QUESTIONARIO 2 PESQUISA OPERACIONAL

Prévia do material em texto

1. PESQUISA OPERACIONAL 7945-30_43701_R_E1_20232 
 
2. : QUESTIONÁRIO UNIDADE II 
 
Curso PESQUISA OPERACIONAL 
Teste QUESTIONÁRIO UNIDADE II 
Iniciado 28/11/23 11:27 
Enviado 28/11/23 11:37 
Status Completada 
Resultado da 
tentativa 
4,5 em 5 pontos 
Tempo decorrido 9 minutos 
Resultados 
exibidos 
Todas as respostas, Respostas enviadas, Respostas corretas, Comentários, 
Perguntas respondidas incorretamente 
• Pergunta 1 
0,5 em 0,5 pontos 
 
O que é otimização de redes? 
Resposta 
Selecionada: 
a. 
É uma subárea da pesquisa operacional focada em design, 
planejamento e operação de redes. 
Respostas: a. 
É uma subárea da pesquisa operacional focada em design, 
planejamento e operação de redes. 
 b. 
É o estudo sobre como otimizar websites para motores de busca. 
 
c. 
É um ramo da matemática aplicada que lida exclusivamente com 
redes de computadores. 
 
d. 
É um campo da física que estuda as interações entre diferentes 
redes. 
 
e. 
É um tipo de otimização que só pode ser aplicada a redes de 
distribuição de energia. 
Comentário 
da resposta: 
Resposta: A 
Comentário: A otimização de redes é uma subárea dentro da pesquisa 
operacional que se concentra no design, planejamento e operação de 
redes de tal forma que se possa alcançar um determinado objetivo, 
como maximizar a eficiência ou minimizar os custos, sob determinadas 
restrições. Ela lida principalmente com problemas que podem ser 
representados por uma estrutura de rede composta por nós e arcos. 
Estes problemas têm uma vasta gama de aplicações, desde a logística e 
transporte até a comunicação de dados e distribuição de energia. 
 
 
• Pergunta 2 
0,5 em 0,5 pontos 
https://ava.ead.unip.br/webapps/blackboard/execute/courseMain?course_id=_318317_1
https://ava.ead.unip.br/webapps/assessment/review/review.jsp?attempt_id=_100600857_1&course_id=_318317_1&content_id=_3710695_1&return_content=1&step=
 
Considere as informações sobre o Algoritmo de Dijkstra para resolução do problema do 
caminho mais curto em grafos. Assinale a alternativa correta. 
Resposta 
Selecionada: 
e. 
Uma das aplicações práticas do Algoritmo de Dijkstra é na 
determinação de rotas em sistemas de navegação GPS. 
Respostas: a. 
O Algoritmo de Dijkstra pode ser aplicado em grafos com arestas de 
peso negativo, pois sempre encontrará o caminho mais curto, 
independentemente dos pesos. 
 
b. 
O Algoritmo de Dijkstra é um exemplo de um algoritmo não guloso, 
pois não faz escolhas localmente ótimas. 
 
c. 
A complexidade computacional do Algoritmo de Dijkstra é sempre 
quadrática, independentemente da implementação. 
 
d. 
O Algoritmo de Dijkstra é um exemplo de um algoritmo não guloso, 
pois não faz escolhas localmente ótimas. 
 
e. 
Uma das aplicações práticas do Algoritmo de Dijkstra é na 
determinação de rotas em sistemas de navegação GPS. 
Comentário da 
resposta: 
Resposta: E 
Comentário: O algoritmo de Dijkstra é um dos algoritmos mais 
conhecidos para encontrar o caminho mais curto entre nós em um 
grafo, o que o torna ideal para sistemas de navegação GPS que 
necessitam calcular a rota mais rápida de um ponto a outro. 
 
 
• Pergunta 3 
0,5 em 0,5 pontos 
 
Baseando-se nas características e no funcionamento do algoritmo de Kruskal, assinale a 
alternativa correta. 
Resposta 
Selecionada: 
b. 
Uma das vantagens do algoritmo de Kruskal é a sua simplicidade e 
facilidade de implementação. 
Respostas: a. 
O algoritmo de Kruskal é mais eficiente para grafos densos do que 
para grafos esparsos. 
 
b. 
Uma das vantagens do algoritmo de Kruskal é a sua simplicidade e 
facilidade de implementação. 
 
c. 
No algoritmo de Kruskal, as arestas do grafo são organizadas em 
ordem decrescente de peso na fase de inicialização. 
 
d. 
Se durante a execução do algoritmo de Kruskal, uma aresta 
selecionada conecta dois vértices que já pertencem à mesma árvore, 
ela é adicionada à solução. 
 
 
e. 
O algoritmo de Kruskal termina quando todas as arestas foram 
adicionadas à solução. 
Comentário 
da resposta: 
Resposta: B 
Comentário: O algoritmo de Kruskal é um método popular para 
encontrar uma árvore geradora mínima em um grafo conectado e 
ponderado. Uma árvore geradora mínima é uma subestrutura que 
conecta todos os vértices do grafo com o menor custo total de arestas 
possível, sem criar ciclos. 
Como funciona o algoritmo de Kruskal: 
Ordenação das arestas: inicialmente, todas as arestas do grafo são 
ordenadas em ordem crescente de seu peso (ou custo). Inicialização: 
cria-se uma floresta F, que é um conjunto de árvores onde cada árvore 
representa um vértice isolado do grafo. Seleção de arestas: as 
arestas do grafo são percorridas na ordem estabelecida, começando 
pela de menor peso. Cada aresta é analisada para determinar se a sua 
adição à floresta F cria um ciclo. Construção da árvore: se a adição 
de uma aresta não formar um ciclo, ela é incorporada à floresta F, 
conectando duas árvores (ou dois vértices) em uma só. Se a adição da 
aresta formar um ciclo, ela é descartada. Repetição: o processo 
continua até que todas as árvores na floresta F sejam conectadas, 
formando uma única árvore geradora mínima que inclui todos os 
vértices do grafo. 
Vantagens do algoritmo de Kruskal: 
Simplicidade: o algoritmo é conceitualmente simples e fácil de 
implementar. Adaptabilidade: pode ser facilmente adaptado para 
situações onde os grafos são modificados frequentemente e é 
necessário encontrar árvores geradoras mínimas múltiplas 
vezes. Universalidade: funciona bem com grafos dispersos ou densos, 
desde que as arestas possam ser ordenadas de maneira eficiente. Não 
depende de um vértice inicial: diferentemente de alguns outros 
algoritmos de árvore geradora mínima, o algoritmo de Kruskal não 
começa de um vértice específico, o que elimina a possibilidade de viés 
na construção da árvore baseada na escolha do vértice inicial. 
 
• Pergunta 4 
0,5 em 0,5 pontos 
 
Assinale a alternativa que melhor define o conceito de "Matriz de Pagamento" na Teoria 
da Decisão. 
Resposta 
Selecionada: 
a. 
Uma representação tabular das recompensas ou custos associados 
às várias combinações de alternativas e estados da natureza. 
Respostas: a. 
Uma representação tabular das recompensas ou custos associados 
às várias combinações de alternativas e estados da natureza. 
 b. 
 
Um gráfico que representa as diferentes alternativas e eventos 
incertos. 
 
c. 
Uma técnica utilizada para resolver problemas de decisão de 
otimização. 
 
d. 
Um plano de ação que especifica qual alternativa seguir para cada 
possível estado da natureza. 
 
e. 
Um método usado para examinar como as mudanças nas entradas 
de um modelo de decisão afetam a decisão ótima. 
 
• Pergunta 5 
0,5 em 0,5 pontos 
 
O que o Critério de Maximax busca ao tomar uma decisão sob risco na pesquisa 
operacional? 
Resposta 
Selecionada: 
c. 
Escolher a decisão com o maior payoff possível. 
Respostas: a. 
Escolher a decisão com a média mais alta de payoffs. 
 
b. 
Calcular o valor esperado de cada decisão e escolher a de maior 
valor. 
 c. 
Escolher a decisão com o maior payoff possível. 
 d. 
Minimizar o arrependimento máximo. 
 
e. 
Escolher a decisão cujo pior payoff seja o melhor entre os 
piores payoffs possíveis. 
Comentário 
da resposta: 
Resposta: C 
Comentário: O Critério de Maximax é uma abordagem de tomada de 
decisão sob incerteza que é usada quando um tomador de decisão é 
extremamente otimista e busca maximizar o retorno máximo possível. 
Este critério é considerado um dos mais agressivos e menos avessos ao 
risco, pois foca na melhor das possíveis consequências, ignorando os 
riscos associados. O Critério de Maximax funciona da seguinte maneira: 
Para cada estratégia disponível ao tomador de decisão, identifique o 
resultado mais favorável (o máximo payoff). 
Escolha a estratégia que possui o máximo payoff possível entre todos 
os máximos identificados.• Pergunta 6 
0,5 em 0,5 pontos 
 
Com base na Teoria das Filas na pesquisa operacional, como são classificados os 
sistemas de filas quanto à fonte de entrada? 
Resposta 
Selecionada: 
a. 
População Infinita e População Finita. 
Respostas: a. 
População Infinita e População Finita. 
 b. 
Determinístico e Estocástico. 
 c. 
FIFO e LIFO. 
 d. 
Capacidade Ilimitada e Capacidade Limitada. 
 
e. 
Sistema de Um Único Servidor e Sistema de Múltiplos 
Servidores. 
Comentário da 
resposta: 
Resposta: A 
Comentário: Segundo a fonte de entrada: 
▪ População Infinita: quando o número de possíveis 
clientes é muito grande, como um posto de gasolina 
em uma rodovia movimentada. 
• População Finita: quando o número de possíveis 
clientes é limitado, como funcionários de uma 
empresa usando a mesma impressora. 
 
 
• Pergunta 7 
0 em 0,5 pontos 
 
O que é a Política de Filas em um sistema de filas? 
Resposta 
Selecionada: 
c. 
É o que específica como os clientes são atendidos em termos de 
capacidade e disciplina. 
Respostas: a. 
É o que define o tempo de chegada dos clientes. 
 
b. 
É o que determina o tempo de serviço necessário para cada 
cliente. 
 
c. 
É o que específica como os clientes são atendidos em termos de 
capacidade e disciplina. 
 
d. 
É o que determina a ordem pela qual os clientes serão atendidos 
na fila. 
 
 
e. 
É o que define quem são os clientes e como eles chegam ao 
sistema. 
 
• Pergunta 8 
0,5 em 0,5 pontos 
 
Sobre a notação de Kendall em Teoria das Filas, o que o símbolo G representa na 
posição do tempo de serviço (B) na notação básica A/B/C? 
Resposta Selecionada: a. 
Tempo de serviço geral, sem uma distribuição específica. 
Respostas: a. 
Tempo de serviço geral, sem uma distribuição específica. 
 b. 
Tempo de serviço exponencialmente distribuído. 
 c. 
Tempo de serviço determinístico ou constante. 
 d. 
Processo de chegada com distribuição de Poisson. 
 e. 
Número de servidores no sistema. 
Comentário 
da resposta: 
Resposta: A 
Comentário: A notação de Kendall é amplamente utilizada em Teoria 
das Filas para descrever e classificar sistemas de filas de uma forma 
concisa. Esta notação é composta por três (ou às vezes mais) símbolos 
que são utilizados para sumarizar as características principais de um 
sistema de filas. 
A notação básica de Kendall é A/B/C, onde: 
1. A: Refere-se ao processo de chegada. Alguns dos símbolos mais 
comuns são: 
 - M: Chegadas com distribuição de Poisson (do inglês, Memoryless). 
 - D: Chegadas determinísticas ou constantes. 
 - G: Chegadas gerais, onde não há um padrão específico. 
 
2. B: Refere-se à distribuição do tempo de serviço. Assim como o 
processo de chegada, os símbolos mais comuns são: 
 - M: Tempo de serviço exponencialmente distribuído. 
 - D: Tempo de serviço determinístico ou constante. 
 - G: Tempo de serviço geral, sem uma distribuição específica. 
 
 
3. C: Refere-se ao número de servidores no sistema. 
Um exemplo clássico é o M/M/1. Este é um sistema de filas onde as 
chegadas são modeladas por um processo de Poisson, os tempos de 
serviço são exponencialmente distribuídos e há um único servidor. 
Além da notação básica A/B/C, Kendall às vezes inclui mais símbolos 
para fornecer detalhes adicionais sobre a capacidade da fila, a 
disciplina da fila etc. Por exemplo, M/M/1/N/FIFO inclui detalhes 
sobre uma capacidade máxima de fila N e uma disciplina de fila FIFO. 
 
• Pergunta 9 
0,5 em 0,5 pontos 
 
O que caracteriza o Método Monte Carlo? 
Resposta 
Selecionada: 
b. 
Uma técnica de simulação estatística utilizada para modelar a 
probabilidade de diferentes resultados em processos complexos. 
Respostas: a. 
Uma técnica que depende inteiramente de modelos matemáticos 
determinísticos. 
 
b. 
Uma técnica de simulação estatística utilizada para modelar a 
probabilidade de diferentes resultados em processos complexos. 
 
c. 
Um processo que elimina a necessidade de considerar variáveis 
aleatórias em simulações. 
 
d. 
Uma abordagem que só é aplicável em pesquisa operacional e 
finanças. 
 
e. 
Um método que garante previsões precisas em todos os tipos de 
processos. 
Comentário 
da resposta: 
Resposta: B 
Comentário: O Método Monte Carlo foi criado para lidar com a 
incerteza e complexidade nos sistemas, e é amplamente usado em 
pesquisa operacional para tomar decisões mais informadas sob 
condições de incerteza. A sua maior força reside na sua capacidade de 
transformar problemas complexos e estocásticos em experimentos 
simulados que podem ser analisados estatisticamente. 
 
 
• Pergunta 10 
0,5 em 0,5 pontos 
 
Quais são as limitações do Método Monte Carlo? 
Resposta 
Selecionada: 
c. 
Alto poder de computação para grandes simulações e resultados 
dependentes da qualidade dos dados e do modelo. 
Respostas: a. 
Falta de flexibilidade e baixa necessidade de poder de computação. 
 
 b. 
Resultados imprecisos com bons dados e modelo. 
 
c. 
Alto poder de computação para grandes simulações e resultados 
dependentes da qualidade dos dados e do modelo. 
 d. 
Aplicabilidade restrita a campos específicos. 
 e. 
Resultados sempre precisos, independentemente dos dados. 
Comentário da 
resposta: 
Resposta: C 
Comentário: 
▪ Requer alto poder de computação para grandes 
simulações. 
▪ Os resultados são tão bons quanto os dados e o 
modelo, o que significa que os dados ruins podem 
levar a conclusões imprecisas.