UMA ABORDAGEM MULTIOBJETIVO INTEIRA PARA A DIETA EM CRECHES

, Nilcemar R. C. Cruz Andr e R. da Cruz , Thiago G. Lima , Matheus F. Araujo Universidade Federal de Vic osa, campus Rio Parana ba, Rodovia MG-230 Km 7, Rio Parana ba - MG, Brasil {andre.cruz, thiago.g.lima, matheus.f.araujo, nilcemar.cruz}@ufv.br Instituto de Ci encias Exatas e Tecnol ogicas o Graduando em Sistemas de Informac a Instituto de Ci encias Biol ogicas e da Sa ude RESUMO Este trabalho apresenta uma abordagem multiobjetivo para o problema da dieta em creches, no qual s ao considerados o caf e da manh a, o almoc o e o lanche da tarde. Deseja-se es, maximizando concomitantemente os n minimizar o custo das refeic o veis de prote nas, vitaminas A e C, al em de ferro e c alcio. S ao analisados 37 itens, cada um pertencente a um grupo de alimentos. timas de porc es de alimentos de 25g ou Busca-se determinar, para cada grupo, as quantidades o o es n ` pelo 25mL, no sentido multiobjetivo. As soluc o ao dominadas globalmente devem atender a o a ` 18 nutrientes. As refeic es devem menos 70% das necessidades nutricionais di arias em relac a o apresentar alimentos de diferentes grupos e a quantidade dos itens deve respeitar um intervalo, de es n modo que que mais atrativo e em uma quantidade adequada. Foram encontradas 18 soluc o ao o das func es objetivo. dominadas atrav es do m etodo de ponderac a o o Multiobjetivo Linear Inteiro. PALAVRAS CHAVE. Problema da Dieta, Programac a ` Decis Areas Principais: SA PO na Area de Saude, SE PO em Servic os, ADM Apoio a ao Multicrit erio. ABSTRACT This paper presents a multiobjective approach for the diet problem in nurseries, in which are considered the breakfast, lunch and afternoon snack. It is desired to minimize the cost of meals, concomitantly maximizing the levels of protein, vitamins A and C, in addition to iron and calcium. It is analyzed 37 items, each one belonging to a group of food. It must determine, for each group, the optimal amounts of 25g or 25mL portions of food, in a multiobjective sense. The globally nondominated solutions must agree with at least 70% of the daily nutritional requirements in relation to 18 nutrients. Meals must provide different food groups and the number of items must meet a range, becoming more attractive and in an appropriate amount. It was found 18 nondominated solutions through the scalarization technique of the objective functions. KEY WORDS. Diet Problem, Multiobjective Integer Linear Programming. Main areas: SA OR in Health, SE OR in Services, ADM Multicriteria Decision Support.

o Introduc a

O problema da dieta, criado pelo premiado Nobel em economia de 1982 George Stigler, almeja determinar, a um m nimo custo, a quantidade de alimentos que uma pessoa deve ingerir de forma a atender os n veis m nimos recomendados de um n umero de nutrientes (STIGLER, 1945). Em (GARILLE; GASS, 2001), os autores fazem uma revis ao detalhada e destacam a import ancia do modelo cl assico apresentado por Stigler. No mesmo trabalho s ao apresentados es e dados atualizados para realizar uma comparac o com o modelo resultados com novas restric o a original. Tamb em s ao apresentadas refer encias de outros trabalhos que utilizam a ideia do problema da dieta. No artigo (DANTZIG, 1990), George Dantzig relata que o problema da dieta foi o primeiro modelo em larga escala a ser solucionado no M etodo Simplex. Outras hist orias interessantes, como o surgimento do limite superior das vari aveis de decis ao, e at e mesmo o da pr engrac adas, como a determinac a opria dieta ap os Dantzig ir ao m edico, s ao encontradas no mesmo artigo. es do proDiversos trabalhos podem ser encontrados na literatura envolvendo derivac o blema da dieta. No artigo (NAMEN; BORNSTEIN, 2004), os autores apresentam uma ferramenta o de modelos matem ` otimizac o do planejamento de dietas. Em para avaliac a aticos relacionados a a o fuzzy para determinar a dieta do gado (CADENAS et al., 2004), foi realizada uma otimizac a em fazendas argentinas. No trabalho (SANTOS; RODRIGUES, 2007), os autores criaram uma ferramenta computacional para formular a dieta de pequenos animais ruminantes. Em (PESSOA; apresentado um modelo de programac o inteira para determinar o LINS; TORRES, 2009) e a card apio em um navio da Marinha do Brasil. J a em (FORSTER et al., 2010), foi realizado uma o para se determinar a dieta o tima para o camar otimizac a ao branco do Pac co. o Escolar orienta as ac es referentes a Sabe-se que o Programa Nacional de Alimentac a o es dos alunos da educac o b oferta de refeic o a asica, o que inclui as crianc as matriculadas em creches o N p ublicas ou lantr opicas (BRASIL, 2009). Conforme a Resoluc a umero 08 de 14 de maio de ` s creches em per de um real por dia 2012, o valor por pessoa repassado para atender a odo integral e (BRASIL, 2012), o que indica que o nutricionista, respons avel t ecnico pela gest ao do programa, deve planejar o card apio de forma criteriosa para que possam ser atendidas de forma satisfat oria o citada acima, foi determinado que as necessidades nutricionais das crianc as. Ainda, na Resoluc a 70% das necessidades nutricionais di arias das crianc as matriculadas em creches em regime integral dever ao ser atendidas. O presente trabalho apresenta uma abordagem multiobjetivo com vari aveis inteiras e bin arias (inteiros valendo 0 ou 1) para tratar o problema da dieta em creches que servem caf e da manh a, almoc o e um lanche da tarde para crianc as. Considera-se que um alimento pertence a um determinado grupo de equival encia; por exemplo, bolo de fub a, pamonha, p ao de batata, p ao franc es e p ao de centeio pertencem ao grupo P ao. Outros grupos considerados s ao Leite, Fruta, o, Hortalic Arroz, Feij ao, Carne, Guarnic a a. Em um card apio di ario deve haver itens de todos os es de grupos e a quantidade dos itens s ao inteiros n ao negativos que indicam o n umero de porc o o n 25g ou 25mL. Al em do mais, a massa total da refeic a ao pode ultrapassar um valor limite. O o e em qual quantidade otimizador deve decidir quais alimentos de cada grupo deve entrar na soluc a discreta. es de menor custo, mas tamb Com o intuito de garantir n ao somente refeic o em pratos o di ricos em determinados nutrientes, neste trabalho busca-se minimizar o prec o da refeic a aria e maximizar concomitantemente os n veis de prote na, vitamina A, vitamina C, c alcio e ferro. o entre os crit conituosa, justica-se a aplicac o de t o Como a relac a erios e a ecnicas de otimizac a nica soluc o o tima, mas um conjunto multiobjetivo. Neste contexto, busca-se n ao somente uma u a es apresentam uma relac o de compromisso em denominado Pareto- otimo para o qual as soluc o a o aos objetivos (STEUER, 1986; DEB, 2001). Sendo assim, o nutricionista decisor possuir relac a a

 es de card o aos crit um conjunto com as melhores opc o apio em relac a erios de qualidade escolhidos. o e realizada utilizando a t es Neste trabalho, a otimizac a ecnica da soma de ponderac o es objetivo utilizando pesos aleat o do problema convexas das func o orios. Desta maneira, a soluc a o inteira se resume na resoluc o de v multiobjetivo de programac a a arios problemas mono-objetivo o inteira. Pelo m o de soluc es de programac a etodo utilizado, existe a possibilidade da gerac a o es no fracamente n ao dominadas, no sentido global (STEUER, 1986). Para eliminar estas soluc o o pela n realizada para garantir que todas as soluc es conjunto nal, uma ordenac a ao domin ancia e o s ao Pareto- otimas (DEB, 2001). es n ` pelo menos 70% das necesAs soluc o ao dominadas globalmente devem atender a o a ` 18 nutrientes. Os nutrientes considerados s sidades nutricionais di arias em relac a ao calorias, prote nas, bras, vitaminas A, B1, B2, B6, B12, C, D e E, folato, c alcio, f osforo, ferro, magn esio, pot assio e zinco. O modelo deste problema possui 74 vari aveis, sendo metade inteiras e metade bin arias. es totalizam 104, sendo 18 de atendimento de necessidades nutricionais, 32 de limites As restric o es para inferior e 32 superior envolvendo as vari aveis inteiras e as respectivas bin arias, e 8 restric o o, e 4 para limitar a massa total do caf decidir quais alimentos dos grupos devem entrar na soluc a e da manh a (sem a massa das frutas), do almoc o e das frutas no caf e e no lanche da tarde. Foram es n encontradas 18 soluc o ao dominadas globalmente. o 2 apresenta a formalizac o O presente trabalho est a organizado da seguinte forma: a Sec a a o multiobjetivo e o m o 3 apresenta de um problema de otimizac a etodo da soma ponderada; a Sec a o e o modelo de matem o do problema da dieta multiobjetivo linear a denic a atico de otimizac a o 4 apresenta os resultados e an o realizado; e por m, inteiro; a Sec a alises do processo de otimizac a o 5 apresenta as conclus a Sec a oes nais e as propostas de trabalhos futuros. 2 2.1 o Multiobjetivo Otimizac a o Multiobjetivo Problema de Otimizac a

o multiobjetivo linear Sem perda de generalidade, considere o problema de maximizac a es lineares, apresentado na Equac o 1. A inteiro com n vari aveis, m objetivos e p restric o a n o vetor coluna de decis es ao. O espac o de soluc o vari avel x = [x1 x2 . . . xn ] X Z e composto pelas soluc es que satisfazem todas as restric es do fact veis X , com n dimens oes, e o o problema, sendo elas de limites de valores ou funcionais. O vetor coluna de m objetivos de x, o resultado da multiplicac o matricial de C Rmn F (x) = [f1 (x) f2 (x) . . . fm (x)] Rm , e a es objetivo. O conjunto de por x. Cada linha de C possui os coecientes de cada uma das m func o es do problema e representado pela multiplicac o matricial de A Rpn por x, que deve restric o a ser igual ao vetor coluna de termos independentes b Rp . Considere que as devidas vari aveis de desvio (folga ou sobra) j a foram inclusas no modelo. Cada linha de A e b possui os termos de cada es. O resultado desejado do processo de otimizac o multiobjetivo e o conjunto uma das p restric o a es ecientes ou Pareto- es fact de soluc o otimo, X X , que consiste de todas as soluc o veis para o qual o vetor de objetivos n ao pode ser melhorado em qualquer dimens ao sem degradar algum es vi o de outro. Em outras palavras, X possui todas as soluc o aveis para o qual existe uma relac a o (STEUER, 1986; DEB, 2001). compromisso entre os crit erios de avaliac a X = max F (x) = [f1 (x) f2 (x) . . . fm (x)] = C x
x X

sujeito a: Ax = b

(1)

verdade que u domina (fortemente) v, se somente es fact Sejam u e v duas soluc o veis. E v se, para todo inteiro j {1, 2, . . . , m} e alido que Fj (u) Fj (v) e existe pelo menos um j no mesmo conjunto tal que Fj (u) > Fj (v). Se for o caso da n ao exist encia de desigualdade, diz-se composto por todas as soluc es que existe uma domin ancia fraca. O conjunto Pareto- otimo X e o

 es fact n ao dominadas x no que diz respeito ao conjunto de soluc o veis X . A imagem de X e usualmente denominado Fronteira de Pareto (STEUER, 1986; DEB, 2001). 2.2 M etodo da Soma Ponderada Seja := { Rn : > 0, n i=1 i = 1} o conjunto de todos os vetores de pesos com valores estritamente positivos. Para um vetor coluna xo, o problema de o ponderado correspondente ao problema apresentado na Equac o 1 e dado pela Equac o otimizac a a a 2 (STEUER, 1986). x = max F (x) = C x
x X

sujeito a: Ax = b

(2)

o o tima x da Equac o 2 Se porventura o espac o de vari aveis X fosse real, ent ao a soluc a a o Pareto- o 1. Por um espac seria uma soluc a otima da Equac a em, como X e o vetorial inteiro, ent ao o fracamente Pareto- x pode ser uma soluc a otima, n ao dominada fracamente no sentido global (STEUER, 1986). nica soluc o em cada otimizac o. Para um vetor xo de pesos, este modelo encontra uma u a a executar a otimizac o diversas vezes com vetores aleat A ideia e a orios de pesos, de modo a gerar es. Por poss diferentes soluc o em, e vel que para dois vetores pesos distintos seja gerado uma o (STEUER, 1986). Assim, para se gerar uma amostra do conjunto Pareto- mesma soluc a otimo, o Algoritmo 1 foi elaborado. o de Soluc es Pareto- Algoritmo 1 Obtenc a o otimas via M etodo da Soma Ponderada Entrada: n, X , C , A, b, N umOtimizacoes Sa da: Solucoes Solucoes TabelaHashVazia() para i = 1 at e N umOtimizacoes fac a se i m ent ao VetorCanonico(m, i) sen ao VetorPesosAleatorios(m) m se f obj C sol Solver(f obj , X , A, b) se n ao ExisteSolucao(Solucoes, sol) ent ao Solucoes[sol.x] sol m se m para Solucoes OrdenacaoPelaNaoDominancia(Solucoes) es do problema, que s O Algoritmo 1 recebe como entrada as informac o ao a dimens ao do espac o de vari aveis n, o n umero de objetivos m, o espac o de vari aveis X , a matriz de objetivos es A e b, e o n es C , a matriz e o vetor de termos independentes das restric o umero de otimizac o a realizar, N umOtimizacoes, com diferentes vetores aleat orios de pesos. O algoritmo retorna es, Solucoes, que e uma tabela hash (CORMEN et al., 2001) no uma base de dados de soluc o o vetor de vari o do processo de otimizac o, e o valor e a estrutura que qual a chave e aveis, soluc a a realizado no algoritmo um processo de Monte es da soluc o retornada. E possui todas as informac o a Carlo (DOUCET; FREITAS; GORDON, 2001) para se extrair diferentes amostras do conjunto es, s es mono-objetivo considerando Pareto- otimo. Nas primeiras m interac o ao realizadas otimizac o

 es e as unidades de medida. Tabela 1: Grupos de alimentos com as respectivas opc o Quantidade de Itens no Card apio 1 1 2 1 1 1 Limite o Porc a M nima M axima 1; 2 4; 8 1; 4 2; 6 1; 6 1; 3

Grupo

Alimentos

Unidade

Bolo de Fub a, Pamonha, P ao de Batata, P ao Franc es, P ao de Centeio Leite de Vaca Integral, Leite de Cabra, ExLeite trato Sol uvel de Soja1 , Melancia, Banana, Goiaba, Laranja, Mac a Fruta Salada de Frutas ` Arroz Branco, Arroz Integral, Macarr ao a Arroz Bolonhesa, Risoto de Frango Feij ao Branco, Feij ao Tropeiro, Feij ao MuFeij ao ` Mineira latinho, Tutu a Carne Mo da Refogada, F gado Frito, Fil e ` Milanesa, Lombo de Porco de Frango a Carne Assado Batata Frita, Farofa, Salada de Legumes, o Nhoque de Batata ao Molho de Tomate, Pur e Guarnic a de Batata Beterraba Cozida, Cenoura Cozida, Couve Hortalic a Refogada, Couve-Flor Gratinada, Tomate Seco, Vagem Cozida P ao

25g 25mL 25g 25g 25g 25g

25g

1; 4

25g

1; 4

um vetor can cada crit erio separadamente, pois o vetor de pesos e onico, ou seja, possui como o i, que recebe o valor 1. Nas iterac es entrada o valor 0 em todas as m dimens oes, exceto na posic a o o linear convexa dos coecientes seguintes, gera-se um vetor de pesos aleat orios e uma combinac a es objetivo e armazenada em f obj . Assim, o problema multiobjetivo transformado em das func o solucionado no solver Gurobi (GUROBI, 2012), que retorna todas as informac es mono-objetivo e o o o tima encontrada em sol. Se a soluc o obtida ainda n da soluc a a ao foi encontrada, ent ao a mesma armazenada na tabela hash. Ao nal, uma ordenac o pela n es (DEB, e a ao domin ancia das soluc o realizada para remover as soluc es fracamente Pareto- 2001) e o otimas, se acaso existirem. 3 o do Problema e Modelagem Matem Denic a atica desejado construir os melhores card Em uma creche no qual abriga crianc as, e apios para o de compromisso entre prec o caf e da manh a e almoc o de forma que possua uma relac a o e n veis de prote na, vitaminas A e C, c alcio de ferro. O custo deve ser minimizado e os outros crit erios composto por alimentos do grupo P maximizados. O caf e da manh ae ao, Leite e Fruta. O almoc o e o e Hortalic composto por alimentos do grupo Arroz, Feij ao, Carne, Guarnic a a. E o lanche da tarde obrigat composto por um alimento do grupo Fruta. E e orio que haja no card apio itens de cada grupo es de 25g ou 25mL, de modo a de alimento e em quantidades adequadas, ou seja, n umero de porc o o a ` 18 nutrientes. suprir 70% das necessidades nutricionais di arias com relac a es de alimentos com as unidades A Tabela 1 apresenta os grupos com as respectivas opc o de medida que podem entrar no card apio. Por exemplo, no caf e da manh a deve-se ter exatamente 1 es pode variar de 1 a 2, ou seja de 25g a item de alimento do grupo P ao no qual o n umero de porc o 50g . A Tabela 2 apresenta os 18 nutrientes analisados neste trabalho com a respectiva

 o de 25g ou 25mL de alimento (PACHECO, 2011), os valores quantidade dos mesmos por porc a dos requisitos nutricionais que representam 70% das necessidades di arias (NAS, 1989), e os prec os o. A unidade de medida dos nutrientes ct cios em unidades monet arias por cada unidade de porc a o prote nas, bras, vitaminas B1, B2, E, B6 e C, c alcio, f osforo, ferro, magn esio, pot assio e zinco e em micrograma miligrama (mg ). A unidade de medida dos nutrientes vitamina A, D, Folato e B12 e (g ). es do alimento i que Seja ent ao xij a vari avel que representa a quantidade inteira de porc o pertence ao grupo j , e seja yij a vari avel bin aria que informa se alimento i que pertence ao grupo timo, no sentido multiobjetivo. Suponha que Ij seja a quantidade de itens j entrar a no card apio o aliment cios de cada grupo j , e que existam J grupos. Suponha que as constantes Lij e Uij sejam os limites inferior e superior de xij , se acaso yij assumir o valor 1, pois caso contr ario os limites ser ao nulos. Para um grupo j tem-se que Ij , 0 Ij Ij , itens podem entrar no card apio. A o 3 apresenta o conjunto de restric es que modela os limites das vari o de um Equac a o aveis e a selec a n umero xo de itens de cada grupo. xij Lij yij xij Uij yij Ij i=1 yij 0, i {1, . . . , Ij }, j {1, . . . , J } (Limite inferior) 0, i {1, . . . , Ij }, j {1, . . . , J } (Limite superior) j , j {1, . . . , J } o de itens) = I (Selec a

(3)

Seja dijk o n vel do nutriente k no alimento i que pertence ao grupo j . Suponha que existem K nutrientes em an alise e que o n vel desejado deste seja maior ou igual que Lk . A o 4 apresenta o conjunto de restric es que modela as necessidade nutricionais que devem Equac a o ser supridas para todos os nutrientes.
J j =1 Ij i=1 dijk xij

Lk , k {1, . . . , K } (Suprimento nutricional)

(4)

o, deve-se utilizar as vari Para limitar a massa da refeic a aveis dos poss veis itens a entrar, es do pesos de cada porc o unit es computar o somat orio das multiplicac o a aria pelo n umero de porc o utilizadas. Este valor deve ser menor ou igual a um determinado limite superior. Este tipo de o e feito para o caf restric a e da manh a, sem a inclus ao da fruta, que deve ter no m aximo 300 gramas. O almoc o deve ter no m aximo 500 gramas. A massa total das frutas do caf e da manh a e do lanche da tarde deve ter entre 100 e 300 gramas. O caf e da manh a ter a um item do grupo P ao, um do grupo Leite e um do grupo Fruta. O almoc o ter a um item do grupo Arroz, um do Feij ao, um do Carne, um o, dois do grupo Hortalic do Guarnic a a. O lanche da tarde ter a um item do grupo Fruta. Considera-se es unit es aqui que todas as poc o arias possuem uma massa de 25g . Supondo que existem W refeic o o 5 apresenta a restric o geral parciais para o qual existem alimentos de diversos grupos, a Equac a a o parcial w por Uw , que no presente caso pode que limita superiormente a massa para uma refeic a o inferior, basta ser o caf e da manh a, o almoc o ou o lanche da tarde. Se for o caso de limitac a o por maior ou igual e usar um limite inferior Lw . substituir a relac a
Ij i=1 wj xij

j J

Uw , w {1, . . . , W }, j {1, . . . , J }, i {1, . . . , Ij } (Massa) (5)

 o nutricional dos alimentos por porc o, recomendac o nutricional di o em unidades monet Tabela 2: Composic a a a aria para crianc as e prec o por porc a arias.
Fibras 0,4500 0,4500 0,6500 0,8000 1,4500 0,0000 0,0000 0,3250 0,5159 1,3500 0,4643 0,4808 0,1000 0,4117 0,1000 0,1641 0,3409 0,3333 1,9667 3,1667 1,0500 1,2500 0,0333 0,0000 0,0250 0,0417 0,3077 0,1667 0,4518 0,3542 0,2500 0,4286 0,6333 0,6250 0,3000 2,5000 0,8000 17,5000 280,0000 0,4200 3,5000 0,4200 4,9000 0,4200 140,0000 17,5000 0,8400 560,0000 350,0000 7,0000 11,3400 10,8350 3,0450 0,0000 8,5150 7,7500 14,2500 0,8000 2,0000 19,7500 5,1250 1,3250 7,0000 7,2300 0,0000 0,0000 5,0614 7,0100 0,0000 10,7167 0,0800 0,0437 0,0000 1,9375 3,5675 0,4583 0,0000 25,4750 112,7105 10,6062 12,6625 0,8750 613,7500 179,0875 13,0200 158,8636 16,6500 0,0450 0,0300 0,1000 0,1300 0,1450 0,0125 0,0113 0,0400 0,0119 0,0125 0,0214 0,0038 0,0083 0,0117 0,0500 0,0172 0,0386 0,0500 0,0600 0,0833 0,1250 0,0500 0,0067 0,0500 0,0125 0,1812 0,0192 0,0000 0,0154 0,0417 0,0187 0,0071 0,0067 0,0208 0,0150 0,1364 0,0175 0,1150 0,0400 0,0500 0,0000 0,0250 0,2500 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0023 0,0167 0,0000 0,0500 0,0000 0,2500 0,0633 0,0700 0,0725 0,0583 0,0000 0,0000 0,0022 0,0146 0,0437 0,0000 0,0000 0,0000 0,1000 0,0000 0,0000 0,0650 0,0150 0,1050 0,1000 0,1250 0,0375 0,0375 0,0175 0,0238 0,0125 0,0089 0,0019 0,0050 0,0100 0,0000 0,0016 0,0205 0,0133 0,0133 0,0417 0,0067 0,0125 0,0433 0,9825 0,0275 0,0500 0,0000 0,0000 0,0066 0,0271 0,0083 0,0089 0,0150 0,0250 0,0250 0,1136 0,0250 3,1750 0,1200 1,6100 0,1500 1,2300 0,0125 0,0000 0,0000 0,0794 0,0000 0,0589 0,1635 0,0000 0,0517 0,2750 0,2797 0,0250 0,5367 0,2800 1,0167 0,2450 0,0125 0,8567 0,8800 1,6475 0,1563 1,5731 1,5083 0,7018 0,3542 0,5437 0,0000 0,1250 3,5333 0,0500 3,8864 0,0000 0,0250 0,0100 0,0400 0,0050 0,0300 0,0125 0,0113 0,0100 0,1429 0,0350 0,0143 0,0115 0,0100 0,0267 0,0250 0,0219 0,0159 0,0533 0,0300 0,0750 0,0167 0,0250 0,0700 0,3450 0,1150 0,1000 0,0615 0,0000 0,0592 0,0313 0,0521 0,0161 0,0617 0,0542 0,0350 0,1818 0,0150 10,4950 7,6600 25,3350 28,2500 21,6300 1,2500 0,2500 0,3750 4,7738 3,5000 7,5750 0,7000 0,7500 4,8750 0,8250 0,9422 1,9409 3,5867 34,2500 51,6583 5,1267 20,3875 2,5067 52,1875 1,4750 1,6250 2,0692 0,9000 4,2237 3,8125 1,9146 20,0000 3,4750 6,3083 8,6950 37,5000 8,3250 0,0600 1,1400 1,4800 0,0000 0,0000 0,1625 0,2500 0,0000 2,2738 46,0000 13,3000 1,4250 2,0250 8,6567 0,1250 0,0000 0,7000 1,4800 0,0000 0,9583 0,1367 0,2500 0,1700 5,5725 0,0375 1,4188 1,7192 0,0000 2,5132 2,4958 1,4333 0,9000 0,5750 24,3417 6,5950 47,8636 2,4250 0,0600 0,0100 0,0200 0,0000 0,0200 0,0875 0,0175 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0455 0,0200 0,0000 0,0250 0,0000 0,0688 0,7200 26,5600 0,0750 0,1063 0,0000 0,0000 0,0022 0,0000 0,0146 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 10,4000 4,5000 8,1500 27,7500 5,1800 29,7500 33,5000 1,0000 1,5079 5,0000 10,0000 1,7500 1,7500 4,8267 3,1000 1,5000 2,2727 8,0333 18,2333 12,8333 4,5333 6,7188 3,4333 3,4000 4,3000 2,2917 3,7308 4,8333 7,0614 2,7083 8,6667 4,0000 7,7500 28,0417 16,0200 15,9091 1,1500 20,8000 17,7950 30,6400 21,4000 39,7800 23,3500 27,7500 12,2500 5,0000 6,2500 3,5000 1,7500 2,7500 3,2817 9,7250 15,7016 14,3705 27,7833 42,2500 72,5750 15,6750 29,6563 42,9300 109,9250 45,4750 40,8958 9,3038 0,6333 9,2741 11,8188 12,0646 9,5000 7,5000 12,2625 16,6850 60,7045 9,7500 0,3200 0,2000 0,6500 0,7500 0,9450 0,0125 0,0000 0,1437 0,1190 0,0750 0,0179 0,0385 0,0533 0,0550 0,3500 0,0625 0,3409 0,4333 0,7000 1,0000 0,2500 0,5000 0,6000 1,5000 0,2500 0,1667 0,3077 0,3333 0,2193 0,2500 0,1667 0,1964 0,1500 0,3500 0,1050 1,1364 0,3200 Vit, A Vit, B1 Vit, D Vit, B2 Vit, E Vit, B6 Folato Vit, C Vit, B12 C alcio F osforo Ferro Magn esio 3,5900 6,4900 5,1200 5,0000 8,1500 3,3500 3,5000 4,7500 7,2500 2,5000 2,5000 1,2500 2,5000 3,2050 2,2500 6,9422 4,5932 5,0333 17,0000 23,0333 5,7750 7,7813 5,0600 5,5575 5,6350 4,6583 4,6500 0,2583 4,7018 3,8167 4,4146 5,7500 3,2500 7,1125 3,5450 28,0227 6,2500 91,0000 Pot assio 28,3850 9,8000 75,4300 23,5500 50,2450 38,0000 51,0000 17,6250 99,0000 71,0000 45,2500 28,7500 28,0000 52,1767 11,3750 10,5188 30,0773 45,7167 115,7500 192,1250 46,4750 77,2562 75,4300 87,9050 50,4275 78,6833 76,3000 3,0583 69,1140 56,4333 69,1458 76,2500 56,7500 94,1500 56,8500 558,4091 74,7500 2660,0000 Zinco 0,1200 0,0850 0,1750 0,2250 0,2750 0,0875 0,0000 0,0575 0,0397 0,0575 0,0161 0,0096 0,0250 0,0200 0,1000 0,1000 0,1932 0,1767 0,3000 0,4833 0,0100 0,2687 1,2833 1,2975 0,7075 0,3583 0,0615 0,0250 0,0658 0,0688 0,0667 0,0875 0,0750 0,0917 0,0800 0,2273 0,0900 3,5000 Prec o 0,1250 0,4000 0,2250 0,1500 0,2500 0,0450 0,0750 0,1250 0,0300 0,2500 0,0275 0,0500 0,0248 0,0375 0,0300 0,0450 0,0500 0,3750 0,0500 0,0575 0,0250 0,1250 0,1750 0,1250 0,1500 0,3250 0,1000 0,0875 0,0750 0,1000 0,0950 0,0500 0,0275 0,2500 0,0750 0,1250 0,0175

Alimento

Calorias

Prote nas

Bolo de Fub a Pamonha P ao de Batata P ao Franc es P ao de Centeio Leite de Vaca Integral Leite de Cabra Extrato de Soja Banana Goiaba Laranja Mac a Melancia Salada de Frutas Arroz Branco Arroz Integral ` Bolonhesa Macarr ao a Risoto de Frango Feij ao Branco Feij ao Tropeiro Feij ao Mulatinho ` Mineira Tutu a Carne Mo da Refogada F gado Frito ` Milanesa Fil e de Frango a Lombo de Porco Assado Batata Frita Farofa Salada de Legumes Nhoque de Batata ao Molho de Tomate Pur e de Batata Beterraba Cozida Cenoura Cozida Couve Refogada Couve-Flor Gratinada Tomate Vagem Cozida

80,0000 77,2500 60,3500 68,4750 64,1400 15,2500 17,2500 8,2500 23,0000 12,7500 11,7500 14,7500 7,5000 15,3083 31,1725 19,1875 31,5295 44,6000 35,5000 82,6667 15,2500 54,3125 73,2667 56,7000 58,2500 45,3125 70,0000 96,5000 24,1228 28,8583 27,1187 11,0000 11,2500 29,2917 22,8050 213,4091 10,4300

1,2500 1,7500 1,7000 2,1500 2,1250 0,8250 0,8900 0,6875 0,2381 0,2000 0,2321 0,0385 0,1517 0,1717 0,5750 0,3750 1,3409 2,6333 2,2333 3,5833 0,8333 2,1250 6,0000 6,3500 6,0000 4,0208 1,0769 0,0833 0,3969 0,7292 0,4833 0,2500 0,2667 0,7083 0,7250 2,0455 0,4750

o Di 70% Recomendac a aria

910,0000

13,3000

 es objetivo, considere cij o custo por cada porc o unit Para a modelagem das func o a aria Ij J o ser (25g ou 25mL) de xij . Assim, o custo total de cada refeic a a C (x) = j =1 i=1 cij xij . o 4 e xe Para medir os n veis dos nutrientes selecionados, considere o lado esquerdo da Equac a Ij J k = Prote nas para Npt (x) = j =1 i=1 dij,proteinas xij , k = Vitamina A para Nva (x) = =Ferro para Nf e (x) Como desejamos minimizar o custo e maximizar os n veis de nutrientes, e usaremos um algoritmo o durante o processo de otimizac o, e apresentado na Equac o 6 o conjunto func es de maximizac a a a o objetivo. F (x) = C (x) Npt (x) Nva (x) Nvc (x) Nca (x) Nf e (x)
Ij i=1 dij,vitamina a xij , C alcio para Nca (x) = J j =1 J j =1

k = Vitamina C para Nvc (x) =

Ij i=1 dij,calcio xij , e k

J j =1

Ij i=1 dij,vitamina c xij , k = Ij = J j =1 i=1 dij,f erro xij .

(6)

es 3, 4, 5 e 6 e apresentado na Equac o 7 o modelo de Portanto, utilizando as Equac o a o multiobjetivo linear inteiro para o problema da dieta, que neste trabalho e voltado para otimizac a solucionar o problema do card apio em creches. max sujeito a: F (x) = [C (x) Npt (x) Nva (x) Nvc (x) Nca (x) Nf e (x)]

xij Lij yij 0, i {1, . . . , Ij }, j {1, . . . , J } xij Uij yij 0, i {1, . . . , Ij }, j {1, . . . , J } Ij j {1, . . . , J } i=1 yij = Ij , I J j j =1 i=1 dijk xij Lk , k {1, . . . , K } Ij j J i=1 wj xij Uw , w {1, . . . , W }, j {1, . . . , J }, i {1, . . . , Ij } xij Z+ , i {1, . . . , Ij }, j {1, . . . , J } yij {0, 1}, i {1, . . . , Ij }, j {1, . . . , J } (7) 4 Resultados Computacionais Para solucionar o problema da dieta multiobjetivo, foram utilizados o m etodo da soma o 2, e o Algoritmo 1 para otimizar o modelo apresentado pela ponderada, apresentado pela Equac a o 7 usando os dados das Tabelas 1 e 2. O n es realizadas pelo algoritmo foi Equac a umero de iterac o es Pareto- 5000 e o n umero de soluc o otimas distintas encontradas foi de 18. A m edia amostral o foi 0,0657 e 0,0194, e o desvio padr ao amostral de tempo, em segundos, de cada otimizac a respectivamente. es do conjunto Pareto- Tabela 3: Amostra de soluc o otimo.
Custo 5,0200 5,7450 5,0450 5,3200 5,1750 5,2425 5,7400 5,4550 5,1450 Prote na 45,6731 66,1456 45,3231 58,4792 47,4687 60,8175 57,9854 49,6187 48,8512 Vitamina A 2003,0029 1196,2108 2004,6329 1764,8668 1581,7608 1546,3745 1558,1008 1576,1083 1869,2861 Vitamina C 547,2763 505,7246 541,7413 556,2350 537,3020 504,3940 547,0695 537,3487 539,3582 C alcio 575,9091 560,9109 576,8091 564,0863 617,9301 566,7473 610,4968 617,2968 611,1664 Ferro 12,8007 16,6912 11,5507 16,0221 12,2002 17,0216 15,3169 12,4669 12,6914 Custo 5,2450 5,2100 5,1200 5,4300 5,4700 5,1500 5,2700 5,6200 5,4900 Prote na 58,3292 59,5521 49,2012 49,9687 61,6157 47,8187 52,5262 52,6262 61,7021 Vitamina A 1763,6668 1558,6808 1867,6561 1574,4783 1653,0763 1580,1308 1875,6399 1891,2199 1553,0283 Vitamina C 536,6700 551,1154 544,8932 542,8837 552,2419 542,8370 553,1757 552,4957 551,1620 C alcio 605,9863 606,4968 610,2664 616,3968 604,2582 617,0301 567,7477 560,4477 605,8634 Ferro 12,4721 16,1169 13,9414 13,7169 16,4362 13,4502 14,7414 13,8414 16,3835

A imagem das 18 amostras n ao dominadas encontradas, ou seja, a Fronteira de Pareto, ilustrada na Tabela 3. Cada coluna representa uma func o objetivo e cada linha representa uma e a o. As unidades dos crit soluc a erios s ao os mesmos da Tabela 2. Observe que as primeiras seis es possuem os melhores valores de crit o soluc o erio no que diz respeito ao valor de cada func a es possuem uma relac o de compromisso entre os objetivo separadamente. As outras soluc o a o de todos os nutrientes objetivos otimizados. A Figura 1 apresenta histogramas com a distribuic a

 o objetivo e/ou restric o. Pode-se observar que todas as utilizados neste trabalho como func a a es atendem aos requisitos nutricionais em proporc es variadas. soluc o o es possuem uma massa de 250 gramas para o caf Todas as 18 soluc o e da manh a, removendo a massa das frutas, 500 gramas para o almoc o e 200 gramas para as frutas do caf e o das frutas ca a ` crit da manh a e lanche da tarde. A distribuic a erio do nutricionista respons avel. o do tipo e da quantidade de alimento, apresentando uma relac o Em cada card apio h a uma variac a a de compromisso entre os crit erios utilizados neste trabalho. A Tabela 4 mostra a frequ encia com que es n cada alimento est a presente nas soluc o ao dominadas globalmente. Por exemplo, o Bolo de Fub a es distintas. Atrav poss est a no caf e da manh a de 2 soluc o es destes dados e vel saber quais s ao os ` s restric es apresentados alimentos que mais podem contribuir com os crit erios conitantes, sujeito a o es por ser neste trabalho. Por exemplo, o Leite de Vaca Integral est a presente em todas as soluc o o pode ser feita para outros alimentos. J um alimento muito nutritivo e barato. Esta observac a a no o existe uma altern o. Esta grupo Guarnic a ancia no tipo de alimento a se incluir no card apio soluc a o e os diferentes valores de porc es nas soluc es ilustram a relac o de compromisso do observac a o o a o nal. Por quest apresentado a relac o do n es conjunto soluc a oes de espac o, n ao e a umero de porc o o. (ou quantidade) de cada alimento por soluc a es Pareto- Tabela 4: N umero de vezes em que um alimento esteve presente em soluc o otimo.
Alimento Bolo de Fub a Pamonha P ao de Batata P ao Franc es P ao de Centeio Leite de Vaca Integral Leite de Cabra Extrato de Soja Banana Goiaba Laranja Mac a Melancia Salada de Frutas Arroz Branco Arroz Integral ` Bolonhesa Macarr ao a Risoto de Frango Feij ao Branco Feij ao Tropeiro Feij ao Mulatinho ` Mineira Tutu a Carne Mo da Refogada F gado Frito ` Milanesa Fil e de Frango a Lombo de Porco Assado Batata Frita Farofa Salada de Legumes Nhoque de Batata ao Molho de Tomate Pur e de Batata Beterraba Cozida Cenoura Cozida Couve Refogada Couve-Flor Gratinada Tomate Vagem Cozida es Presenc a em Soluc o 2 1 2 13 0 18 0 0 1 18 17 0 0 0 0 0 0 18 0 0 0 18 0 13 5 0 1 1 9 0 7 0 0 18 0 18 0

Conclus oes e Trabalhos Futuros

Este trabalho apresentou uma abordagem multiobjetivo para o problema da dieta em creches, no qual s ao considerados o caf e da manh a e o almoc o. O modelo multiobjetivo com

4.5

4.5 2.5

3.5

3.5 2 3 Frequncia Frequncia 50 55 Protenas 60 65 70

3 Frequncia

2.5

1.5

2.5

2 1

1.5

1.5

1 0.5

0.5

0.5

0 1850

1900

1950 Calorias

2000

2050

2100

0 45

0 28

28.5

29

29.5 Fibras

30

30.5

31

(a) Calorias.
6
3

(b) Prote nas.

6

(c) Fibras.

2.5

Frequncia

Frequncia

Frequncia

1.5

0.5

0 1100

1200

1300

1400

1500

1600 A

1700

1800

1900

2000

2100

0 1.35

1.4

1.45

1.5

1.55 B1

1.6

1.65

1.7

1.75

1.8

1.5

2.5 B2

3.5

4.5

(d) Vitamina A.
4

(e) Vitamina B1.

6
5

(f) Vitamina B2.

3.5

4.5

5
4

4
2.5 Frequncia

3.5

Frequncia

Frequncia

2.5

1.5

2
1.5

1
1

1
0.5
0.5

0 1.8

2.2

2.4 B6

2.6

2.8

3.2

10

20

30

40 B12

50

60

70

80

90

0 500

510

520

530 C

540

550

560

(g) Vitamina B6.

6

(h) Vitamina B12.

8
6

(i) Vitamina C.

7
5

6
4

5 Frequncia
Frequncia

Frequncia

3
2

2
1

0 3.5

3.55

3.6 D

3.65

3.7

3.75

0 30

32

34

36 E

38

40

42

0 350

400

450 Folato

500

550

600

(j) Vitamina D.

(k) Vitamina E.

(l) Folato.

o dos nutrientes nas soluc es n Figura 1: Distribuic a o ao dominadas globalmente.

3.5

3.5

2.5
3
3

2
2.5 Frequncia
2.5

Frequncia

1.5

Frequncia

1.5

1.5

1
1
1

0.5
0.5
0.5

0 560

570

580

590 Clcio

600

610

620

0 11

12

13

14 Ferro

15

16

17

18

0 800

850

900

950

1000 Fsforo

1050

1100

1150

1200

(m) C alcio.
7
5

(n) Ferro.
4

(o) F osforo.

4.5

3.5

5
3.5

2.5

Frequncia

Frequncia

Frequncia

2.5

1.5

1.5

1
1

1
0.5

0.5

0 265

270

275

280 Magnsio

285

290

295

0 4150

4200

4250

4300 Potssio

4350

4400

4450

4500

5.5

6.5

7 Zinco

7.5

8.5

(p) Magn esio.

(q) Pot assio.

(r) Zinco.

o dos nutrientes nas soluc es n o). Figura 1: Distribuic a o ao dominadas globalmente (Continuac a vari aveis inteiras foi solucionado, atrav es do m etodo das somas ponderadas, minimizando-se o es e maximizando concomitantemente os n custo das refeic o veis de prote nas, vitaminas A e C, es n al em de ferro e c alcio. Um conjunto com 18 refeic o ao dominadas globalmente, com diferentes tipos de alimentos em quantidades distintas, foi encontrado. A partir deste conjunto, o nutricionista o de compromisso entre custo tomador de decis ao poder a optar por um card apio que respeita a relac a e um subconjunto de nutrientes. Para trabalhos futuros, os autores almejam aplicar um algoritmo multiobjetivo deter es n min stico inteiro para determinar exatamente todas as soluc o ao dominadas deste problema da es de grupos dieta, e n ao somente uma amostra. Tamb em ser a incrementado o n umero de opc o de alimentos e de itens em cada grupo. Ser a aumentado tamb em a quantidade de nutrientes a ser analisado. Refer encias o/cd/fnde n BRASIL. Resoluc a umero 38, de 16 de julho de 2009. Minist erio da Educac a a vel em: o Fundo Nacional de Desenvolvimento da Educac o, 2009. Dispon <http://www.mda.gov.br/portal/saf/arquivos/view/alimenta-o-escolar/RES38 FNDE.pdf>. o n BRASIL. Resoluc a umero 8, de 14 de maio de 2012. Minist erio da Educac a o Fundo Nacional de Desenvolvimento da Educac a vel em: o, 2012. Dispon o-cd-fnde-no -8-de-14-de<http://www.fnde.gov.br/fnde/legislacao/item/3518-resoluc a maio-de-2012>. CADENAS, J. M. et al. Application of fuzzy optimization to diet problems in argentinean farms. European Journal of Operational Research, Elsevier, v. 158, n. 1, p. 218228, 2004. CORMEN, T. H. et al. Introduction to algorithms. [S.l.]: MIT press, 2001. DANTZIG, G. B. The diet problem. Interfaces, INFORMS, v. 20, n. 4, p. 4347, 1990.

DEB, K. Multi-Objective Optimization Using Evolutionary Algorithms. 1. ed. [S.l.]: Wiley, 2001. DOUCET, A.; FREITAS, N. D.; GORDON, N. An introduction to sequential Monte Carlo methods. 1. ed. [S.l.]: Springer, 2001. FORSTER, I. P. et al. Optimization of a research diet for the pacic white shrimp, litopenaeus vannamei, using mixture model methodology. Aquaculture, Elsevier, v. 298, n. 3, p. 260266, 2010. GARILLE, S. G.; GASS, S. I. Stiglers diet problem revisited. Operations Research, INFORMS, v. 49, n. 1, p. 113, 2001. GUROBI, O. I. Gurobi Optimizer Reference Manual. 2012. Dispon vel em: <http://www.gurobi.com>. o de resultados de diversos NAMEN, A. A.; BORNSTEIN, C. T. Uma ferramenta para avaliac a o de dietas. Pesquisa Operacional, SciELO Brasil, v. 24, n. 3, p. 445465, modelos de otimizac a 2004. NAS. Recommended dietary allowances. In: NATIONAL ACADEMY OF SCIENCES, WASHINGTON. [S.l.], 1989. PACHECO, M. Tabela de equivalentes, medidas caseiras e composic a mica dos alimentos. o qu [S.l.]: Rubio, 2011. L. A. M.; LINS, M. P. E.; TORRES, N. T. Problema da dieta: uma aplicac o pr PESSOA, a atica para o navio hidroceanogr aco taurus. Anais do XLI Simp osio Brasileiro de Pesquisa Operacional, Sociedade Brasileira de Pesquisa Operacional, Jo ao Pessoa, Brasil, p. 14601471, 2009. o de dietas de m SANTOS, F. A.; RODRIGUES, M. T. Ferramenta para formulac a nimo custo o linear em passos iterativos. Anais do XXXIX para pequenos ruminantes utilizando programac a Simp osio Brasileiro de Pesquisa Operacional, Sociedade Brasileira de Pesquisa Operacional, Fortaleza, Brasil, p. 1221, 2007. STEUER, R. E. Multiple criteria optimization: Theory, computation, and application. [S.l.]: Wiley & Sons, 1986. STIGLER, G. J. The cost of subsistence. Journal of Farm Economics, Oxford University Press, v. 27, n. 2, p. 303314, 1945.