Projetos em Andamento

Pro­ble­mas de oti­mi­za­ção são encon­tra­dos em diver­sos setores de pro­du­ção, bus­cando em geral mini­mi­zar os custos e maxi­mi­zar os lucros. No con­texto das Cidades Inte­li­gen­tes e Indús­trias 4.0, se torna pri­o­ri­dade a efi­ciên­cia de ser­vi­ços pres­ta­dos ao cidadão e uma logís­tica efetiva de trans­porte de pessoas/bens de consumo, moti­vando uma série de pro­pos­tas aca­dê­mi­cas para reso­lu­ção desses pro­ble­mas.

Enfren­tando a natu­reza NP-Difícil de diver­sos pro­ble­mas de oti­mi­za­ção com­bi­na­tó­ria rele­van­tes para esses con­tex­tos, como, por exemplo, o Pro­blema de Rote­a­mento de Mula de Dados em Redes Mistas com Auto­no­mia Limi­tada (PRM­DRM­cAL) e o Pro­blema de Con­cep­ção de Redes Não-capa­ci­tado com Res­tri­ções de Cami­nhos Mínimos (PCRNC-RCM), este projeto busca não apenas avançar a com­preen­são teórica da inte­ra­ção entre Apren­di­zado de Máqui­nas (AM) e Métodos de Oti­mi­za­ção (MO), mas também ofe­re­cer solu­ções prag­má­ti­cas para desa­fios urgen­tes enfren­ta­dos nas esferas das Cidades Inte­li­gen­tes e Indús­trias 4.0.

Ao inte­grar AM com MO, espera-se que o projeto apre­sente novas pos­si­bi­li­da­des para apri­mo­rar a efi­ciên­cia e efi­cá­cia dos sis­te­mas de pro­du­ção e logís­tica, con­tri­bu­indo sig­ni­fi­ca­ti­va­mente para a sus­ten­ta­bi­li­dade eco­nô­mica e a qua­li­dade de vida dos cida­dãos. A imple­men­ta­ção bem-suce­dida dessas solu­ções híbri­das pode mudar a maneira como enfren­ta­mos pro­ble­mas de oti­mi­za­ção de alta com­ple­xi­dade, levando a avanços sig­ni­fi­ca­ti­vos em várias áreas, desde a gestão efi­ci­ente de recur­sos até a melho­ria dos ser­vi­ços urbanos, ali­nhando-se assim com os obje­ti­vos de desen­vol­vi­mento sus­ten­tá­vel e ino­va­ção tec­no­ló­gica.

O objeto do projeto é con­du­zir ati­vi­da­des de Pes­quisa e Desen­vol­vi­mento (P&D) em par­ce­ria com a ini­ci­a­tiva privada, com o obje­tivo de avaliar, refor­mu­lar e imple­men­tar melho­rias no modelo mate­má­tico atu­al­mente uti­li­zado para defi­ni­ção dos jogos trans­mi­ti­dos na TV aberta e no pay-per-view, con­si­de­rando cri­té­rios de audiên­cia, equi­lí­brio regi­o­nal, calen­dá­rio espor­tivo e dire­tri­zes comer­ci­ais.

O objeto do projeto é con­du­zir pes­quisa e desen­vol­vi­mento (P&D) para con­so­li­dar e expan­dir o SID-Oceano como infra­es­tru­tura naci­o­nal de dados e ser­vi­ços digi­tais em oce­a­no­gra­fia, com ênfase no desen­vol­vi­mento do MVP do Centro de Pre­vi­sões do Oceano (OCP), do MVP Pla­ta­forma de Expe­ri­men­ta­ção (PlatExp) e da Pla­ta­forma de Ciência de Dados Oce­a­no­grá­fi­cos (PCDO), inte­grando obser­va­ção, mode­la­gem numé­rica, ciência de dados e dis­po­ni­bi­li­za­ção por dashbo­ards e APIs.

A teoria dos mer­ca­dos de equi­lí­brio e suas apli­ca­ções prá­ti­cas no pla­ne­ja­mento de recur­sos tem des­per­tado cres­cente inte­resse devido à sua capa­ci­dade de modelar inte­ra­ções entre oferta, demanda e preços em sis­te­mas inter­de­pen­den­tes. Este projeto tem como obje­tivo desen­vol­ver fer­ra­men­tas com­pu­ta­ci­o­nais que auxi­liem na análise, pre­vi­são e oti­mi­za­ção de deci­sões estra­té­gi­cas em mer­ca­dos com­ple­xos no con­texto de Refi­na­mento, Trans­porte e Comer­ci­a­li­za­ção (RTC) de petró­leo e deri­va­dos.

Ini­ci­al­mente, o tra­ba­lho focará no enten­di­mento deta­lhado do pro­blema de equi­lí­brio de mercado, suas carac­te­rís­ti­cas teó­ri­cas e prá­ti­cas, e na ambi­en­ta­ção de cená­rios sim­pli­fi­ca­dos que sirvam como base para a mode­la­gem. Pos­te­ri­or­mente, serão criados modelos mate­má­ti­cos e com­pu­ta­ci­o­nais que cap­tu­rem as dinâ­mi­cas prin­ci­pais desses mer­ca­dos. Serão rea­li­za­das imple­men­ta­ções de solu­ções em um “toy problem” como prova de con­ceito.

Após a vali­da­ção, o projeto avan­çará para a mode­la­gem de cená­rios reais, inclu­indo um sub­con­junto repre­sen­ta­tivo de petró­leos e deri­va­dos, explo­rando tanto métodos exatos quanto heu­rís­ti­cos para resol­ver os modelos pro­pos­tos. Por fim, as fer­ra­men­tas serão ajus­ta­das para ope­ra­ção em um ambi­ente real de RTC, con­si­de­rando as par­ti­cu­la­ri­da­des do setor. Espera-se que este projeto con­tri­bua sig­ni­fi­ca­ti­va­mente para o avanço do pla­ne­ja­mento estra­té­gico em mer­ca­dos com­ple­xos, ofe­re­cendo fer­ra­men­tas que aliem robus­tez mate­má­tica e efi­ciên­cia com­pu­ta­ci­o­nal.

Este projeto tem como obje­tivo geral (1) rea­li­zar inves­ti­ga­ções teó­ri­cas e prá­ti­cas sobre a inte­gra­ção efetiva de téc­ni­cas de Apren­di­zado de Máqui­nas em Métodos de Oti­mi­za­ção; (2) Desen­vol­ver métodos híbri­dos para a reso­lu­ção de ins­tân­cias reais de pro­ble­mas ligados ao con­texto de Cidades Inte­li­gen­tes e Indús­trias 4.0; (3) Capa­ci­tar alunos a se inte­res­sa­rem pela temá­tica e ofe­re­cer as fer­ra­men­tas para se posi­ci­o­na­rem no mercado tra­ba­lhando nesta área; (4) Incen­ti­var uma maior cola­bo­ra­ção entre pes­qui­sa­do­res de diver­sas áreas rela­ci­o­na­das ao projeto dentro do PESC/COPPE/UFRJ e das ins­ti­tui­ções par­cei­ras, for­ta­le­cendo par­ce­rias exis­ten­tes e desen­vol­vendo novas par­ce­rias e (5) Fomen­tar ações de inter­na­ci­o­na­li­za­ção, como con­vê­nios e inter­câm­bios, através dos con­ta­tos obtidos através de par­ce­rias cons­tru­í­das durante o desen­vol­vi­mento desta pes­quisa.

Pro­ble­mas de oti­mi­za­ção são comuns na pro­du­ção indus­trial, focando na mini­mi­za­ção de custos e maxi­mi­za­ção de lucros. No con­texto das Cidades Inte­li­gen­tes e Indús­trias 4.0, a efi­ciên­cia dos ser­vi­ços e a logís­tica de trans­porte são pri­o­ri­da­des, moti­vando pro­pos­tas aca­dê­mi­cas para resol­ver esses pro­ble­mas. A reso­lu­ção exata e rápida desses pro­ble­mas é essen­cial para a qua­li­dade das cadeias pro­du­ti­vas, mas ainda é um desafio.

Pro­ble­mas de oti­mi­za­ção com­bi­na­tó­ria têm sido ampla­mente estu­da­dos devido às suas nume­ro­sas apli­ca­ções prá­ti­cas. Esses pro­ble­mas, clas­si­fi­ca­dos como NP-Difí­ceis, reque­rem meta-heu­rís­ti­cas para encon­trar solu­ções rapi­da­mente, mas estas podem ter limi­ta­ções em grandes pro­ble­mas. Assim, propõe-se o desen­vol­vi­mento de métodos exatos, meta-heu­rís­ti­cas e métodos híbri­dos que usem Mine­ra­ção de Dados para lidar com casos reais.

O prin­ci­pal obje­tivo da pes­quisa é avançar no estado da arte para a oti­mi­za­ção de con­fi­gu­ra­ções de redes de sen­so­res de moni­to­ra­mento. A con­fi­gu­ra­ção da rede é ava­li­ada a partir do cri­té­rio da máxima entro­pia e a oti­mi­za­ção da con­fi­gu­ra­ção é mode­lada como o pro­blema da amostra de máxima entro­pia (PAME). O PAME é um pro­blema de oti­mi­za­ção não-linear inteira mista (ONLIM) alta­mente desa­fi­a­dor.

Uma direção impor­tante para o estudo envolve o desen­vol­vi­mento de um algo­ritmo de apro­xi­ma­ção externa para várias for­mu­la­ções de oti­mi­za­ção não-linear inteira para o PAME. Estes algo­rit­mos podem mesclar as melho­res téc­ni­cas para ONLIM com os melho­res limites supe­ri­o­res para o PAME, base­a­dos em rela­xa­ções con­ve­xas para o pro­blema, com duas téc­ni­cas prin­ci­pais: pro­gra­ma­ção dis­jun­tiva e com­bi­na­ção convexa de limites supe­ri­o­res.

Outra direção é hibri­di­zar as ideias do uso de fatores mul­ti­pli­ca­ti­vos e más­ca­ras, que podem melho­rar pra­ti­ca­mente todos os métodos de cálculo de limites supe­ri­o­res para o PAME. Con­si­dera-se a oti­mi­za­ção sobre más­ca­ras dia­go­nais, uma gene­ra­li­za­ção do fator mul­ti­pli­ca­tivo que ainda é um pro­blema de oti­mi­za­ção convexa para algumas das for­mu­la­ções estu­da­das.

Final­mente, inves­tiga-se a oti­mi­za­ção de pro­je­tos sob uma pers­pec­tiva mais geral do que a do PAME, como o pro­blema da D-oti­ma­li­dade, que visa esco­lher um sub­con­junto de pontos de um modelo de regres­são linear de modo a mini­mi­zar a variân­cia gene­ra­li­zada das esti­ma­ti­vas de mínimos qua­dra­dos, e o PAME gene­ra­li­zado, que estende o PAME e o pro­blema de D-oti­ma­li­dade.

Esse projeto de pes­quisa tem como obje­tivo geral o desen­vol­vi­mento de modelos mate­má­ti­cos e algo­rit­mos exatos e heu­rís­ti­cos inte­grando Oti­mi­za­ção e Apren­di­zado de Máquina para a reso­lu­ção de pro­ble­mas com­ple­xos, advin­dos de apli­ca­ções reais nas áreas de logís­tica de trans­por­tes ter­res­tres, logís­tica offshore, e sis­te­mas de saúde, visando à capa­ci­ta­ção de alunos de mes­trado e dou­to­rado dos pro­gra­mas de pós-gra­du­a­ção em Enge­nha­ria de Trans­por­tes e Enge­nha­ria de Sis­te­mas e Com­pu­ta­ção da COPPE/UFRJ, e alunos de gra­du­a­ção da Escola Poli­téc­nica da UFRJ, e a con­se­quente geração de conhe­ci­mento, ino­va­ção tec­no­ló­gica e artigos cien­tí­fi­cos inter­na­ci­o­nais de ponta.

Este projeto de pes­quisa tem como obje­tivo o desen­vol­vi­mento de modelos e algo­rit­mos, inte­grando téc­ni­cas de oti­mi­za­ção com­bi­na­tó­ria, pro­ces­sos de decisão marko­vi­a­nos, apren­di­zado de máquina, análise de sobre­vida e pro­to­co­los de triagem e atenção pri­má­ria, levando em conta os dados his­tó­ri­cos rela­ci­o­na­dos às taxas de chegada de paci­en­tes, a capa­ci­dade total dis­po­ní­vel nas salas de cirur­gia, e o número de leitos dis­po­ní­veis para a recu­pe­ra­ção pós cirúr­gica.

O obje­tivo é mapear os perfis dos paci­en­tes na entrada do sistema hos­pi­ta­lar; iden­ti­fi­car paci­en­tes em estágio avan­çado que deve­riam ter sido ope­ra­dos mais cedo; oti­mi­zar o agen­da­mento de cirur­gias e geren­ci­a­mento de leitos con­si­de­rando o fluxo de emer­gên­cias; geren­ciar os fluxos inter­nos para evitar can­ce­la­men­tos de cirur­gias por ine­fi­ciên­cia do sistema e atraso de exames pré-ope­ra­tó­rios; prever os des­fe­chos dos paci­en­tes e o tempo de inter­na­ção para melho­rar o geren­ci­a­mento ope­ra­ci­o­nal do sistema; sugerir pro­to­co­los pré-cirúr­gi­cos para geren­ciar comor­bi­da­des; sugerir ante­ci­pa­ção de enca­mi­nha­men­tos de paci­en­tes de emer­gên­cia para ante­ci­par atrasos; e desen­vol­ver pro­to­co­los de rea­bi­li­ta­ção que con­si­de­rem as carac­te­rís­ti­cas do paci­ente e o seu con­texto soci­o­e­co­nô­mico.

Como prin­ci­pais resul­ta­dos e impac­tos espe­ra­dos citam-se: a for­ma­ção de novos mestres e dou­to­res, a publi­ca­ção de artigos cien­tí­fi­cos de alto fator de impacto, a melho­ria das ope­ra­ções reais envol­vi­das nesse estudo, e a con­se­quente melho­ria da con­di­ção física dos paci­en­tes.

Esse projeto tem por obje­tivo o estudo de pro­ble­mas logís­ti­cos em enge­nha­ria de trans­por­tes que levem em con­si­de­ra­ção não apenas os aspec­tos téc­ni­cos e finan­cei­ros, como também aspec­tos ambi­en­tais e sociais. O projeto visa o desen­vol­vi­mento de modelos mate­má­ti­cos fortes e algo­rit­mos exatos e heu­rís­ti­cos, envol­vendo análise de sen­si­bi­li­dade e oti­mi­za­ção de Pareto, para a reso­lu­ção de pro­ble­mas de natu­reza com­bi­na­tó­ria, e elevada com­ple­xi­dade com­pu­ta­ci­o­nal.

As apli­ca­ções reais estu­da­das são: oti­mi­za­ção da fre­quên­cia de rotas de linhas de ônibus à luz do des­con­forto da super­lo­ta­ção; captura do fluxo evasivo em rodo­vias; loca­li­za­ção de con­ta­do­res de tráfego; loca­li­za­ção de centros de inte­gra­ção logís­tica, con­si­de­rando aspec­tos eco­nô­mi­cos e ambi­en­tais; loca­li­za­ção de rebo­ques para aten­di­men­tos de inci­den­tes em rodo­vias, con­si­de­rando filas de con­ges­ti­o­na­mento e a influên­cia de aspec­tos ambi­en­tais; dis­tri­bui­ção logís­tica de insumos hos­pi­ta­la­res. Como prin­ci­pais resul­ta­dos e impac­tos espe­ra­dos citam-se: a for­ma­ção de novos mestres e dou­to­res, a publi­ca­ção de artigos cien­tí­fi­cos de alto fator de impacto, e a melho­ria das ope­ra­ções reais envol­vi­das nesse estudo.

O obje­tivo prin­ci­pal deste projeto é explo­rar novas formas de pro­ces­sa­mento in-situ base­a­das em uma pla­ta­forma de arma­ze­na­mento inte­li­gente desen­vol­vida pela ini­ci­a­tiva privada. São duas frentes de tra­ba­lho: (i) explo­rar o SUCURI, bibli­o­teca Python baseada em fluxo de dados, como pla­ta­forma de pro­gra­ma­ção para­lela in-situ; e (ii) desen­vol­ver apli­ca­ções de inte­li­gên­cia arti­fi­cial in-situ base­a­das em redes neurais sem peso.

Esse projeto de pes­quisa tem como obje­tivo geral o desen­vol­vi­mento de modelos mate­má­ti­cos fortes e algo­rit­mos exatos e heu­rís­ti­cos para a reso­lu­ção de pro­ble­mas de natu­reza com­bi­na­tó­ria, e elevada com­ple­xi­dade com­pu­ta­ci­o­nal, advin­dos das seguin­tes apli­ca­ções reais na área de Logís­tica Offshore: con­so­li­da­ção de esto­ques no pla­ne­ja­mento dinâ­mico de redes logís­ti­cas; rotei­ri­za­ção peri­ó­dica do trans­porte de cargas, dimen­si­o­na­mento de frotas hete­ro­gê­neas, pro­gra­ma­ção de berços e incor­po­ra­ção de incer­te­zas mete­o­ce­a­no­grá­fi­cas no pla­ne­ja­mento de embar­ca­ções de apoio offshore; e des­co­mis­si­o­na­mento de ins­ta­la­ções offshore de óleo e gás.

Como prin­ci­pais resul­ta­dos e impac­tos espe­ra­dos citam-se: a for­ma­ção de novos mestres e dou­to­res, a publi­ca­ção de artigos cien­tí­fi­cos de alto fator de impacto, e a melho­ria das ope­ra­ções reais envol­vi­das nesse estudo.

Esse projeto de pes­quisa tem como obje­tivo geral o desen­vol­vi­mento de modelos mate­má­ti­cos fortes e algo­rit­mos exatos e heu­rís­ti­cos para a reso­lu­ção de pro­ble­mas de natu­reza com­bi­na­tó­ria, e elevada com­ple­xi­dade com­pu­ta­ci­o­nal, advin­dos das seguin­tes apli­ca­ções reais na área de Pla­ne­ja­mento Ener­gé­tico: mode­la­gem de incer­te­zas advin­das da geração eólica na pro­gra­ma­ção diária da ope­ra­ção do Sistema Inter­li­gado Naci­o­nal (SIN); mode­la­gem de exter­na­li­da­des e impac­tos ambi­en­tais no pla­ne­ja­mento da expan­são da geração do SIN; e pro­posta de meca­nis­mos de Res­posta da Demanda no pla­ne­ja­mento da expan­são de médio e longo prazo.

Como prin­ci­pais resul­ta­dos e impac­tos espe­ra­dos citam-se: a for­ma­ção de novos mestres e dou­to­res, a publi­ca­ção de artigos cien­tí­fi­cos de alto fator de impacto, e a melho­ria das ope­ra­ções reais envol­vi­das nesse estudo.

Projeto Pes­qui­sa­dor Visi­tante Espe­cial (PVE) finan­ci­ado pelo CNPq, com a par­ti­ci­pa­ção de Phi­lippe Miche­lon.

Este projeto con­siste da segunda fase da pes­quisa de novas formas de des­cre­ver e modelar pro­ble­mas reais como uma com­po­si­ção de diver­sos pro­ble­mas, pos­si­vel­mente de dife­ren­tes natu­re­zas, sob a forma de res­tri­ções pseudo-boo­le­a­nas. Desta forma, pro­ble­mas alvo são ata­ca­dos via a síntese de uma função de Energia repre­sen­tando o espaço de estados de solu­ções do pro­blema.

Diver­sos modelos da Inte­li­gên­cia Com­pu­ta­ci­o­nal podem ser apli­ca­dos na busca por mínimos globais e locais, quando neces­sá­rio, das funções pro­du­zi­das pelo sistema. Em espe­cial, busca-se tirar pro­veito das novas máqui­nas de com­pu­ta­ção quân­tica, mais espe­ci­fi­ca­mente daque­las que rea­li­zam com­pu­ta­ção quân­tica adi­a­bá­tica. Adi­ci­o­nal­mente, espera-se gerar novos códigos que não equa­ções de energia, tais como grafos de com­par­ti­lha­mento e redes neurais sem peso.

Projeto finan­ci­ado pelo CNPq, Edital Uni­ver­sal, Faixa C.

Estu­da­mos a oti­mi­za­ção mate­má­tica e o desen­vol­vi­mento de algo­rit­mos para modelos esta­tís­ti­cos, com foco em apli­ca­ções em redes de sen­so­res. Nessas redes, pro­ble­mas de oti­mi­za­ção surgem natu­ral­mente na seleção de sub­con­jun­tos de sen­so­res a serem ati­va­dos, de modo a maxi­mi­zar a infor­ma­ção extra­ída de suas medi­ções. A infor­ma­ção é quan­ti­fi­cada por meio do cri­té­rio da entro­pia dife­ren­cial, o que conduz ao Pro­blema da Amostra de Máxima Entro­pia (Maximum Entropy Sam­pling Problem, MESP).

O MESP cons­ti­tui um pro­blema de oti­mi­za­ção global NP-difícil, carac­te­ri­zado pela pre­sença de funções obje­tivo não fato­rá­veis em for­mu­la­ções de pro­gra­ma­ção inteira não linear. Apesar dessa com­ple­xi­dade, a estru­tura par­ti­cu­lar da função obje­tivo, o loga­ritmo do deter­mi­nante de uma matriz de cova­riân­cia, apre­senta pro­pri­e­da­des rele­van­tes de con­ca­vi­dade e sub­mo­du­la­ri­dade. Tais pro­pri­e­da­des pos­si­bi­li­tam o desen­vol­vi­mento de rela­xa­ções mate­má­ti­cas efi­ci­en­tes e sua explo­ra­ção em algo­rit­mos exatos base­a­dos em estra­té­gias de branch-and-bound.

Abor­da­mos também métodos de oti­mi­za­ção para o cálculo de inver­sas gene­ra­li­za­das espar­sas, fun­da­men­tais para a com­pu­ta­ção efi­ci­ente de diver­sas quan­ti­da­des esta­tís­ti­cas e com apli­ca­ções cen­trais em pro­ble­mas de mínimos qua­dra­dos. Ambos os eixos de pes­quisa envol­vem pro­ble­mas de oti­mi­za­ção de alta rele­vân­cia para a esta­tís­tica e a ciência de dados, e o projeto busca explo­rar suas inter­co­ne­xões con­cei­tu­ais e algo­rít­mi­cas.

Ins­ti­tuto Naci­o­nal de Ciência e Tec­no­lo­gia apoiado pelo CNPq e pela FAPERJ (pro­cesso CNPq 573768/2008-0).

Desen­vol­vi­mento de modelos de pro­gra­ma­ção inteira (line­a­res e não line­a­res) e de algo­rit­mos exatos e heu­rís­ti­cos para a reso­lu­ção de pro­ble­mas de natu­reza com­bi­na­tó­ria, e elevada com­ple­xi­dade com­pu­ta­ci­o­nal, advin­dos de apli­ca­ções reais nas áreas de petró­leo, pla­ne­ja­mento ener­gé­tico e saúde.