Em Teoria dos Jogos, uma das clássicas hipóteses é de que os jogadores tomem decisões

Existem algoritmos de busca local estocástica em que a função passo está implementada em dois estágios. No primeiro estágio, uma solução vizinha s’ da solução candidata corrente s é selecionada uniformemente e depois é aceita, ou não, de acordo com a função de probabilidade: p(T,s,s’) = 1, se f(s’) !$ \le !$ f(s); ou p(T,s,s’) = exp( (f(s)-f(s’))/T ), caso contrário, onde T é um parâmetro denominado temperatura e f é a função avaliação. Quanto ao emprego desse critério, conhecido como condição de Metropolis, tem-se que

Sejam S o conjunto de busca, N a relação de vizinhança e g a função avaliação. De um pseudoalgoritmo de busca local estocástica retiram-se os seguintes comandos:

Uma alternativa para aumentar a rapidez dos algoritmos de busca local estocástica é selecionar o próximo passo de maneira mais eficiente. Neste contexto, o mecanismo de seleção do passo de busca do algoritmo, cujos comandos foram destacados acima, usa a estratégia de seleção

O procedimento troca de r arestas (r-exchange) é uma das heurísticas de maior sucesso em obter uma solução aproximadamente ótima para o problema do caixeiro-viajante com n vértices. Em relação a esse procedimento, considere as afirmativas a seguir.

I - A partir de um ciclo Hamiltoniano H, o procedimento retira r arestas de H, produzindo r caminhos desconexos e os reconecta usando arestas diferentes daquelas retiradas, produzindo uma nova rota H’.

II - De um ciclo Hamiltoniano H é produzido um novo ciclo H’, o qual difere de H em exatamente r arestas, as demais (n-r) arestas coincidem.

III - Caso o custo de H’, produzido a partir da troca de r arestas de um ciclo Hamiltoniano H, seja maior que o custo de H, então H é substituído por H’, senão um novo conjunto de r arestas de H é selecionado para troca.

IV - O processo de troca de r arestas é repetido até que nenhuma melhora adicional seja alcançada.

V - O procedimento r-exchange termina em um ótimo global, chamado de r-ótimo ou r-opt.

São corretas APENAS as afirmativas

Para comprar um carro novo, foram identificados 4 modelos das indústrias A, B, C e D. A decisão será tomada de acordo com preço e consumo de combustível. É evidente que a preferência é por um carro mais barato que consuma menos combustível. Nesse caso, tem-se um problema com 4 alternativas e 2 critérios. As características dos 4 modelos são apresentadas através dos pares de coordenadas A=(36,8), B=(35,7), C=(34,8) e D=(35,9), onde a primeira coordenada refere-se ao preço (dado em R$ 1.000,00) e a segunda refere-se ao consumo de combustível (dado em litro por quilômetro). Em relação ao conjunto viável, conclui-se que

Considere o problema de otimização bicritério irrestrito: minimizar !$ F(x) = (f_1(x) !$, !$ f_2(x)) !$ sujeito a !$ x \, ∈ \, R^n !$, onde !$ f_i:R^n \rightarrow R\ !$, !$ i=1,2 !$. Um ponto eficiente para F em !$ R^n !$ é um ponto !$ x^* ∈ \, R^n !$ tal que não existe !$ x \, ∈ R^n !$ com !$ F(x) \le F(x^*) !$ e !$ F(x)≠F(x^*) !$. Para F continuamente diferenciável, a condição de otimalidade de primeira ordem é dada por

Considere o caso 4 a seguir para responder a questão.

CASO 4

A PrintEasy é uma empresa que realiza a impressão de mais de 1 milhão de contas de telefone anualmente. Nessas faturas existem anúncios de ofertas exclusivas além dos dados variáveis, como nome do cliente, endereço, valor da conta, etc. A emissão dessas faturas usa bobinas pré-impressas, cada uma com 10.000 faturas, sobre as quais são impressos dados variáveis antes de serem separadas. Existem dois tipos de bobinas pré-impressas: grande (com ofertas) e pequena (sem ofertas). O planejamento dos próximos 2 meses requer a seguinte quantidade de bobinas:

Mês	Pequena	Grande
maio	5	12
junho	8	13

Considere o Caso 3 a seguir para responder a questão.

CASO 3

Um investidor tem à sua disposição dois tipos de investimento que estão descritos segundo sua rentabilidade esperada e o seu risco, apresentados abaixo

Investimento	Rentabilidade esperada	Risco
Opção 1	2,0 %	2,5 %
Opção 2	3,5 %	4,0 %