Resumo em Português:

Este artigo apresenta uma nova abordagem para a resolução do problema de Fluxo de Potência Ótimo. Nesta abordagem as restrições canalizadas são tratadas pelo método de barreira logarítmica. Uma função Lagrangiana aumentada é associada ao problema modificado. As condições necessárias de primeira ordem são aplicadas gerando um sistema não-linear que é resolvido pelo método de Newton. Os multiplicadores de Lagrange associados às desigualdades são atualizados pela regra proposta por Hestenes. Testes numéricos indicam que a abordagem proposta é eficiente na resolução do problema de Fluxo de Potência Ótimo.

Resumo em Inglês:

This paper presents a new approach for solving the Optimal Power Flow problem. In this approach the bounded constraints are treated by the logarithmic barrier method. An augmented Lagrangian function is associated to the modified problem. The first order necessary conditions are applied and a nonlinear system is produced. This system is solved by Newton's method. The Lagrange multipliers of the inequality constraints are updated by the rule proposed by Hestenes. The numerical results indicate that the approach proposed is efficient for solving the Optimal Power Flow problem.

Resumo em Português:

Neste artigo consideramos um estudo experimental de alguns algoritmos aproximados para problemas de escalonamento em máquinas paralelas onde se deve minimizar o tempo de término ponderado das tarefas. Foram implementados algoritmos aproximados para os seguintes problemas: P|r j|sigmaCj, P||sigmaw jCj, P|r j|sigmaw jCj, R||sigmaw jCj and R|r j|sigmaw jC j . Foram gerados mais de 1000 testes sobre mais de 200 instâncias diferentes e com isso apresentamos aspectos práticos dos algoritmos implementados. Também fizemos um estudo experimental sobre dois limitantes inferiores baseados em formulações usadas pelos algoritmos. A primeira é uma formulação semidefinida para o problema R||sigmaw jCj e a outra é uma formulação linear para o problema R|r j|sigmaw jCj. Em todos os testes os algoritmos obtiveram resultados muito bons. Notamos que algoritmos usando técnicas mais refinadas, quando comparados com algoritmos que usam estratégias simples, não necessariamente geram soluções melhores. Também apresentamos duas heurísticas, baseadas nos algoritmos aproximados, que geram soluções de melhor qualidade em quase todas as instâncias consideradas.

Resumo em Inglês:

In this paper we consider an experimental study of approximation algorithms for scheduling problems in parallel machines minimizing the average weighted completion time. We implemented approximation algorithms for the following problems: P|r j|sigmaCj, P||sigmaw jCj, P|r j|sigmaw jCj, R||sigmaw jCj and R|r j|sigmaw jCj. We generated more than 1000 tests over more than 200 different instances and present some practical aspects of the implemented algorithms. We also made an experimental comparison on two lower bounds based on the formulations used by the algorithms. The first one is a semidefinite formulation for the problem R||sigmaw jCj and the other one is a linear formulation for the problem R|r j|sigmaw jCj. For all tests, the algorithms obtained very good results. We notice that algorithms using more refined techniques, when compared to algorithms with simple strategies, do not necessary lead to better results. We also present two heuristics, based on approximation algorithms, that generate solutions with better quality in almost all instances considered.

Resumo em Português:

Um modelo bayesiano de regressão binária é desenvolvido para predizer óbito hospitalar em pacientes acometidos por infarto agudo do miocárdio. Métodos de Monte Carlo via Cadeias de Markov (MCMC) são usados para fazer inferência e validação. Uma estratégia para construção de modelos, baseada no uso do fator de Bayes, é proposta e aspectos de validação são extensivamente discutidos neste artigo, incluindo a distribuição a posteriori para o índice de concordância e análise de resíduos. A determinação de fatores de risco, baseados em variáveis disponíveis na chegada do paciente ao hospital, é muito importante para a tomada de decisão sobre o curso do tratamento. O modelo identificado se revela fortemente confiável e acurado, com uma taxa de classificação correta de 88% e um índice de concordância de 83%.

Resumo em Inglês:

A Bayesian binary regression model is developed to predict death of patients after acute myocardial infarction (AMI). Markov Chain Monte Carlo (MCMC) methods are used to make inference and to evaluate Bayesian binary regression models. A model building strategy based on Bayes factor is proposed and aspects of model validation are extensively discussed in the paper, including the posterior distribution for the c-index and the analysis of residuals. Risk assessment, based on variables easily available within minutes of the patients' arrival at the hospital, is very important to decide the course of the treatment. The identified model reveals itself strongly reliable and accurate, with a rate of correct classification of 88% and a concordance index of 83%.

Resumo em Português:

Neste artigo apresenta-se uma extensão do modelo DEA com Ganhos de Soma Zero (DEA-GSZ) para os casos em que devido à redução de outputs (para que a soma seja constante) há a possibilidade ou a imposição de redução dos inputs utilizados. Nesses casos não há o deslocamento da fronteira como um todo, mas sim o deslocamento das DMUs pela fronteira eficiente (ou pelas camadas de iso-eficiência), o que provoca a deformação da fronteira. São apresentados os casos bidimensional e multidimensional. Para este, devido à complexidade dos algoritmos de determinação de faces do poliedro envolvente (fronteira DEA), é proposto o uso do modelo de suavização da fronteira que substitui a fronteira clássica linear por partes por uma única equação polinomial.

Resumo em Inglês:

This paper presents an extension to the Zero Sum Gains DEA model (ZSG-DEA) useful for the cases in which the output reduction (sum of the output is constant) obliges reductions in the inputs values. Instead of displacing the frontier, the DMUs move themselves along the efficient frontier (or iso-efficiency layers). The bidimensional and multidimensional cases are illustrated. For the latter case, due to the complexity of the algorithms that compute all the faces of the efficient frontier, we propose the use of the smoothed DEA frontier model.

Resumo em Português:

Sistemas baseados em redes neurais artificiais fornecem altas taxas de computação devido ao uso de um número massivo de elementos processadores simples. Redes neurais com conexões realimentadas fornecem um modelo computacional capaz de resolver uma rica classe de problemas de otimização. Este artigo apresenta uma nova abordagem para resolver problemas de otimização restrita utilizando redes neurais artificiais. Mais especificamente, uma rede de Hopfield modificada é desenvolvida cujos parâmetros internos são calculados usando a técnica de subespaço válido de soluções. A partir da obtenção destes parâmetros a rede tende a convergir aos pontos de equilíbrio que representam as possíveis soluções para o problema. Exemplos de simulação são apresentados para justificar a validade da abordagem proposta.

Resumo em Inglês:

Systems based on artificial neural networks have high computational rates due to the use of a massive number of simple processing elements and the high degree of connectivity between these elements. Neural networks with feedback connections provide a computing model capable of solving a large class of optimization problems. This paper presents a novel approach for solving constrained optimization problems using artificial neural networks. More specifically, a modified Hopfield network is developed and its internal parameters are computed using the valid-subspace technique. These parameters guarantee the convergence of the network to the equilibrium points, which represent the feasible solutions to problem. Simulated examples are presented to demonstrate the validity of the proposed method.

Resumo em Português:

Este artigo considera uma extensão de um problema hierárquico de localização de máxima cobertura, na qual as coberturas para os dois níveis de serviço oferecidos são maximizadas independentemente. Apresentamos o modelo matemático e buscamos obter uma aproximação para a fronteira eficiente do problema bi-objetivo correspondente. O modelo bi-objetivo é resolvido através do método das ponderações, utilizando-se uma heurística lagrangeana. Os resultados mostram que as soluções geradas pela mesma fornecem uma aproximação da fronteira eficiente, incluindo soluções eficientes "suportadas" e "não-suportadas".

Resumo em Inglês:

This paper addresses an extension of an hierarchical covering location problem, in which the covers for the two levels of service are maximized independently. We present the mathematical model and seek an approximation for the efficient frontier of the corresponding bi-objective problem. The bi-objective model is solved by the weighting method, through a lagrangean heuristic. The computational results show that the solutions generated by this heuristic provide an approximation of the efficient frontier, including supported and non-supported efficient solutions.

Resumo em Português:

Neste trabalho consideramos o problema combinado, que acopla os problemas de dimensionamento de lotes e de corte de estoque, incluindo uma formulação matemática deste problema. Consideramos algumas propriedades da matriz de restrições deste modelo e como construir uma base esparsa para ela, utilizando um reordenamento estático das colunas. Resultados numéricos de uma implementação que realiza trocas de colunas básicas e verifica sua esparsidade, simulando o método simplex são apresentados. Experimentos numéricos também comprovam a robustez desta abordagem. Concluímos que a proposta de construção da base estática esparsa leva a bons resultados computacionais com relação à velocidade e robustez em comparação com abordagens que não consideram a estrutura esparsa da matriz.

Resumo em Inglês:

In this work the combined problem is considered, which solves simultaneously the lot sizing and the cutting stock problems. We study some properties of the matrix of constraints and how to factorize the base without losing sparsity in the simplex method context, by a static reordering of the basic columns. Numerical results simulating simplex iterations and verify the sparsity of the factorizations are presented. Numerical experiments had also proven the robustness of this strategy. We conclude that the approach of constructing of the static sparse base reordering leads to very good computational results for both: speed and robustness, in comparison with approaches which do not consider the sparse structure of the matrix of constraints.