APRENDIZADO DE MÁQUINA POR OTIMIZAÇÃO

Prévia do material em texto

Felipe dos Santos Alves Ferreira 
APRENDIZADO DE MÁQUINA POR OTIMIZAÇÃO 
 
Conforme o estudo de caso pede, temos de propor uma solução para a questão do 
problema das 8 rainhas. 
O problema consiste em dispor 8 rainhas sobre um tabuleiro de dimensões 8 × 8, de tal 
modo que elas não se ataquem. Será necessário utilizar um algoritmo eficiente para otimizar o 
processo de busca por soluções. A técnica que será apresentada para solucionar a questão é 
conhecida por Backtracking e consiste em um refinamento da busca por força bruta, em que 
múltiplas soluções podem ser eliminadas sem serem explicitamente examinadas. 
A ideia consiste em posicionar a primeira rainha em uma posição da primeira coluna, a 
segunda rainha em uma posição da segunda coluna, a terceira em uma posição da terceira 
coluna e assim por diante. Cada rainha irá se movimentar na sua coluna para tentarmos achar a 
solução. 
Ao posicionar uma rainha, é preciso verificar se elas se atacam. Se elas se atacarem, 
realiza-se um Backtracking (volta para algum estado anterior) para tentar novamente de outra 
forma. 
Abaixo faremos uma representação com todos os estágios até a solução final. Vamos 
representar o X como sendo a rainha e demonstrando como ficaria no tabuleiro com as suas 
possíveis movimentações onde a parte vermelha indica que não se pode colocar nenhuma peça. 
 
Para construir uma solução válida, devemos posicionar as demais rainhas no tabuleiro, 
porém, sempre respeitando as regras conforme a explicação acima. 
 
 
Felipe dos Santos Alves Ferreira 
 
Por fim temos a imagem representando o tabuleiro ocupado por 8 rainhas sem que 
exista a possibilidade de uma atacar as outras. 
 
 
Por fim vimos o problema sendo resolvido por Backtracking de uma forma relativamente 
simples e pouco custosa. Existem várias soluções para este problema e a ideia foi apresentar a 
mais viável para o projeto. 
Referências Bibliográficas 
ABREU, G. G. S. F. Desmistificando o conceito de ETL. Revista de Sistemas de Informação, São 
Luís, n. 2, jul./dez. 2008. 
BENETTI, F. N. Utilização da estatística e Big Data na Copa do Mundo FIFA 2014. Dissertação 
(Mestrado em Tecnologia da Inteligência e Design Digital) − Programa de Estudos Pós-Graduados 
em Tecnologia da Inteligência e Design Digital, Pontifícia Universidade Católica de São Paulo, 
São Paulo, 2017. 
BREIMAN, L. Statistical modeling: the two cultures. Quality control and applied statistics, v. 48, 
n. 1, p. 81-82, 2003. 
CONHEÇA 4 tipos de análise de dados de Big Data. Ascent Business Intelligence, jun. 2017. 
Disponível em: http://www.universidadebi.com.br/conheca-4-tipos-de-analise-de-dados-de-
big-data/. Acesso em: 21 jul. 2020. 
DASU, T., JOHNSON, T. Exploratory Data Mining and Data Cleaning. New Jersey: John Wiley & 
Sons, 2003. 
GUAZZELLI, A. O que é análise preditiva? IBM Developer, ago. 2012. Disponível 
em: https://developer.ibm.com/br/technologies/predictive-analytics/articles/ba-predictive-
analytics1. Acesso em: 21 jul. 2020. 
http://www.universidadebi.com.br/conheca-4-tipos-de-analise-de-dados-de-big-data/
http://www.universidadebi.com.br/conheca-4-tipos-de-analise-de-dados-de-big-data/
https://developer.ibm.com/br/technologies/predictive-analytics/articles/ba-predictive-analytics1
https://developer.ibm.com/br/technologies/predictive-analytics/articles/ba-predictive-analytics1
Felipe dos Santos Alves Ferreira 
GUEDES, T. A. et al. Estatística descritiva, [2020]. Disponível 
em: https://www.ime.usp.br/~rvicente/Guedes_etal_Estatistica_Descritiva.pdf. Acesso em: 9 
jul. 2020. 
LANEY, D. Application delivery strategies. META Group, 2001. Disponível 
em: https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-
Controlling-Data-Volume-Velocity-and-Variety.pdf. Acesso em: 10 jul. 2020. 
LYRA, B. L. A. Uso de um processo ETL em um modelo Data Warehouse para a geração de 
dashboards de indicadores de redes de telefonia celular. Rio de Janeiro: UFRJ/Escola 
Politécnica, 2016. 
MITCHELL, T. Machine Learning. Porto Alegre: McGraw-Hill Science, 1997. 
PEREIRA, A. M. Framework de Big Data. Porto Alegre: Grupo A Educação S.A., 2019. 
ROSA, C. S. Estudo sobre as técnicas e métodos de análise de dados no contexto de Big Data. 
Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica e de Telecomunicações) 
− Faculdade de Engenharia Elétrica, Universidade Federal de Uberlândia, Patos de Minas, 2018. 
SILVESTRE, A. L. Análise de dados e estatística descritiva. São Paulo: Escolar Editora, 2007. 
SOUZA, E. F. M.; PETERNELLI, L. A.; MELLO, P. M. Software Livre R: aplicação estatística, [2020]. 
Disponível em: http://www.de.ufpb.br/~tarciana/MPIE/ApostilaR.pdf. Acesso em: 9 jul. 2020. 
VERT TECNOLOGIA, PERFORMANCE E RESULTADOS. As diferenças entre análise prescritiva, 
preditiva, descritiva e diagnóstica. Prof. Cordella, [2021]. Disponível 
em: http://www.profcordella.com.br/unisanta/textos/gin22_analise_preditiva_e_tipos_rev.ht
ml. Acesso em: 16 jun. 2021. 
WICKHAM, H. Tidy data. Journal of Statistical Software, v. 59, n. 10, 2014. Disponível 
em: https://www.jstatsoft.org/article/view/v059i10. Acesso em: 9 jul. 2020. 
WITTEN, I. H.; FRANK, E. Data Mining: practical machine learning tools and techniques. Bio Med 
Eng OnLine, v. 5, n. 51, 2006. https://doi.org/10.1186/1475-925X-5-512005. Acesso em: 21 jul. 
2020. 
 
https://www.ime.usp.br/~rvicente/Guedes_etal_Estatistica_Descritiva.pdf
https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf
https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf
http://www.de.ufpb.br/~tarciana/MPIE/ApostilaR.pdf
http://www.profcordella.com.br/unisanta/textos/gin22_analise_preditiva_e_tipos_rev.html
http://www.profcordella.com.br/unisanta/textos/gin22_analise_preditiva_e_tipos_rev.html
https://www.jstatsoft.org/article/view/v059i10
https://doi.org/10.1186/1475-925X-5-512005