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

More documents

Recommendations

Info

estimação dos melhores valores de julgamento dentro dos intervalos. Utilizam-se da programação linear, também, para estimar o vetor de prioridades. Os métodos até agora apresentados consideram os julgamentos e os correspondentes vetores de pesos gerados como sendo variáveis determinísticas. Entretanto, há duas diferentes abordagens em AHP: uma determinística e outra estatística ou estocástica. Gass & Rapcsák (2004) salientam que na abordagem estatística as preferências de julgamentos são variáveis randômicas associadas com uma distribuição de probabilidade desconhecida. Na abordagem determinística, entretanto, a hipótese é de que se podem observar as preferências com certeza. O método do autovetor proposto por Saaty (EM) pertence a essa abordagem. Outras abordagens incluem o Least-Square Method (LSM), Weighted Least-Square Method (WLSM), Logarithmic Least-Square Method (LLSM), Chi-Square Method (CSM), Logarithmic Goal Programming Method (LGPM), Fuzzy Programming Method (FPM), entre outras. Os autores afirmam que para matrizes consistentes, todas as abordagens produzem a mesma solução. A divergência ocorre na existência de matrizes inconsistentes. Salientam que as análises comparativas entre os métodos existentes na literatura são geralmente contraditórias. Em uma variedade de estudos, constatou-se que os valores das prioridades do AHP foram considerados variáveis randômicas. Saaty e Vargas (1987), Arbel (1989, 1991), Zahir (1991), Arbel e Vargas (1992, 1993), Zhang e Yang (1992), Basak (1993), Salo (1993), Moreno-Jimenez e Vargas (1993), Xu e Wu (1993), Genest e Rivest (1994), Paulson e Zahir (1995) e Mackay et al. (1996) realizaram estudos nesse sentido (apud LIPOVETSKY & TISHLER, 1999). A proposta principal do trabalho de Lipovetsky & Tishler (1999) foi desenvolver um método simples e prático para estimar o vetor de prioridades no AHP, onde os julgamentos feitos na matriz de comparação foram assumidos como variáveis aleatórias ao invés de variáveis determinísticas. No trabalho dos autores é mostrado como estimar esse intervalo (centro e os limites laterais). Haines (1998) mistura as duas abordagens apresentadas anteriormente: intervalos na entrada dos dados das matrizes, assumindo que estes são variáveis randômicas. Diferentemente das propostas dos pesquisadores apresentadas anteriormente, a autora considera, em seu artigo, situações em que os intervalos de entrada geram uma região factível em que qualquer ponto pertencente a essa região já fornece uma matriz plenamente 41
consistente. A autora utiliza-se de distribuições de probabilidades para inferir os valores apropriados das entradas das matrizes. 2.3.3 Método alternativo de preenchimento das matrizes de julgamentos Na grande maioria dos problemas que envolvem o uso do AHP, faz-se necessário um pequeno número de comparações pareadas, pois o número de alternativas consideradas no problema geralmente não é significativo (inferior a 10). Para situações em que o número de comparações é elevado ou que o custo envolvido para se realizar cada comparação é alto, Fogliatto & Albin (2003) desenvolvam um método alternativo que dispensa a comparação pareada entre todas as alternativas apresentadas. O método foi criado para resolver o problema do alto custo existente nas comparações aos pares realizadas em atributos sensoriais utilizados para o desenvolvimento de produtos alimentícios. Posteriormente o método foi aprimorado Dutra & Fogliatto (2007). O método pode ser sintetizado em três etapas, as quais são descritas a seguir: I. Para um problema em que existam n alternativas a serem comparadas, deve-se escolher, entre elas, um número m de alternativas (m
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 and 42: De tudo o que foi apresentado sobre
Page 43 and 44: Arostegui et al. (2006) afirmam que
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: desejáveis grandes alterações na
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 ...

Create successful ePaper yourself

Delete template?

Save as template?