School Timetabling Problem

Slides:



Advertisements
Apresentações semelhantes
TRABALHANDO COM MAIS DE UMA EQUAÇÃO
Advertisements

Programação de Horário em Escolas
Algoritmos Genéticos Alex F. V. Machado. Algoritmos Genéticos Quanto melhor um indivíduo se adaptar ao seu meio ambiente, maior será sua chance de sobreviver.
MESTRADO PROFISSIONALIZANTE EM ENSINO DE FÍSICA E DE MATEMÁTICA
Atividade com o Winplot
OTIMIZAÇÃO DO PROJETO DE REDES URBANAS BASEADO NO PROBLEMA DE STEINER
INTRODUÇÃO À EDUCAÇÃO AMBIENTAL
Conceitos e algoritmos
APLICAÇÃO DO JOGO MATEMÁTICO ‘PERMUTAÇÃO USANDO CORES’
Algoritmos Genéticos Alex F. V. Machado.
Ray Tracer Distribuído
GRASP Greedy Randomized Adaptative Search Procedure
Reorientação curricular
Implementação de AG no Balanceamento Interativo de Linhas de Montagem
Dárlinton B. Feres Carvalho
INTELIGÊNCIA COMPUTACIONAL PARA OTIMIZAÇÃO
Colônia de Formigas (Ant Colony Optimization)
São João del-Rei, 23 a 26 de novembro de 2004
Alocação de Salas Via Simulated Annealing
Algoritmos Genéticos Marcone Jamilson Freitas Souza
Busca Tabu - Revisão Marcone Jamilson Freitas Souza
Introdução à Otimização
Otimização de Funções Contínuas via Algoritmos Genéticos Adaptado do trabalho realizado por: Frederico Heitor Mônica do Amaral.
Inteligência Computacional para Otimização Marcone Jamilson Freitas Souza Departamento de Computação Universidade Federal de Ouro Preto
Otimização de Funções Contínuas via Algoritmos Genéticos
Maximização de Funções usando Simulated Annealing
Simulated Annealing (SA) Aplicado ao Problema
Maximização de Funções Simulated Annealing
XXXV SBPO - PROGRAMAÇÃO DE TRIPULAÇÕES DE ÔNIBUS URBANO:
Inteligência Computacional para Otimização
Inteligência Computacional para Otimização
Busca Tabu Marcone Jamilson Freitas Souza Departamento de Computação
Metodologia Científica Aula 6
Unidade 6: Equações Do 2º Grau a uma incógnita.
Thales Eduardo Nazatto
Apresentação da disciplina
EXPLORANDO OS CONCEITOS DE TRIGONOMETRIA
Meta - heurísticas Prof. Aurora
Otimização Prof. Benedito C. Silva IRN UNIFEI
Prof. Rita de Cássia S. Eger -
CÁLCULO NUMÉRICO Introdução Prof. Esp. Geonir Paulo Schnorr
Aurora Pozo– UFPR – Meta-Heurísticas
Professora: Ana Cristina G. e Silva Natal-RN
Sandra Escovedo Selles Fac. de Educação da UFF – SBEnBio
UNIVERSIDADE FEDERAL DA BAHIA FACULDADE DE EDUCAÇÃO
O Currículo e a Organização do Ensino de Matemática
Objeto de Aprendizagem
ATIVIDADES DE MATEMÁTICA FINANCEIRA
O PLANEJAMENTO DA AÇÃO DIDÁTICA
O PROBLEMA DE SCHEDULING EM JOB-SHOP
Apresentação do Curso de Ciência da Computação
AMPLIANDO O CONHECIMENTO MATEMÁTICO ATRAVÉS DE JOGOS
Complexidade computacional
O QUE VOCÊ ENTENDE POR “ATIVIDADE DIVERSIFICADA”?
Título do Trabalho: Feira de Educação em Saúde do Centro de Formação de Pessoal para os serviços de Saúde - CEFOPE/RN: Uma alternativa na construção da.
Populações Ecológicas
O PROBLEMA DE SCHEDULING EM JOB-SHOP
Inteligência Artificial
Método Simplex Tópicos em Otimização
Matemática e suas Tecnologias – Matemática
Fábrica de Software III Vivianne da Nóbrega Medeiros Gerente de Projetos.
Projeto de um Algoritmo Genético Híbrido para Planejamento Operacional de Curto Prazo de Minerações a Céu Aberto Robert Fabricio Subtil.
Inteligência Artificial
GENÉTICA DE POPULAÇÕES
Computação Evolutiva Nome dado ao estudo de algoritmos cuja inspiração é o processo de evolução natural das espécies. Origem: trabalho de um pesquisador.
Taís Sineiro Herig Laboratório de Genômica e Expressão / UNICAMP
MATEMÁTICA E SUAS TECNOLOGIAS
PIBID-TEATRO/UFRN: PROBLEMATIZANDO O PLANEJAMENTO PEDAGÓGICO DO ENSINO DE TEATRO Introdução: O ensino de qualquer que seja a disciplina deve estar relacionado.
Título do Trabalho: A prendizagem de números complexos como entes geométricos. (PUIC). Área: Ciências Matemáticas e Naturais. Professor Orientador: Msc.
Genética de populações
Transcrição da apresentação:

School Timetabling Problem Grupo: Romney Nunes Moreira Tiago Souza de Oliveira

Sumário Introdução Modelo Matemático do Problema Apresentação do Algoritmo Programação Genético Exemplo Didático Conclusão Referencias Bibliográficas

Introdução O problema diz respeito à distribuição de aulas, com horários previamente estabelecidos, a salas, respeitando-se um conjunto de restrições de várias naturezas; Em função a tal situação, uma atenção especial vem sendo dada à automação deste problema;

Introdução Logo, o problema é tratado através de técnicas heurísticas; Dentre as metaheuríticas mais utilizadas, as que mais vem tendo sucesso com os problemas de programação de horários, podemos citar: Simulated Annealing, Busca Tabu, Programação Genética;

Modelo Matemático Nesse caso, dik é a conveniência de se ter uma aula do curso i no período k. Como o problema já é um NP- Completo, pré-associações e indisponibilidades não o tornam mais complexo;

Modelo Matemático O problema do quadro de horários de curso é apresentado matematicamente considerando-se que existem C cursos, dados por c1, c2, ..., cc.. Cada curso ci consiste de k aulas. Há um conjunto de r currículos, dados por S1, S2,...,Sr, formados por cursos com estudantes em comum. Infere-se, então, que os cursos pertencentes ao currículo Si não podem ter suas aulas agendadas para o mesmo período. Tem-se h períodos e ak é o número máximo de aulas que podem ser agendadas para o período hi, ou seja, o número de salas disponíveis para aquele período.Segue-se, então, a seguinte formulação;

Modelo Matemático

Apresentação do Algoritmo O Algoritmos Genéticos é um algoritmos baseados nos mecanismos de seleção natural e da genética [Goldberg, 1989].

Apresentação do Algoritmo Gerar a população inicial de forma aleatória. Calcular o grau de adaptação de cada individuo. Gerar um nova população. Feita essa nova geração, o algoritmo substituir a população antiga pela nova população. Na seqüência faz a verificação dessa nova população, observando as restrições das condições de parada.

Apresentação do Algoritmo

Quadro de Horários gerado aleatoriamente Exemplo Didático Quadro de Horários gerado aleatoriamente Segunda Terça Quarta Quinta Sexta Horário 1 SD POO I IA AED Horário 2 TIL

Exemplo Didático Horário inicial depois de calculado o grau de adptação Segunda Terça Quarta Quinta Sexta Horário 1 SD POO I IA AED Horário 2 TIL Novo quatro de Horários Segunda Terça Quarta Quinta Sexta Horário 1 SD AED POO I IA Horário 2 TIL

Conclusão O School Timetabling Problem além de ser utilizado em instituições de ensino pode ser utilizado em várias outras aplicações. Os Algoritmos: Algoritmo Genético, Busca Tabu e o Simulated Annealing (Recozimento Simulado), são os que atualmente oferecem uma melhor solução para o problema.

Conclusão Os resultados podem ser ou não as soluções ótimas. E grande dificuldade de implementação esse problema esta relacionado aos diversos sistemas de ensino.

Referências COSTA, Eduardo.O; BRUNA, Marlonn. D; Resolução de “Timetabling” utilizando Evolução Cooperativa. Disponível em: http://www.sbc.org.br/reic/edicoes/2003e1/cientificos/ResolucaoDeTimetablingUtilizandoEvolucao Cooperativa.pdf Acessado em 02 novembro, 2007. OLIVEIRA José.A.;  PINHEIRO Plácido.R; Um Ambiente na WWW de Construção de Tabela de Horário de Professores Aplicado às Escolas de Ensino Médio Estadual. Disponível em: <http://www.ip.pbh.gov.br/ANO5_N2_PDF/ip0502oliveira.pdf>. Acessado em 01 novembro, 2007. XAVIER, Alexandre M; ARAÚJO, Cássio R; COSTA, Francisco W; Método de Pesquisa em Vizinhança Variável aplicado ao Problema de Alocação de Salas. Disponível em: < http://www.decom.ufop.br/prof/marcone/Publicacoes/ENEGEP-2002-PAS.pdf>. Acessado em 01 novembro, 2007. XAVIER, Alexandre M; ARAÚJO, Cássio R; SOUZA,Francisco J; Método de Pesquisa em Vizinhança Variável aplicado ao Problema de Alocação de Salas. Disponível em: < http://www.decom.ufop.br/prof/marcone/Publicacoes/SBPO-2002-PAS-TC0106.pdf>. Acessado em 01 novembro, 2007.

School Timetabling Problem Grupo: Romney Nunes Moreira <romneymoreira@gmail.com> Tiago Souza de Oliveira < tiago@kpixaba.com.br >