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

More documents

Recommendations

Info

5.1.3.3 Modelagem do algoritmo sistema: Para a modelagem do algoritmo foram considerados os seguintes parâmetros do - Número de ciclos sem melhoria: Ncsm = 60; - Número de ciclos totais: Nct = 70; - Tempo tabu: Tt = 35; - Tempo tabu de intensificação: Tti = 10; - Congelamento: Cong = 4; - Peso da primeira etapa temporal: z = 7. Os parâmetros Tt, Tti e Cong foram definidos com base em experimentações realizadas que resultaram nas melhores soluções. Para os valores de Ncsm e Nct foram utilizados dois valores que permitissem diversas experimentações. 5.2.3.3.1 Função objetivo torna-se: 10 ∑ = A função objetivo, apresentada na expressão 25, adaptada para o problema em questão 1 = 4 i θ Oi pi (36) onde θ = número correspondente ao total de disciplinas estimadas a serem unificadas em todas as etapas temporais; Oi = número total de disciplinas unificadas na etapa temporal i; pi = peso estipulado à otimização de disciplinas (Ot) ocorrida na etapa temporal i. 5.2.3.3.2 Restrições As expressões 26, 27 e 28 que constituem três das restrições do problema não necessitam de customização. Para a expressão 29, que é outra restrição do problema, 400 horas foram consideradas como carga horária total em cada período. 85
5.2.4 Resultados obtidos Após o desenvolvimento do sistema, foram realizadas as mesmas simulações do primeiro cenário apresentado. Na primeira experimentação realizada para este novo cenário, novamente foram fixados os patamares máximos de desordem permitida na otimização, atribuindo um valor de 15% para o Max_IDP e para o MAX_IDR. Os resultados obtidos com essa experimentação validam o bom funcionamento do sistema. O Quadro 14 mostra um panorama geral da otimização realizada, constando do mapa curricular do problema pós otimização, do número total de disciplinas ofertadas com e sem unificação nas sete etapas temporais consideradas (TNdst e TNdct), do número de alunos existentes/estimados para cada turma nessas etapas (NaPT), das otimizações realizadas em cada etapa temporal (Ot), dos índices de desordem IDPT e IDRT de cada turma após otimização e do peso pt estimado para cada etapa temporal. QUADRO 14 – Panorama geral da otimização realizada no segundo problema Na segunda experimentação realizada para este problema considerado, os patamares máximos de desordem permitida na otimização variaram, também, de 10% a 100%, mantendo o Max_IDP igual ao MAX_IDR em cada otimização realizada, assim como ocorreu na experimentação realizada para o problema anterior. O Gráfico 3 ilustra como variou θ em função da variação dos parâmetros considerados. Assim como ocorreu na experimentação realizada para o problema anterior, a medida que se permitiu o aumento da desordem no currículo, as otimizações aumentaram. 86
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 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: QUADRO 13 - Matriz de Coeficientes
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?