Otimizar é essencialmente melhorar a solução de problemas, o que pode trazer mais eficiência e rentabilidade, ou a redução de despesas, gastos e perdas em negócios, na indústria e em processos operacionais.
O curso é voltado para a solução de problemas reais de otimização de planejamento empregando Algoritmos Genéticos e Programação Genética. Essa classe de métodos de otimização, conhecida como “evolucionária”, é de fácil aplicação em problemas complexos, com grandes espaços de busca, de difícil modelagem, ou para os quais não há disponível um método eficiente. Sua aplicação é reconhecidamente flexível, permitindo a revisão da modelagem, introdução de novos objetivos e a incorporação de novas regras.
O planejamento de tarefas (scheduling) é um trabalho de resultados economicamente importantes para diversos setores produtivos, tais como: a produção em indústrias de manufatura, processos computacionais em sistemas operacionais, transporte de cargas, escala de tripulações de voos e embarque de carga em navios, coleta e distribuição de produtos, etc.
O papel do planejamento consiste em alocar tarefas ao longo do tempo que devem ser executadas utilizando um número limitado de recursos, respeitando diversas restrições (e.g. de precedência) e otimizando um ou mais objetivos. Problemas de planejamento são problemas de otimização tipicamente combinatoriais que pertencem à classe de problemas NP-hard (problemas que não podem ser resolvidos de forma não-determinística em tempo polinomial). A prática também tem demonstrado que certos tipos de problema de planejamento apresentam extrema dificuldade de modelagem e solução por técnicas convencionais para horizontes em tempo contínuo. Os modelos evolucionários, em contra partida, são de simples construção, flexíveis para aplicação em sistemas de otimização de planejamento de grandes horizontes em tempo contínuo e permitem que, a qualquer momento, durante a vida do sistema, possam ser incorporadas e/ou alteradas regras e objetivos do problema, face à evolução do setor.
![Marco Aurelio Cavalcanti Pacheco](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0000\\00000695.jpg" class="img-docente"/><br>', 'Marco Aurelio Cavalcanti Pacheco', '<p class="MsoNormal">Marco Aurélio Cavalcanti Pacheco é Engenheiro Eletrônico e
Mestre em Engenharia Elétrica pela PUC-Rio e PhD em Computer Science pelo University
College of London (1991). Desde 1977, é professor da Pontifícia Universidade
Católica do Rio de Janeiro e, desde 1992, é diretor do Laboratório de
Inteligência Computacional Aplicada, ICA. <o:p></o:p></p>
<p class="MsoNormal">Suas áreas de interesse de pesquisa incluem: Inteligência Artificial,
Métodos de Apoio à Decisão e Nanotecnologia. Propôs a Área de Concentração em
Nanotecnologia, criada em 2007 no Programa de Pós-Graduação do Departamento de
Engenharia Elétrica da PUC-Rio e, junto com pesquisadores do CTC da PUC-Rio,
liderou a criação do primeiro programa de Engenharia em Nanotecnologia da
América Latina. Em 2007, criou a
primeira pós-graduação lato sensu em Inteligência Artificial no Brasil,
Business Intelligence Master.<o:p></o:p></p>
<p class="MsoNormal">Suas áreas de interesse de pesquisa incluem: Inteligência
Artificial e Nanotecnologia. Já orientou 60 dissertações de Mestrado e 29 teses
de Doutorado, coordenou mais de 50 projetos de P&D nas áreas de óleo e gás
e energia elétrica e publicou 61 artigos em periódicos internacionais e mais de
300 artigos em conferências. Já ganhou cinco Prêmios Petrobras de Tecnologia e
um Prêmio Santander Universidades - Ciência e Inovação<o:p></o:p></p>', '');){kind=link}