Académique Documents
Professionnel Documents
Culture Documents
ALEGRE
2015
Cincias
Agrrias
da
Universidade
ALEGRE
ORIENTADOR
____________________________________________
Prof. Dr. Geraldo Regis Mauri
Universidade Federal do Esprito Santo
Orientador
RESUMO
Confeccionar quadro de horrios que atendam os critrios pedaggicos das
instituies de ensino tem sido um problema normalmente solucionado de forma
artesanal, o que requer muitos dias de trabalho e o envolvimento de diversas
pessoas, em virtude dos vrios requisitos pedaggicos e institucionais a serem
considerados. Neste trabalho, pretende-se solucionar o Problema de Programao
de Horrios de Disciplinas em Universidades (PPHDU) existente no Centro de
Cincias Agrrias da Universidade Federal do Esprito Santo (CCA-UFES). Para
isso, pretende-se utilizar diferentes meta-heursticas, como Simulated Annealing,
Clustering Search (CS) entre outras.
Palavras-chave: Problema de Programao de Horrios de Disciplinas em
Universidades. Simulated Annealing. Clustering Search.
SUMRIO
1. INTRODUO..........................................................................................................6
1.1. O PROBLEMA E SUA IMPORTNCIA................................................................6
1.2. OBJETIVOS........................................................................................................11
1.2.1. Objetivo geral....................................................................................................11
1.2.2. Objetivos especficos........................................................................................11
2. REVISO DA LITERATURA..................................................................................12
3. METODOLOGIA.....................................................................................................14
3.1. SIMULATED ANNEALING..................................................................................14
3.2. CLUSTERING SEARCH.....................................................................................15
3.2.1. PRINCIPAIS COMPONENTES DA CS............................................................16
3.2.1.1. Geradora de solues....................................................................................16
3.2.1.2. Processo de agrupamento.............................................................................16
3.2.1.3. Busca local.....................................................................................................17
3.2.2. Funo objetivo................................................................................................18
4. RESULTADOS ESPERADOS................................................................................21
5. REFERNCIAS......................................................................................................22
6. CRONOGRAMA.....................................................................................................25
1. INTRODUO
Problemas de otimizao combinatria possuem como objetivo maximizar ou
minimizar o valor do resultado de uma funo definida, considerando todas as
restries que existem. Uma maneira de resolver tal problema seria verificar todas
as solues possveis, o que fica invivel para problemas reais, cujo tamanho
geralmente grande. Para isso, tcnicas heursticas podem ser utilizadas para
solucionar tais problemas em um tempo aceitvel.
possvel encontrar problemas em diversas reas e que esto presentes na vida
real, como programao de horrios, rotao de culturas, roteamento de veculos,
corte de placas, escalonamento de funcionrios, entre outros.
1.1.
3. Conflitos de salas: uma sala de aula no poder estar reservada para mais de
uma disciplina no mesmo dia e horrio;
4. Aulas seguidas em locais distantes: uma aula no poder ser ministrada ou
assistida em um determinado local sendo a prxima aula em outra unidade
distante que impossibilite o deslocamento do professor ou do aluno;
5. Capacidade da sala: uma turma no poder ser alocada em uma sala cuja
capacidade seja inferior ao nmero de alunos da turma;
6. Tipo incompatvel de sala: as aulas no podero ser alocadas em uma
determinada sala que no compatvel ao tipo solicitado, por exemplo, aulas
que deveriam ser realizadas em laboratrios e foram alocadas em salas
normais;
7. Disciplinas especiais: disciplinas com 3 horas aulas semanais devero ser
alocadas em horrios pr-definidos (primeiro e ltimo horrios), permitindo
assim que outras disciplinas possam ser alocadas antes ou aps as mesmas;
Fracas:
8. Intervalo de trabalho do professor: o intervalo entre o primeiro e o ltimo dia
em que um professor ministrar as aulas dever ser minimizado;
9. Janelas de horrio: intervalos na grade de horrios, entre duas aulas, devero
ser reduzidos;
10. Perodo preferencial: as disciplinas de uma turma devero ser agrupadas em
um nico turno. Por exemplo, agrupar os perodos mpares no turno da
manh e os perodos pares no turno da tarde. Assim, a quantidade de
disciplinas ofertadas fora do turno preferencial de cada turma dever ser
minimizada;
11. Aulas seguidas: aulas de uma mesma disciplina ministradas em horrios
sequenciais (ou no mesmo dia) devem ser evitadas;
12. Intervalo entre perodos: a ocorrncia de professores que ministram aula em
um dia noite e no dia seguinte pela manh dever ser minimizada;
13. Aulas seguidas de nvel difcil: aulas de complexidade difcil ministradas
em horrios sequenciais devem ser evitadas;
14. Aulas de nvel difcil no ltimo horrio: aulas de complexidade difcil
ministradas no ltimo horrio de cada dia devero ser evitadas.
10
Segunda-feira
Informtica
Informtica
Informtica
-
Horrio incio
7h
8h
9h
10h
11h
Segunda-feira
Informtica
Informtica
Informtica
Bioqumica
Bioqumica
11
1.2.
OBJETIVOS
12
13
2. REVISO DA LITERATURA
Csima e Gotlieb (1964) apresentaram uma soluo envolvendo matrizes booleanas,
tornando-se os precursores na soluo de Programao de Horrios Escolares
PHE.
A utilizao da Simulated Annealing, Busca Tabu, Algoritmos Genticos, Algoritmos
Memticos, Iterated Local Search (ILS), Variable Neighborhood Descent (VND),
Greedy Randomized Adaptive Search Procedure (GRASP) e a combinao de
diferentes mtodos foram propostas de soluo para o problema. Publicaes com
essas tcnicas podem ser encontradas em Abramson (1991), Colorni et al. (1998),
Preis (2007), Carvalho (2011), Barbosa e Souza (2011), Oliveira e Viana (2012) e
Fonseca e Santos (2013).
Abramson (1991) aponta como soluo do PHE a utilizao do Simulated Annealing
de forma paralela. Por sua vez Colorni et al. (1998) propuseram trs distintas
solues. Na primeira, empregam o Simulated Annealing, e na segunda os autores
aplicam a Busca Tabu. Por fim, na terceira soluo, exploram o uso do Algoritmo
Gentico com e sem busca local.
Preis (2007) utilizou algoritmos genticos para solucionar o problema. Em
contrapartida, Carvalho (2011) props a meta-heurstica hibrida ILS-VND. Barbosa e
Souza (2011) solucionaram o problema de programao de horrios em instituies
de ensino utilizando uma meta-heurstica hibrida GRASP-ILS. Para gerar a soluo
inicial, os autores adotaram o GRASP e o ILS com relaxamento visando refinar a
soluo obtida pelo GRASP.
Oliveira e Viana (2012) propuseram a utilizao da meta-heurstica hibrida GRASPVND, utilizando o VND como procedimento para gerar uma soluo inicial para o
GRASP. Fonseca e Santos (2013) solucionam o problema por meio da aplicao de
um algoritmo memtico.
Spindler (2010) adotou a meta-heurstica evolutiva Busca Dispersa combinada com
o mtodo reconexo por caminhos para solucionar o problema. Fonseca et. al.
(2011) criou uma soluo inicial reduzindo-a ao Problema da Satisfazibilidade
14
15
3. METODOLOGIA
A metodologia proposta neste trabalho para resoluo do PPHDU referente ao CCAUFES ser a aplicao das meta-heursticas Simulated Annealing (SA) e Clustering
Search (CS).
Inicialmente, sero coletados e utilizados dados referentes ao quadro de horrios do
CCA-UFES do segundo semestre do ano de 2014, considerando todas as restries
organizacionais e pedaggicas definidas pelo centro. Em seguida, o problema ser
modelado
computacionalmente,
as
meta-heursticas
SA
CS
sero
SIMULATED ANNEALING
A Simulated Annealing (SA), proposta inicialmente por Kirkpatrick et. al. (1983),
consiste em um mtodo de busca local que permite movimentos que gerem uma
soluo com resultado pior que o atual como forma de escapar de timos locais.
A partir de uma soluo inicial qualquer s, o algoritmo iniciado, selecionando
aleatoriamente uma soluo s vizinha de s. A variao do valor da funo objetivo ,
isto , = f(s) f(s), verificado a cada gerao de s. Caso < 0, a soluo s
possui melhor valor em relao soluo s (para problemas de minimizao),
portanto o mtodo aceita a soluo s, que por sua vez passa a ser a nova soluo
s. Por outro lado, se 0, calcula-se a possibilidade de aceitao e^(-T) , em que
T representa um parmetro do mtodo denominado temperatura, cuja funo
consiste em regular a viabilidade de aceitao de solues com valor da funo
objetivo pior. A execuo do mtodo encerrada quando a temperatura atinge um
valor prximo zero, ou seja, quando nenhuma soluo que piore o valor da soluo
aceita. A Figura 3 apresenta o pseudocdigo da SA.
16
3.2.
CLUSTERING SEARCH
17
Geradora de solues
A cada iterao do CS, uma soluo S gerada por uma meta-heurstica qualquer e
posteriormente enviada para o processo de agrupamento. Nesse trabalho, a gerao
de solues para a CS ser realizada pela meta-heurstica SA, descrita na seo
anterior.
3.2.1.2.
Processo de agrupamento
18
Busca local
19
s=1
t=1
T
CT t + 3 CS s + 4 ASLt + (1)
CP p +2
t=1
ASd +(2)
T
t=1
t=1
IT p+ 9 JH t + 10 PP t + 11
d=1
VS s+ 6 TSI + 7 D 3 H + 8
p=1
5
s=1
20
CP p
21
10. PP t
min H i
i{1,, }
T T
i arg
vi vi + 1
SE vi = ENTO
vi 0
s busca local(ci)
SE f(s) = f(ci) ENTO
ri ri + 1
SE ri = rmax ENTO
ri 0
ci N(ci)
FIM-SE
SENO
ri 0
ci melhor(s,ci)
22
FIM-SE
FIM-SE
s* max(s*,ci)
FIM-ENQUANTO
Retornar s*
23
4. RESULTADOS ESPERADOS
Neste trabalho, foi apresentada uma breve descrio sobre o Problema de
Programao de Horrios de Disciplinas em Universidades (PPHDU), uma
dificuldade encontrada no Centro de Cincias Agrrias da Universidade Federal do
Esprito Santo (CCA-UFES). Alm disso, foi exposta uma breve explicao sobre as
meta-heursticas Simulated Annealing e Clustering Search (CS).
A escolha da SA e da CS deve-se aos bons resultados obtidos para diversos
problemas, tornando-se assim alternativas para solucionar o PPHDU. Alm disso,
cabe ressaltar que, aps uma busca minuciosa na literatura, nenhuma aplicao da
CS para resoluo do PPHDU foi encontrada.
Acredita-se que seja possvel alcanar os objetivos com a aplicao da SA e da CS
ao problema real apresentado no CCA-UFES, alcanando bons resultados quando
comparados com os quadros de horrios elaborados de forma manual.
24
5. REFERNCIAS
ABRAMSON, D. Constructing school timetables using simulated annealing:
sequential and parallel algorithms. Management Science, v. 37, p. 98-113, 1991.
ARAJO, L. D. Clustering search para resoluo do problema de rotao de
culturas. Trabalho de Concluso de Curso (Cincia da Computao) Universidade
Federal do Esprito Santo, Alegre, 2014.
BARBOSA, S. H. D; SOUZA, S. R. Resoluo do problema de programao de
cursos universitrios baseada em currculos via uma meta-heurstica hbrida
GRASP-ILS-relaxado. In: Simpsio Brasileiro de Pesquisa Operacional, 43, 2011,
Ubatuba. Anais... SBPO, 2011.
CARVALHO, R. Abordagem heurstica para o problema de programao de horrios
de cursos. Dissertao (Mestrado em Engenharia Eltrica) Universidade Federal
de Minas Gerais, Belo Horizonte, 2011.
CHAVES, A. A. Uma meta-heurstica hbrida com busca por agrupamentos aplicada
a problemas de otimizao combinatria. Tese (Doutorado em Computao
Aplicada) Instituto Nacional de Pesquisas Espaciais, So Jos dos Campos, 2009.
CHAVES, A. A.; LORENA, L. A. N. Clustering search algorithm for the capacitated
centered clustering problem. Computers & Operations Research, v. 37, p. 552-558,
2010.
COLORNI, A.; DORIGO, M.; MANIEZZO, V. Metaheuristics for high school
timetabling. Computational Optimization and Applications, v. 9, p. 275-298, 1998.
CSIMA, J.; GOTLIEB, C. C. Tests on a computer method for construction of school
timetables. Communications of the ACM, New York, v. 7, p.160-163, mar. 1964.
FONSECA, G. H. G; RIBEIRO, R. G; MARTINS, F. V. C. Uma abordagem hbrida de
SAT e busca tabu para o problema da programao de horrios escolares. In:
Simpsio Brasileiro de Pesquisa Operacional, 43, 2011, Ubatuba. Anais... SBPO,
2011.
25
26
27
6. CRONOGRAMA
Na Tabela 1 apresentado o cronograma das atividades a serem realizadas durante
a execuo deste trabalho.
Tabela 1 - Lista de atividades.
Lista de atividades
1. Estudo aprofundado das meta-heursticas SA e CS.
2. Coleta de dados e informaes referentes programao de horrios
do CCA-UFES.
3. Implementao das meta-heursticas.
4. Realizao de experimentos computacionais.
5. Desenvolvimento da monografia final do TCC.
A seguir, na Tabela 2, possvel visualizar o cronograma de execuo das
atividades a serem realizadas no decorrer do desenvolvimento deste trabalho.
Tabela 2 - Cronograma de execuo das atividades.
Atividade
ago
set
out
nov
dez