ABSTRACT We consider the problem of finding the minimum uncovered area (trim loss) when tiling non- overlapping distinct integer-sided squares in an N × N square container such that the squares are placed with their edges parallel to those of the container. We find such trim losses and associated optimal packings for all container sizes N from 1 to 101, through an independently developed adaptation of Ian Gambini’s enumerative algorithm. The results were published as a new sequence to The On-Line Encyclopedia of Integer Sequences®. These are the first known results for optimal packings in non-decomposable squares.

This work aims at complementing the development of the EFM (Ellipsoidal Frontier Model) proposed by Milioni et al. (2011a). EFM is a parametric input allocation model of constant sum that uses DEA (Data Envelopment Analysis) concepts and ensures a solution such that all DMUs (Decision Making Units) are strongly CCR (Constant Returns to Scale) efficient. The degrees of freedom obtained with the possibility of assigning different values to the ellipsoidal eccentricities bring flexibility to the model and raises the interest in evaluating the best distribution among the many that can be generated. We propose two analyses named as local and global. In the first one, we aim at finding a solution that assigns the smallest possible input value to a specified DMU. In the second, we look for a solution that assures the lowest data variability.

The Lattes Platform, an information system maintained by the Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), is the main source of information on Brazilian researchers. This paper presents a scientific output profile of the CNPq Productivity Research Fellows in the Chemistry area based on the information extracted automatically from Lattes curricula in the 2002-2011 period using the language "LattesMiner". This paper also provides a comparison with the results of Santos et al. (2010). The findings confirmed that the majority of the researchers are male (67.9%), classified as category 2 (63.2%) and working in the Southeast region (60.7%).

Este trabalho apresenta dois métodos para a solução do Problema de Minimização de Pilhas Abertas (ou MOSP, de Minimization of Open Stacks Problem), um problema de sequenciamento de padrões oriundo do contexto de produção de peças, cuja aplicação industrial é direta. O primeiro é relativo a uma heurística baseada em teoria de grafos e critérios gulosos, enquanto o segundo é relativo a um método de programação dinâmica. Os resultados do experimento realizado comprovam a eficácia das simplificações propostas quando comparadas com os métodos da literatura.

This paper presents two methods for solving the minimization of open stack problem (MOSP), a pattern sequencing problem found in production systems with direct industrial application. The first method refers to a heuristic based on graph theory and greedy criteria, while the second refers to the dynamic programming method. The results show the effectiveness of the proposed simplifications compared to the methods reported in the literature.

Sugerimos uma heurística rápida e de implementação simples para o problema de minimização de pilhas abertas (MOSP). O problema é modelado como um problema de percorrimento de arcos no grafo (Gmosp) associado (Yanasse, 1997b). Foi observado em Ashikaga (2001) que o grafo Gmosp possui grandes cliques e uma alta densidade de arestas. Esta informação foi utilizada para implementar uma heurística baseada no algoritmo Extensão-Rotação de Pósa (1976) para aproximação de Circuitos Hamiltonianos. O caminho inicial para o algoritmo de Pósa é obtido a partir dos vértices de uma aproximação do maior clique do grafo para acelerar o processo. Testes computacionais extensivos mostram que a abordagem domina tanto em tempo quanto em erro médio a mais rápida heurística conhecida de Yuen (1991 e 1995).

It is suggested here a fast and easy to implement heuristic for the minimization of open stacks problem (MOSP). The problem is modeled as a traversing problem in a graph (Gmosp) with a special structure (Yanasse, 1997b). It was observed in Ashikaga (2001) that, in the mean experimental case, Gmosp has large cliques and high edge density. This information was used to implement a heuristic based on the extension-rotation algorithm of Pósa (1976) for approximation of Hamiltonian Circuits. Additionally, an initial path for Pósa's algorithm is derived from the vertices of an ideally maximum clique in order to accelerate the process. Extensive computational tests show that the resulting simple approach dominates in time and mean error the fast actually know Yuen (1991 and 1995) heuristic to the problem.

Nesta nota técnica apresentamos os resultados de testes computacionais da implementação feita de um algoritmo exato proposto na literatura para resolver um problema de seqüenciamento que surge em alguns ambientes produtivos em que desejamos minimizar pedidos em aberto dos clientes. Dos resultados computacionais observamos que os critérios de dominância incorporados no processo enumerativo deste algoritmo reduzem o espaço de busca, tornando-o mais eficiente em termos de tempo de execução.

In this paper, we present the computational test results of an implementation made of an exact algorithm proposed in the literature to solve a sequencing problem that arises in some productive environments where open orders of clients should be minimized. From the computational tests, it can be observed that the dominance criteria incorporated in the enumeration process of this algorithm reduces the search space, making the algorithm more efficient in terms of execution time.

A avaliação de risco de crédito é um importante problema administrativo da área de análise financeira. As Redes Neurais têm recebido muita atenção pela sua alta taxa de acurácia preditiva, no entanto não é fácil compreender como elas alcançam as suas decisões. Neste artigo um conjunto de dados de crédito é analisado usando a técnica de extração de regras NeuroRule e o software WEKA para a extração de regras a partir de uma Rede Neural treinada. Os resultados foram considerados bastante satisfatórios alcançando mais de 80% de acurácia quanto à concessão (ou não) de crédito bancário em todas as simulações.

Credit-risk evaluation is a very important management science problem in the financial analysis area. Neural Networks have received a lot of attention because of their universal approximation property. They have a high predictive accuracy rate, but how they reach their decisions is not easy to understand. In this paper, we present a real-life credit-risk data set and analyzed it using the NeuroRule extraction technique and the software WEKA. The results were considered very satisfactory, reaching more than 80% of accuracy in granting or denying credit on every simulation.

A "Descoberta de Conhecimento em Bases de Dados" (Knowledge Discovery in Databases, KDD) é um processo composto de várias etapas, iniciando com a coleta de dados para o problema em pauta e finalizando com a interpretação e avaliação dos resultados obtidos. O presente trabalho objetiva mostrar a influência da análise exploratória dos dados no desempenho das técnicas de Mineração de Dados (Data Mining) quanto à classificação de novos padrões por meio da sua aplicação a um problema médico, além de comparar o desempenho delas entre si, visando obter a técnica com o maior percentual de acertos. Pelos resultados obtidos, pode-se concluir que a referida análise, se conduzida de forma adequada, pode trazer importantes melhorias nos desempenhos de quase todas as técnicas abordadas, tornando-se, assim, uma importante ferramenta para a otimização dos resultados finais. Para o problema em estudo, a técnica que envolve um modelo de Programação Linear e uma outra que envolve Redes Neurais foram as técnicas que apresentaram os menores percentuais de erros para os conjuntos de testes, apresentando capacidades de generalização satisfatórias.

Knowledge Discovery in Databases - KDD - is a process that consists of several steps, beginning with the collection of data for the problem under analysis and ending with the interpretation and evaluation of the final results. This paper discusses the influence of exploratory data analysis on the performance of Data Mining techniques with respect to the classification of new patterns, based on its application to a medical problem, and compares the performance of these techniques in order to identify the one with the highest percentage of successes. The results of this study lead to the conclusion that, providing this analysis is done properly, it can significantly improve the performance of these techniques and serve as an important tool to optimize the end results. For the problem under study, the techniques involving a Linear Programming model and Neural Networks were the ones showing the lowest percentages of errors for the test sets, presenting good generalization capacities.

O objetivo deste artigo é apresentar um algoritmo polinomial na quantidade de recursos computacionais utilizados, que encontre boas soluções para o problema de empacotamento de bins tridimensionais; tendo como maior contribuição, considerações sobre a estabilidade estática da carga. Os critérios para o empacotamento estável dos itens dentro dos bins são apresentados com detalhes. O procedimento para o preenchimento dos itens dentro dos bins utiliza o bem conhecido princípio da alocação em pontos de cantos. O problema é NP-difícil no sentido forte e extremamente difícil de ser resolvido na prática. Apresenta-se grande quantidade de experimentos computacionais para problemas com até 90 itens (com e sem estabilidade estática) e os resultados são comparados com aqueles obtidos da literatura.

A polynomial computational bounded resources heuristic for the Three-Dimensional Bin Packing Problem (3D-BPP) is suggested. The major contribution is the introduction of static stability of the packing and the criteria used for such a packing are described in details. The filling process follows the well known 3-D corner approach. The problem is NP-Hard in the strong sense and extremely difficult to be solved in the practice. Extensive computational experiments are also presented, with instances up to 90 items, with and without static stability. The results are compared with those obtained from the literature.

Neste trabalho apresenta-se um esquema enumerativo para se determinar as K-melhores (K > 1) soluções para o problema da mochila unidimensional. Se n é o número total de itens diferentes e b é a capacidade da mochila, a complexidade computacional do esquema proposto é limitado por O(Knb). O algoritmo foi implementado em uma estação de trabalho e testes computacionais foram realizados variando-se diferentes parâmetros do problema.

In this work we present an enumerative scheme for determining the K-best solutions (K > 1) of the one dimensional knapsack problem. If n is the total number of different items and b is the knapsack's capacity, the computational complexity of the proposed scheme is bounded by O(Knb) with memory requirements bounded by O(nb). The algorithm was implemented in a workstation and computational tests for varying values of the parameters were performed.