Heurísticas híbridas para resolução do problema de conjunto convergente mínimo

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMartins, Simone de Lima-
Autor(es): dc.contributorRosseti, Isabel Cristina Mello-
Autor(es): dc.contributorRamírez, Jorge Moreno-
Autor(es): dc.contributorPlastino, Alexandre-
Autor(es): dc.creatorHardoim, Vitor Costa-
Data de aceite: dc.date.accessioned2024-07-11T18:02:37Z-
Data de disponibilização: dc.date.available2024-07-11T18:02:37Z-
Data de envio: dc.date.issued2021-07-20-
Data de envio: dc.date.issued2021-07-20-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/22698-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/762406-
Descrição: dc.descriptionO objetivo do presente estudo ´e solucionar o problema conhecido como Problema de Conjunto Convergente M´ınimo (PCCM) ou Weighted Target Set Selection (WTSS), cujo objetivo ´e minimizar o custo de disseminar informa¸c˜oes ou propagandas em uma rede social. Para isso, deve-se identificar um subconjunto de usu´arios influentes que proporci onem um baixo custo na solu¸c˜ao final e que sejam capazes de influenciar todo o resto da rede. Neste trabalho, foram utilizadas duas estrat´egias para abordar esse problema. A primeira busca refinar os resultados j´a encontrados por outros estudos, baseados na hi bridiza¸c˜ao da metaheur´ıstica GRASP com minera¸c˜ao de dados (DM-GRASP). Enquanto a segunda explora ainda mais essa hibridiza¸c˜ao, se beneficiando da minera¸c˜ao de dados em v´arios momentos da execu¸c˜ao da heur´ıstica (MDM-GRASP). Ambas as estrat´egias obtiveram solu¸c˜oes de qualidade superior `as presentes na literatura, conforme mostram os resultados computacionais-
Descrição: dc.descriptionThe present study aims at solving the problem known as Weighted Target Set Selection (WTSS), whose objective is to minimize the cost of disseminating information and ad vertisements through a social network. To achieve this, we must identify a subset of influential users that will provide a low-cost solution and be capable of influencing the entire set of users in the network. In this work, two strategies were used to approach this problem. The first strategy seeks to refine the results already found by other studies, based on the hybridization of the GRASP metaheuristic with data mining (DM-GRASP). The second strategy explores this hybridization even more, benefiting from mining data at several points of its execution (MDM-GRASP). Both strategies obtained higher quality solutions than those found in the literature, as shown by the computational results.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectMetaheurística híbrida-
Palavras-chave: dc.subjectGRASP-
Palavras-chave: dc.subjectMineração de dados-
Palavras-chave: dc.subjectProblema de conjunto convergente mínimo-
Palavras-chave: dc.subjectMetaheurística híbrida-
Palavras-chave: dc.subjectMetaheurística GRASP-
Palavras-chave: dc.subjectMineração de dados (Computação)-
Palavras-chave: dc.subjectHybrid metaheuristic-
Palavras-chave: dc.subjectData mining-
Palavras-chave: dc.subjectWeighted target set selection problem-
Título: dc.titleHeurísticas híbridas para resolução do problema de conjunto convergente mínimo-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.