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

More documents

Recommendations

Info

de desordem IDPT e IDRT de cada turma após otimização e o peso pt estipulado para cada etapa temporal. Para verificar como a otimização ocorre, considere a etapa temporal n° 7. Percebe-se que se não fosse considerada a otimização, 14 ofertas de disciplinas seriam necessárias. Nota- se que dentre as disciplinas ofertadas, 6 ofertas são somente da disciplina 15 (D15). O número total de alunos matriculados nessa disciplina na etapa temporal considerada são 180. Como a capacidade de D15 é de 60 alunos (C15=60), apenas 3 ofertas de D15 são necessárias para atender a todos esses alunos, gerando, assim, uma média de 60 alunos matriculados para cada oferta dessa disciplina. Verifica-se que nessa situação, 3 ofertas de D15 poderão deixar de existir nessa etapa temporal considerada. Assim, se processa a otimização. Pode-se perceber que o valor obtido para a função objetivo não coincide com o número total de unificações de disciplinas realizadas. Percebe-se que na situação considerada, o valor da função objetivo, pós-otimização, é de θ = 39,09, sendo que o número total de unificações realizadas foi de 35. Essa diferença é explicada pela ponderação dada entre as etapas. QUADRO 9 – Panorama geral da otimização realizada no primeiro problema Na segunda experimentação realizada, os patamares máximos de desordem permitida na otimização variaram de 10% a 100%, mantendo o Max_IDP igual ao MAX_IDR em cada otimização realizada. O Gráfico 1 ilustra como variou o θ em função da variação dos parâmetros considerados. Como era de se esperar, à medida que se permite o aumento da desordem no currículo, seja em termos de posição ou de requisitos, as otimizações aumentam. 77
Isso ocorre, pois o sistema passa a contar com novas possibilidades de designação de disciplinas à medida que essas restrições são relaxadas. As demais restrições foram atendidas durante a relaxação. Na terceira e última experimentação realizada para este problema, novamente os patamares máximos de desordem permitida na otimização variaram de 10% a 100%. Entretanto, somente a busca local foi utilizada a cada reinicialização aleatória do sistema. Tal experimentação foi realizada a fim de verificar o quanto a busca tabu estava sendo significante no sistema de otimização. O Gráfico 2 apresenta os resultados dessa experimentação. Pode-se perceber pelo gráfico que a melhoria no valor de θ após IDP e IDR ser superior a 50% não deve ser estatisticamente significativa. Após uma rápida análise no Gráfico 2, pode-se constatar que a busca tabu teve uma importância relevante no sistema de otimização. Na média, o aumento da otimização propiciada com a incorporação da busca tabu no sistema foi em torno de 30% para a experimentação realizada. GRÁFICO 1 – Otimização em função da relaxação dos indicadores no primeiro problema GRÁFICO 2 – Contribuição da BT no algoritmo de otimização do primeiro problema 78
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 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: 5.1.3.3.1 Função objetivo A funç
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 ...

Create successful ePaper yourself

Delete template?

Save as template?