UNIVERSIDADE FEDERAL DE MINAS GERAIS

Escola de Engenharia
Curso de Graduao em Engenharia de Controle e Automao
PROGRAMA DE DISCIPLINA
DISCIPLINA:
Otimizao de Sistemas

CDIGO:
ELE020

DEPARTAMENTO RESPONSVEL:
Departamento de Engenharia Eltrica

UNIDADE:
Escola de Engenharia

CARGA HORRIA:
Terica: 45 Prtica: 00
Total: horas-aula 45

CRDITOS:
03

PERODO:
Stimo

PR-REQUISITOS DE CONHECIMENTO:
Funes de vrias variveis, sries e seqncias,
gradientes e hessianas, confeco de algoritmos e
algoritmos para resoluo de problemas numricos.

CLASSIFICAO:
Optativa

PR-REQUISITOS:
MAT039,DCC004,DCC033

CARGA HORRIA ESTIMADA EXTRA-CLASSE:

30 horas-aula

EMENTA:
Programao matemtica, anlise convexa, programao linear, programao no linear: mtodos determinsticos e
mtodos heursticos, aplicao na resoluo de problemas de engenharia.
OBJETIVOS:
Formar uma base slida de conhecimentos que possibilite o entendimento dos diversos tipos de problemas de
otimizao; familiarizar o aluno com tcnicas determinsticas e estocsticas de otimizao, capacitando-o a
desenvolver programas para a soluo de problemas de engenharia; introduzir novas tcnicas de otimizao.
METODOLOGIA DE ENSINO:
(x) Aulas Expositivas em Quadro-Negro
(x) Utilizao de Transparncias ou Slides
( ) Aulas Prticas Demonstrativas
( ) Aulas Prticas de Montagem
(x) Trabalho Terico Extra-Classe

( ) Trabalho Prtico Extra-Classe

(x) Estudo Dirigido / Listas de Exerccios
( ) Aulas em Salas de Microcomputadores
( ) Outros - Especificar:

CRITRIOS DE AVALIAO:
02 provas tericas e um trabalho extra-classe contendo implementao computacional e relatrio com descrio do
problema, modelagem, formulao matemtica e anlise dos resultados.
PROGRAMA:
Parte I Programao Linear: modelagem de problemas reais, formulao matemtica da programao linear,
mtodo simplex, mtodo simplex de duas fases, dualidade e sensibilidade, programao inteira e branch and
bound, prova 1.
Parte II Otimizao No Linear: problema geral no linear; formulao matemtica da otimizao no linear;
mtodos de direes de busca: mtodo do gradiente, mtodos de Newton e mtodos quasi-Newton (BFGS e DFP);
tratamento das restries: penalidade e barreira; otimizao por populaes: algoritmo evolucionrio simples,
algoritmos genticos e sistemas imunolgicos artificiais; aplicaes em problemas de engenharia; prova 2
Parte III entrega e apresentao dos trabalhos.
BIBLIOGRAFIA:
[1] Bazaraa, M. S., Jarvis, J. J., Sherali, H. D.: Linear Programming and Network Flows, J. Wiley & Sons, Second
Edition, ISBN 0-471-63681-9 (1997);
[2] D.G. Luenberger: Introduction to Linear and Nonlinear Programming, Addisson-Wesley, Reading,
Massachussets, (1984);
[3] Goldbarg, M.C. & Luna, H. P. L.: Otimizao Combinatria e Programao Linear, Elsevier, Segunda Edio,
(2005);
[4] Bazaraa, Sherali, H. D. & Shetty, C.M.: Nonlinear Programming Theory and Algorithms, J. Wiley & Sons,
(1993);
[5] Goldberg, D.E.: Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, (1989);
[6] de Castro, L.N. & Timis, J.: Artificial Immune Systems: A New Computational Intelligence Paradigm,
Springer-Verlag, Berlin, Germany, (2002).

UNIVERSIDADE FEDERAL DE MINAS GERAIS

Escola de Engenharia
Curso de Graduao em Engenharia de Controle e Automao
PROFESSORES RESPONSVEIS:
Joo Antnio de Vasconcelos e Oriane Magela Neto

DATA DA APROVAO: