COMPUTAÇÃO FLEXÍVEL

Obrigatória: Não

Carga Horária: 60

Créditos: 4

OBJETIVOS:
Estudar modelos matemáticos para Computação Flexível. Desenvolver aplicações.

EMENTA:
Computação Probabilística: redes bayesianas, cadeias de Markov, Modelos Ocultos de Markov, Processos de Decisão de Markov. Computação Intervalar: aritmética, medidas, avaliação de funções, álgebra matricial, métodos para solução de equações, sistemas lineares e não-lineares.
Computação Fuzzy: conjuntos difusos, operações em conjutos difusos, conceitos introdutórios de lógica fuzzy.

PROGRAMA:
1. Computação Probabilística
1.1 Raciocínio probabibístico
1.2 Redes bayesianas
1.3 Cadeias de Markov
1.4 Modelos Ocultos de Markov (HMM)
1.5 Processos de Decisão de Markov (MDP)
1.6 Processos de Decisão de Markov Parcialmente Observáveis (POMDP)
1.7 Processos de Decisão de Markov para Sistemas Multiagentes (MMDP)
1.8 Análise e desenvolvimento e de aplicações.
2. Computação Intervalar
2.1 Modelagem e computação baseada em intervalos
2.2 Aritmética
2.3 Funções de medida
2.4 Funções elementares
2.5 Avaliação de funções
2.6 Método de Newton Intervalar para solução de equações
2.7 Álgebra matricial intervalar
2.8 Métodos para resolução de sistemas lineares intervalares
2.9 Métodos para resolução de sistemas não lineares intervalares
2.10 Análise e desenvolvimento de aplicações.
3. Introdução à Computação Fuzzy
3.1 Conjuntos Difusos
3.2 Operações com conjuntos difusos
3.3 Lógica fuzzy e raciocínio aproximado
3.4 Relações Fuzzy
3.5 Regras da Lógica Fuzzy
3.6 Análise e desenvolvimento de aplicações.

Bibliografia:

Alefeld, G. and Herzberger, J. Introduction to Interval Computations. New York: Academic Press, 1983.

Ballard, D. H. An Introduction to Natural Computation. Cambridge: MIT Press, 1997.

Chen, G., and Pham, T.T. Introduction to Fuzzy Sets, Fuzzy Logic and Fuzzy Control Systems. New York: CRC Press, 2001.

Hansen, El., and Walster, G. W.. Global Optimization Using Interval Analysis, Pure and Applied Mathematics Series, 2003.

Howard, R. A. Dynamic Probabilistic Systems. New York: John Wiley & Sons, 1971. Vol. 1 and 2.

Jaulin, Luc et. Al. Applied Interval Analysis. Berlin: Springer-Verlag, 2001.

Keafort, R. B., and Kreinovich, V. (eds.), Applications of Interval Computations. Boston: Kluwer, 1996.

Moore, R. Methods and Applications of Interval Analysis. Philadelphia: SIAM, 1979. (SIAM Studies in Applied and Numerical Mathematics)

Neumaier, A. Interval Methods for Systems of Equations. Cambridge: Cambridge University Press, 1990.

Nguyen, H.T., and Walker, E.A. A First Course in Fuzzy Logic. Chapman and Hall, 1999.

Puterman, M. L. Markov Decision Processes -- Discrete Stochastic Dynamic Programming. New York: Wiley, 1994.

Ratschek, H. and Rokne, J. Computer Methods for the Range of Functions. Chichester: Ellis Horwood, 1984.

Russel, S., and Norvig, P. Artificial Intelligence, a Modern Approach. Reading: Prentice Hall, 2003.

Trivedi, K. S. Probability and Statistics with Reliability, Queuing and Computer Science Applications. Englewood Cliffs: Prentice-Hall, 2001.

White, D. J. Markov Decision Processes. New York: John Wiley & Sons, 1993.

Wooldridge, M. Introduction to Multi-agent Systems. Chichester: Wiley, 2002.