Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

Curso: Computao Evolucionria

Aluno: Jos Vargens
Profs.: Marco Aurlio

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

Marley Maria R. Vellasco1, Marco Aurlio C. Pacheco1, Jos Vargens

Resumo
Distribua o estado dos recursos entre os vrios programas oferecidos pelas
unidades da estrutura administrativa, sem perder o foco poltico definido
pelo governador. No estado do RJ, a iniciativa de elaborar programas de
aco do governo recai sobre as unidades administrativas que estejam em
conformidade com as suas prprias interpretaes das prioridades e
estratgias. A Secretaria-Geral de Estado de Planejamento lhes convinha aos
objectivos polticos do Governo e cai, finalmente, a Secretaria de Finanas e
Controle para a atribuio final dos recursos do Estado. Atualmente este
processo muito subjetivo e "artesanal" produzindo uma distribuio
desigual dos recursos e, como resultado de ter um tempo difcil responder a
todas as questes levantadas por todos os envolvidos no processo.
Este trabalho apresenta uma aplicao do algoritmo gentico que produz
uma distribuio com uma clareza maior preciso e simplicidade, e ainda de
baixo custo quando comparado ao mtodo atualmente empregado. Este
sistema foi projetado para ser parte de um sistema de planejamento
estratgico
para
apoiar
a
gesto
do
Estado.
Os resultados preliminares esto indicando que a inconclusivos modelo tem a
sensibilidade
necessria
para
o
contexto
do
problema.
Usando esse modelo vai exigir uma maior transparncia para a sociedade dos
objetivos do governo e os critrios para a priorizao dos recursos e os cortes
em vrios programas de ao do Estado.
1/

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

Palavras-chave:alocao,algortmo gentico
Allocation of Resources in the State Budget by Genetic Algorithmo.

Summary
Distribute the state's resources among the various programs offered by units
of the administrative structure without losing the political focus set by the
governor. In the state of RJ the initiative to draft action programs of
government rests with administrative units that are in accordance with their
own interpretations of priorities and strategies. The General Secretariat of
State for Planning suited them to the Government policy goals and falls,
finally, the Secretariat of Finance and Control to the final allocation of state
resources. Today this process is very subjective and "artisanal" producing a
skewed distribution of resources and as a result of having a hard time
answering all the questions raised by all those involved in the process.
This paper presents an application of genetic algorithm that produces an
allocation with more precision clarity and simplicity, and yet low cost when
compared to the method currently employed. This system was designed to
be part of a system of strategic planning to assist the management of the
state.
Preliminary results are inconclusive indicating that the model has the
necessary
sensitivity
to
the
context
of
the
problem.
Using this model will require greater transparency to society of the goals of
the government and the criteria for prioritizing resources and cuts in various
programs of state action.
Keywords: allocation, genetic algorithm

2/

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

Introduo
Desde a promulgao da Constituio de 88 a administrao pblica no Brasil
vem passando por uma profunda reforma buscando a modernizao tanto dos
seus processos quanto dos princpios fundamentais de governo. Os princpios
de Federao e de Democratizao da Gesto tm sido dos mais destacados,
difundidos e defendidos em todo o pais levando a uma grande
descentralizao e aproximao da sociedade , sendo o SUS Sistema nico
de Sade onde os recursos j so repassados e administrados pelos municpios,
o exemplo de maior sucesso. No mbito da gesto financeira , desde a adoo
do Plano Real, h um esforo de todos os Estados do Brasil em padronizar os
processos fazendrios de forma a propiciar ao governo Federal maior
eficincia e preciso na gesto financeira do pas.
O estado do RJ tem se destacado neste processo de democratizao e
modernizao da administrao pblica, principalmente da gesto financeira.
J no segundo governo Brizola (91- 94) houve um grande esforo na questo
dos princpios fundamentais cuja conseqncia foi a adoo de critrios de
participao da estrutura administrativa na montagem do oramento do Estado
de tal forma que hoje a iniciativa de propostas de programas de trabalho de
governo das unidades administrativas. No governo Marcelo Alencar (95-98)
o maior esforo foi na modernizao do processo, principalmente sua
informatizao com a adoo do SIAFEM Sistema de Administrao
Fazendria dos Estados e Municpios criado pelo Ministrio da Fazenda e
implantado pelo Estado do Rio de Janeiro com a reviso do conceitos de
Funo e de Programa de Governo, porm usando um modelo autoritrio de
definies onde as prioridades so decididas num processo Top-Down .
O atual Governo do Estado herdou o conflito da integrao das duas linhas de
produo do oramento dos governos anteriores e enfrenta o desafio de
coadunar os princpios de democratizao e participao com o modelo de
centralizao da gesto existentes na administrao financeira do Estado.
Alm do desafio do ponto de vista conceitual visto anteriormente, h o desafio
do ponto de vista operacional. O SIAFEM tem como foco a gesto financeira
e no a confeco do oramento e, por isso, seu ponto de partida o cadastro
do oramento aprovado pela Assemblia Legislativa do Estado, pressuponde
que algum sistema prepara os dados para ele. Por outro lado o Sistema de

3/

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

Oramento do Estado tem a capacidade de captar as propostas de programas

das unidades e de agreg-las atravs de um grande processo de totalizao por
nveis, mas no tem inteligncia suficiente para permitir um processo de ajuste
dos valores aos recursos disponveis.
A conseqncia deste descompasso que na prtica o que ocorre um
processo de ajustes sucessivos baseado em tentativa e erro com avaliao
manual que causa um desgaste tremendo ao pessoal da Secretaria de Fazenda
e Controle e, naturalmente, torna subjetivo e emprico o resultado final.
Alm da pouca preciso causada pelo processo de ajuste em si h ainda uma
distoro causada pela interpretao por muitas pessoas diferentes dos
conceitos de funes, marcas e programas de governo definidos pela
Secretaria de Planejamento que refletem as prioridades estratgicas do
Governo do Estado. A adequao das propostas dos rgos s metas do
governo conduzida pela Secretaria de Planejamento atravs de um processo
interativo com as demais secretarias de estado onde as aes propostas so
classificadas de acordo com as funes e marcas de governo e agregadas em
programas, sendo estes ento classificados em categorias de acordo com sua
importncia para o planejamento estratgico do governo. Nesta fase h pouca
participao da Secretaria de Fazenda e Controle fazendo com que seu pessoal
no absorva os conceitos dos programas e funes com profundidade, o
resultado que no calor da batalha durante o processo de ajuste interpretam
de modo diferente e acabam introduzindo distores na distribuio dos
recursos em relao s metas do governo.
Assim a Secretaria de Planejamento busca alternativas que minimizem este
problema.

Descrio do Problema
Neste trabalho apresentado um mtodo de alocao dos recursos utilizando
algoritmo gentico com 2 objetivos: o primeiro foi demonstrar a capacidade
desta tcnica para resolver este tipo de problema e o segundo foi enfrentar a
cultura estabelecida de que o processo emprico atual a melhor soluo
possvel.

4/

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

O problema passou a ser construir um modelo que atingisse os 2 objetivos sem

abrir espao para discusses sobre a sua validade e que ao mesmo tempo
permitisse uma explicao clara do modelo adotado.
Dentro deste contexto o primeiro passo foi a reduo da dimenso do
problema. Deste ponto de vista decidimos restringir nosso enfoque a alocao
dos recursos do Estado para o oramento de investimentos. Fazendo isto
contornamos 3 problemas.
O primeiro problema evitado foi a existncia de um nmero excessivo de
variveis e de regras o que sem dvida dificultaria o entendimento do modelo.
Usar somente os recursos do Estado resolveu o segundo problema que era a
utilizao de fontes de recursos externas que permitem o uso do expediente
de ajustar aumentando os recursos disponveis para o oramento atravs do
compromisso de captar no exterior tais recursos durante o exerccio.
O terceiro problema evitado foi a dupla interpretao dos critrios de corte.
Ao ficarmos com o oramento dos investimentos eliminamos todos as
propostas relativas aos programas de desenvolvimento de recursos humanos
(pessoal) e de gesto administrativa (custeio). Pessoal e custeio envolvem
montantes muito significativos do oramento do Estado de tal forma que
quando acrescidos ao oramento de investimento mudam completamente a
relao percentual entre os programas entre as funes fazendo com que as
restries propostas para o oramento de investimento deixam de ser vlidas,
alm disto seguem uma legislao especfica o que faz com que haja uma
discusso conceitual no mbito do Governo sobre seu papel no oramento do
Estado.
Assim alocar os recursos do Estado para o oramento de investimento um
problema claro, com regras simples e entendidas por todos e que permite uma
comparao direta com os resultados do processo atual.
Uma vez definido o objeto do trabalho o passo seguinte foi encontramos um
meio de equacionarmos o problema de forma a enfrentarmos o mito de que o
mtodo tradicional produz a melhor soluo.
Decidimos ento usar como ponto de partida o resultado do processo
tradicional, que chamamos de posposta inicial, j que o simples fato de o

5/

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

algoritmo gentico encontrar uma soluo a comprovao de que possvel

obter-se uma alocao melhor do que a do mtodo tradicional. Alm disto a
medida de comparao a simples diferena entre os valores propostos pelo
mtodo tradicional e pelo algoritmo gentico.

Descrio da Soluo
Uma vez definido o problema especfico, inclusive j encontrado o critrio de
comparao, o primeiro passo em busca da soluo foi a identificao das
partes do modelo.
A construo do modelo foi ento dividida nas seguintes partes:
a- Criao da funo objetivo;
b- Definio do cromossoma de representao;
c- Definio e representao das restries do modelo;
d- Implantao do modelo.
a- Criao da funo objetivo
O processo de preparao do oramento tem como ponto de partida a
declarao das metas polticas do Governo com suas prioridades. So elas que
norteiam o trabalho dos diversos rgos da administrao pblica e alocar
recursos para que se elas sejam atingidas a funo da confeco do
oramento. Assim maximizar os recursos alocados a metas prioritrias deve
ser a funo objetivo do algoritmo gentico.
As metas de governo se consubstanciam em duas faces.
Funes de Governo so as atribuies que a administrao pblica se
encarrega de executar e o governador expressa suas metas para a mquina
administrativa explicitando quais funes considera estratgicas para seu
governo.

6/

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

Marcas de Governo so os compromissos assumidos pelo governador perante

a coligao poltica que o apoia e o governador expressa suas metas para a
sociedade explicitando quais marcas considera estratgicas para seu governo.
Foi criado um sistema de atribuio de notas entre 10-0 para cada uma das
Funes e Marcas de Governo de modo a explicitar de forma ordenada as
prioridades do Governo. Chamamos estas notas de Grau de Importncia.
Alm disto foi atribudo um peso relativo entre Funes e Marcas . Estas
tabelas, mostradas abaixo, foram preenchidas pela Secretaria de Planejamento.
As realizaes da administrao pblica se do atravs de Aes de Governo
que so a unidade de alocao de recursos e de gesto. Assim cada uma das
aes de governo classificada em uma Funo e em uma Marca de governo
de modo a permitir um acompanhamento da sua relevncia para o
cumprimento dos objetivos do Governo do Estado.
Criamos, ento, um peso-ao para cada ao de governo que a mdia
ponderada entre o grau de importncia da funo e da marca a que est
associada. Por exemplo uma ao que esteja associada a uma funo com grau
de importncia 5 e a uma marca com grau de importncia 4 ter o seguinte
peso-ao: 0,3*5 + 0,7*4 = 4,3.
Desta foram a funo de maximizao do algoritmo ser o somatrio dos
valores alocados a cada ao multiplicado por seu peso-ao.
b- Definio do cromossoma de representao
Como dito anteriormente a unidade de alocao de recursos a Ao de
Governo. Estas aes so de iniciativa dos diversos rgos do Estado inclusive
um primeiro valor, porm aps propostas sofrem um processo de filtragem e
ajuste coordenado pela Secretaria de Planejamento. Ao final deste processo o
nmero mximo de aes propostas para o oramento passa a ser fixo.
O cromossoma que ser o conjunto de todas as aes de governo, sendo cada
uma delas um gene.
c- Definio e representao das restries do modelo

7/

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

Alm de ser classificada em uma Funo e em uma Marca as Aes de

Governo so agrupadas em Programas de Governo. A definio destes
Programas de responsabilidade da Secretaria de Planejamento e tem por
objetivo adequar as aes do governo ao seu planejamento estratgico de
longo prazo. Um programa por definio um conjunto de aes que tem um
objetivo , um responsvel e um prazo para terminar.
Com base no seu objetivo e no seu prazo um programa avaliado quanto ao
seu impacto no planejamento estratgico do governo. Desta avaliao resulta a
classificao dos programas em 5 categorias (de 4 a 0), assim os programas
relevantes para os planos de longo prazo do governo esto classificados na
categoria 4 enquanto aqueles que causam pouco impacto ficam na categoria 0.
O agrupamento das aes em programas e a classificao dos programas,
apesar de ser coordenadas pela Secretaria de Planejamento, um processo
interativo que envolve todos os rgos da administrao do Estado. Por isso
consideramos que as Categorias dos Programas representam a participao da
estrutura administrativa na definio das estratgias de Governo, de modo que
respeitar os valores propostos para cada Programa de Ao fundamental para
que o oramento esteja coerente com o planejamento estratgico de longo
prazo.
Usar a categoria dos programas como o critrio para as restries do modelo
se tornou a opo natural. A idia foi respeitar o mximo possvel o consenso
da administrao e preservar preferencialmente os programas mais relevantes
e por isso os critrios foram definidos em funo do limite de corte permitido
para cada Categoria de Programa. Foram, ento, definidas as seguintes
restries:
12345-

Programas da Categoria 4 tem limite de corte de 10% do valor inicial;

Programas da Categoria 3 tem limite de corte de 10% do valor inicial;
Programas da Categoria 2 tem limite de corte de 70% do valor inicial;
Programas da Categoria 1 tem limite de corte de 70% do valor inicial;
Programas da Categoria 0 tem limite de corte de 100% do valor inicial.

A princpio estas regras foram definidas como restries rgidas e em uma

segunda etapa trocamos de regras rgidas (Hard) para regras flexveis (Soft)
acrescentando uma penalidade para sua violao proporcional importncia

8/

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

do programa fazendo o custo da funo de penalizao ser 100% para a

categoria 4, 80% para a 3, 60% para a 2 e 40% para a categoria 1.
d- Implantao do modelo
O ltimo passo foi a avaliao do sistema, para este fim foi desenvolvido um
prottipo usando o software Evolver da empresa Palisade Decison Tools Inc.
Como o total dos recursos do Estado disponveis para investimento fixo e o
nmero de aes de governo tambm fixo resolvemos adotar o mtodo de
soluo Budget que implementa um algoritmo gentico que faz a alocao dos
recursos nos genes do cromossoma garantindo que o total se mantm
constante conforme proposto inicialmente.
Para a implementao das restries usamos o artifcio do teste Booleano. Ao
invs de criar para cada um dos programas uma regra que testasse se o valor
alocado respeitava o limite de corte criamos uma coluna onde este teste
executado e seu resultado lgico armazenado ( 1- se verdadeiro ou 0 se
falso) e implementamos somente 4 regras que testam o contedo da coluna
teste. Com isso produzimos um conjunto de regras pequeno e que independe
do nmero de programas criados. Cada regra pode ento ser modificada de
Hard para Soft na Segunda sem maiores problemas.
A primeira etapa foi rodar o programa usando as restries como Hard. O
algoritmo apresentou uma evoluo lenta como pode ser visto no grfico
abaixo, principalmente porque o nmero de solues vlidas geradas era
somente da ordem de 20% das solues geradas tornando o processamento
demorado, isto para cada 5 recalcs havia 1 trial. Mesmo assim houve uma
melhora da distribuio dos recursos com 4.000 tentativas (trials) com
aumento do valor da funo de maximizao na ordem de 10%.

9/

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

A Segunda etapa consistiu em rodar o programa usando as restries como

Soft e acrescentando as penalidades como descritas anteriormente. O
Algoritmo apresentou uma evoluo bastante eficiente e com uma melhora da
distribuio dos recursos com 4.000 tentativas(trials) em aproximadamente
2:00h e aumentando o valor da funo de maximizao na ordem de 10%.
Optamos ento por apresentar aos tcnicos do governo a ltima alternativa.

Resultados
A seguir apresentamos alguns dos resultados obtidos durante os testes para
validao do sistema. Pode ser visto que o sistema conseguiu distribuir os
recursos mais eficientemente do que o mtodo tradicional fazendo com que
mais investimentos fossem alocados para as metas prioritrias do governo.
Como o funo objetivo era a maximizao dos recursos destinados s marcas
e funes de maior grau de importncia para o Governo os resultados esto
apresentados em funo desta alocao. Assim definimos ganho como sendo a
diferena entre o total proposto pelo sistema e o total inicial proposto pelo

10 /

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

mtodo tradicional, de modo que ganho negativo significa que houve uma
reduo dos recursos alocadas.
Analisando o grfico Marcas ganho por importncia abaixo podemos ver
que o algoritmo gentico conseguiu fazer um deslocamento de recursos que
estavam concentrados em aes cujas Marcas de governo tem grau de
importncia 8 e 7 para a aes associadas a Marcas de governo com grau de
importncia 9 e 10 o que claramente uma melhora em relao s metas do
Governo.
Marcas - Ganho por Importncia
R$ 2.000.000,00
R$ 1.000.000,00
R$ 0,00
R$ 1.000.000,00

Ganho por Importncia

0

10

R$ 2.000.000,00
Grau de Importncia

A anlise do grfico Funes ganho por importncia abaixo mostra

claramente o deslocamento de recursos de funes com grau de importncia
6, 5 e 7 para funes com grau de importncia 8, 9 e 10, demonstrando que,
tambm do ponto de vista das Funes de Governo o algoritmo gentico
produziu uma distribuio mais em acordo com as prioridades do governo e
sem ferir os critrios de alocao definidos pela Secretaria de Planejamento.

Funes -ganho por Importncia

R$ 1.000.000,00
R$ 500.000,00
R$ 0,00
(R$ 500.000,00)

(R$ 1.000.000,00)
Grau de importncia
11 /

10

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

H tambm que ressaltar que o numero de pessoas envolvidas no processo foi

muito reduzido j que todo o esforo de clculo e alocao dos valores passou
a ser feito pelo sistema. Alm disto o tempo mdio de processamento do
sistema foi de 5:00h enquanto no processo atual o tempo mdio para
apresentao dos resultados entre cada ajuste de 14:00h obrigando, ainda,
ao pagamento de horas extras aos funcionrios que fazem os ajustes nos
dados.
Em anexo so apresentadas as tabelas de alocao por Marca, por Funo e
por Programa com suas prioridades definidas pela Secretaria de Planejamento
e os valores: inicial ( do mtodo tradicional) e proposto ( do novo sistema).

Concluso
Permitir ao Governo distribuir os recursos do Estado para o oramento de
investimento o objetivo maior deste trabalho.
Para atingir este objetivo foi proposto um sistema baseado em algoritmos
genticos que faz a alocao dos recursos entre as diversas aes de governo
usando como informaes de entrada as metas polticas do governo expressas
atravs da priorizao das Marcas e Funes de Governo que a funo de
maximizao, a classificao dos Programas de Governo em categorias que
servem de critrio para definir as restries do modelo e dos valores propostos
inicialmente pelo sistema tradicional para as Aes de Governo que
representam o cromossoma do algoritmo.
O sistema proposto teoricamente consistente e foi avaliado positivamente
pelos especialistas e sua validade foi confirmada pelos resultados obtidos com
o prottipo desenvolvido.
As prximas etapas do trabalho sero a incorporao do algoritmo gentico ao
sistema de Oramento e a expanso do modelo para incorporar tanto o uso de
fontes externas de recursos quanto os programas de desenvolvimento de
recursos humanos e de gesto administrativa.

12 /

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

Bibliografia
1. Genetic Algoritms

13 /

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

Anexos

Tabela de Alocao dos Recursos nas Marcas de Governo

NomeMarca
Total Proposto (R$/1.000)
Total Inicial (R$/1.000)
Importancia
DUMY
R$ 386,01
R$708,35
0
GOVERNO DA CIDADANIA E PARTICIPAO POPULAR
R$ 1.236.504,77 R$2.517.991,82
8
SEGURANA E JUSTIA PARA TODOS
R$ 717.402,31
R$10.328,90
10
O PRIMEIRO GOVERNO DA FUSO: CAPITAL E INTERIOR
R$ JUNTOS
12.848,87E FORTES
R$28.104,02
8
RECUPERAO ECONMICA DO ESTADO COM TRABALHO
R$ 1.242.157,17
E RENDA R$305.507,93
9
GOVERNO HONESTO E TRANSPARENTE
R$ 0,00
R$0,00
0
NO VINCULADO
R$ 43.728,77
R$390.386,89
7

14 /

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

Tabela de Alocao dos Recursos nas Funes de Governo

NomeFuno

Total Proposto (R$/1.000)

Total Inicial (R$/1.000)
Importancia
R$ 117.388,62
R$ 9.435,63
10
R$ 52.646,20
R$ 5.298,40
10
R$ 20.864,47
R$ 4.096,00
10
R$ 0,00
R$ 0,00
10
R$ 0,00
R$ 0,00
10
R$ 0,00
R$ 0,00
9
R$ 812.851,03 R$ 229.880,94
9
R$ 0,00
R$ 0,00
9
R$ 240.213,31 R$ 208.006,74
9
R$ 163.213,98
R$ 75.855,81
8
R$ 0,00
R$ 0,00
8
R$ 319.006,78 R$ 320.707,05
8
R$ 212.380,00 R$ 732.975,25
8
R$ 267.131,73
R$ 71.843,91
8
R$ 875.511,31
R$ 24.581,01
8
R$ 17.407,19 R$ 266.164,67
7
R$ 3.156,57
R$ 11.629,82
7
R$ 273,76
R$ 409,50
7
R$ 10.352,01 R$ 140.565,85
6
R$ 12.160,54 R$ 198.176,50
6
R$ 41.334,81 R$ 375.771,27
6
R$ 9.870,47
R$ 27.190,00
5
R$ 14.899,92
R$ 71.191,35
5
R$ 2.940,59 R$ 183.577,76
5
R$ 25.944,32 R$ 141.133,20
5
R$ 5.254,50
R$ 10.880,59
5
R$ 526,66
R$ 46.344,59
5
R$ 20.632,64
R$ 75.673,34
3
R$ 7.066,49
R$ 21.638,75
3

LEGISLATIVA
JUDICIRIA
ESSENCIAL JUSTIA
ENCARGOS ESPECIAIS
RESERVA DECONTINGNCIA
DEFESA NACIONAL
SEGURANA PBLICA
RELAES EXTERIORES
SANEAMENTO
ASSISTNCIA SOCIAL
PREVIDNCIA SOCIAL
SADE
EDUCAO
AGRICULTURA
INDSTRIA
HABITAO
COMUNICAES
ENERGIA
CINCIA E TECNOLOGIA
COMRCIO E SERVIOS
TRANSPORTE
TRABALHO
CULTURA
URBANISMO
GESTO AMBIENTAL
ORGANIZAO AGRRIA
DESPORTO E LAZER
ADMINISTRAO
DIREITOS DA CIDADANIA

15 /

Alocao dos Recursos no Oramento do Estado por Algoritmo Gentico

PUC-Rio

16 /