Navegando por Autor "Coelho, Igor Machado"

Agora exibindo 1 - 20 de 24

5th International Conference on Variable Neighborhood Search (ICVNS'17).
(2018) Coelho, Vitor Nazário; Santos, Haroldo Gambini; Coelho, Igor Machado; Penna, Puca Huachi Vaz; Oliveira, Thays Aparecida de; Souza, Marcone Jamilson Freitas; Sifaleras, Angelo
This volume presents selected, peer-reviewed, short papers that were accepted for presentation in the 5th International Conference on Variable Neighborhood Search (ICVNS'17) which was held in Ouro Preto, Brazil, during October 2–4, 2017.
Algoritmos heurísticos para o problema de roteamento de unidades móveis de mamografia.
(2021) Rosa, Otávio Augusto Souza; Souza, Marcone Jamilson Freitas; Penna, Puca Huachi Vaz; Souza, Marcone Jamilson Freitas; Penna, Puca Huachi Vaz; Coelho, Igor Machado; Carvalho, Marco Antonio Moreira de
Este trabalho introduz o Problema de Roteamento de Unidades Móveis de Mamografia (MMURP). Este problema consiste em roteirizar um conjunto de Unidades Móveis de Mamografia (MMU) para atender a demanda de localidades desprovidas de mamógrafos fixos ou com número insuficiente deles. O objetivo é maximizar a demanda atendida e minimizar a distância total percorrida pelas MMUs. Para tratar o problema, propomos os algoritmos Smart IGS-VND e Smart IGS-RVND, ambos baseados na metaheurística Iterated Greedy Search. Nestes algoritmos, uma solução inicial é gerada por meio de um procedimento de três passos. Para refinar uma solução, usamos os procedimentos Randomized Variable Neighborhood Descent (RVND) e Variable Neighborhood Descent (VND). Para não ficar preso em ótimos locais e explorar diferentes regiões do espaço de soluções do problema, aplicamos um procedimento para destruir a solução atual e outro para construí-la de forma gulosa. Para testar os algoritmos propostos, usamos instâncias com 579 localidades, dois depósitos, até 56 MMUs e 180 km entre dois locais no máximo. Realizamos os testes considerando três cenários diferentes. Esses cenários diferem entre si pelo número de localidades candidatas a serem atendidas, o número de MMUs disponíveis em cada depósito e a capacidade dessas MMUs. Os resultados mostraram que os dois algoritmos encontraram soluções que atendem integralmente a demanda da região estudada. O Smart IGS-VND obteve um melhor desempenho para encontrar um valor alvo de demanda previamente definido. No entanto, quando foram comparadas a distância total percorrida pelas MMUs com a cobertura de exames, o Smart IGS-RVND mostrou ser capaz de encontrar soluções de melhor qualidade, reduzindo a distância total percorrida pelos veículos. No último cenário, apresentamos um plano de serviço mensal para uma MMU, variando de um a doze meses.
An ILS-based algorithm to solve a large-scale real heterogeneous fleet VRP with multi-trips and docking constraints.
(2016) Coelho, Vitor Nazário; Grasas, A.; Ramalinho, H.; Coelho, Igor Machado; Souza, Marcone Jamilson Freitas; Cruz, Raphael Carlos
Distribution planning is crucial for most companies since goods are rarely produced and consumed at the same place. Distribution costs, inaddition, can be an important component of the final cost of the products. In this paper, westudya VRP variant inspired on a real case of a large distribution company. In particular, we consider a VRP with a heterogeneous fleet of vehicles that a real lowed to perform multipletrips. The problem also includes docking constraints in which some vehicles are unable to serve some particular customers, and a realistic objective function with vehicles’ fixed and distance- based costs and a costper customer visited. We design a trajectory search heuristic called GILS-VND that combines Iterated Local Search (ILS), Greedy Randomized Adaptive Search Procedure (GRASP) and Variable Neighborhood Descent (VND) procedures. This method obtains competitive solutions and improves the company solutions leading to significant savings in transportation costs.
A communitarian microgrid storage planning system inside the scope of a smart city.
(2016) Coelho, Vitor Nazário; Coelho, Igor Machado; Coelho, Bruno Nazário; Oliveira, Glauber Cardoso de; Barbosa, Alexandre Costa; Pereira, Leo; Freitas, Alan Robert Resende de; Santos, Haroldo Gambini; Ochi, Luiz Satoru; Guimarães, Frederico Gadelha
In this paper (a substantial extension of the short version presented at REM2016 on April 19–21, Maldives [1]), multi-objective power dispatching is discussed in the scope of microgrids located in smart cities. The proposed system considers the use of Plug-in Electric Vehicle (PEV) and Unmanned Aerial Vehicle (UAV) as storage units. The problem involves distinct types of vehicles and a community, composed of small houses, residential areas and different Renewable Energy Resources. In order to highlight possibilities for power dispatching, the optimization of three distinct goals is considered in the analysis: mini/ microgrid total costs; usage of vehicles batteries; and maximum grid peak load. Sets of non-dominated solutions are obtained using a mathematical programming based heuristic (Matheuristic). By analyzing cases of study composed with up to 70 vehicles, we emphasize that PEVs and UAVs can effectively contribute for renewable energy integration into mini/microgrid systems. Smart cities policy makers and citizens are suggested to consider the proposed tool for supporting decision making for cities under development, guiding their choices for future investments on renewable energy resources.
EEG time series learning and classification using a hybrid forecasting model calibrated with GVNS.
(2017) Coelho, Vitor Nazário; Coelho, Igor Machado; Coelho, Bruno Nazário; Souza, Marcone Jamilson Freitas; Guimarães, Frederico Gadelha; Luz, Eduardo José da Silva; Barbosa, Alexandre Costa; Coelho, Mateus Nazario; Netto, Guilherme Gaigher; Pinto, Alysson Alves; Elias, Marcelo Eustaquio Versiani; Gonçalves Filho, Dalton Cesar de Oliveira; Oliveira, Thays Aparecida de
Brain activity can be seen as a time series, in particular, electroencephalogram (EEG) can measure it over a specific time period. In this regard, brain fingerprinting can be subjected to be learned by machine learning techniques. These models have been advocated as EEG-based biometric systems. In this study, we apply a recent Hybrid Focasting Model, which calibrates its if-then fuzzy rules with a hybrid GVNS metaheuristic algorithm, in order to learn those patterns. Due to the stochasticity of the VNS procedure, models with different characteristics can be generated for each individual. Some EEG recordings from 109 volunteers, measured using a 64-channels EEGs, with 160 HZ of sampling rate, are used as cases of study. Different forecasting models are calibrated with the GVNS and used for the classification purpose. New rules for classifying the individuals using forecasting models are introduced. Computational results indicate that the proposed strategy can be improved and embedded in the future biometric systems.
Gathering data in wireless sensor networks by drone.
(2020) Rezende, Josiane da Costa Vieira; Souza, Marcone Jamilson Freitas; Silva, Rone Ilídio da; Souza, Marcone Jamilson Freitas; Teixeira, Fernando Augusto; Coelho, Igor Machado; Ochi, Luiz Satoru; Penna, Puca Huachi Vaz; Coelho, Vitor Nazário; Silva, Rone Ilidio da
The benefits of using mobile sinks or data mules for data collection in Wireless Sensor Network (WSN) have been studied in several studies. However, most of them consider only the WSN limitations and sensor nodes having no more than one data packet to transmit. This paper considers each sensor node having a relatively larger volume of data stored in its memory. That is, they have several data packets to send to sink. We also consider a drone with hovering capability, such as a quad-copter, as a mobile sink to gather this data. Hence, the mobile collector eventually has to hover to guarantee that all data will be received. Drones, however, have a limited power supply that restricts their flying time. Hence, the drone’s energy cost must also be considered to increase the amount of collected data from the WSN. This work investigates the problem of determining the best drone tour for data gathering in a WSN. We focus on minimizing the overall drone flight time needed to collect all data from the WSN. We propose an algorithm to create a subset of sensor nodes to send data to the drone during its movement and, consequently, reduce its hovering time. The proposed algorithm guarantees that the drone will stay a minimum time inside every sensor node’s radio range. The computational experiments showed that our proposal significantly outperforms the state-of-the-art methods in finding drone tours in this type of scenario.
A general variable neighborhood search approach for the resolution of the Eternity II Puzzle.
(2010) Coelho, Igor Machado; Coelho, Bruno Nazário; Coelho, Vitor Nazário; Haddad, Matheus Nohra; Souza, Marcone Jamilson Freitas; Ochi, Luiz Satoru
Generic Pareto local search metaheuristic for optimization of targeted offers in a bi-objective direct marketing campaign.
(2016) Coelho, Vitor Nazário; Oliveira, Thays Aparecida de; Coelho, Igor Machado; Coelho, Bruno Nazário; Fleming, Peter J.; Guimarães, Frederico Gadelha; Ramalhinho, Helena; Souza, Marcone Jamilson Freitas; Talbi, El-Ghazali; Lust, Thibaut
Cross-selling campaigns seek to offer the right products to the set of customers with the goal of maximizing expected profit, while, at the same time, respecting the purchasing constraints set by investors. In this context, a bi-objective version of this NP-Hard problem is approached in this paper, aiming at maximizing both the promotion campaign total profit and the risk-adjusted return, which is estimated with the reward-to-variability ratio known as Sharpe ratio. Given the combinatorial nature of the problem and the large volume of data, heuristic methods are the most common used techniques. A Greedy Randomized Neighborhood Structure is also designed, including the characteristics of a neighborhood exploration strategy together with a Greedy Randomized Constructive technique, which is embedded in a multi-objective local search metaheuristic. The latter combines the power of neighborhood exploration by using a Pareto Local Search with Variable Neighborhood Search. Sets of non-dominated solutions obtained by the proposed method are described and analyzed for a number of problem instances.
A GPU deep learning metaheuristic based model for time series forecasting.
(2017) Coelho, Igor Machado; Coelho, Vitor Nazário; Luz, Eduardo José da Silva; Ochi, Luiz Satoru; Guimarães, Frederico Gadelha; Rios, Eyder
As the new generation of smart sensors is evolving towards high sampling acquisitions systems, the amount of information to be handled by learning algorithms has been increasing. The Graphics Processing Unit (GPU) architecture provides a greener alternative with low energy consumption for mining big data, bringing the power of thousands of processing cores into a single chip, thus opening a wide range of possible applications. In this paper (a substantial extension of the short version presented at REM2016 on April 19–21, Maldives [1]), we design a novel parallel strategy for time series learning, in which different parts of the time series are evaluated by different threads. The proposed strategy is inserted inside the core a hybrid metaheuristic model, applied for learning patterns from an important mini/microgrid forecasting problem, the household electricity demand forecasting. The future smart cities will surely rely on distributed energy generation, in which citizens should be aware about how to manage and control their own resources. In this sense, energy disaggregation research will be part of several typical and useful microgrid applications. Computational results show that the proposed GPU learning strategy is scalable as the number of training rounds increases, emerging as a promising deep learning tool to be embedded into smart sensors.
A hybrid deep learning forecasting model using GPU disaggregated function evaluations applied for household electricity demand forecasting.
(2016) Coelho, Vitor Nazário; Coelho, Igor Machado; Rios, Eyder; Thiago Filho, Alexandre Magno de S.; Reis, Agnaldo José da Rocha; Coelho, Bruno Nazário; Alves, Alysson; Gaigher Netto, Guilherme; Souza, Marcone Jamilson Freitas; Guimarães, Frederico Gadelha
As the new generation of smart sensors is evolving towards high sampling acquisitions systems, the amount of information to be handled by learning algorithms has been increasing. The Graphics Processing Unit (GPU) architectures provide a greener alternative with low energy consumption for mining big-data, harnessing the power of thousands of processing cores in a single chip, opening a widely range of possible applications. Here, we design a novel evolutionary computing GPU parallel function evaluation mechanism, in which different parts of time series are evaluated by different processing threads. By applying a metaheuristics fuzzy model in a low-frequency data for household electricity demand forecasting, results suggested that the proposed GPU learning strategy is scalable as the number of training rounds increases.
A hybrid heuristic algorithm for the open-pit-mining operational planning problem.
(2010) Souza, Marcone Jamilson Freitas; Coelho, Igor Machado; Ribas, Sabir; Santos, Haroldo Gambini; Merschmann, Luiz Henrique de Campos
This paper deals with the Open-Pit-Mining Operational Planning problem with dynamic truck allocation. The objective is to optimize mineral extraction in the mines by minimizing the number of mining trucks used to meet production goals and quality requirements. According to the literature, this problem is NPhard, so a heuristic strategy is justified. We present a hybrid algorithm that combines characteristics of two metaheuristics: Greedy Randomized Adaptive Search Procedures and General Variable Neighborhood Search. The proposed algorithm was tested using a set of real-data problems and the results were validated by running the CPLEX optimizer with the same data. This solver used a mixed integer programming model also developed in this work. The computational experiments show that the proposed algorithm is very competitive, finding near optimal solutions (with a gap of less than 1%) in most instances, demanding short computing times.
A hybrid variable neighborhood search algorithm for targeted offers in direct marketing.
(2015) Oliveira, Thays Aparecida de; Coelho, Vitor Nazário; Souza, Marcone Jamilson Freitas; Boava, Diego Luiz Teixeira; Boava, Fernanda Maria Felício Macêdo; Coelho, Igor Machado; Coelho, Bruno Nazário
This paper focuses on the targeted offers problem in direct marketing campaigns. The main objective is to maximize the feedback of customers purchases, offering products for the set of customers with the highest probability of positively accepting the offer and, at the same time, minimizing the operational costs of the campaign. Given the combinatorial nature of the problem and the large volume of data, involving instances with up to one million customers, approaches solely based on mathematical programming methods, said exact, appear limited and infeasible. In this paper, the use of a hybrid heuristic algorithm, based on the Greedy Randomized Adaptive Search Procedures and General Variable Neighborhood Search, is proposed. Computational experiments performed on a set of test problems from the literature show that the proposed algorithm was able to produce competitive solutions.
MaPI : um framework para paralelização de algorítimos.
(2010) Ribas, Sabir; Perché, Mário Henrique de Paiva; Coelho, Igor Machado; Munhoz, Paulo Luiz Araújo; Souza, Marcone Jamilson Freitas; Aquino, André Luiz Lins de
Este trabalho apresenta o MaPI, um framework que implementa a abstração MapReduce na linguagem C++. Ao utilizar o MaPI, o usuário e´ capaz de implementar uma aplicação paralela sem se preocupar com a forma de comunicação entre os processos ou como o sistema fará a paralelização. Além disso, toda a implementação feita pelo usuário pode ser sequencial. Para ilustrar o funcionamento do framework , este foi usado na paralelização de um algoritmo heurístico de otimização aplicado a um problema clássico de otimização, o Problema do Caixeiro Viajante. Os resultados obtidos comprovam a eﬁciência do framework como ferramenta de auxílio ao desenvolvimento de procedimentos paralelos de otimização.
A mathematical formulation and heuristic algorithms for minimizing the makespan and energy cost under time-of-use electricity price in an unrelated parallel machine scheduling problem.
(2022) Rego, Marcelo Ferreira; Souza, Marcone Jamilson Freitas; Cota, Luciano Perdigão; Souza, Marcone Jamilson Freitas; Cota, Luciano Perdigão; Penna, Puca Huachi Vaz; Coelho, Igor Machado; Arroyo, José Elias Claudio; Batista, Lucas de Souza
Em muitos países, o preço da energia varia de acordo com a política time-of-use. Como regra geral, é vantajoso financeiramente para as indústrias planejarem sua produção considerando essa política. Esta tese apresenta um novo problema de sequenciamento de máquinas paralelas não-relacionadas bi-objetivo com tempos de preparação dependentes da sequência, no qual os objetivos são minimizar o makespan e o custo total de energia considerando máquinas com diferentes modos de operação e que o preço da eletricidade segue a política time-of-use. Introduzimos uma formulação de programação linear inteira mista e aplicamos o método da soma ponderada para obter uma fronteira Pareto. Também desenvolvemos métodos de otimização multiobjetivo, baseados no Multi-objective Variable Neighborhood Search com procedimento de intensificação (chamado MOVNS2) e o Non-dominated Sorting Genetic Algorithm II (NSGA-II), para tratar instâncias grandes, com pelo menos 50 tarefas, uma vez que a formulação não pode resolvê-las em um tempo computacional aceitável para a tomada de decisão. Comparamos o desempenho dos algoritmos NSGA-II e MOVNS2 com dois algoritmos de otimização multiobjetivo da literatura, o MOVNS1 e o NSGA-I, em relação às métricas de hipervolume e hierarchical cluster counting (HCC). Os resultados mostraram que os métodos propostos são capazes de encontrar uma boa aproximação para a fronteira Pareto comparado com os resultados do método de soma ponderada em instâncias pequenas, de até 10 tarefas. Quando consideramos apenas as instâncias grandes, o MOVNS2 é superior ao MOVNS1, o NSGA-I e o NSGA-II em relação à métrica de hipervolume. Além disso, o NSGA-II supera os métodos de otimização multiobjetivo NSGA-I, MOVNS1 e MOVNS2 em relaçãoo à métrica HCC. Ambos os resultados apresentam um nível de confiança de 95%. Assim, o MOVNS2 proposto é capaz de encontrar soluções não-dominadas com boa convergência e o NSGA-II com boa diversidade.
Um modelo de programação linear inteira mista para a blendagem de minério e alocação de equipamentos de carga em uma mina de cobre.
(2022) Coutinho, Natanael Salgado; Cota, Luciano Perdigão; Euzebio, Thiago Antonio Melo; Cota, Luciano Perdigão; Euzebio, Thiago Antonio Melo; Santos, Iranildes Daniel dos; Oliveira, Fernando Bernardes de; Coelho, Igor Machado
Este trabalho trata um problema de blendagem de minério e alocação de equipamentos de carga em uma mina de cobre a céu aberto. Neste problema, o minério disponível para a alimentação da usina está localizado em frentes de lavra e pilhas. Escavadeiras e pás mecânicas são utili- zadas para a retomada de minério, que é encaminhado para usina por meio de caminhões. O objetivo neste problema é gerar um planejamento de blendagem e alocação dos equipamentos de carga que minimize os desvios das metas de produção e qualidade no atendimento da usina. Para resolver o problema foi proposto um sistema de suporte à decisão por meio de uma for- mulação de programação linear inteira mista. Dados reais de uma mina de cobre da empresa Vale S.A. foram utilizados para validar o modelo matemático. Anteriormente ao sistema pro- posto, as decisões eram tomadas pela equipe de planejamento por meio de planilhas digitais e um tempo considerável era dispendido para se encontrar uma solução viável. Nos experimentos computacionais, o modelo foi avaliado em dois cenários reais da mina em estudo, o primeiro com todos os equipamentos de carga disponíveis e o segundo com parada para manutenção de metade desses equipamentos. O sistema de suporte à decisão foi capaz de encontrar a solução ótima de maneira instantânea nos cenários avaliados, validando-o como ferramenta de suporte à decisão para os cenários descritos.
Multi-objective approaches for the open-pit mining operational planning problem.
(2012) Coelho, Vitor Nazário; Souza, Marcone Jamilson Freitas; Coelho, Igor Machado; Guimarães, Frederico Gadelha; Lust, Thibaut; Cruz, Raphael Carlos
This work presents three multi-objective heuristic algorithms based on Two-phase Pareto Local Search with VNS (2PPLS-VNS), Multi-objective Variable Neighborhood Search (MOVNS) and Non-dominated Sorting Genetic Algorithm II (NSGA-II). The algorithms were applied to the open-pit-mining operational planning problem with dynamic truck allocation (OPMOP). Approximations to Pareto sets generated by the developed algorithms were compared considering the hypervolume and spacing metrics. Computational experiments have shown the superiority of the algorithms based on VNS methods, which were able to find better sets of non-dominated solutions, more diversified and with an improved convergence.
Multi-objective energy storage power dispatching using plug-in vehicles in a smart-microgrid.
(2016) Coelho, Vitor Nazário; Coelho, Igor Machado; Coelho, Bruno Nazário; Cohen, Miri Weiss; Reis, Agnaldo José da Rocha; Silva, Sidelmo Magalhães; Souza, Marcone Jamilson Freitas; Fleming, Peter J.; Guimarães, Frederico Gadelha
This paper describes a multi-objective power dispatching problem that uses Plug-in Electric Vehicle (PEV) as storage units.We formulate the energy storage planning as a Mixed-Integer Linear Programming (MILP) problem, respecting PEV requirements, minimizing three different objectives and analyzing three different criteria. Two novel cost-to-variability indicators, based on Sharpe Ratio, are introduced for analyzing the volatility of the energy storage schedules. By adding these additional criteria, energy storage planning is optimized seeking to minimize the following: total Microgrid (MG) costs; PEVs batteries usage; maximum peak load; difference between extreme scenarios and two Sharpe Ratio indices. Different scenarios are considered, which are generated with the use of probabilistic forecasting, since prediction involves inherent uncertainty. Energy storage planning scenarios are scheduled according to information provided by lower and upper bounds extracted from probabilistic forecasts. A MicroGrid (MG) scenario composed of two renewable energy resources, a wind energy turbine and photovoltaic cells, a residential MG user and different PEVs is analyzed. Candidate non-dominated solutions are searched from the pool of feasible solutions obtained during different Branch and Bound optimizations. Pareto fronts are discussed and analyzed for different energy storage scenarios. Perhaps the most important conclusion from this study is that schedules that minimize the total system cost may increase maximum peak load and its volatility over different possible scenarios, therefore may be less robust.
A multi-objective green UAV routing problem.
(2017) Coelho, Bruno Nazário; Coelho, Vitor Nazário; Coelho, Igor Machado; Ochi, Luiz Satoru; Koochaksaraei, Roozbeh Haghnazar; Zuidema, Demetrius; Lima, Milton Sérgio Fernandes de; Costa, Adilson Rodrigues da
This paper introduces an Unmanned Aerial Vehicle (UAV) heterogeneous fleet routing problem, dealing with vehicles limited autonomy by considering multiple charging stations and respecting operational re- quirements. A green routing problem is designed for overcoming difficulties that exist as a result of lim- ited vehicle driving range. Due to the large amount of drones emerging in the society, UAVs use and efficiency should be optimized. In particular, these kinds of vehicles have been recently used for deliver- ing and collecting products. Here, we design a new real-time routing problem, in which different types of drones can collect and deliver packages. These aerial vehicles are able to collect more than one deliver- able at the same time if it fits their maximum capacity. Inspired by a multi-criteria view of real systems, seven different objective functions are considered and sought to be minimized using a Mixed-Integer Lin- ear Programming (MILP) model solved by a matheuristic algorithm. The latter filters the non-dominated solutions from the pool of solutions found in the branch-and-bound optimization tree, using a black-box dynamic search algorithm. A case of study, considering a bi-layer scenario, is presented in order to val- idate the proposal, which showed to be able to provide good quality solutions for supporting decision making.
Problema de roteamento de mamógrafos móveis : uma abordagem bi-objetiva.
(2023) Araujo, Thiago Giachetto de; Penna, Puca Huachi Vaz; Souza, Marcone Jamilson Freitas; Penna, Puca Huachi Vaz; Souza, Marcone Jamilson Freitas; Coelho, Igor Machado; Carvalho, Marco Antonio Moreira de
Esta dissertação trabalha com o Problema de Roteamento de Unidades Móveis de Mamografia (MMURP). O problema é uma variante do Problema de Rotea- mento de Veículos Aberto Multi-depósito. Neste problema, existe uma quantidade fixa de depósitos, cada um com uma quantidade limitada de Unidades Móveis de Mamografia (MMUs). Cada MMU tem sua capacidade de realização de exames conhecida e um conjunto de cidades candidatas com uma demanda conhecida por exames de mamografia. O objetivo é definir a ordem de visitação das cidades can- didatas para cada MMU, buscando maximizar a demanda atendida e minimizar a distância total percorrida. Ou seja, o MMURP é tratado como um problema de otimização bi-objetivo. Uma formulação de programação matemátia é pro- posta, o método ε-restrito é implementado e dois algoritmos heurísticos baseados no Non-dominated Sorting Genetic Algorithm II (NSGA-II) são desenvolvidos. Os algoritmos heurísticos se diferenciam pela utilização de busca local como um dos operadores de mutação, um possui e o outro não. O método exato e as duas versões do algoritmo heurístico foram implementados e usados para resolver o MMURP para diversos estados do Brasil. Instâncias baseadas em dados reais foram geradas e usadas para avaliar os métodos implementados. Os resultados computacionais mos- traram que ao considerar o hipervolume, as soluções encontradas pelo método exato são superiores. Porém, ao considerar o min-max da taxa de cobertura, o algoritmo heurístico com a busca local é superior.
Seleção de atributos baseado no algoritmo de otimização por colônia de formigas para processos mineradores.
(2021) Ayres, Pedro Fontes; Coelho, Bruno Nazário; Sabino, Jodelson Aguilar; Coelho, Bruno Nazário; Sabino, Jodelson Aguilar; Reis, Agnaldo José da Rocha; Coelho, Igor Machado
Analise avançada de dados referentes aos processos relacionados á atividade mineradora apresentam um cenário desafiador que é extrair conhecimento útil a partir de diferentes bancos de dados. Diante disto, inserido na ciência de Mineração de Dados, uma tecnologia utilizada na fase de pré-processamento dos dados conhecida como Seleção de Atributos visa reduzir a dimensionalidade dos dados e identificar suas variáveis relevantes, aumentando assim o poder ´ preditivo do classificador. Abordagens computacionais baseadas em Inteligência de Enxame vem se destacando para esta etapa. A seguinte Dissertação aborda a evolução dos algoritmos baseado na Otimização por Colônia de Formigas, conhecido algoritmo meta-heurístico de exploração, aplicados a Seleção de Atributos, assim como a proposta de um novo método com características do tipo Filter e Wrapper. Seu desempenho e avaliado a partir de diferentes ´ bancos de dados e também comparando-se seus resultados com outros algoritmos referenciais acerca do tema. Uma aplicação pratica da redução da dimensionalidade de um banco de dados relacionados à gestão de pátios, adotando-se um algoritmo referencial e descrito através de artigo. O trabalho foi orientado através da metologia de dados CRISP-DM e disponibilizado ´ um projeto no Github a partir do produzido.