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

More documents

Recommendations

Info

- Número de disciplinas (Nd): É o número total de disciplinas existente no curso considerado. - Tamanho da etapa temporal (k): É o número de períodos passíveis de terem disciplinas unificadas no problema considerado. - Capacidade de disciplina (CD): É a capacidade máxima que uma determinada disciplina D comporta de alunos. Isso pode variar de disciplina por disciplina em virtude dos recursos materiais que fazem uso, da atenção que os professores devem dispensar aos alunos, entre outros fatores. - Índice de perda no período (αP): É o percentual de alunos que desistem ou trancam o curso num determinado período P. Esse índice é de difícil estimação, pois depende de inúmeros fatores: tempo que o aluno já está matriculado no curso, satisfação dos alunos em relação aos professores, qualidade e do preço dos cursos, situação financeira do país, entre tantos outros. Observa-se, porém, que há uma forte correlação entre o índice de perda de alunos e a variável “tempo que o aluno está matriculado no curso”. Por isso, a estimação do índice em questão foi vinculado ao período do curso. Constata-se, facilmente, que alunos no início do curso evadem mais. Com o passar do tempo o número de desistência diminui, chegando a patamares muito pequenos ao término dos cursos. De forma geral, instituições que apresentam uma gestão financeira eficaz têm esse índice estimado por curso, pois ele é fundamental para a realização de orçamento. - Número de períodos do curso (Np): É o número total de períodos que compõe o curso em questão. - Número total de alunos matriculados em uma disciplina (TNaDt): É o número total de alunos estimado que deverá se matricular na disciplina D na etapa temporal t. - Número total de disciplinas ofertadas sem unificação em uma etapa temporal (TNdst): É o número total de disciplinas (considerando a replicação) com previsão de oferta em uma etapa temporal t, não considerando as previsões de unificação. - Carga horária da disciplina (ChdD): É a carga horária de uma determinada disciplina D do curso. 61
- Carga horária do período (ChpP): É a carga horária total das disciplinas ofertadas em um período P do curso. Esse valor normalmente é fixo, não alterando de período para período. 4.2.4 Relacionando os parâmetros - Máxima desordem de posição permitida (MAX_IDP): É a máxima desordem de posição permitida para cada turma durante o processo de otimização. Esse valor, que é fornecido em percentual, é estipulado pelo operador do sistema na ocasião da geração da otimização. - Máxima desordem de requisitos permitida (MAX_IDR): É a máxima desordem de requisitos permitida para cada turma durante o processo de otimização. Esse valor, que também é fornecido em percentual, é estipulado pelo operador do sistema na ocasião da geração da otimização. 4.3 MODELANDO O ALGORITMO DE OTIMIZAÇÃO Para se realizar a modelagem do algoritmo de otimização, fez-se necessário determinar, primeiramente, o algoritmo heurístico utilizado. 4.3.1 Escolhendo o algoritmo heurístico Como já discutido, não existe uma delimitação clara da heurística recomendada para cada tipo de problema. Pode-se perceber, por uma análise dos artigos publicados nessa área, que há uma gama de heurísticas utilizadas em um mesmo tipo de problema. Em conformidade com o que foi previsto na metodologia, a escolha da heurística se deu com base na opinião de especialistas. A heurística escolhida para a pesquisa em questão foi a Busca Tabu. Sua escolha se deu, principalmente, devido à característica combinatória do problema. 4.3.2 Modelando o algoritmo heurístico Para a modelagem da Busca Tabu foi necessária a escolha e implementação de diversas funções, variáveis e estratégias no algoritmo, tais como função objetivo, restrições, uso de memórias, solução inicial, entre outras. A seguir são descritos cada um dos requisitos necessários. 62
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 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: 4.2.2 Definindo as variáveis - Eta
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
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?