Publicação:
Algoritmo genético para o ajuste dos parâmetros de um modelo epidemiológico de COVID-19 baseado em autômatos celulares

Página do item simplificado
dc.contributor.advisor1Martins, Luiz Gustavo
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2546751023256424pt_BR
dc.contributor.referee1Tinoco, Claudiney
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2686526877112687pt_BR
dc.contributor.referee2Vieira, Beatriz
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8431698496980221pt_BR
dc.creatorFaquim, Fernando de Moraes
dc.date.accessioned2026-07-24T18:06:44Z
dc.date.available2026-07-24T18:06:44Z
dc.date.issued2026-05-07
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA modelagem epidemiológica tem sido amplamente utilizada para compreender a dinâmica de propagação de doenças infecciosas e auxiliar na tomada de decisões de saúde pública. Dentre as diferentes abordagens empregradas na construção dos modelos, os autômatos celulares destacam-se por sua capacidade de representar comportamentos complexos por meio de interações locais entre indivíduos de forma simples e intuitiva. Entretando, modelos epidemiológicos baseados em autômatos celulares dependem de diversos parâmetros que influenciam seu comportamento. O ajuste manual desses parâmetros pode ser difícil, demorado e exige conhecimento especializado sobre o fenômeno modelado. Nesse contexto, métodos de ajuste automático tornam-se importantes para calibrar o modelo de forma sistemática. Este trabalho emprega um algoritmo genético para o ajuste automático do conjunto de parâmetros utilizado em um modelo epidemiológico SEIR (Sucetível, Exposto, Infectado, Recuperado), baseado em autômato celular, que simula a propagação da COVID-19. O algoritmo genético permite explorar eficientemente o espaço de soluções a fim de encontrar a calibração do modelo capaz de reproduzir o comportamento observado em dados históricos de propagação da doença. Essa abordagem tem como objetivo melhorar a exatidão e a representatividade das simulações epidemiológicas, auxiliando na compreensão dos processos de contágio e oferecendo suporte para a tomada de decisões em questões de saúde pública. Resultados experimentais mostram que o algoritmo genético é capaz de reproduzir satisfatoriamente a dinâmica epidemiológica presente nos dados artificiais usados como referência, embora diferentes combinações de parâmetros possam produzir comportamentos semelhantes. Experimentos adicionais com dados reais de COVID-19 no Brasil, referentes ao ano de 2022, mostram que a abordagem desenvolvida apresenta maior dificuldade em reproduzir integralmente a dinâmica observada, evidenciando limitações estruturais do modelo diante de séries temporais irregulares. De modo geral, os resultados demonstram que o algoritmo genético proposto constitui uma ferramenta promissora para a calibração automática de modelos epidemiológicos baseados em autômatos celulares.pt_BR
dc.identifier.citationFAQUIM, Fernando de Moraes. Algoritmo genético para o ajuste dos parâmetros de um modelo epidemiológico de COVID-19 Baseado em autômatos celulares. 2026. 60 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2026.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/49071
dc.languageporpt_BR
dc.orcid.putcode221766163
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.sizeorduration60pt_BR
dc.subjectAlgoritmos Genéticospt_BR
dc.subjectAutômatos Celularespt_BR
dc.subjectModelo SEIRpt_BR
dc.subjectSimulação da Propagação da COVID-19pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleAlgoritmo genético para o ajuste dos parâmetros de um modelo epidemiológico de COVID-19 baseado em autômatos celularespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
AlgoritmoGenético.pdf
Tamanho:
552.82 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar

Coleções

TCC - Ciência da Computação