.:: Menu ::.
 » Curriculum Vitae
 » Publicações
 » Orientações de Teses
 » Temas de Pesquisas
 » Projetos de Pesquisa
 » LABIC IC/UFF
 » Disciplinas Lecionadas
 » Fotos
 » Conheça Niterói
 » Participação em Comitês de Programa e/ou de Organização Recentes
 » SBPO 2016
 » Links

:: Disciplinas Lecionadas ::

Confira as disciplinas ministradas por mim na pós-graduação da UFF:

Análise e Síntese de Algoritmos
Conceitos Básicos. Modelos Teóricos de Computador. Funções de Complexidade Local e Assintótica. Tamanho de um Problema. Cota Inferior de um Problema. Método da Divisão e Conquista. Método Guloso. Programação Dinâmica. Árvores. Classe de Problemas. Problemas NP-Completos. Problemas NP-Árduos. Algoritmos Aproximativos.

Metaheurísticas Paralelas
Estratégias de paralelização de métodos aproximados ou heurísticos incluindo: heurísticas clássicas de construção e busca; Estratégias de Paralelização de Metaheurísticas, tais como: Algoritmos Evolutivos incluindo Algoritmos Genéticos e Programação Genética, Redes Neurais, Busca Tabu, Greedy Randomized Adaptive Search Procedure (GRASP), Busca em Vizinhanças Variáveis (VNS), Recozimento Simulado e Variações (Simulated Annealing), Ant Colony Systems. Aplicações de Algoritmos Paralelos em problemas incluindo: Roteamento, Scheduling (escalonamento de tarefas, programação de horários problemas de planejamento de uma forma geral), Mineração de Dados, Controle e Automação, Telecomunicações, Planejamento, Investimento, Transporte, Localização e Problemas de Tomadas de Decisão. O objetivo é abordar modelos de paralelização com e sem comunicação; em caso de comunicação: tipos de migrações (soluções, parâmetros, módulos de algoritmos); modelos centralizados e distribuidos; estratégias de balanceamento de carga estático e dinâmico; modelos síncronos e asíncronos; critérios de parada em modelos paralelos e distribuidos, etc.

Técnicas de Inteligência Computacional (Programação Metaheurística)
O objetivo desta disciplina, é introduzir conceitos de algoritmos Heurísticos tradicionais e Heurísticas Inteligentes conhecidos na literatura como Metaheurísticas. Metaheurísticas são heurísticas genéricas que podem incluir diferentes heurísticas de construção e busca local no sentido de produzir um processo de busca mais eficiente na solução de problemas de elevada complexidade computacional (problemas NP-Completo e NP-Difícil). Dentre as Metaheurísticas damos enfoque as seguintes: Algoritmos Evolutivos e o seu representante mais popular que são os Algoritmos Genéticos (AGs); Programação Genética (PG); Scatter Search (SS) que pode ser visto como uma versão mais "determinística" dos AGs; Algorimos Meméticos (AMs) que possuem características similares aos SS, englobando busca local mais eficiente nos AGs; Tabu Search (Busca Tabu); Simulated Annealing (SA); Greedy Randomized Adaptive Search Procedure (GRASP); Variable Neighborhood Search (VNS); Ant Colony Systems (Colonia de Formigas); Nuvens de Partículas, etc.

Aplicações em Inteligência Computacional
Esta disciplina é visto como uma continuação de Técnicas de Int. Computacional, e seu objetivo, é mostrar um leque de aplicações bem sucedidas de metaheurísticas tanto sequenciais como paralelas. Dentre as aplicações normalmente são mostradas: Aplicações na área de Roteamento e Scheduling de Frotas de Veículos; Roteamento em Redes de Telecomunicações; Escalonamento de Tarefas em Múltiplos Processadores (incluindo modelos estáticos e dinâmicos com e sem comunicações); Sistemas de Manufatura Flexível; Problemas de Localização de Facilidades (ex. Postos de saude, filiais de lojas e empresas, escolas, depósitos, centros de distribuição, etc); Problemas de Clusterização (clusterização automática onde o número de clusters são variáveis do problema, partaicionamento de grafos, formação de células em sistemas de manufatura, formação de anéis em planejamento de redes de telecomunicações, mineração de dados, clusterização e classificação de pacientes com determinados sintomas, etc); Timetabling Problems (Problema de Programação de Horários em escolas, universidades); Programação de Tabelas de Torneios e Campeonatos, programação de tripulações aéres e de onibus); Computação Médica, Biologia Computacional, Computação Quântica, etc

Otimização em Redes
Introdução a teoria dos grafos, Árvore Geradora de Custo Mínimo, Problemas de Caminho Mínimo em Redes Direcionadas, Problema de Fluxo Máximo, Problema de Fluxo de Custo Mínimo, Problemas de Steiner em Grafos, Problemas de gerar rotas otimizadas de Coleta e/ou Despacho, Problemas de Escalonamento de Tarefas, Aplicações diversas em Otimização em Redes

Programação Linear
Introdução: conceitos de algebra linear computacional, análise convexa. Modelos de Problemas de Programação Linear (PPL). Ilustração e solução gráfica de PPL em duas dimensões. método SIMPLEX e variações. Problema Primal e Dual. Simplex para Problemas de Transporte e Alocação Linear. Simplex na forma Algébrica. Simplex para alguns problemas de Otimização em Grafos. Aplicações.

Estudo Orientado
Esta disciplina pode ser oferecida para alunos à partir do segundo semestre (mestrado ou doutorado). Seu objetivo, é efetuar um estudo individualizado onde o(a) aluno(a) recebe um conjunto de temas para ser pesquisado. Durante o curso, deve-se definir um tema para um estudo mais aprofundado, com vistas a definir um possível tema de dissertação/tese.

« Página inicial


  Valid HTML 4.01!    Valid CSS!