Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/4941
Título: Comparação do NSGA-II e do ε-restriro para o planejamento de cardápios do restaurante universitário da Universidade Federal de Ouro Preto.
Autor(es): Chaves, Rodrigo Gomes
Orientador(es): Silva, Pedro Henrique Lopes
Coelho, Dayanne Gouveia
Membros da banca: Silva, Pedro Henrique Lopes
Coelho, Dayanne Gouveia
Silva, Guilherme Augusto Lopes
Amaro, Maycon José Jorge
Data do documento: 2022
Referência: CHAVES, Rodrigo Gomes. Comparação do NSGA-II e do ε-restriro para o planejamento de cardápios do restaurante universitário da Universidade Federal de Ouro Preto. 2022. 53 f. Monografia (Graduação em Ciências da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2022.
Resumo: Uma alimentação adequada é fundamental para a saúde física e mental das pessoas de todas as idades. o ingressarem na universidade, os estudantes mudam sua rotina, suas relações sociais e seus hábitos e podem acabar deixando de lado o cuidado com sua alimentação. Uma má alimentação pode acarretar na diminuição do foco, desânimo na realização de atividades e até ser a causa de algumas doenças. Em contrapartida, uma alimentação saudável melhora a qualidade de vida de uma pessoa. Quando as refeições são balanceadas, todas as funções do organismo podem ser beneficiadas. Neste contexto, este trabalho busca a elaboração de um cardápio para o Restaurante Universitário da Universidade Federal de Ouro Preto baseando-se em uma dieta que respeite os requisitos mínimos exigidos pela Organização Mundial da Saúde. O objetivo é maximizar as preferências alimentares dos estudantes ao mesmo tempo que minimiza o custo de cada refeição. Para gerar o conjunto de cardápios do Restaurante Universitário, aplicou-se dois métodos: o algoritmo genético multiobjetivo Non-Dominated Sorting Genetic Algorithm - II (NSGA-II) e a estratégia do ε-restrito na ferramenta Python-MIP. Os resultados finais mostraram que as metodologias propostas foram capazes de gerar um conjunto representativo de soluções factíveis. Vale destacar que o NSGA-II, apesar de obter soluções dominadas pelas soluções obtidas utilizando a estratégia ε-restrito, encontrou um conjunto de cardápios mais diversificado, palatáveis e mais próximo do contexto real aplicado atualmente no restaurante universitário.
Resumo em outra língua: Proper nutrition is fundamental for the physical and mental health of people of all ages. When entering university, students change their routine, their social relations, and their habits, and may end up neglecting the care for their nutrition. A poor diet can lead to decreased focus, discouragement in performing activities, and even be the cause of some diseases. On the other hand, healthy eating improves a person’s quality of life. When meals are balanced, all body functions can be benefited. In this context, this work seeks to develop a menu for the University Restaurant of the Federal University of Ouro Preto based on a diet that meets the minimum requirements demanded by the World Health Organization. The goal is to maximize the students’ food preferences while minimizing the cost of each meal. To generate the set of menus for the University Restaurant, two methods were applied: the multiobjective genetic algorithm Non- Dominated Sorting Genetic Algorithm - II (NSGA-II) and the ε-restricted strategy in the Python- MIP tool. The final results showed that the proposed methodologies were able to generate a representative set of feasible solutions. It is worth noting that NSGA-II, despite obtaining solutions dominated by the solutions obtained using the ε-restricted strategy, found a set of more diverse, palatable menus that are closer to the real context currently applied in the university restaurant.
URI: http://www.monografias.ufop.br/handle/35400000/4941
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_ComparaçãoNSGAIIεRestrito.pdf694,74 kBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons