Extensão

Otimização De Planejamento (Scheduling) Por Algoritmos Genéticos E Programação Genética

Informações e Matricula

Objetivo

Otimizar é essencialmente melhorar a solução de problemas, o que pode trazer mais eficiência e rentabilidade, ou a redução de despesas, gastos e perdas em negócios, na indústria e em processos operacionais.

O curso é voltado para a solução de problemas reais de otimização de planejamento empregando Algoritmos Genéticos e Programação Genética. Essa classe de métodos de otimização, conhecida como “evolucionária”, é de fácil aplicação em problemas complexos, com grandes espaços de busca, de difícil modelagem, ou para os quais não há disponível um método eficiente. Sua aplicação é reconhecidamente flexível, permitindo a revisão da modelagem, introdução de novos objetivos e a incorporação de novas regras.

O planejamento de tarefas (scheduling) é um trabalho de resultados economicamente importantes para diversos setores produtivos, tais como: a produção em indústrias de manufatura, processos computacionais em sistemas operacionais, transporte de cargas, escala de tripulações de voos e embarque de carga em navios, coleta e distribuição de produtos, etc.

O papel do planejamento consiste em alocar tarefas ao longo do tempo que devem ser executadas utilizando um número limitado de recursos, respeitando diversas restrições (e.g. de precedência) e otimizando um ou mais objetivos. Problemas de planejamento são problemas de otimização tipicamente combinatoriais que pertencem à classe de problemas NP-hard (problemas que não podem ser resolvidos de forma não-determinística em tempo polinomial). A prática também tem demonstrado que certos tipos de problema de planejamento apresentam extrema dificuldade de modelagem e solução por técnicas convencionais para horizontes em tempo contínuo. Os modelos evolucionários, em contra partida, são de simples construção, flexíveis para aplicação em sistemas de otimização de planejamento de grandes horizontes em tempo contínuo e permitem que, a qualquer momento, durante a vida do sistema, possam ser incorporadas e/ou alteradas regras e objetivos do problema, face à evolução do setor.

Ementa

Introdução aos Algoritmos Genéticos e à Programação Genética, Problemas flow shop, job shop e com restrição de precedência; Otimização de Planejamento por Algoritmos Genéticos e Co-Evolução Cooperativa; Representação de Problemas Baseados em Ordem; Problema do Caixeiro Viajante; Otimização de Planejamentos com Restrições de Precedência, Incorporação do conhecimento no domínio do problema (regras), scheduling multicritério; Exemplos de planejamento de embarque de minério em portos e planejamento de refinaria para a produção de derivados de petróleo.

Programação do curso

Aulas com apresentação de slides do tipo PowerPoint em paralelo com abordagem "hands-on", com uso simultâneo de ambientes de programação comerciais na solução de vários exemplos práticos com aplicação em engenharias, finanças, comércio, indústria, etc.