Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2016-04-27T11:59:30Z No. of bitstreams: 2 Dissertação - Max Gontijo de Oliveira - 2012.pdf: 3940401 bytes, checksum: 9d69259096bb8d7b7239f7eb20579d8d (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-04-27T12:01:50Z (GMT) No. of bitstreams: 2 Dissertação - Max Gontijo de Oliveira - 2012.pdf: 3940401 bytes, checksum: 9d69259096bb8d7b7239f7eb20579d8d (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2016-04-27T12:01:50Z (GMT). No. of bitstreams: 2 Dissertação - Max Gontijo de Oliveira - 2012.pdf: 3940401 bytes, checksum: 9d69259096bb8d7b7239f7eb20579d8d (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2012-10-08 / Several organizations need to solve the problem of locate and allocate facilities within a geographic area. There are location/allocation problems in various situations, like the distribution of police cars, ambulances, taxi drivers, bus stops among other numerous situations where the location of such facilities is strategic for organization. In location/allocation problems, usually is necessary allocate each demand point to the closest facility. So, each facility will be located in the center of demand points, considering the demand as weight. However, the majority of the real location problems have capacity constraint. Therefore, each facility has a certain capacity based on the type of demand. Facility location problems can be continuous or discrete. In continuous problems (also called Weber problem with multiple sources), any point in the plane is a potential site for the instalation of the facility. There are several approaches for working with continuous models. Furthermore, there are many others works approaches presenting models with capacity constraint. But most of these approaches turns the continous model to a discrete model. The objective of this work thesis is to present an approach to distribution of facilities in instances of the capacitated facility location problem. A case study will be presented with the purpose of evaluating the results. / Diversas organizações precisam lidar com o problema de localizar e alocar facilidades em uma região geográfica. Problemas de localização e alocação podem ser vistos, por exemplo, na distribuição de viaturas policiais, ambulâncias, viaturas de contenção de falhas em redes elétricas, taxistas, pontos de ônibus dentre outras inúmeras situações onde a localização de tais facilidades é um fator estratégico para a organização. Em problemas de localização/alocação de facilidades, geralmente aloca-se cada ponto de demanda à facilidade mais próxima e, localiza-se essa facilidade no centro dos pontos de demanda, considerando o valor da demanda como peso nessa distância. Entretanto, comumente, problemas reais de localização de facilidades possuem restrição de capacidade. Assim, cada facilidade possui uma certa capacidade em função do tipo de demanda. Problemas de localização de facilidades podem ser contínuos ou discretos. Em problemas contínuos (também chamados de problema de Weber com múltiplas fontes), qualquer ponto no plano é um potencial local para se instalar uma facilidade. Existem várias abordagens para trabalhar com modelos contínuos e outras tantas para trabalhar com modelos com restrição de capacidade, mas a maioria dessas abordagens realiza uma discretização do modelo. Assim, o objetivo desse trabalho é apresentar uma abordagem para gerar boas distribuições de facilidades para o problema de localização/alocação contínuo com restrição de capacidade. Um caso de estudo será apresentado com a finalidade de avaliar os resultados obtidos.

O objetivo principal deste trabalho é o de investigar relações entre mapeamentos de modelos de spin em modelos de percolação e a existência de algoritmos de cluster capazes de simular de forma eficiente o modelo. Apresentamos um mapeamento do modelo de Blume-Capel em um modelo de percolação que permite reobter um algoritmo proposto anteriormente por nós através de uma prova de balanço detalhado, o que abre a possibilidade de descrevermos todo o diagrama de fases do modelo em termos de propriedades dos clusters formados. Isto é particularmente interessante, já que o modelo possui um ponto tricrítico, nunca antes analisado em termos de propriedades de percolação. Encontramos também um mapeamento para o modelo de Ashkin-Teller, e através dos algoritmos de cluster resultantes investigamos a possibilidade de existência de uma fase de Baxter Assimétrica. Analisamos também questões relacionadas ao comportamento de tamanho finito de sistemas que apresentam transições de fase de primeira ordem assimétricas. Finalmente, o algoritmo de cluster desenvolvido para o modelo de Blume-CapeI é também generalizado: de forma a podermos aplicá-lo ao estudo do modelo de Blume-Emery-Griffiths. / The main goal of this work is to investigate relations between mappings of spin models into percolation models and the possibility of devising an efficient cluster algorithm to simulate the model. We present a mapping of the Blume-Capel model into a percolation model that results in a cluster algorithm proposed previously by us through a detailed balance proof, enabling us to describe the whole phase-diagram in terms of cluster properties. This is particularly appealing, since the model has a tricritical point, a feature not yet analysed in terms of percolation properties. We present also a mapping for the Ashkin-Teller model, and using the obtained cluster algorithms we analyse the possibility of existence of the Asymmetric Baxter phase. We also address questions related to the finite-size behavior of systems in asymmetric first-order phase transitions. Finally, the cluster algorithm developed for the Blume-Capel model is generalized to the study of the Blume-Emery-Griffiths model.

O objetivo principal deste trabalho é o de investigar relações entre mapeamentos de modelos de spin em modelos de percolação e a existência de algoritmos de cluster capazes de simular de forma eficiente o modelo. Apresentamos um mapeamento do modelo de Blume-Capel em um modelo de percolação que permite reobter um algoritmo proposto anteriormente por nós através de uma prova de balanço detalhado, o que abre a possibilidade de descrevermos todo o diagrama de fases do modelo em termos de propriedades dos clusters formados. Isto é particularmente interessante, já que o modelo possui um ponto tricrítico, nunca antes analisado em termos de propriedades de percolação. Encontramos também um mapeamento para o modelo de Ashkin-Teller, e através dos algoritmos de cluster resultantes investigamos a possibilidade de existência de uma fase de Baxter Assimétrica. Analisamos também questões relacionadas ao comportamento de tamanho finito de sistemas que apresentam transições de fase de primeira ordem assimétricas. Finalmente, o algoritmo de cluster desenvolvido para o modelo de Blume-CapeI é também generalizado: de forma a podermos aplicá-lo ao estudo do modelo de Blume-Emery-Griffiths. / The main goal of this work is to investigate relations between mappings of spin models into percolation models and the possibility of devising an efficient cluster algorithm to simulate the model. We present a mapping of the Blume-Capel model into a percolation model that results in a cluster algorithm proposed previously by us through a detailed balance proof, enabling us to describe the whole phase-diagram in terms of cluster properties. This is particularly appealing, since the model has a tricritical point, a feature not yet analysed in terms of percolation properties. We present also a mapping for the Ashkin-Teller model, and using the obtained cluster algorithms we analyse the possibility of existence of the Asymmetric Baxter phase. We also address questions related to the finite-size behavior of systems in asymmetric first-order phase transitions. Finally, the cluster algorithm developed for the Blume-Capel model is generalized to the study of the Blume-Emery-Griffiths model.