Exams & Seminars

DEFESA DE TESE DE DOUTORADO :Bruno Ferreira Rosa

Monday, 23 October 2017 14:25

There are no translations available.

A Coordenação do Programa de Pós-Graduação Stricto Sensu em Modelagem Matemática e Computacional – PPGMMC tem o prazer de convidar a comunidade científica para a 4ª sessão pública de apresentação e defesa da Tese de Doutorado:

 

CANDIDATO (A): Bruno Ferreira Rosa

TÍTULO: “Problemas de programação de tarefas em uma máquina com janelas de conclusão e Penalidades por Antecipação e Atraso: Algoritmos e Formulações”.

BANCA EXAMINADORA Prof. Dr. Marcone Jamilson Freitas Souza (Orientador) CEFET-MG Prof. Dr. Sergio Ricardo De Souza (Coorientador) CEFET-MG Prof. Dr. Philippe Yves Paul Michelon (Coorientador) UDPV Profa. Dr.ª Débora Pretti Ronconi   USP Prof. Dr. Luiz Satoru Ochi   UFF Prof. Dr. Maurício Cardoso De Souza  UFMG Prof. Dr. Moacir Felizardo De Franca Filho CEFET-MG Profa. Dr.ª Elisangela Martins De Sá CEFET-MG Prof. Dr. Flavio Vinicius Cruzeiro Martins CEFET-MG

 

LOCAL:  Auditório do Prédio do Departamento de Eletrotécnica e Eletrônica – Prédio 19 – 2º andar, Campus II, CEFET-MG, Av. Amazonas, 7675 - Nova Gameleira DIA: 27/10/2017 – sexta-feira HORA: 09 horas

RESUMO: Este trabalho trata o problema de programação de tarefas em uma máquina com janelas de conclusão distintas e tempos de preparação da máquina dependentes da sequência de execução das tarefas, denominado SMSPETP-SDS. O objetivo é minimizar a soma ponderada das antecipações e dos atrasos na conclusão das tarefas. Em termos práticos, as penalidades por antecipação são decorrentes de custos gerados pela necessidade de estocagem, enquanto as penalidades por atraso são consequências de multas contratuais. O SMSPETP-SDS possui muitas aplicações em indústrias metalúrgicas, têxteis, químicas, entre outras. Além do grande número de aplicações, é um problema difícil de ser resolvido na otimalidade, visto pertencer à classe NP-difícil. A união entre a aplicabilidade e a dificuldade de encontrar uma solução ótima motiva o desenvolvimento de algoritmos eficientes para resolvê-lo. Apesar disso, o problema de programação de tarefas com as características consideradas neste trabalho ainda não recebeu a devida atenção. Embora existam na literatura formulações matemáticas que representam o SMSPETP-SDS, elas não são eficientes e o SMSPETP-SDS tem sido tratado somente por meio de procedimentos heurísticos que dividem o problema em dois subproblemas: determinar a melhor programação de uma dada sequência de tarefas, considerando-se a possibilidade de inserção de tempos ociosos entre a execução de tarefas consecutivas; e determinar uma sequencia de tarefas que, associada à sua programação ótima, minimize a soma das penalidades geradas pelas tarefas. Neste trabalho, o SMSPETP-SDS é tratado sob uma perspectiva ainda não considerada na literatura. Inicialmente é proposto um novo algoritmo de programação ótima de uma dada sequência de tarefas. Esse algoritmo, de complexidade O (n2), é utilizado nos algoritmos heurísticos propostos para resolver o problema de sequenciamento das tarefas. Esse algoritmo de programação ótima também é utilizado em um algoritmo exato de enumeração implícita para o caso particular com tempos de preparação da máquina independentes da sequência de execução das tarefas, denominado SMSPETP-SIS. O algoritmo de enumeração implícita proposto faz uso de resultados teóricos desenvolvidos exclusivamente para o SMSPETP-SIS. Em um segundo momento, propõem-se várias formulações matemáticas para o SMSPETP-SDS. Um horizonte de planejamento para a execução de cada tarefa é proposto a um de ser utilizado na determinação dos parâmetros de entrada dessas formulações. Por último, são propostas novas famílias de restrições válidas para as formulações baseadas em variáveis indexadas no tempo, bem como algoritmos de separação para essas famílias. Experimentos computacionais mostram que: o algoritmo de programação ótima de uma dada sequência de execução das tarefas proposto é mais rápido que o algoritmo até então utilizado para esse um; os algoritmos heurísticos propostos para o problema de sequenciamento das tarefas são melhores que dois algoritmos da literatura na maioria dos problemas-teste considerados; o algoritmo de enumeração implícita é uma boa alternativa para a resolução exata do SMSPETP-SIS; e os limites inferiores construídos com os algoritmos de separação propostos são muito melhores que as soluções das respectivas relaxações lineares das formulações matemáticas apresentadas.

PALAVRAS-CHAVE: Programação de Tarefas, Janelas de Conclusão, Preparação da Máquina, Inserção de Tempos Ociosos,  Formulações Matemáticas, Heurísticas de Separação.

 

Belo Horizonte, 23 de outubro de 2017.

 

Prof. Dr. José Geraldo Peixoto de Faria

Coordenador do Programa de Pós-Graduação Stricto Sensu em Modelagem Matemática e Computacional

 

CONVITE PARA DEFESA DE DISSERTAÇÃO :ANNA CLAUDIA ALMEIDA

Tuesday, 25 July 2017 13:15

There are no translations available.

CONVITE PARA DEFESA DE DISSERTAÇÃO

A Coordenação do Programa de Pós-Graduação em Modelagem Matemática e Computacional tem o prazer de convidar a comunidade científica para a 241ª sessão pública de apresentação e defesa da dissertação de Mestrado:

CANDIDATA: ANNA CLAUDIA ALMEIDA

TÍTULO:

Um Arcabouço de Recomendação Multimodal de Imagens Baseado em Fatores Latentes de Baixa Dimensionalidade

BANCA EXAMINADORA

TITULARES:

 

Prof. Dr. Anisio Mendes Lacerda (Orientador)

CEFET-MG

Prof. Dr. Flávio Luis Cardeal Pádua (Coorientador)

CEFET-MG

Prof. Dr. Álvaro Rodrigues Pereira Júnior

UFOP

Prof. Dr. Thiago de Souza Rodrigues

CEFET-MG

LOCAL:

Auditório do Prédio 17 - sala 401, Campus II, CEFET-MG

Av. Amazonas, 7675 - Nova Gameleira

DIA:

4 de agosto de 2017 - Sexta-feira

HORA:

9h30min

RESUMO: A popularização de dispositivos fotográficos, como smartphones e câmeras digitais, tem levado as pessoas ao hábito de registrar momentos por meio de fotos. Assim, todos os dias, uma grande quantidade de imagens são disponibilizadas em redes sociais de compartilhamento de fotos, como Flickr, Pinterest e Instagram. Esta dissertação propõe um arcabouço de recomendação de imagens, que visa ajudar os usuários a lidar com a enorme quantidade de informação disponível, por meio de uma experiência personalizada. Sistemas de Recomendação são ferramentas computacionais que auxiliam usuários a encontrar informação relevante (por exemplo: imagens, músicas, filmes) de acordo com seus interesses. Tradicionalmente, esses sistemas utilizam informação colaborativa das preferências dos usuários para sugerir itens. Porém, nem sempre essa informação está disponível. Por exemplo, quando novos itens são inseridos no sistema não existe informação de preferência dos usuários sobre eles, fato que leva à necessidade de explorar o conteúdo desses itens. Neste trabalho, o foco é explorar informação de natureza multimodal para recomendação de imagens, sendo essas representadas por meio de características (i) visuais e (ii) textuais. As características visuais são extraídas da própria imagem (ex., cor e textura), utilizando técnicas de Visão Computacional e Processamento de Imagens. Por outro lado, as características textuais são extraídas de metadados das imagens (ex., do título e da descrição), utilizando técnicas de Recuperação de Informação. Dessa forma, é possível descrever uma imagem sob diferentes dimensões. Os sistemas de recomendação estado-da-arte são baseados em informação colaborativa e descrição dos itens. Esses sistemas sofrem do problema da "maldição da dimensionalidade". As características de alta dimensão dos itens dificulta a identificação de itens similares, dado que a distribuição dos dados originais é extremamente esparsa. A fim de aliviar esse problema, propõe-se projetar a  representação dos itens de alta dimensão em um espaço de fatores latentes de dimensão inferior. O arcabouço de recomendação proposto é baseado no algoritmo Sparse Linear Methods with Side Information (SSLIM) que, por sua vez, consiste na construção de matrizes de (i) relação entre usuários e itens e de (ii) relação entre itens. O trabalho proposto é avaliado em uma base de dados real coletada do Flickr ; e comparado com técnicas do estado-da-arte. Conforme demonstrado nos experimentos, o arcabouço proposto apresenta melhora na qualidade das recomendações e fornece ganhos de 15% a 17% em termos de taxa de acertos em relação aos métodos de referência.

Palavras-chave: Sistemas de Recomendação, Representação Multimodal de Imagens, Fatores Latentes, Redução de Dimensionalidade.

Belo Horizonte, 14 de julho de 2017.

Prof. Dr. José Geraldo Peixoto de Faria

Coordenador do Programa de Pós-Graduação em

Modelagem Matemática e Computacional

 

Page 1 of 17

«StartPrev12345678910NextEnd»
Editores