🧠 Heurísticas e Modelagem Multiobjetivo

INF0415 — Universidade Federal de Goiás Bacharelado em Inteligência Artificial · 5º Período · 2026/1

---

📖 Sobre

Repositório de atividades práticas (TLs) da disciplina INF0415 — Heurísticas e Modelagem Multiobjetivo. Os notebooks cobrem desde buscas clássicas em grafos até otimização multiobjetivo, utilizando problemas consagrados como o 8-Puzzle, TSP e funções benchmark (Rastrigin).

👥 Autores

Nome	Matrícula
Wagner Victor Alves de Menezes	202403929
Victor Gabriel Ribeiro Jácome	202403926
Raphael Alves de Lima Soares	202403922

Atividades pontuais contam também com a participação de Igor Dias e Lucas Ozório.

---

🗂️ Estrutura do Repositório

heuristicas/
├── busca-sistematica/
│   ├── semana2_agentes_busca.ipynb
│   ├── semana3_busca_informada.ipynb
│   └── semana4_busca_adversaria.ipynb
├── busca-local/
│   ├── semana5_busca_local.ipynb
│   └── semana6_busca_tabu.ipynb
├── metaheurísticas-populacionais/
│   ├── semana7_ag_tsp.ipynb
│   ├── semana8_pso_aco.ipynb
│   ├── semana9_memetico.ipynb
│   └── Sem10_MOO.ipynb
├── requirements.txt
└── README.md

---

📚 Conteúdo das Atividades

Módulo 1 — Busca Sistemática

Semana	Notebook	Tema	Descrição
2	semana2_agentes_busca.ipynb	Agentes e Busca Não-Informada	BFS e DFS aplicados ao 8-Puzzle; comparação de completude, otimalidade e custo computacional
3	semana3_busca_informada.ipynb	Busca Informada	Heurísticas (Manhattan, Hamming), A* e IDA* no 8-Puzzle; comparação com BFS
4	semana4_busca_adversaria.ipynb	Busca Adversária	Minimax e poda Alfa-Beta para Jogo da Velha e Connect Four; torneio entre agentes

Módulo 2 — Busca Local

Semana	Notebook	Tema	Descrição
5	semana5_busca_local.ipynb	Hill Climbing e Simulated Annealing	Otimização da função Rastrigin e do TSP com métodos de vizinhança
6	semana6_busca_tabu.ipynb	Busca Tabu	Implementação de Busca Tabu no TSP; comparativo com HC e SA

Módulo 3 — Metaheurísticas Populacionais

Semana	Notebook	Tema	Descrição
7	semana7_ag_tsp.ipynb	Algoritmos Genéticos	GA com deap para o TSP: seleção, crossover (OX/PMX), mutação e elitismo
8	semana8_pso_aco.ipynb	Inteligência de Enxame	PSO na Rastrigin (n=10) e ACO no TSP; implementação from-scratch
9	semana9_memetico.ipynb	Algoritmos Meméticos	GA + 2-opt (Lamarckiano) e Warm-Start para TSP; competição Algorithm Discovery
10	Sem10_MOO.ipynb	Otimização Multiobjetivo	NSGA-II e SPEA-II com pymoo para TSP biobjetivo (distância × pedágio)

---

🔗 Progressão Temática

Busca Não-Informada (BFS/DFS)
  └──▶ Busca Informada (A*/IDA*)
        └──▶ Busca Adversária (Minimax/α-β)
              └──▶ Busca Local (HC / SA / Tabu)
                    └──▶ Metaheurísticas Populacionais (GA / PSO / ACO)
                          └──▶ Algoritmos Meméticos (GA + 2-opt)
                                └──▶ Otimização Multiobjetivo (NSGA-II / SPEA-II)

---

▶️ Como Executar

Pré-requisitos

• Python 3.x
• pip ou conda

Instalação

# Clone o repositório
git clone https://github.com/<seu-usuario>/heuristicas.git
cd heuristicas

# Crie e ative um ambiente virtual
python -m venv .venv
source .venv/bin/activate   # Linux/macOS
# .venv\Scripts\activate    # Windows

# Instale as dependências
pip install -r requirements.txt

Execução

Abra os notebooks com Jupyter, VS Code ou qualquer ferramenta compatível com .ipynb:

jupyter notebook

Nota: Alguns notebooks requerem bibliotecas adicionais (deap, pymoo) que são instaladas automaticamente nas primeiras células de cada notebook.

---

🛠️ Dependências

Biblioteca	Uso
numpy	Operações numéricas e vetoriais
pandas	Manipulação de dados tabulares
matplotlib	Visualizações e gráficos
deap	Framework para Algoritmos Genéticos (Semana 7)
pymoo	Otimização Multiobjetivo (Semana 10)

---

📄 Licença

Material acadêmico produzido para fins educacionais na disciplina INF0415 — UFG.