Use este identificador para citar ou linkar para este item: https://repositorio.ufu.br/handle/123456789/33566
ORCID:  http://orcid.org/0000-0003-0786-316X
Tipo do documento: Trabalho de Conclusão de Curso
Tipo de acesso: Acesso Aberto
Título: Avaliação experimental de estruturas de dados compactas na construção de grafos temporais compactos
Autor(es): Oliveira, Gustavo Nunes de
Primeiro orientador: Albertini, Marcelo Keese
Primeiro membro da banca: Razente, Humberto Luiz
Segundo membro da banca: Louza, Felipe Alves da
Resumo: Com o aumento na geração de dados causado pelos avanços tecnológicos das últimas dé- cadas, é crucial que seja possível armazenar e manipular tais dados em memória principal por meio de estruturas de dados que armazenam as informações de forma eficiente. Diversas estruturas de dados foram criadas para representar grafos temporais utilizando estruturas de dados compactas, visando alcançar uma diminuição no uso de memória mantendo o desempenho em tempo para realizar consultas no grafo. Dentre as estruturas de dados para grafos temporais analisadas neste trabalho estão as listas de adjacência tradicionais, assim como as estruturas Adjacency Log of Events (EveLog) (CARO; RO- DRÍGUEZ; BRISABOA, 2015), Time-Interval Log Per Edge (EdgeLog) (XUAN; FER- REIRA; JARRY, 2003) e Compact Adjacency Sequence (CAS) (CARO; RODRÍGUEZ; BRISABOA, 2015), que utilizam representações compactas de arrays e bitvectors, assim como wavelet trees para sua construção. Devido à escassez de referências de implementações das estruturas de grafos temporais compactos analisadas neste trabalho, as mesmas foram implementadas sem um referencial prático, baseadas apenas nas suas respectivas propostas teóricas. Foi utilizado no projeto o paradigma de orientação a objetos, assim como testes unitários para garantir que as operações foram implementadas de maneira correta. Além disso, toda a implementação foi feita pensando em obter um bom desempenho, de forma modularizada, clara e de fácil manutenção. Após a implementação das estruturas de dados analisadas no trabalho utilizando as téc- nicas escolhidas, foram executados experimentos para analisar a eficiência do uso de me- mória e tempo médio por consulta para cada estrutura de grafos temporais, utilizando geradores de grafos temporais aleatórios para gerar os dados de entrada para os testes. Os experimentos mostraram um resultado inferior das implementações de estruturas de grafos temporais compactos em relação à abordagem utilizando listas de adjacência tradi- cionais, tanto em uso de memória quanto em desempenho por operação, o que indica que as implementações feitas neste projeto não conseguiram alcançar na prática o resultado previsto pelas estruturas teoricamente. Entretanto, ainda que os resultados obtidos não satisfizeram o que era proposto teorica- mente, as implementações feitas podem servir como referencial para trabalhos futuros, para buscar alcançar o que foi proposto de forma teórica na prática ou analisar estruturas semelhantes que não fizeram parte do escopo deste trabalho.
Palavras-chave: Estruturas de dados
Grafo
Temporal
Compacto
Experimental
Área(s) do CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::ENGENHARIA DE SOFTWARE
Idioma: por
País: Brasil
Editora: Universidade Federal de Uberlândia
Referência: OLIVEIRA, Gustavo Nunes de. Avaliação experimental de estruturas de dados compactas na construção de grafos temporais compactos. 2021. 45 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2021.
URI: https://repositorio.ufu.br/handle/123456789/33566
Data de defesa: 3-Nov-2021
Aparece nas coleções:TCC - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
AvaliaçãoExperimentalEstruturas.pdf3.93 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons