula 13 Gerência de Memória Prof.: Edilberto M. Silva http://www.edilms.eti.br Baseado no material disponibilizado por: SO - Prof. Edilberto Silva Prof. José Juan Espantoso Sumário
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisCAPÍTULO 6 - ESTRUTURA DE SELEÇÃO
6.1 - INTRODUÇÃO CAPÍTULO 6 - ESTRUTURA DE SELEÇÃO Existem problemas que podem ter mais de um caminho a ser seguido para seleção correta, ou existem restrições em suas soluções. O sujeito que irá executar
Leia maisContagem. Prof. Dr. Leandro Balby Marinho. Matemática Discreta. Fundamentos Inclusão/Exclusão Princípio da Casa dos Pombos Permutações Combinações
Contagem Prof. Dr. Leandro Balby Marinho Matemática Discreta Prof. Dr. Leandro Balby Marinho 1 / 39 UFCG CEEI Motivação Contagem e combinatória são partes importantes da matemática discreta. Se resumem
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisNotas de aula número 1: Otimização *
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL UFRGS DEPARTAMENTO DE ECONOMIA CURSO DE CIÊNCIAS ECONÔMICAS DISCIPLINA: TEORIA MICROECONÔMICA II Primeiro Semestre/2001 Professor: Sabino da Silva Porto Júnior
Leia maisPROBLEMAS DE OTIMIZAÇÃO
(Tóp. Teto Complementar) PROBLEMAS DE OTIMIZAÇÃO 1 PROBLEMAS DE OTIMIZAÇÃO Este teto estuda um grupo de problemas, conhecido como problemas de otimização, em tais problemas, quando possuem soluções, é
Leia mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
Leia maisErros. Número Aproximado. Erros Absolutos erelativos. Erro Absoluto
Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo. A análise dos resultados
Leia maisContagem I. Figura 1: Abrindo uma Porta.
Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 4 Contagem I De quantos modos podemos nos vestir? Quantos números menores que 1000 possuem todos os algarismos pares?
Leia mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
Leia maisConstrução do Boxplot utilizando o Excel 2007
1 Construção do Boxplot utilizando o Excel 2007 (1 Passo) Vamos digitar os dados na planilha. Para isso temos três banco de dados (Dados 1, Dados 2 e Dados 3), no qual irão gerar três Boxplot. Figura 1
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia mais[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a
Leia maisEstrutura de Dados Básica
Estrutura de Dados Básica Professor: Osvaldo Kotaro Takai. Aula 7: Recursividade O objetivo desta aula é apresentar o conceito de recursão para solução de problemas. A recursão é uma técnica de programação
Leia maisIA: Problemas de Satisfação de Restrições. Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA: Problemas de Satisfação de Restrições Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Introdução Um PSR é definido por um conjunto de variáveis X 1, X 2,..., X n, e por um conjunto de restrições,
Leia maisAV2 - MA 12-2012. (a) De quantos modos diferentes posso empilhá-los de modo que todos os CDs de rock fiquem juntos?
Questão 1. Num porta-cds, cabem 10 CDs colocados um sobre o outro, formando uma pilha vertical. Tenho 3 CDs de MPB, 5 de rock e 2 de música clássica. (a) De quantos modos diferentes posso empilhá-los de
Leia maisQual é Mesmo a Definição de Polígono Convexo?
Qual é Mesmo a Definição de Polígono Convexo? Elon Lages Lima IMPA, Rio de Janeiro Quando pensamos num polígono convexo, imaginamos seus vértices todos apontando para fora, ou seja, que ele não possui
Leia maisExcel Planilhas Eletrônicas
Excel Planilhas Eletrônicas Capitulo 1 O Excel é um programa de cálculos muito utilizado em empresas para controle administrativo, será utilizado também por pessoas que gostam de organizar suas contas
Leia maisÁrvores Binárias Balanceadas
Árvores Binárias Balanceadas Elisa Maria Pivetta Cantarelli Árvores Balanceadas Uma árvore é dita balanceada quando as suas subárvores à esquerda e à direita possuem a mesma altura. Todos os links vazios
Leia maisBases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15
Bases Matemáticas Aula 2 Métodos de Demonstração Rodrigo Hausen v. 2013-7-31 1/15 Como o Conhecimento Matemático é Organizado Definições Definição: um enunciado que descreve o significado de um termo.
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear A medida de correlação é o tipo de medida que se usa quando se quer saber se duas variáveis possuem algum tipo de relação, de maneira que quando uma varia a outra varia também.
Leia maisPESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *
PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária
Leia mais7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura 7.1 - Exemplo de um grafo linear.
CAPÍTULO 7 7 ANÁLISE DE REDES 7.1 Conceitos Básicos em Teoria dos Grafos Diversos problemas de programação linear, inclusive os problemas de transporte, podem ser modelados como problemas de fluxo de redes.
Leia maisSó Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES
FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisPesquisa Etnográfica
Pesquisa Etnográfica Pesquisa etnográfica Frequentemente, as fontes de dados têm dificuldade em dar informações realmente significativas sobre a vida das pessoas. A pesquisa etnográfica é um processo pelo
Leia maisÁrvores Binárias de Busca
Árvores Binárias de Busca Uma Árvore Binária de Busca T (ABB) ou Árvore Binária de Pesquisa é tal que ou T = 0 e a árvore é dita vazia ou seu nó contém uma chave e: 1. Todas as chaves da sub-árvore esquerda
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = =
Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo
Leia maisComputação Paralela. Desenvolvimento de Aplicações Paralelas João Luís Ferreira Sobral Departamento do Informática Universidade do Minho.
Computação Paralela Desenvolvimento de Aplicações Paralelas João Luís Ferreira Sobral Departamento do Informática Universidade do Minho Outubro 2005 Desenvolvimento de Aplicações Paralelas Uma Metodologia
Leia mais1ª Lista de exercícios
1ª Lista de exercícios NOTA: Por favor tente resolver todos os exercícios sozinho, caso tente e não consiga entre em contato no email: suporte@mjailton.com.br. Após a resolução envie as respostas para
Leia maisAlgoritmos para os Problemas da Mochila e do Corte de Estoque Tridimensional Guilhotinado
Algoritmos para os Problemas da Mochila e do Corte de Estoque Tridimensional Guilhotinado Thiago A. de Queiroz, Flávio K. Miyazawa, Instituto de Computação, IC, UNICAMP, 13084-971, Campinas, SP e-mail:
Leia maisPesquisa Sequencial e Binária. Introdução à Programação SI2
Pesquisa Sequencial e Binária Introdução à Programação SI2 3 Contexto Diferentes estratégias para pesquisa (busca) de um elemento específico em um conjunto de dados. Lista, array, coleção Operação importante,
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisFACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2
FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO Projeto e Análise de Algoritmos II Lista de Exercícios 2 Prof. Osvaldo. 1. Desenvolva algoritmos para as operações abaixo e calcule a complexidade
Leia maisEste material traz a teoria necessária à resolução das questões propostas.
Inclui Teoria e Questões Inteiramente Resolvidas dos assuntos: Contagem: princípio aditivo e multiplicativo. Arranjo. Permutação. Combinação simples e com repetição. Lógica sentencial, de primeira ordem
Leia maisLista 2 - Modelos determinísticos
EA044 - Planejamento e Análise de Sistemas de Produção Lista 2 - Modelos determinísticos Exercício 1 A Companhia Ferroviária do Brasil (CFB) está planejando a alocação de vagões a 5 regiões do país para
Leia maisExemResumo parcial da última. 15.053 Quinta-feira, 28 de fevereiro. Os preços-sombra podem ser encontrados ao se examinar os quadros inicial e final!
15.053 Quinta-feira, 28 de fevereiro Análise de Sensibilidade 2 Mais sobre pricing out Efeitos sobre os quadros finais Apostilas: Notas de Aula ExemResumo parcial da última O preço-sombra é a alteração
Leia maisRECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP
RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano
Leia mais4 Implementação e Resultados Experimentais
4 Implementação e Resultados Experimentais Com o objetivo de fazer a criação automática de visões materializadas, ou seja, prover uma solução on-the-fly para o problema de seleção de visões materializadas,
Leia maisComplexidade de Algoritmos. Edson Prestes
Edson Prestes Caminhos de custo mínimo em grafo orientado Este problema consiste em determinar um caminho de custo mínimo a partir de um vértice fonte a cada vértice do grafo. Considere um grafo orientado
Leia maisão: modelagem e técnicas
Curso de Especialização em Gestão Empresarial (MBA Executivo Turma 15) Disciplina: Pesquisa Operacional Prof. Dr. Álvaro José Periotto 3. Otimização ão: modelagem e técnicas de resolução Passando da daetapa
Leia maisAnálise de Arredondamento em Ponto Flutuante
Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto
Leia mais5COP096 TeoriadaComputação
Sylvio 1 Barbon Jr barbon@uel.br 5COP096 TeoriadaComputação Aula 14 Prof. Dr. Sylvio Barbon Junior Sumário - Problemas Exponenciais - Algoritmos Exponenciais usando Tentativa e Erro - Heurísticas para
Leia maisPARA A CONSTRUÇÃO DOS GRÁFICOS
1 PARA A CONSTRUÇÃO DOS GRÁFICOS Apresentamos dois materiais feitos por estudantes do Curso de Psicologia da Faculdade de Ciências Humanas e da Saúde para construção de gráficos. As instruções das páginas
Leia maisInvestigação Operacional
Sumário Victor Lobo Investigação Operacional Introdução Programa da cadeira Bibliografia Horário de dúvidas e contactos Avaliação O que é Investigação Operacional? Investigar as operações da empresa, embora
Leia maisDificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global. 15.053 Quinta-feira, 25 de abril
15.053 Quinta-feira, 25 de abril Teoria de Programação Não-Linear Programação Separável Dificuldades de Modelos de PNL Programa Linear: Apostilas: Notas de Aula Programas Não-Lineares 1 2 Análise gráfica
Leia mais)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR
6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,
Leia maisQUADRADO MÁGICO - ORDEM 4
CONCEITO Partindo da definição original, os QUADRADOS MÁGICOS devem satisfazer três condições: a) tabela ou matriz quadrada (número de igual ao número de ); b) domínio: com elementos assumindo valores
Leia maisCÁLCULO DE ZEROS DE FUNÇÕES REAIS
15 CÁLCULO DE ZEROS DE FUNÇÕES REAIS Um dos problemas que ocorrem mais frequentemente em trabalhos científicos é calcular as raízes de equações da forma: f() = 0. A função f() pode ser um polinômio em
Leia maisTerceira Avaliação Visualg & Pascal
Primeiro trabalho Sistema de controle acadêmico Objetivo: implementar um programa de computador que realiza o controle acadêmico de uma turma em uma disciplina específica. O programa deve ser capaz de
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisExercícios Resolvidos sobre probabilidade total e Teorema de Bayes
Exercícios Resolvidos sobre probabilidade total e Teorema de Bayes Para ampliar sua compreensão sobre probabilidade total e Teorema de Bayes, estude este conjunto de exercícios resolvidos sobre o tema.
Leia maisA memória é um recurso fundamental e de extrema importância para a operação de qualquer Sistema Computacional; A memória trata-se de uma grande
A memória é um recurso fundamental e de extrema importância para a operação de qualquer Sistema Computacional; A memória trata-se de uma grande região de armazenamento formada por bytes ou palavras, cada
Leia maisBCC202 - Estrutura de Dados I
BCC202 - Estrutura de Dados I Aula 04: Análise de Algoritmos (Parte 1) Reinaldo Fortes Universidade Federal de Ouro Preto, UFOP Departamento de Ciência da Computação, DECOM Website: www.decom.ufop.br/reifortes
Leia maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia maisProf. Flávio Henrique de Lima Araújo 19
Um pouco mais sobre as funções matemáticas Em primeiro lugar precisamos ter em mente que o EXCEL é uma ferramenta poderosa que nos dá condição de trabalhar com planilhas eletrônicas, ou seja, com funções,
Leia maisEndereçamento IP 09/05/2014. Endereçamento IP CLASSE B CLASSE A CLASSE A CLASSE C
Endereçamento IP Endereçamento IP Prof. Marcel Santos Silva marcel@magres.com.br É uma sequência de números composta de 32 bits. Esse valor consiste num conjunto de quatro grupos de 8 bits. Cada conjunto
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisArquitetura de Rede de Computadores
TCP/IP Roteamento Arquitetura de Rede de Prof. Pedro Neto Aracaju Sergipe - 2011 Ementa da Disciplina 4. Roteamento i. Máscara de Rede ii. Sub-Redes iii. Números Binários e Máscara de Sub-Rede iv. O Roteador
Leia mais¹CPTL/UFMS, Três Lagoas, MS,Brasil, oliveiralimarafael@hotmail.com. ²CPTL/UFMS, Três Lagoas, MS, Brasil.
Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 36 INTRODUÇÃO A CRIPTOGRAFIA RSA Rafael Lima Oliveira¹, Prof. Dr. Fernando Pereira de Souza². ¹CPTL/UFMS, Três Lagoas,
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal de
Leia maisCAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES
CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES 3.1 - IDENTIFICADORES Os objetos que usamos no nosso algoritmo são uma representação simbólica de um valor de dado. Assim, quando executamos a seguinte instrução:
Leia maisMAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos
Leia maisMOSAICOS. RECURSO DIDÁTICO Software Geogebra (http://www.geogebra.org/cms/) 1ª TAREFA: Construção de um quadrado.
MOSAICOS Este experimento prático visa auxiliar ao estudante desenvolver a noção de espaço, localização espacial e direção. Trabalha com as noções de translação por um vetor. O que auxilia o aluno a se
Leia maisCurso de Data Mining
Curso de Data Mining Sandra de Amo Aula 2 - Mineração de Regras de Associação - O algoritmo APRIORI Suponha que você seja gerente de um supermercado e esteja interessado em conhecer os hábitos de compra
Leia maisInvestigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES
Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES Formulação A programação linear lida com problemas nos quais uma função objectivo linear deve ser optimizada (maximizada ou minimizada)
Leia maisPesquisa Sequencial e Binária
Pesquisa Sequencial e Binária Prof. Wylliams Barbosa Santos wylliamss@gmail.com Introdução à Programação Crédito de Conteúdo: Professora Ceça Moraes Agenda Pesquisa Sequencial Noções de complexidade Pesquisa
Leia maisFigura 1.1: Exemplo de links patrocinados no Google
1 Links Patrocinados 1.1 Introdução Links patrocinados são aqueles que aparecem em destaque nos resultados de uma pesquisa na Internet; em geral, no alto ou à direita da página, como na Figura 1.1. Figura
Leia mais7.Conclusão e Trabalhos Futuros
7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização
Leia maisProjeção ortográfica de modelos com elementos paralelos e oblíquos
A U L A Projeção ortográfica de modelos com elementos paralelos e oblíquos Introdução Você já sabe que peças da área da Mecânica têm formas e elementos variados. Algumas apresentam rebaixos, outras rasgos,
Leia maisPesquisa Operacional na Tomada de Decisões. Conteúdos do Capítulo. Programação Linear. Lindo. s.t. Resolvendo Programação Linear Em um Microcomputador
ª Edição Pesquisa Operacional na Tomada de Decisões Resolvendo Programação Linear Em um Microcomputador Gerson Lachtermacher,00 Programação Linear Software Versão Windows e comandos Formulação do problema
Leia maisGuia do professor. Ministério da Ciência e Tecnologia. Ministério da Educação. Secretaria de Educação a Distância.
números e funções Guia do professor Objetivos da unidade 1. Analisar representação gráfica de dados estatísticos; 2. Familiarizar o aluno com gráfico de Box Plot e análise estatística bivariada; 3. Utilizar
Leia maisExercícios de Fixação Pseudocódigo e Estruturas Básicas de Controle
Disciplina: TCC-00.7 Prog. de Computadores III Professor: Leandro Augusto Frata Fernandes Turma: A- Data: / / Exercícios de Fixação Pseudocódigo e Estruturas Básicas de Controle. Construa um algoritmo
Leia mais(x, y) = (a, b) + t*(c-a, d-b) ou: x = a + t*(c-a) y = b + t*(d-b)
Equação Vetorial da Reta Dois pontos P e Q, definem um único vetor v = PQ, que representa uma direção. Todo ponto R cuja direção PR seja a mesma de PQ está contido na mesma reta definida pelos pontos P
Leia maisBUSCA EM LISTAS LISTAS SEQÜENCIAIS, LISTAS SIMPLESMENTE E DUPLAMENTE ENCADEADAS E LISTAS CIRCULARES
BUSCA EM LISTAS LISTAS SEQÜENCIAIS, LISTAS SIMPLESMENTE E DUPLAMENTE ENCADEADAS E LISTAS CIRCULARES ALGORITMOS DE BUSCA EM LISTAS COM ALOCAÇÃO SEQÜENCIAL Busca em Listas Lineares A operação de busca é
Leia mais