Bacharelado em Ciência da Computação

URI Permanente desta comunidade

https://repositorio.ifmg.edu.br/handle/20.500.14387/747

Navegar

Navegando Bacharelado em Ciência da Computação por Orientador "Mestre Everthon Valadão dos Santos"

Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Item
    Filtragem Híbrida para Sistema de Recomendação de Livros utilizando Redes Neurais
    (2023-12-19) Mendes, Bruna Cristina; Mestre Everthon Valadão dos Santos
    Esta monografia aborda o desenvolvimento de um sistema de recomendação híbrido para livros, combinando abordagens colaborativas e baseadas em conteúdo, impulsionado por Redes Neurais. A crescente complexidade e diversidade dos dados tornam essencial a adoção de modelos híbridos, e este trabalho justifica-se pela necessidade de oferecer aos leitores sugestões mais relevantes e personalizadas, superando as limitações dos modelos tradicionais. O objetivo do trabalho é estudar, implementar e avaliar um sistema de recomendação híbrido, utilizando uma Deep Neural Network (DNN), que não apenas sugira obras com base em preferências passadas, mas também leve em conta características literárias específicas, proporcionando recomendações mais contextuais. A validação foi conduzida por meio de experimentos utilizando os conjuntos de dados do BookCrossing e da Amazon, e a avaliação é feita comparando a precisão das recomendações com o modelo de filtragem colaborativa e identificando melhorias na personalização do modelo híbrido proposto. As principais contribuições deste trabalho incluem a implementação de um sistema híbrido eficaz, que possibilita a avaliação comparativa com modelos tradicionais e análise das melhorias alcançadas.
  • Imagem de Miniatura
    Item
    O uso do NSGA-II para maximizar o lucro e a distribuição dos recursos entre apostas esportivas
    (2023-12-12) Sales, João Geraldo Borges; Mestre Everthon Valadão dos Santos
    O mercado de apostas esportivas online está em ascensão, movimentando dezenas de bilhões de dólares. A abordagem convencional de aproveitar as oportunidades decorrentes de erros de precificação nas casas de apostas (surebets) pode não ser sustentável quando empregada sem moderação. Investimentos elevados, voltados para maximizar o lucro, facilitam a identificação dessa estratégia, como consequência possíveis restrições, podem ocorrer cancelamento de apostas ou até mesmo o bloqueio de suas contas por parte das casas de apostas. Este trabalho propõe o desenvolvimento de um protótipo de software para otimizar o lucro e a distribuição eficiente de recursos entre um conjunto de surebets disponíveis, aproveitando oportunidades decorrentes de erros das casas de apostas. A solução proposta adota o uso da meta-heurística NSGA-II, uma abordagem multi-objetivo, para gerar soluções que maximizem não só o lucro, mas também otimizem a distribuição do investimento entre as apostas com a intenção de evitar bloqueios e/ou limitações. Utilizando dados coletados de janeiro a outubro/2023 por meio de uma API e da construção de um algoritmo, montamos um dataset contendo mais de 2.400 jogos e centenas de surebets identificadas. Para validar o algoritmo foram considerados quatro cenários, explorando diferentes operadores de crossover. Com meta-heurística parametrizada, é gerado um conjunto de soluções que maximizam o lucro e a distribuição eficiente de recursos entre as surebets. Os resultados alcançados por este trabalho se traduzem em um protótipo de software que proporciona soluções adaptáveis a diversos perfis de apostadores, desde os mais conservadores, que preferem distribuir o investimento entre várias surebets, até os mais arrojados, que buscam maximizar o lucro e preferem investir na surebet que oferece o maior lucro.
  • Imagem de Miniatura
    Item
    Utilização da heurística NSGA-II na otimização das rotas de coleta de lixo, aplicada às cidades mineiras de Formiga e Lagoa da Prata
    (2023-11-16) Silva, Lucas Mateus Menezes; Mestre Everthon Valadão dos Santos
    O Brasil é um dos grandes produtores de lixo do mundo. De acordo com um estudo feito pelo WWF (World Wide Fund for Nature), o Brasil se encontra na 4a posição como o maior produtor de lixo plástico em todo o mundo (WWF, 2019). Com tanto lixo sendo produzido no país, torna-se difícil para as cidades coletarem todo o lixo e ainda o façam de uma forma eficiente. Neste trabalho é proposto um método para otimizar rotas de veículos coletores de lixo, através da meta-heurística NSGA-II, tendo sido desenvolvido um protótipo de software que gera rotas de coleta otimizadas, para uma determinada cidade ou região. Nos experimentos, foram utilizados como cenários as cidades de Formiga/MG e Lagoa da Prata/MG, as soluções geradas conseguiram eficazmente gerar rotas que passam por todos os pontos de coleta definidos (esquinas entre as ruas) bem como coletar todo o montante de lixo simulado respeitando as restrições na quantidade de caminhões de lixo. Por utilizar uma heurística multiobjetivo, a aplicação gera um conjunto de soluções possíveis, de forma que o responsável pela coleta de lixo daquela localidade escolha a solução que melhor atenda suas demandas, ex.: limitação na quantidade de caminhões, periodicidade desejada da coleta, maior economia de combustível, dentre outras. Com o problema devidamente modelado para a meta-heurística NSGA-II, foi possível otimizar todas as funções-objetivo definidas com um tempo de processamento em torno de quatro horas. Para tal, foram experimentadas diferentes estratégias de mutação e de crossover, devidamente documentadas. Dentre as principais contribuições realizadas por esse trabalho estão: confecção de uma aplicação que gera configurações de rotas de coleta de lixo para uma cidade ou região; modelagem para simulação do lixo diariamente gerado em cada rua de uma cidade, em média; modelagem da limitação na capacidade de cada caminhão transportar lixo (Problema de Roteamento de Veículos Capacitados), demandando mais de uma viagem; modelagem de função-objetivo para que as rotas geradas para os caminhões evitem subir e descer morros desnecessariamente (Problema do Carteiro Chinês Com Vento); proposta de uso de memorização da clusterização para agilizar o tempo de execução do algoritmo. O software elaborado exporta um arquivo KML contendo as diferentes rotas geradas, de maneira que possam ser carregadas e visualizadas no Google Earth. Todo o código gerado foi disponibilizado para acesso público em um repositório no GitHub.