15 - programa de pós graduação em métodos numéricos da ufpr ...

More documents

Recommendations

Info

termos de solução e tempo computacional. Suas conclusões foram de que o AG teve pior desempenho em relação às outras metaheurísticas no que consiste ao tempo computacional. Ao se comparar SA e BT, Sinclair (1993) destaca que a BT forneceu melhores resultados em 3 de cada 4 casos estudados, embora o tempo computacional em ambos os algoritmos foram compatíveis. Resultados semelhantes podem ser encontrados no artigo de Lee & Kim apud Arostegui et al. (2006). Eles aplicaram as mesmas três metaheurísticas em outros problemas de otimização e concluíram que a BT e o SA apresentaram desempenho semelhante, enquanto o AG um desempenho um pouco pior. Youssef et al. (2000) também implementaram e testaram as mesmas metaheurísticas em cinco diferentes problemas de otimização de distribuição de componentes eletrônicos em placas de circuito impresso. Eles compararam o desempenho dos três algoritmos em relação aos seguintes aspectos: - qualidade da melhor solução obtida em cada uma das heurísticas. - progresso da pesquisa de uma solução inicial até encontrar um critério de parada. - custo computacional para encontrar a melhor solução. - número de soluções encontradas em sucessivos intervalos. Os autores observam que entre os três algoritmos testados a BT apresentou o melhor desempenho. Hasan et al. (2000) aplicaram AG, SA e BT para uma série de problemas cuja função objetivo era do tipo pseudo-booleana quadrática, funções estas que modelam uma grande quantidade de problemas. Nas suas pesquisas concluíram que as soluções finais não apresentaram diferenças significantes. Concluíram, entretanto, que o AG apresentou melhor desempenho médio nas soluções propostas em menos tempo computacional e que a BT, comparado com o AG e com o SA, não foi satisfatória. Kincaid apud Arostegui et al. (2006) comparou a BT e o SA em problemas de localização de facilidades e concluiu que a BT apresentou melhor desempenho em relação ao SA. Já Drezner (2002), em seu trabalho, comparou o desempenho de cinco heurísticas ao resolver um problema variante de alocação de facilidades e concluiu que o SA apresentou melhor desempenho. Pela breve apresentação anterior, pode-se concluir que as três metaheurísticas apresentam desempenho compatível, talvez com o AG tendo um desempenho um pouco pior. Vale salientar que a análise anterior foi feita utilizando-se das metaheurísticas originais, ou seja, sem hibridização. Estudos recentes afirmam que a hibridização de heurísticas tem apresentado bons resultados. 29
Arostegui et al. (2006) afirmam que não há uma heurística que apresente melhor desempenho que outra, variando de problema para problema. Suas observações podem estar fundamentadas num importante estudo teórico a respeito das metaheurísticas relatado por Wolpert & Macready apud Youssef et al. (2000), que provaram um número de teoremas que afirmam que o desempenho médio de qualquer algoritmo iterativo (determinístico ou não) sobre todos os problemas é idêntico. Ou seja, se um algoritmo apresenta melhor desempenho sobre uma determinada classe de problemas, então ele necessariamente terá pior desempenho sobre outros tipos de problemas. Deve ser observado, entretanto, que os teoremas relatados não incluem o conhecimento prévio que se pode ter do problema, o que é importante. De tudo o que aqui foi apresentado sobre as heurísticas e metaheurísticas, pôde-se concluir que o sucesso da aplicação de um algoritmo de otimização heurístico depende muito mais do conhecimento do problema e da experiência do pesquisador em calibrar os parâmetros do algoritmo adequadamente do que propriamente da heurística ou metaheurística escolhida. Obviamente que em função dos resultados encontrados, pode-se obter um direcionamento para a escolha do algoritmo de otimização utilizado na pesquisa em questão. Como já mencionado, o processo de otimização deste problema de pesquisa está restrito a indicadores que servem como avaliadores do grau de desordem ocasionado no currículo durante o processo de otimização. Tendo em vista a necessidade de se levar em consideração aspectos subjetivos na geração dos indicadores, far-se-á uma análise do Método de Análise Hierárquica como uma alternativa inspiradora no auxílio da criação dos mesmos. 2.3 O MÉTODO DE ANÁLISE HIERÁRQUICA A Pesquisa Operacional clássica utiliza técnicas matemáticas precisas que proporcionam racionalidade à tomada de decisão. Os resultados fornecidos pelas técnicas da pesquisa operacional são, na maioria das vezes, incontestáveis e apontam soluções aos problemas com objetividade. Entretanto, muitos problemas cotidianos que requerem tomadas de decisão são complexos e envolvem dados e variáveis subjetivas, o que impede uma aplicação totalmente eficaz das técnicas clássicas da Pesquisa Operacional. Nesse contexto encontram-se problemas com soluções discretas que fazem uso do Método de Análise Hierárquica, o qual será abordado na seqüência. 30
Page 1 and 2: UNIVERSIDADE FEDERAL DO PARANÁ RON
Page 3 and 4: TERMO DE APROVAÇÃO RONALDO VINÍC
Page 5 and 6: SUMÁRIO LISTA DE FIGURAS .........
Page 7 and 8: LISTA DE FIGURAS FIGURA 1 - Esquema
Page 9 and 10: LISTA DE QUADROS QUADRO 1 - Escala
Page 11 and 12: AG - Algoritmo Genético AHP - Anal
Page 13 and 14: ABSTRACT Historically in Brazil, th
Page 15 and 16: Entretanto, apesar de ter havido de
Page 17 and 18: significativamente esse indicador,
Page 19 and 20: alunos? Como fruto da pesquisa, pro
Page 21 and 22: 2005). Segundo o presidente desse s
Page 23 and 24: 1.5.2 Objetivos Específicos A pesq
Page 25 and 26: 2. REFERENCIAL TEÓRICO Para dar su
Page 27 and 28: disciplinas especiais (disciplinas
Page 29 and 30: de uma solução viável próxima a
Page 31 and 32: metaheurísticas. São métodos int
Page 33 and 34: - no hibridismo paralelo assíncron
Page 35 and 36: objetivo e o mínimo estado de ener
Page 37 and 38: para resolver esse problema: i) enc
Page 39 and 40: 2.2.1.3.2 Estratégias de intensifi
Page 41: De tudo o que foi apresentado sobre
Page 45 and 46: problema em questão. Saaty (1993)
Page 47 and 48: autovetor de Saaty resulta em um ve
Page 49 and 50: a análise, do ambiente da avaliaç
Page 51 and 52: Apesar de não ser exigida consist
Page 53 and 54: desejáveis grandes alterações na
Page 55 and 56: consistente. A autora utiliza-se de
Page 57 and 58: 3. METODOLOGIA DA PESQUISA Nesta et
Page 59 and 60: Teve-se como proposta inicial utili
Page 61 and 62: 4. DESENVOLVIMENTO DA PESQUISA Para
Page 63 and 64: foram alocadas em suas posições o
Page 65 and 66: IDPTabs = Valor absoluto do IDPT pa
Page 67 and 68: equisito). O processo para a defini
Page 69 and 70: Primeiramente faz-se necessário ob
Page 71 and 72: Início IDRTabs = 0 Para cada par d
Page 73 and 74: 4.2.2 Definindo as variáveis - Eta
Page 75 and 76: - Carga horária do período (ChpP)
Page 77 and 78: FO onde k ∑ Oi pi θ (25) p/ i i=
Page 79 and 80: Início Para cada turma faça Para
Page 81 and 82: 4.3.2.8 Critério de Parada O crit
Page 83 and 84: 5. APLICAÇÃO DO SISTEMA Este cap
Page 85 and 86: TABELA 4 - Capacidade de cada disci
Page 87 and 88: cfi = Coeficiente de fixação da d
Page 89 and 90: 5.1.3.3.1 Função objetivo A funç
Page 91 and 92: Isso ocorre, pois o sistema passa a
Page 93 and 94:
Devido à característica do quadro
Page 95 and 96:
- Número de disciplinas no curríc
Page 97 and 98:
QUADRO 13 - Matriz de Coeficientes
Page 99 and 100:
5.2.4 Resultados obtidos Após o de
Page 101 and 102:
6. COMENTÁRIOS FINAIS Este capítu
Page 103 and 104:
Como terceira e última conclusão,
Page 105 and 106:
REFERÊNCIAS AROSTEGUI, Marvin et a
Page 107 and 108:
HASAN, Merza et al. A comparison be
Page 109 and 110:
ANEXOS 96
Page 111 and 112:
QUADRO 17 - Matriz parcial 3 utiliz
Page 113 and 114:
ANEXO 2 - MATRIZES UTILIZADAS PARA
Page 115 and 116:
Page 117 and 118:
show all

15 - programa de pós graduação em métodos numéricos da ufpr ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?