Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/75838| Type: | TCC |
| Title: | Aplicação de aprendizagem não supervisionada no problema da diversidade máxima em grafos |
| Authors: | Silva, Davi Maia Andrade da |
| Advisor: | Soares, Pablo Luiz Braga |
| Keywords in Brazilian Portuguese : | Problema da diversidade máxima;Aprendizado de máquina;Modelos não supervisionados;Otimização combinatória |
| Keywords in English : | Maximum diversity problem;Machine learning;Unsupervised models;Combinatorial optimization |
| Issue Date: | 2023 |
| Citation: | SILVA, Davi Maia Andrade da. Aplicação de aprendizagem não supervisionada no problema da diversidade máxima em grafos. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia de Software) - Campus de Russas, Universidade Federal do Ceará, Russas, 2023. |
| Abstract in Brazilian Portuguese: | Este trabalho tem como foco à aplicação de modelos de aprendizado de máquina (Machine Learning) ao Problema da Diversidade Máxima (PDM) em grafos. O PDM na área de otimização combinatória, consiste em selecionar um subconjunto de q elementos de um conjunto de n elementos, de tal forma que a diversidade entre os seus elementos selecionados seja máxima. O modelo de aprendizagem de máquina utilizados neste trabalho é baseado em aprendizado não supervisionado, que tem como característica aprender por si só, encontrado significado ou padrões aos dados apresentados. Os resultados do modelo foram comparados com uma heurística e meta heurística da literatura que possua os melhores resultados para os grafos utilizados. |
| Abstract: | This study focuses on the application of machine learning models to the PDM in graphs. The PDM, in the field of combinatorial optimization, involves selecting a subset of q elements from a set of n elements in a way that maximizes diversity among the chosen elements. The machine learning model employed in this research is based on unsupervised learning, characterized by its ability to autonomously discover meaning or patterns within presented data. Comparative analysis was conducted between the model’s outcomes and a heuristic as well as a meta-heuristic from the literature, known for delivering optimal results on the employed graphs. |
| URI: | http://repositorio.ufc.br/handle/riufc/75838 |
| Access Rights: | Acesso Aberto |
| Appears in Collections: | ENGENHARIA DE SOFTWARE - RUSSAS - Monografias |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 2023_tcc_dmasilva.pdf | 4,96 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.