Universidade Federal de Vi cosa Centro de Ci encias Exatas e Tecnol ogicas - CCE Departamento de Matem atica

Otimiza c ao linear multiobjetivo e a programa c ao por metas

Orientadora: Lana Mara Rodrigues dos Santos Alunos: Andr e Lobo Teixeira e Guilherme Rodrigues Batista

VIC OSA MINAS GERAIS - BRASIL Julho/2013

Vi cosa Minas Gerais-Brasil Julho 2013 Universidade Federal de Vi cosa Centro de Ci encias Exatas e Tecnol ogicas - CCE Departamento de Matem atica

Resumo Os problemas reais de otimiza c ao geralmente possuem mais de um objetivo a ser otimizado e ao mesmo tempo. A utiliza c ao de recursos como: espa co, custo, m ao de obra e tempo s ao exemplos de objetivos. Contudo, por vezes n ao e poss vel encontrar uma solu ca o que seja otima para todos os objetivos, porque os mesmos podem ser conitantes, ou seja, ao se otimizar um para buscar sua melhor solu c ao, a mesma solu ca o pode n ao ser desej avel para um outro objetivo. Neste projeto pretendemos estudar otimiza c ao multiobjetivo e o m etodo de Programa c ao por Metas, como m etodo de resolu c ao de problemas de Programa c ao Multiobjetivo. Ao se utilizar programa ca o por metas, dois m etodos existentes e que ser ao abordados neste trabalho s ao: o m etodo dos pesos e o m etodo hier arquico. Para ilustrar a utiliza ca o desta metodologia utilizaremos dois problemas: otimiza ca o do tempo de propaganda no r adio e na televis ao e um problema espec co que e a programa c ao de exames no Col egio de Aplica c ao da Universidade Federal de Vi cosa - COLUNI. Palavras Chave: Programa c ao Linear; Programa ca o multiobjetivo; Programa ca o de metas.

Sum ario
1 Intodu c ao 2 Objetivo 3 Otimiza c ao Multiobjetivo 3.1 Problema de otimiza c ao multiobjetivo . . . . . . . . . . . . . . 4 Programa c ao por Metas 4.1 O M etodo dos Pesos . . . . . . . . . . . . . . . . . . . . . . . 4.2 O M etodo Hier arquico . . . . . . . . . . . . . . . . . . . . . . 5 Aplica c ao de programa c ao por metas 5.1 Otimiza ca o do tempo de propaganda no r adio e na televis ao . 5.2 Programa ca o de exames do COLUNI . . . . . . . . . . . . . . 6 Metodologia 7 Cronograma 8 Refer encias Bibliogr acas 1 2 2 2 4 4 5 5 5 8 14 14 15

Intodu c ao

A Programa ca o Linear (PL), vista como um dos maiores avan cos cient cos do s eculo XX, faz parte de uma grande classe de m etodos de resolu ca o para problemas da area de otimiza c ao. Essas areas surgiram a partir da necessidade de um modelo matem atico que tivesse aplica ca o em um grande conjunto de problemas de decis ao encontrados em diversas areas como Economia, Ind ustrias, Engenharia, Log stica, Administra ca o, Pecu aria etc. Uma grande parte de problemas reais na area de otimiza ca o envolve diversos objetivos. Jamalnia e Soukhakian (2009) comentam que m etodos tradicionais de Programa c ao Matem atica com apenas um objetivo (monobjetivo) tem diculdades para solucionar adequadamente problemas de decis ao do mundo real. Problemas com mais de um objetivo s ao chamados de Problemas de Otimiza c ao Multiojetivo. Os objetivos geralmente s ao conitantes, ou seja, n ao h a uma solu c ao que otimize todos os objetivos ao mesmo tempo. Segundo Arenales et. al. (2007), um exemplo simples e quando se deseja minimizar os custos de produ c ao e os custos de estocagem. Neste caso, se otimizarmos o custo de produ c ao, encontrar amos possivelmente uma solu ca o que acumula a produ ca o de tens, o que levaria a altos n veis de estoque. Por outro lado, se otimizarmos apenas o custo de estoque, ter amos uma solu ca o que levaria a produ c ao a ocorrer pr oximo aos per odos de demanda, fazendo com que a produ c ao ocorra em v arios per odos, o que pode ser invi avel dependendo do custo de preparo dos tens a serem produzidos. Ur a et al. (2002) apontam a Programa ca o por Metas como o m etodo mais amplamente utilizado por programa ca o multiobjetivo e com um grande n umero de casos de sucesso. Desta forma, o m etodo tem grande aplicabilidade em diversas areas. Sem d uvida trata-se de um importante t opico da otimiza ca o, tanto para pesquisadores quanto para engenheiros, n ao apenas por causa de sua aplicabilidade em problemas cotidianos, mas tamb em pelas quest oes ainda em aberto nesta area. (Coello,1999; Zitzler, 1999) Este trabalho ser a distribu do da seguinte forma: No cap tulo 2 constam os objetivos a serem alcan cados com este projeto. No cap tulo 3 ser a conceituada a otimiza c ao multiobjetivo, sendo denido o problema de oti apresentado no miza ca o multiobjetivo e a formula c ao matem atica padr ao. E cap tulo 4 o m etodo de programa c ao por metas, sendo mostrado o m etodo dos pesos e o m etodo hier arquico. O cap tulo 5 conta com a apresenta c ao de dois problemas de otimiza c ao para ilustrar o m etodo de programa ca o por metas, a otimiza ca o do tempo de propaganda no r adio e na televis ao e Pro feita uma previs grama ca o de exames do COLUNI. E ao das a co esO cap tulo 6 trata do cronograma do projeto. E no cap tulo 7 se encontra as refer encias bibliogr acas. 1

Objetivo
Fazer um estudo de Programa ca o Multiobjetivo em particular a Programa c ao por Metas, sendo apresentado o m etodo de resolu c ao dos pesos e o m etodo hier arquico. Apresentar o estudo no Simp osio de Integra ca o Acad emica Aplicar a programa c ao por metas para solucionar o problema de programa c ao de hor arios de exames no COLUNI.

S ao objetivos deste trabalho:

Otimiza c ao Multiobjetivo

Os problemas de otimiza c ao multiobjetivo consistem na otimiza c ao de mais de um objetivo (conitante). Geralmente, s ao baseados em minimizar (ou maximizar) objetivos (metas ou crit erios) que satisfazem um conjunto de restri co es. Como existem mais de um objetivo envolvido neste tipo de problema, n ao h a uma u nica solu ca o que otimize cada um dos objetivos e sim um conjunto de solu co es ecientes. Por exemplo, e comum pol ticos prometerem reduzir a d vida nacional, e ao mesmo tempo oferecer a redu c ao da carga tribut aria. Em tais situa co es, geralmente, n ao e poss vel obter uma u nica solu ca o para otimizar dois objetivos conitantes.

3.1

Problema de otimiza c ao multiobjetivo

Um problema de otimiza ca o multiobjetivo, geralmente, consiste em achar um vetor de vari aveis de decis ao tal que os elementos representam as fun co es objetivos. Estas fun c oes descrevem matematicamente os crit erios de otimalidade que, usualmente, est ao em conito. Desta forma, o termo otimizarn ao se refere a encontrar a melhor solu ca o de cada meta e sim a obten ca o de solu co es que n ao podem ser melhoradas conjuntamente. Formalmente, podemos denir da seguinte maneira: min/max f (x) = (f1 (x), f2 (x), . . . , fo (x)) sujeito a: g (x) = (g1 (x), g2 (x), g3 (x), ..., gr (x)) b x = (x1 , x2 , x3 , ..., xn ) X z = (z1 , z2 , z3 , ..., zn ) Z 2 (2) (3) (4) (1)

Considerando que x e o vetor de decis ao, o e o n umero de objetivos, z e o vetor objetivo, X representa o espa co de decis oes e z = f (x) e a imagem de X denotada espa co objetivo. As restri co es g (x) b, em que b R e o espa co X representam o conjunto das solu co es fact veis ou vi aveis X = {x X |g (x) b}. Desta forma, o problema multiobjetivo pode ser resumido assim: min/max z = f (x) = (f1 (x), f2 (x), ..., fo (x)) x X (5) (6)

sujeito a:

O espa co objetivo fact vel denotado por Z = f (X ) ={f (x)|x X } ea imagem de X . Na otimiza c ao mono-objetivo o espa co solu ca o fact vel e completamente ordenado, ou seja, para quaisquer x, y X e sempre verdade f (x) f (y ) ou f (x) f (y ). Entretanto, na otimiza c ao multiobjetivo em que h a v arios objetivos conitantes, n ao h a uma solu c ao que seja otima em rela ca o a todos os objetivos. Um exemplo e um problema onde deve-se maximizar todas as suas fun co es, mas maximizar um objetivo pode acarretar a diminui ca o de outros objetivos. Neste caso, geralmente o espa co objetivo n ao e completamente ordenado, mas parcialmente ordenado. Para quaisquer dois vetores de decis ao {x, y X }, h a tr es casos segundo a rela c ao de prefer encia : [f (x) f (y )] ou [f (x) f (y )] ou [f (x) . Desta forma, surge o conceito de domin ancia dentro das solu co es X fact veis. Para quaisquer duas solu co es x, y X diz-se que: 1. x domina y se a imagem de x domina a imagem de y , isto e, f (x) f (y )ef (x) = f (y ). 2. x e indiferente com y se f (x) f (y ) e f (y ) f (x). f (y ) e f (y ) f (x)]

O conjunto de solu co es dominantes do espa co fact vel e chamado conjunto Pareto- otimo, sendo estas solu co es tamb em conhecidas como solu co es ecientes ou conjunto admiss vel do problema. (Fonseca e Fleming 1995). Isto implica na deni c ao de domin ancia nos vetores objetivos. Por deni ca o, um vetor z e Pareto- otimo se n ao h a nenhum outro vetor vi avel z que possa melhorar um objetivo sem piorar ao menos um outro objetivo. Para um problema de minimiza ca o, temos: 3

 z domina z se, e somente se, zj zj , j e zj < zj para algum j .

z e z s ao indiferentes, ou t em o mesmo grau de domin ancia se, e somente se, nenhuma solu ca o e dominada pela outra. No u ltimo caso, n ao se pode concluir que uma solu ca o e melhor que a outra sem se incluir prefer encia em rela c ao aos objetivos.

Programa c ao por Metas

Apresentaremos a seguir o m etodo de programa c ao por metas para resolu ca o de problemas de otimiza ca o multiobjetivo. O maior desao da otimiza c ao multiobjetivo e encontrar solu c oes que otimizem simultaneamente todos os objetivos, dada a exist encia de objetivos conitantes. A Programa c ao por Metas foi desenvolvida por Charnes; Cooper (1962) e e um m etodo de Programa ca o Multiobjetivo que procura uma solu ca o geral que atenda o maior n umero poss vel de objetivos.(TAMIZ; JONES; ROMERO, 1998) Os problemas que utilizam essa metodologia tamb em s ao conhecidos por goal programming e existem dois m etodos mais utilizados segundo Arenales (2007): m etodo dos pesos e m etodo hier arquico. Ambos baseiam-se em uma estrat egia de transformar multiplos objetivos em apenas um.

4.1

O M etodo dos Pesos

O m etodo de pesos procura formar uma u nica fun ca o objetivo que consista na soma ponderada das metas (objetivos). Neste m etodo, cada objetivo recebe um peso de acordo com sua prioridade. Dessa forma, suponha um modelo de programa ca o por metas com n objetivos e que o i- esimo seja: Gi , i = 1, 2, ..., n Assim, utilizando o m etodo dos pesos, temos: min z = w1 G1 + w2 G2 + ... + wn Gn Os par ametros wi , i = 1, 2, ..., n, s ao pesos positivos que descrevem a prefer encia do decisor no que diz respeito a cada meta. Por exemplo, se wi = 1 i, signica que todas as metas tem pesos iguais, ou seja, nenhuma meta tem prefer encia sobre outra.(TAHA, 2007)

4.2

O M etodo Hier arquico

No m etodo hier arquico, o decisor deve classicar as metas do problema em ordem de import ancia. Este m etodo otimiza as metas uma por vez iniciando com a meta de prioridade mais alta e terminando com a de prioridade mais baixa sem nunca degradar a qualidade da meta de maior prioridade. min/max G1 = 1 (Prioridade mais alta) . . . min/max Gn = n (Prioridade mais baixa) A vari avel i e a componente das vari aveis que representa a meta i. Ap os encontrar a solu ca o para a meta de maior prioridade, esta solu c ao e incorporada no pr oximo modelo(etapa) como restri c ao, o que garante que esta solu ca o n ao ser a degradada. Esse processo e repetido para todas as metas. Na se c ao seguinte dois exemplos ser ao utilizados para mostrar a aplica c ao dos dois m etodos, sendo o segundo exemplo um problema real, o problema de programa ca o de hor arios do coluni. (TAHA, 2007)

Aplica c ao de programa c ao por metas

Para ilustrar a aplica c ao da metodologia de programa ca o por metas, utilizaremos dois exemplos de problemas que podem ser resolvidos pelos m etodos anteriormente descritos.

5.1

Otimiza c ao do tempo de propaganda no r adio e na televis ao

(TAHA, 2007) Considere que a ag encia de propaganda TopAd, com dez empregados, assinou um contrato para promover um novo produto. A TopAd pode fazer seus an uncios pelo r adio e pela televis ao. Sabendo que por minuto de propaganda, o r adio atinge 4 milh oes de pessoas, com custo de 8 mil d olares e designa apenas um empregado para a tarefa. Enquanto a televis ao atinge 8 milh oes de pessoas, custa 24 mil d olares e designa 2 empregados para a tarefa. Consta no contrato da TopAd a proibi c ao de usar mais do que seis minutos de propaganda pelo r adio. Al em disso, juntas as propaganda de r adio e televis ao devem alcan car no m nimo 45 milh oes de pessoas. A meta de verba destinada ao projeto e 100 mil d olares. Quantos minutos de propaganda devem ser destinados ao r adio e a televis ao? 5

Tome x1 e x2 os minutos alocados aos an uncios por r adio e televis ao, + respectivamente. Temos a seguinte formula ca o de metas em que x e x s 3 4 ao as vari aveis de folga, ou seja, vari aveis que medem a falta ou o excesso de um determinado recurso que se deseja otimizar. min G1 = x c ao) 3 (cumprir meta de exposi + min G2 = x4 (cumprir meta de verba) sujeito a 4x1 + 8x2 x 3 + 8x1 + 24x2 + x4 x1 + 2x2 x1 x1 , x2 , x3 , x+ 4 = = 45 100 10 6 0

decidido pela ger E encia da ag encia que a meta de exposi c ao e duas vezes mais importante que a meta de verba. O que caracteria o m etodo dos pesos. Portanto a fun ca o objetivo combinada passa a ser:
+ min z = 2G1 + G2 = 2x 3 + x4

A solu ca o otima e z = 10; x1 = 5 minutos; x2 = 2, 5 minutos; x 3 = 5 milh oes de pessoas. Todas as demais vari aveis iguais a zero. O fato de z n ao ser igual a zero, signica que pelo menos uma meta n ao foi cumprida. Perceba que x = 5 indica que faltam 5 milh o es de pessoas para alcan car a 3 meta de 45 milh oes. Por em, a meta de verba de 100 mil d olares n ao e violada + pois x4 = 0.

Abordando o problema pelo m etodo hier arquico, sabemos que G1 tem prioridade sobre G2 , assim: G1 = 1 G2 = 2 min G1 = x c ao) 3 (cumprir meta de exposi + min G2 = x4 (cumprir meta de verba)

Dessa forma, podemos tomar dois problemas sendo: problema 1 - cumprir meta de exposi ca o e problema 2 - cumprir meta de verba. Etapa 1. Cumprir meta de exposi ca o. min G1 = x 3 sujeito a 4x1 + 8x2 x 3 + 8x1 + 24x2 + x4 x1 + 2x2 x1 x1 , x2 , x3 , x+ 4 = = 45 100 10 6 0

A solu ca o otima encontrada e x1 = 5 minutos; x2 = 2, 5 minutos; x 3 = 5 milh oes de pessoas com as demais vari aveis iguais a zero. A solu c ao indica que faltam 5 milh oes de pessoas para o cumprimento da meta de exposi c ao, G1 . Ent ao, o problema 2 recebe uma nova restri c ao que e x3 = 5, ou equi valentemente x3 5. Etapa 2. Cumprir meta de verba sujeito a meta de exibi c ao: min G2 = x+ 4 Sendo esta sujeita ao mesmo conjunto de restri c oes da etapa 1 acrescida da restri ca o adicional x3 = 5. Note que n ao e necess ario otimizar G2 , uma vez que a solu c ao otima do problema G1 fornece x+ = 0. Consequentemente 4 a solu ca o de problema 1 e automaticamente solu ca o do problema 2. A restri ca o adicional x = 5 pode ser incorporada na primeira restri c ao, 3 alterando o lado direito da restri ca o de 45 para 40, resultando no seguinte problema 2:

min G2 = x+ 4

sujeito a 4x1 + 8x2 8x1 + 24x2 + x+ 4 x1 + 2x2 x1 x1 , x2 , x3 , x+ 4 = = 40 100 10 6 0

Deixando a nova formula ca o com uma vari avel a menos que a formula c ao da etapa anterior. Perceba que a programa ca o por metas d a apenas uma solu ca o eciente, mas n ao otima para o problema. Um exemplo e tomar a solu c ao x1 = 6 e x2 = 2, encontramos a mesma exibi ca o (4 6 + 8 2 = 40 milh oes de pessoas), por em tem custo menor (8 6 + 24 2 = 96 mil d olares). Portanto, a programa c ao de metas simplesmente busca uma solu ca o que cumpra todas as metas do modelo, n ao levando em conta a otimiza ca o de todas. Esta limita c ao leva a questionamentos sobre a viabilidade da programa ca o de metas como um m etodo de otimiza c ao.

5.2

Programa c ao de exames do COLUNI

No Col egio de Aplica ca o - COLUNI, localizado na Universidade Federal de Vi cosa, anualmente e elaborada sua grade de avalia co es. S ao 8 per odos de avalia co es durante o ano, sendo que em cada um deles as provas acontecem aproximadamente durante 6 dias. Todas as turmas prestam o exame ao mesmo tempo e das mesmas disciplinas, sendo no m aximo duas por dia. Deseja-se alocar os pares de disciplinas para cada um dos dias de cada per odo, devendo-se respeitar duas restri co es: 1. Se uma disciplina foi alocada para o primeiro ou u ltimo dia da semana, ela n ao deve ser mais alocada respectivamente para esses dias nos outros per odos. Isto e feito para evitar que um mesmo professor seja o u ltimo a corrigir a prova. 2. As disciplinas s ao divididas em 4 grupos diferentes. Para um mesmo dia, disciplinas pertencentes ao mesmo grupo n ao devem ser alocadas. Os grupos s ao: 2.1 Matem atica e F sica 8

2.2 Biologia e Qu mica 2.3 Portugu es, Ingl es e Espanhol 2.4 Hist oria, Geograa, Filosoa e Sociologia As vari aveis de decis ao s ao denidas da seguinte forma: { 1, se haver a prova da disciplina i no dia d do per odo t xidt = 0, caso contr ario As disciplinas e seus respectivos ndices i s ao: i Disciplina 0 Filosoa 1 Sociologia 2 Ingl es 3 Espanhol 4 Biologia 5 Portugu es 6 Historia 7 Geograa 8 Qu mica 9 Matem atica 10 F sica Considerando 8 per odos, 6 dias diaspon veis para aplica c ao de prova e que podem ocorrer no m aximo duas provas por dia, o modelo para este problema

 e:
10 i=0 6

xidt 2, xidt = 1, xi1t 1 xi6t 1

d, t i, t i i d, t d, t d, t d, t

(7) (8)

d=1 8 t=1 8 t=1

(9) (10) (11) (12) (13) (14) (15)

x9dt + x10dt 1 x4dt + x8dt 1 x2dt + x3dt + x5dt 1 x0dt + x1dt + x6dt + x7dt 1 xidt {0, 1}

A restri ca o 7 impede que mais de 2 avalia co es sejam alocadas para um mesmo dia d de um mesmo per odo t. A restri c ao 8 garante que a avalia ca o da disciplina i aconte ca uma e somente uma vez em algum dos dias d do per odo t. A restri ca o 9 pro be que uma disciplina i seja alocada mais de uma vez para o primeiro dia de cada per odo e a 10 faz o mesmo, no entanto para o u ltimo dia de cada per odo. As restri c oes 11, 12, 13 e 14 s ao para n ao alocar para um mesmo dia d de um mesmo per odo t as disciplinas de mesmos grupos. A vari avel xidt e bin aria. Resolvendo este problema no software CPLEX, ap os ser feita a implementa c ao utilizando a linguagem C++, percebe-se que n ao h a solu c ao. Portanto, podemos recorrer ` a programa ca o por metas para encontrar a melhor solu ca o para este problema. E denido que e mais importante que disciplinas de mesmo grupo n ao sejam alocadas juntas do que repeti co es de provas de disciplinas nos primeiros ou u ltimos dias de cada per odo. Esta e uma decis ao tomada com base na ideia de que os alunos s ao mais prejudicados quando se h a provas do mesmo grupo no mesmo dia. Quando h a repeti co es nos primeiros ou u ltimos dias, o professor ca prejudicado. No entanto, de um modo geral, o impacto e vi considerado muito menor. E avel denir tamb em que a repeti ca o, caso aconte ca, seja prioritariamente nos primeiros dias do que nos u ltimos, visto que a repeti ca o para um professor nos u ltimos dias e muito pior do que nos primeiros. 10

S ao denidas ent ao as vari aveis positivas w+ , v + e u+ . A vari avel w+ + representar a a viola ca o da restri c ao 9 e a vari avel v representar a a viola c ao da restri c ao 10, ou seja, quantas vezes uma disciplina i foi alocada repetidamente para o primeiro ou u ltimo dia de cada per odo. A vari avel u+ representa a viola c ao das restri c oes de grupos. Utilizando o m etodo dos pesos, teremos as tr es fun c oes-objetivo f1 (w+ ), f2 (v + ) + e f3 (u ) e seus respectivos pesos p1 = 1, p2 = 10 e p3 = 100. Os pesos foram colocados em fun c ao das prioridades tomadas, buscando-se, portanto, minimizar em ordem as vari aveis u+ , v + , w+ . As fun c oes f1 , f2 e f3 s ao denidas como: f1 = w + f2 = v + f3 = u + O novo modelo, portanto, e o seguinte: min f1 (w+ ) + 10f2 (v + ) + 100f3 (u+ )
10 i=0 6 d=1 8

(16) (17) (18)

(19) d, t i, t i i d, t d, t d, t d, t (20) (21)

xidt 2, xidt = 1,

xi1t 1 + w+ xi6t 1 + v +

(22) (23) (24) (25) (26) (27) (28) (29)

t=1 8 t=1

x9dt + x10dt 1 + u+ x4dt + x8dt 1 + u+ x2dt + x3dt + x5dt 1 + u+ x0dt + x1dt + x6dt + x7dt 1 + u+ xidt {0, 1} + + w , v , u+ Z+

11

Resolvendo o novo modelo, encontra-se: w+ = 1 v+ = 0 u+ = 0 (30) (31) (32)

Vemos que nenhuma disciplina de mesmo grupo foi alocada para o mesmo dia e n ao houve repeti ca o nos u ltimos dias. As repeti co es aconteceram nos primeiros dias, sendo no m aximo uma vez por disciplina. A solu c ao encontrada foi:

12

P1 P2 P3 P4 P5 P6 P7 P8

D2 D3 Geograa Ingl es Qu mica Hist oria Espanhol Hist oria Sociologia Matem atica F sica Portugu es Portugu es Matem atica Espanhol Geograa Qu mica Ingl es Geograa Biologia Qu mica F sica Hist oria Ingl es Sociologia Qu mica F sica Matem atica Sociologia Filosoa Biologia F sica Matem atica Portugu es Filosoa Biologia Geograa Qu mica Portugu es F sica Geograa Qu mica Sociologia F sica Matem atica Espanhol D4 Filosoa Matem atica Biologia Geograa Hist oria F sica Sociologia Espanhol Filosoa Espanhol Geograa Qu mica Espanhol Matem atica Biologia Hist oria D5 Sociologia Espanhol Filosoa Ingl es Filosoa Ingl es Portugu es Hist oria Biologia Portugu es Ingl es Hist oria Sociologia Ingl es Filosoa Portugu es D6 Portugu es F sica Qu mica Sociologia Biologia Filosoa Matem atica Geograa Espanhol Hist oria Ingl es

D1 Biologia

P1 P2 P3 P4 P5 P6 P7 P8

As repeti co es nos primeiros dias, conforme pode ser visto na primeira coluna D1, s ao das disciplinas F sica, Geograa e Qu mica, sendo uma vez cada.

13

Metodologia
I. Estudar Programa ca o Multiobjetivo, suas deni c oes, classica co es dos m etodos de resolu ca o e alguns dos mesmos.

II. Apresentar o estudo no Simp osio de Integra c ao Acad emica - UFV, com foco em programa c ao por metas. III. Aplicar os estudos realizados para propor uma solu c ao ao problema de programa c ao de hor arios de exames no COLUNI.

Cronograma

A as a co es dos itens I-III estar ao distribu das no tempo de acordo com o seguinte cronograma: A c ao/M es 07/13 08/13 09/13 10/13 11/13 12/13 I X X II X III X X X X

14

Refer encias Bibliogr acas

ARROYO, J. E. C. Heur stica e Metaheur stica para otimiza c ao combinat oria multiobjetivo [tese doutorado] Campinas - SP: Universidade Estadual de Campinas. 2002. ARENALES. M.; ARMENTANO, V.; MORABITO, R. E YANASSE, H. (2007). Pesquisa operacional para cursos de engenharia . Editora Campus. Rio de Janeiro. COLUNI: Col egio de Aplica c ao. Vi cosa, 2013. Dispon vel em: <http://www.coluni.ufv.br/?area=sobre>. Acesso em: 30 julho. 2013. C. A. Coello Coello, D. A. Van Veldhuizen e Lamont, G. B. (2002) Evolutionary algorithms for solving multi-objective problems. [Relat orio t ecnico], Kluwer Academic Publishers. CHARNES, A.; COOPER, W. W.(1962). Programming with linear fractional functional. Naval Research Logistics Quarterly, vol.9, n.3 e 4,181-185. IBM ILOG. CPLEX 12.1 Users Manual. 2009. JAMALNIA, A. e SOUKHAKIAN, M. A.(2009). A hybrid fuzzy goal programming approach with dierent goal priorities to aggregate production planning. Computers e Industrial Engineering. vol. 56, n. 4,1474-1486. PANTUZA J unior, G. M etodos de otimiza c ao multiobjetivo e de simula c ao aplicados ao problema de planejamento operacional de lavra em minas a c eu aberto [disserta ca o] Ouro Preto - MG: Escola de Minas da Universidade Federal de Ouro Preto. 2011. TAHA, H. A. Pesquisa Operacional 8o Edi c ao. S ao Paulo. 2007. 149 155. TAMIZ, M; JONES, D.;e ROMERO, C. (1998). Goal programming for decision making: An overview of the current state-of-the-art. European Journal of Operational Research.vol.111, n.3, 569-581. UR IA, M. V. R.; CABALLERO, R.; RUIZ, F.; ROMERO, C.(2002). Metagoal programming. European Journal of Operational Research, vol. 136, n.2, 422-429. 15

ZITZLER, E. (2002) Evolutionary algorithms for multiobjective optimization: methods and applications. [PhD thesis], Federal Institute of Technology Zurich, Zurich, Swiss, (1999).

16