Escalonamento de equipes em caso interrupção de fornecimento de energia
O objeto de investigação
deste projeto é problema clássico de otimização. Sua
solução passa pela definição de modelo matemático das variáveis envolvidas
e das restrições a considerar e definição das simulações que
se deseja realizar. Nesse sentido, é importante focalizar o problema no
contexto de geometria computacional
[12, 5] e área de modelagem e simulação
de sistemas [10].
Na área de sistemas são relevantes as simulações de sistemas que
envolvem restrições de tempo real de chegada de dados e restrições
ligadas à necessidade de se obter respostas rápidas e de qualidade.
Dificuldades ligadas à simulação de redes
[6, 8] e sistemas de paginação em
sistemas operacionais ilustram o tipo de problema em questão e servirão
para orientar a modelagem a realizar.
Por outro lado, a resolução do problema de localização das equipes de
manutenção e do seu despacho em caso de ocorrências emergenciais encontra várias formulações
teóricas na literatura clássica de computação.
Entre elas, serão consideradas:
- Problema de casamento de servidores e tarefas a realizar
[9, 7], considerando
que os servidores tenham uma lista de preferências, no caso definida
em função da especialidade das equipes de manutenção e distância das
mesmas em relação aos pontos onde serviços são requisitados.
- Problema geral de k servidores.
É um modelo teórico
[3, 11, 2] em que se admite
um espaço métrico (M,d), onde M
é um conjunto de pontos, e |M| > k e d definem uma
métrica
sobre M. Dada um seqüência de requisições
a=[r0,r1,...,rn], cada ri define um ponto de M
em que um serviço é requisitado.
Uma requisição rj é atendida no instante em que ela se apresenta
se existir um servidor no ponto rj, no momento em que a requisição é
apresentada. A não existência de servidor no ponto rj demanda o
deslocamento de algum servidor de outro ponto de m para rj.
O custo de tal deslocamento é dado pela função d, que codifica uma
função de distância. É importante observar, no entanto, que essa
função de distância não precisa e, no contexto colocado, não deve
ser Euclidiana: o custo de deslocamento de a a b não è necessariamente
igual ao custo de deslocamento b a a e nem tem relação apenas com
distância no sentido geográfico.
A tarefa algoritmica de busca por soluções e, quando do
interesse, pela melhor das soluções (otimização) possui
vários componentes, dentro os quais se podem citar: o espaço de busca
das soluções e a função de avaliação ou, também
chamada de função de custo, quando da otimização [4].
Dada a natureza combinatória do problema em questão,
alternativas que abdiquem da busca pelo melhor resultado e tentem
obter resultados que aproximem o ótimo são recomendadas.
A complexidade computacional dos problemas envolvidos
[9, 11] leva à recomendação
na literatura clássica do uso de duas alternativas para tentar obter
simulações que produzam soluções que se aproximem do ótimo:
-
algoritmos de aproximação[11];
- algoritmos baseados em meta-heurísticas [1].
References
- [1]
-
J. Beasley, K. Dowsland, F. Glover, M. Laguna, C. Peterson, C.R. Reeves, and
B. Söderberg.
Modern Heuristic Techniques for Combinatorial Problems.
Colin R. Reeves, 1992.
- [2]
-
A. Borodin, N. Linial, and M. Saks.
An optimal online algorithm for metrical task systems.
Journal of the ACM, 39:745--763, 1992.
- [3]
-
Alan Borodin and Ran El-Yaniv.
Online Computation and Competitive Analysis.
Cambridge University Press, 1998.
- [4]
-
William J. Cook, William H. Cunningham, William R. Pulleyblank, and Alexander
Schrijver.
Combinatorial Optimization.
John Wiley & Sons, Inc., 1998.
- [5]
-
Herbert EdelsBrunner.
Algorithms in Combinatorial Geometry.
Springer-Verlag, 1987.
- [6]
-
L. Breslau et al.
Advances in network simulation.
IEEE Computer, 33(5):59--67, 2000.
- [7]
-
Thomas Feder.
Stable Networks and Product Graphs.
American Mathematical Society, 1995.
- [8]
-
S. Floyd and V. Paxson.
Difficulties in simulating the internet.
IEEE/ACM transactions on Networking, 9(4):392--403, 2001.
- [9]
-
Dan Gusfield and Robert W. Irving.
The stable marriage problem: structure and algorithms.
The MIT Press, 1989.
- [10]
-
A. Law and W. Kelton.
Simulation Modeling and Analysis.
McGraw-Hill, 2000.
- [11]
-
Rajeev Motwani and Prabhakar Raghavan.
Randomized Algorithms.
Cambridge University Press, 1995.
- [12]
-
Franco P.Preparata and Michael Ian Shamos.
Computational Geometry: An Introduction.
Springer-Verlag, 1985.
This document was translated from LATEX by
HEVEA.