Doutorado em Modelagem Matemática e Computacional

URI Permanente para esta coleção

https://repositorio.cefetmg.br//handle/123456789/648

Navegar

Navegando Doutorado em Modelagem Matemática e Computacional por Autor "Borges, Henrique Elias"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    AMAM framework multiagente para otimização usando metaheurísticas
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2019-06-24) Silva, Maria Amélia Lopes; Souza, Sérgio Ricardo de; Souza, Marcone Jamilson Freitas; http://lattes.cnpq.br/3677015295211434; http://lattes.cnpq.br/1584173805850799; Souza, Sérgio Ricardo de; Souza, Marcone Jamilson Freitas; Bazzan, Ana Lúcia Cetertich; Goldbarg, Elizabeth Ferreira Gouvêa; Lacerda, Anísio Mendes; Borges, Henrique Elias
    Esta tese apresenta um framework multiagente para otimização usando metaheurísticas, denominado Arquitetura Multiagente para Metaheurísticas (AMAM). O framework AMAM é uma estrutura genérica e flexível, que tem, como principal característica, a facilidade de hibridização de metaheurísticas, a partir da utilização de conceitos relacionados a sistemas multiagentes. Nesta proposta, cada agente atua independentemente no espaço de busca de um problema de otimização combinatória. Os agentes compartilham informações e colaboram entre si através do ambiente. Esta tese tem, como principal contribuição, a consolidação do framework AMAM como uma ferramenta capaz de resolver diferentes problemas de otimização e que permita a fácil hibridização de metaheurísticas. Para tal, propõe a revisão da estrutura do framework AMAM, com a incorporação de novos recursos que permitam dinamizar e aperfeiçoar o processo de solução. A estrutura do framework foi dividida em dimensões, ao se considerar suas diferentes perspectivas. A remoção de estruturas de coordenação explícita e de elementos que intermediavam a comunicação permitiram aumentar a autonomia do agente. A cooperação entre os agentes foi aprimorada, buscando maior diversidade nas soluções disponíveis na estrutura cooperativa, através da definição de novos critérios de inserção de novas soluções. É proposta também a incorporação de capacidades auto-adaptativas nos agentes. O objetivo é permitir que o agente modifique suas ações com base nas experiências obtidas na interação com os outros agentes e com o ambiente, usando conceitos de Aprendizagem de Máquina. Neste sentido, são apresentadas duas propostas de agentes adaptativos baseados no algoritmo Q-Learning e em Autômatos de Aprendizagem. Para melhor introdução e validação do framework AMAM, esta tese utiliza instanciações do framework para dois problemas clássicos de otimização combinatória: Problema de Roteamento de Veículos com Janelas de Tempo (sigla em inglês, VRPTW) e o Problema de Sequenciamento de Máquina Paralela Não Relacionada com Tempos de Configuração Dependentes de Sequência (sigla em inglês, UPMSP-ST). Os experimentos demonstraram a efetiva redução nos custos das soluções com o uso de agentes cooperativos e a escalabilidade da proposta. Os experimentos também confirmaram que a capacidade de aprender atribuída ao agente influencia diretamente a qualidade das soluções, tanto do ponto de vista individual quanto do ponto de vista do trabalho em equipe. Sendo assim, a adaptabilidade dos agentes é confirmada, demonstrando que as técnicas de aprendizado utilizadas conseguem superar a necessidade de conhecimento das características específicas do problema a ser tratado. Os resultados obtidos possibilitaram concluir que o framework aqui apresentado é um passo à frente em relação aos demais frameworks da literatura quanto à adaptação aos aspectos particulares dos problemas tratados.
  • Imagem de Miniatura
    Item
    Uma análise temporal dos principais tópicos de pesquisa da ciência brasileira a partir das palavras-chave de publicações científicas
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2018-12-19) Gomes, Jether Oliveira; Moita, Gray Farias; Dias, Thiago Magela Rodrigues; http://lattes.cnpq.br/2550201329788172; http://lattes.cnpq.br/6063087854331543; Moita, Gray Farias; Dias, Thiago Magela Rodrigues; Pinto, Adilson Luiz; Meireles, Magali Rezende Gouvêa; Borges, Henrique Elias; Almeida, Paulo Eduardo Maciel de
    A produção de trabalhos científicos apresentou um crescimento significativo nas últimas décadas, sendo a internet o principal meio para seu acesso e difusão. Consequentemente, nota-se um esforço global de todas as áreas do conhecimento na confecção de estudos sobre dados da produção científica, a fim de conhecer o que tem sido pesquisado. Tais estudos podem servir a diversos propósitos, como fornecer embasamento para a construção de políticas de incentivo à pesquisa visando novos avanços na ciência. No entanto, a maioria dos trabalhos encontrados analisam conjuntos restritos de dados, que são originados de repositórios internacionais, geralmente específicos de uma determinada área. Por outro lado, poucos e recentes trabalhos utilizam fontes de dados nacionais, manipulando, no entanto, uma quantidade restrita dos dados disponíveis em análises preliminares. Apesar de tais trabalhos apresentarem resultados significantes, não foram encontrados estudos prévios que englobem, de forma abrangente, o que é produzido pela comunidade científica brasileira. Além disso, a estratégia principal de alguns desses estudos, principalmente os que utilizam repositórios de dados nacionais, é analisar os títulos das publicações. Em outra perspectiva, uma estratégia que vem se destacando é a análise das palavras-chave das publicações científicas, tendo em vista que as mesmas foram selecionadas cuidadosamente por seus autores com o foco de evidenciar os principais assuntos que permeiam o trabalho de forma clara e objetiva. Nesse contexto, esta tese apresenta-se como uma proposta de análise textual sobre o desenvolvimento científico brasileiro registrado ao longo da história na base curricular da Plataforma Lattes. Concomitantemente, é também a primeira análise sobre todo o conjunto de palavras-chave das publicações dos indivíduos com doutorado concluído que possuem currículos cadastrados na Plataforma Lattes. Para tanto, foi desenvolvido um arcabouço de componentes com a finalidade de filtrar e tratar os dados dos currículos para padronização e definição das informações essenciais a serem analisadas, e, ao mesmo tempo, diminuir o processamento computacional para geração dos resultados desejados. Os resultados iniciais são apresentados a partir da aplicação de análises bibliométricas e técnicas baseadas em análises de redes sociais sobre as palavras-chave de artigos publicados em anais de congressos e em periódicos do conjunto selecionado. Assim, quantitativamente, foi possível apresentar uma caracterização geral das palavras-chave utilizadas pelos doutores, e, com isso, destacar os principais tópicos de pesquisa desenvolvidos por eles ao longo dos últimos anos. No entanto, a análise apenas quantitativa dos tópicos pode não explorar por completo as características existentes nos dados contidos na Plataforma Lattes. Por isso, foi desenvolvida nesta tese a medida de importância de tópicos TF.FI, que leva em consideração tanto as características quantitativas das palavras-chave dos artigos quanto as características qualititativas (Fator de Impacto) dos periódicos em que tais artigos foram publicados. Como resultado final, as palavras-chave dos artigos publicados em periódicos entre 1997 e 2016 foram ranqueadas utilizando a medida TF.FI e analisadas em suas respectivas grandes áreas do conhecimento. Os resultados apresentados servirão de base para diversos outros estudos que visam entender o desenvolvimento da ciência brasileira nas diversas áreas do conhecimento