PPGCC - Mestrado (Dissertações)
URI permanente para esta coleçãohttp://www.hml.repositorio.ufop.br/handle/123456789/597
Navegar
4 resultados
Resultados da Pesquisa
Item Modelo de otimização de portfólios restrito : um modelo para custos para B3 e um estudo do impacto das restrições de cardinalidade e fronteira.(2023) Chagas, Eduardo de Carvalho; Freitas, Alan Robert Resende de; Freitas, Alan Robert Resende de; Souza, Fernanda Sumika Hojo de; Silva, Rodrigo César Pedrosa; Martins, Flávio Vinícius Cruzeiro; Pimenta, AlexandreObserva-se na literatura, um grande esforço no desenvolvimento dos modelos de otimização de portfólios buscando formas melhores de mensuração de risco ao mesmo tempo em que se buscam adicionar restrições que tornam os mesmos mais próximos de uma aplicação prática pelos investidores. Entretanto, formas de mensuração de risco mais elaboradas e novas restrições tendem a tornar os algoritmos de otimização mais complexos se fazendo necessário buscar um equilíbrio entre um modelo mais realístico e um tempo de execução computacional que seja aceitável. Além disso, o mercado de ações do Brasil possui algumas peculiaridades tributárias que podem influenciar nos resultados práticos obtidos pelo investidor, mas não foram encontrados na literatura nenhum trabalho que aborde essa especificidade. Assim, esse trabalho propõe uma modelagem matemática para o cálculo de custos de transação e tributação voltado para o mercado de ações do Brasil que é apresentado num modelo de otimização de portfólios usando o MAD que considera os custos de transação sujeito as restrições de cardinalidade e de fronteira. Para os testes são utilizados os algoritmos NSGA-II e SPEA2 e procurou-se mensurar o impacto de cada restrição individualmente na qualidade das fronteiras Pareto e no tempo de execução do algoritmo. Notou-se que o NSGA-II apresentou uma vantagem em relação ao SPEA2; que apesar dos custos de transação impactarem no tempo de execução do algoritmo, a qualidade das fronteiras Pareto obtidas são muito próximas. Por fim, observou-se que enquanto a restrição de cardinalidade apresentou um impacto mais significativo nas métricas estudas a restrição de fronteira não teve um impacto menos relevante.Item Modelos evolutivos para composição algorítmica afetiva.(2022) Santos, Carla Sanches Nere dos; Freitas, Alan Robert Resende de; Freitas, Alan Robert Resende de; Ribeiro, Rodrigo Geraldo; Barbosa, Rogério VasconcelosSistemas de Composição Algorítmica Afetiva buscam gerar músicas que expressam ou provocam emoções. Ainda se encontra em aberto a composição de melodias que passam todos os sentimentos presentes nos modelos emocionais. Esses sistemas podem ser utilizados em diferentes contextos, como saúde e entretenimento. Assim, pessoas podem se expressar através da música ou ter experiências de maior imersão em jogos ou filmes. Este trabalho visa identificar estratégias para realizar múltiplas transformações afetivas em melodias, de modo a passar emoções para o ouvinte. São propostos dois algoritmos transformativos: um modelo evolutivo mono-objetivo e outro multiob- jetivo, baseado no algoritmo Non-dominated Sorting Genetic Algorithm II (NSGA-II). Os resultados mostram que os dois modelos geraram melodias que passam emoções positivas e negativas. O modelo multiobjetivo alcançou melhores resultados do que o mono-objetivo. No entanto, é preciso analisar estratégias para melhorar a qualidade das melodias e alcançar mais emoções.Item O problema de detecção de clusters espaciais irregulares : uma nova abordagem multiobjetivo.(2017) Oliveira, Dênis Ricardo Xavier de; Moreira, Gladston Juliano Prates; Moreira, Gladston Juliano Prates; Souza, Marcone Jamilson Freitas; Duarte, Anderson Ribeiro; Cançado, André Luiz FernandesMétodos visando a detecção e inferência de clusters espaciais são de grande relevância. Isso se deve a aplicabilidade em problemas de notória importância como na saúde publica, mas também pelo interesse científico no desenvolvimento eficaz destes métodos. As principais técnicas são baseadas na estatística espacial scan e muitas abordagens vinculam esta estatística a métodos estocásticos de otimização. Recentemente, em conjunto com a estatística, funções de penalização têm sido propostas, com a finalidade de controlar a irregularidade excessiva da forma dos clusters candidatos. Este estudo apresenta um novo método baseado na estatística scan em conjunto com uma nova função de penalização geográfica dos clusters candidatos que apresentam enormes lacunas em suas áreas, a função de Dispersão. O objetivo principal é propor uma abordagem de otimização multiobjetivo para o problema visando maximizar o valor da estatística e minimizar o valor da nova função de penalização, usando a técnica de computação evolucionaria Particle Swarm Optimization, resultando ao final em um conjunto de soluções não-dominadas representadas pela fronteira Pareto-ótimo. Resultados obtidos com a realização de experimentos usando um conjunto de aplicações do problema mostram que a abordagem multiobjetivo associada a função de dispersão é um método satisfatório para o problema. Demonstrou-se que, em comparação com a função de penalização por não-conectividade e compacidade geométrica, a abordagem associada a função de dispersão é rápida e adequada para a detecção de clusters espaciais irregulares.Item Algoritmos multiobjetivos para o problema de sequenciamento de tarefas em uma máquina com tempo de preparação dependente da sequência e da família.(Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto., 2013) Rego, Marcelo Ferreira; Souza, Marcone Jamilson FreitasEste trabalho trata do Problema de Sequenciamento de Tarefas em Uma Máquina com Tempo de Preparação Dependente da Sequência e da Família. Nesse problema, um conjunto de tarefas devem ser processadas por uma máquina, sendo que antes da execução de cada tarefa é necessário um tempo para preparar a máquina, o qual é de nido de acordo com a sequência e a família da tarefa. Desta forma, o tempo de preparação da máquina é requerido, apenas, para executar duas tarefas consecutivas que pertencem a famílias diferentes. Consideram-se os objetivos de minimizar o makespan e o atraso total ponderado. Para resolvê-lo, foram analisados sete algoritmos de otimização multiobjetivo. O primeiro é o Multi-objective Variable Neighborhood Search (MOVNS), que é um método de otimização multiobjetivo baseado na metaheur ística Variable Neighborhood Search (VNS). O segundo e o terceiro são duas variantes do MOVNS encontradas na literatura, denominadas MOVNS_Ottoni e MOVNS_Arroyo, que consistem em adicionar um procedimento de intensi cação no MOVNS. O quarto é o Pareto Iterated Local Search (PILS), que é um algoritmo multiobjetivo de busca local com características semelhantes à metaheurística Iterated Local Search (ILS). O quinto é uma variante do PILS proposta neste trabalho, denominada PILS1, em que um novo procedimento de perturbação é desenvolvido. O sexto e o sétimo são o Nondominated Sorting Genetic Algorithm II (NSGA-II) e o Strength Pareto Evolutionary Algorithm 2 (SPEA2), os quais são métodos de otimização baseados no processo de evolução natural para problemas multiobjetivos. Entre os sete algoritmos, cinco são de busca local: MOVNS, MOVNS_Ottoni, MOVNS_Arroyo, PILS e PILS1, e outros dois são de busca populacional: NSGA-II e SPEA2. Esses algoritmos foram comparados em relação às métricas de cardinalidade, distância média, distância máxima, diferença de hipervolume e epsilon. Os resultados computacionais realizados em instâncias-teste geradas aleatoriamente mostraram que o algoritmo PILS1 é estatisticamente superior a todos os outros algoritmos em relação às métricas cardinalidade, distância média, diferença de hipervolume e métrica epsilon, em termos de resultados médios. O PILS1 conseguiu também o melhor resultado médio para a métrica distância máxima; entretanto, a partir da análise estatística não foi possível a rmar que a diferença observada entre ele o NSGA-II era signi cativa.