Defesas & Seminários

CONVITE PARA DEFESA DE DISSERTAÇÃO - RAFAEL AVELAR PACHECO

Qui, 02 de Fevereiro de 2017 18:16

CONVITE PARA DEFESA DE DISSERTAÇÃO

A Coordenação do Programa de Pós-Graduação em Modelagem Matemática e Computacional tem o prazer de convidar a comunidade científica para a 232ª sessão pública de apresentação e defesa da dissertação de Mestrado:

CANDIDATO: RAFAEL AVELAR PACHECO

TÍTULO:

D-Optimas: Um Sistema de Otimização Multiagentes Distribuído Baseado no Modelo de Atores

BANCA EXAMINADORA

TITULARES:

 

Prof. Dr. Henrique Elias Borges (Orientador)

CEFET-MG

Prof. Dr. Rogério Martins Gomes (Coorientador)

CEFET-MG

Profª. Drª. Anolan Yamilé Milanés Barrientos

CEFET-MG

Prof. Dr. Rodrigo Tomás Nogueira Cardoso

CEFET-MG

LOCAL:

Auditório 101 do Prédio 17 - DECOM, Campus II,   CEFET-MG

Av. Amazonas, 7675 - Nova Gameleira

DIA:

17 de fevereiro de 2017 - Sexta-feira

HORA:

9:30 horas

RESUMO: Vários problemas em otimização são denominados NP-completos (ou NP-difíceis) devido a dificuldade para solucioná-los, através de programação matemática, em um tempo razoável. Apesar disso, nos últimos anos, vários trabalhos tem apresentado mecanismos capazes de produzir soluções rápidas, e aceitáveis, para estes problemas. Um destes mecanismos é conhecido como sistemas multi agentes, ou MAS - Multi-Agent System. Este trabalho apresenta o D-OPTIMAS - Distributed Optimization Multi-agent System, um sistema multi agentes, distribuído e flexível para resolução de problemas de otimização de diferentes classes. O D-OPTIMAS usa o modelo de atores, um modelo de programação concorrente e assíncrono, que possibilita a execução de uma grande quantidade de agentes através de processos distribuídos. Neste sistema, cada agente é incapsulado por um ator e executa uma meta-heurística específica, de forma reativa e isolada, interagindo com os demais exclusivamente por troca de mensagens, ou seja, toda informação trocada entre os agentes segue um protocolo de comunicação assíncrono definido. Foram realizadas simulações, utilizando o D-OPTIMAS, para resolução de problemas de diferentes classes, como a minimização das funções EggHolder e XinSheYang - usualmente utilizadas como benchmarck de algoritmos de otimização contínua, e o problema de otimização combinatória PPN - Problema da Partição de Números. Os resultados obtidos mostram que o D-OPTIMAS é capaz de produzir soluções iguais, ou muito próximas, dos ótimos globais destes problemas. Além disso, o modelo de atores se mostrou uma poderosa ferramenta para construção de sistemas multi agentes escaláveis, possibilitando a criação de uma quantidade de agentes duas ordens de grandeza superior aquela produzidas por sistemas anteriores, baseados em concorrência por compartilhamento de estado em memória.

Palavras-chave: Sistema Multiagentes Distribuído. Modelo de Atores. Otimização cooperativa baseada em agentes.

 

Belo Horizonte, 31 de janeiro de 2017.

 

CONVITE PARA DEFESA DE DISSERTAÇÃO - JÚLIA DE MELLO ASSIS CORREIA

Qui, 02 de Fevereiro de 2017 18:12

CONVITE PARA DEFESA DE DISSERTAÇÃO

A Coordenação do Programa de Pós-Graduação em Modelagem Matemática e Computacional tem o prazer de convidar a comunidade científica para a 231ª sessão pública de apresentação e defesa da dissertação de Mestrado:

CANDIDATA: JÚLIA DE MELLO ASSIS CORREIA

TÍTULO:

Estudo e Modelagem de uma Estratégia Financeira Baseada na Combinação de Redes Neurais Artificiais para Apoiar a Tomada de Decisão no Mercado Financeiro

BANCA EXAMINADORA

TITULARES:

Prof. Dr. Adriano César Machado Pereira (Orientador)

UFMG

Prof. Dr. Felipe Dias Paiva

CEFET-MG

Prof. Dr. Arthur Rodrigo Bosco de Magalhães

CEFET-MG

LOCAL: Auditório do Prédio 17 - DECOM - sala 401, Campus II, CEFET-MG, Av. Amazonas, 7675 - Nova Gameleira

DIA:

23 de fevereiro de 2017 - Quinta-feira

HORA:

14:30 horas

RESUMO: Antes da chegada dos computadores e da Internet, os investidores do mercado de ações realizavam suas operações baseadas principalmente na intuição. Com o crescimento dos investimentos e da negociação de ações on-line, uma busca contínua de ferramentas para melhorar a previsão das tendências do mercado de ações tornou-se necessária para aumentar os lucros e reduzir os riscos.O mercado financeiro é arisco, pois os valores dos ativos mudam por influência de diversos fatores e por isso a série temporal de preços é difícil de prever. As redes neurais artificiais (RNAs) são capazes de realizar predições de séries temporais e são flexíveis em sua modelagem. Entretanto, para modelar uma rede com capacidade de previsão, é necessário selecionar cuidadosamente grandes quantidades de parâmetros, além de testá-los e verificá-los exaustivamente. O objetivo deste trabalho é apoiar a decisão de um investidor no mercado acionário brasileiro, através de estratégias de ensemble de RNAs. Assim, esse trabalho propõe e valida algumas estratégias financeiras, baseadas na combinação (ensemble) de RNAs. Para isso, trinta diferentes modelos de RNAs, usando diferentes conjuntos de entrada como preço, volume e indicadores técnicos, foram analisados para diferentes ações, da BM&FBovespa, pertencentes à companhias de diferentes setores da economia brasileira. A partir disso, foi possível definir três diferentes conjuntos que combinam os melhores classificadores para previsão de tendência de alta. Esses conjuntos se diferem quanto ao nível de rigidez da concordância das redes a cerca de uma tendência futura. Com isso, modelou-se três diferentes estratégias financeiras, que operam de diferentes maneiras, onde cada uma possui três variações – a utilização de cada ensemble. Os resultados obtidos confirmam o potencial das estratégias financeiras propostas.

Palavras-chave: Mercado Financeiro. Predição. Redes Neurais Artificiais. Economia. Indicadores Técnicos. Finanças Computacionais. Algorithmic Trading. Ensemble.

 

Belo Horizonte, 31 de janeiro de 2017.

 

«InícioAnterior12345678910PróximoFim»
Editores