|
UNIVERSIDADE FEDERAL DE UBERLÂNDIA Av. João Naves de Ávila, 2121 - Bairro Santa Mônica, Uberlândia-MG, CEP 38400-902 |
|
Plano de Ensino
IDENTIFICAÇÃO
Componente Curricular: |
Otimização e Simulação |
||||||||
Unidade Ofertante: |
Faculdade de Engenharia Elétrica (FEELT) |
||||||||
Código: |
FEELT31723 |
Período/Série: |
7º |
Turma: |
C |
||||
Carga Horária: |
Natureza: |
||||||||
Teórica: |
30h |
Prática: |
15h |
Total: |
45h |
Obrigatória: |
Optativa: |
||
Professor(A): |
Igor Santos Peretta |
Ano/Semestre: |
2023-1 |
||||||
Observações: |
EMENTA
Princípios de pesquisa operacional. Principais métodos de otimização com vantagens e limitações. Otimização combinatória e programação linear. Métodos estocásticos para otimização de sistemas. Análise e construção de simulações de Monte Carlo.
JUSTIFICATIVA
O estudo de técnicas para implementar simulações e métodos de otimização é uma importante competência para engenheiros da computação. Esse curso se alinha com as fundamentações e teorias necessárias para isso.
OBJETIVO
Objetivo Geral: |
Ao final do curso, o aluno deverá ser capaz de reconhecer, analisar, manipular e aplicar alguns dos algoritmos mais importantes de simulação e de otimização. |
Objetivos Específicos: |
Apresentar aos alunos: • Vantagens e desvantagens de métodos populares para otimização de sistemas • Métodos populares para otimização estocástica • Princípios teóricos e considerações subjacentes à otimização e à simulação de Monte Carlo, assim como as implicações de suas implementações práticas • Base do modelamento matemático e as ligações com a simulação de Monte Carlo Possibilitar com que os alunos: • Reconheçam situações nas quais técnicas de otimização estocástica beneficiam ou são necessárias • Utilizem métodos do estado da arte para usar simulações de Monte Carlo a fim de melhorar o desempenho de sistemas reais Ao final do curso o aluno poderá aplicar os conhecimentos e técnicas adquiridos em áreas onde a otimização estocástica e as estratégias baseadas em simulação estão emergindo como indispensáveis.
|
PROGRAMA
Revisão de Cálculo Numérico
Aug, 3 QUI Apresentação do curso; Ponto flutuante (IEEE754) e exemplos, épsilon de máquina; funções contínuas e discretas
Aug, 10 QUI Zeros de funções: método de Newton-Raphson; Álgebra matricial; Sistemas de equações lineares: inversa e pseudo-inversa
Aug, 17 QUI Ajuste de Curvas: método dos quadrados mínimos (linear e não-linear; coeficiente de correlação); Interpolação polinomial
Aug, 24 QUI Diferenciação e Integração numéricas: métodos para funções contínuas e discretas; Equações Diferenciais Ordinárias e Parciais
Aug, 31 QUI Feriado
Sep, 4 QUI (SEG) Reposição - Aleatoriedade; Algoritmos de Geração de Números Pseudo-Aleatórios; Probabilidades; Cálculo de PI por Monte Carlo; Transformada de Box-Muller
Sep, 7 QUI Feriado
Simulação
Sep, 14 QUI Simulação Determinística: canhão, pêndulo duplo (sistema caótico determinístico)
Sep, 21 QUI Diferenças Finitas
Sep, 28 QUI Simulação Estocástica: passeio aleatório; Ruína do Jogador
Oct, 5 QUI Markov chain Monte Carlo (MCMC)
Oct, 10 QUI (TER) Reposição - Simulação de variáveis aleatórias: Wiener (movimento Browniano), Wiener generalizado, Itô, Movimento Geométrico Browniano, Modelo Aritmético de Reversão à Média, Modelo Geométrico de Reversão à Média; Teste para determinação da validade do processo estocástico
Oct, 12 QUI Feriado
Otimização
Oct, 19 QUI Otimização Determinística: Gradiente Descendente
Oct, 26 QUI Pesquisa Operacional, Programação Linear, Algoritmo Simplex
Nov, 2 QUI Feriado
Nov, 3 QUI (SEX) Reposição - Otimização Discreta: problema da mochila, cobertura de conjuntos, problema do caixeiro viajante
Nov, 9 QUI Heurísticas de Otimização: Recozimento Simulado
Nov, 16 QUI Heurísticas de Otimização: Algoritmos Genéticos
Encerramento/Recuperação
Nov, 23 QUI Preparação do projeto pelos alunos
Nov, 30 QUI Apresentação do projeto final pelos alunos
Dec, 3 a Dec, 7 SEG a QUI Recuperação: Semana de apresentação de esforço discente no semestre, com possibilidade de apresentação de projetos
METODOLOGIA
A carga horária total da disciplina é de 45 horas, ou seja, 54 horas-aula. Entretanto, de acordo com o cronograma apresentado estão previstas apenas 45 horas-aula. As 9 horas-aula restantes serão realizadas por meio de atividades assíncronas com o intuito de produção dos Projeto em Simulação e em Otimização.
Sobre a metodologia
Aulas expositivas dialogadas com demonstrações práticas, diagramas e codificação-exemplo, acompanhadas de indicação para materiais de apoio.
Os materiais de referência e de apoio, assim como links relevantes, avaliações e repositório de materiais complementares, serão disponibilizados com o suporte do Moodle da UFU.
AVALIAÇÃO
Entrega de pequenos projetos a cada tópico abordado (avaliação continuada) / 20% da nota final
02 (dois) projetos maiores, um no meio (Simulação) e outro ao final do curso (Otimização) / 40% da nota final para cada projeto (80% total)
ATIVIDADE DE RECUPERAÇÃO (REC): [Dec, 3 a Dec, 7] Aceite da entrega de trabalhos atrasados com 10% de desconto na nota dos trabalhos entregues até o final do semestre letivo.
BIBLIOGRAFIA
Básica
Michel Bierlaire. Optimization: principles and algorithms. EPFL Press, 2015.
ROSS, Sheldon M. Simulation. 4th ed. Amsterdam: Elsevier, c2006.
SPALL, James C. Introduction to stochastic search and optimization: estimation, simulation, and control. Hoboken: J. Wiley, c2003.
Complementar
CHONG, Edwin Kah Pin. An introduction to optimization. 2nd ed. New York: Wiley, c2001.
ESFANDIARI, Ramin S. Modeling and analysis of dynamic systems. 2nd ed. Boca Raton: CRC Press, Taylor & Francis, c2014.
HEYMAN, Daniel P. Stochastic models in operations research. Mineola: Dover Publication, 2004.
KORTE, B. H. Combinatorial optimization: theory and algorithms. 4th ed. Berlin: Springer, c2010.
SEILA, Andrew F. Applied simulation modeling. Belmont: Thomson Brooks/Cole, 2003.
STEWART, William J. Probability, Markov chains, queues, and simulation: the mathematical basis of performance modeling. Princeton: Princeton University Press, c2009.
VENKATARAMAN, P. Applied optimization with MATLAB® programming. New York: Wiley, c2002.
APROVAÇÃO
Aprovado em reunião do Colegiado realizada em: ____/____/______
Coordenação do Curso de Graduação: _________________________
Documento assinado eletronicamente por Igor Santos Peretta, Professor(a) do Magistério Superior, em 16/08/2023, às 22:06, conforme horário oficial de Brasília, com fundamento no art. 6º, § 1º, do Decreto nº 8.539, de 8 de outubro de 2015. |
A autenticidade deste documento pode ser conferida no site https://www.sei.ufu.br/sei/controlador_externo.php?acao=documento_conferir&id_orgao_acesso_externo=0, informando o código verificador 4742918 e o código CRC 8E3F9DD2. |
Referência: Processo nº 23117.054632/2023-86 | SEI nº 4742918 |