Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2019-106934
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Sob o pretexto de equilibrar os times participantes, algumas ligas esportivas contam com uma restrição salarial para a montagem dos elencos, fazendo com que os times devam decidir como distribuir seu orçamento. Neste trabalho, propõe-se a montagem de equipes de beisebol, com diferentes ênfases em ataque e defesa, por meio de otimização multiobjetivo. Utilizaram-se dados reais da Major League Baseball – principal liga estadunidense – relativos ao ano de 2017. A estatística defensiva utilizada foi a média de corridas merecidas cedidas por jogo (ERA – Earned runs average), e a estatística ofensiva foi a razão entre as rebatidas obtidas pelo número de idas ao bastão (AVG – Average). O time com maior ênfase no ataque apresentou um AVG de 0,3188 e um ERA de 3,172. O time mais defensivo apresentou um AVG de 0,3027 e um ERA de 2,496. Foi possível observar o trade-off entre essas duas variáveis, por meio da Frente de Pareto.
Marina Prass Santos
Tema instigante e escrita didática, proporcionando uma leitura agradável e também rica em aprendizado. Parabéns aos autores!
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo
Esly Ferreira da Costa Junior
Muito bom que vc tenha gostado! A Gabriela Niquini realmente escreve muito bem e é ótima no uso de ferramentas computacionais para modelagem e otimização de processos.