CV Lattes
GoogleMyCitations
ORCID
Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. Instituto de Ciência e Tecnologia (ICT) (Instituição-sede da última proposta de pesquisa) País de origem: Brasil
Doutora em Ciências pelo Programa de Pós-Graduação em Computação e Matemática Computacional pela Universidade de São Paulo. Estuda diferentes problemas de otimização combinatória, dentro os quais destacam-se o de agrupamento em grafos, de roteamento, de dimensionamento de lotes e de particionamento em grafos. Métodos heurísticos e exatos são o foco de seu estudo para atacar tais problemas. Atualmente, seus interesses de pesquisa residem na incorporação de estratégias de aprendizado de máquina, em particular, em aprendizado profundo, para auxiliar métodos heurísticos na solução de problemas de otimização combinatória. (Fonte: Currículo Lattes)
A solução de problemas de otimização combinatória é um grande desafio para pesquisadores que objetivam além de qualidade, baixo tempo de solução. Métodos exatos são inviáveis e mesmo os métodos heurísticos tradicionais enfrentam dificuldades para resolver instâncias de larga escala, bastante pertinentes nas atuais aplicações. Determinar soluções de boa qualidade, ou mesmo factíveis, pa…
O desafio de encontrar grupos de vértices (ou comunidades) altamente relacionados em um grafo (ou rede), conhecido como o problema de detecção de comunidades em redes ou o problema de agrupamento em grafos, tem despertado um grande interesse em físicos, cientistas da computação, matemáticos, estatísticos, entre outros pesquisadores na última década. A razão desse grande interesse é sua a…
O problema de detecção de comunidades consiste em encontrar grupos de nós em um grafo de forma que estes nós compartilhem de alta conectividade intra-comunidade. Seu objetivo é encontrar partições em uma rede ou grafo. Uma de suas aplicações compreende, por exemplo, a determinação de comunidades em redes sociais para explicar o comportamento de grupos de indivíduos baseando-se em suas int…
Estratégias de detecção de anomalias em dados possuem diversas aplicações, como detecção de intrusão em redes de computadores ou detecção de fraudes em transações financeiras. Em particular, quando os dados são representáveis por meio de grafos, podem-se utilizar métricas e métodos baseados em teoria de grafos e que sejam conhecidos pela qualidade das soluções obtidas. No caso de grafos e…
Estratégias de agrupamento em grafos são úteis para, por exemplo, reconhecer padrões em dados relacionais de larga escala. Em particular, dados de passagens de empresas aéreas podem ser modelados como grafos orientados (dígrafos). Entretanto, para uma melhor representação desses dados, deve-se levar em consideração na modelagem as alterações nos custos e na disponibilidade de passagens. D…
A literatura é vasta quando se trata de algoritmos para abordar o problema de agrupamento em grafos. Algoritmos baseados em relaxação espectral de diversas formulaçõesdesse problema são responsáveis pela classe de heurísticas espectrais, conceitualmentebastante elegantes e com resultados bem satisfatórios. O custo computacional desses algoritmos, entretanto, muitas vezes os tornam inviáve…
Neste projeto de doutorado, pretende-se adaptar modelos existentes para atender a realidade de empresas com diversas máquinas trabalhando em paralelo e desenvolver métodos de solução rápidos para fornecimento de soluções em tempo razoável. Em particular, pretende-se abordar estratégias baseadas em matheurísticas, devido ao incentivo encontrado na literatura e pelo fato da candidata ter de…
O aprendizado profundo (AP) tem sido aplicado com sucesso a uma variedade de tarefas de processamento de sinais e de informações, com excelentes resultados. Consistindo de modelos computacionais compostos por várias camadas de processamento, o objetivo do aprendizado profundo é aprender a representação de dados considerando vários níveis de abstração. Várias abordagens recentes por redes …
Cadeias de suprimentos sustentáveis podem ser representadas por modelos matemáticos de otimização. O planejamento dessas cadeias, neste projeto, visa minimizar os custos, minimizar o impacto ambiental e maximizar um critério social. Dessa forma, este projeto considera o problema de otimização multiobjetivo de cadeias de suprimentos sustentáveis. Na literatura, avaliam-se os modelos e méto…
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
| Publicações | 10 |
| Citações | 34 |
| Cit./Artigo | 3,4 |
| Dados do Web of Science | |
ROSSET, VALERIO; PAULO, MATHEUS A.; CESPEDES, JULIANA G.; NASCIMENTO, MARIA C. V.. Enhancing the reliability on data delivery and energy efficiency by combining swarm intelligence and community detection in large-scale WSNs. EXPERT SYSTEMS WITH APPLICATIONS, v. 78, p. 89-102, JUL 15 2017. Citações Web of Science: 14. (15/21660-4, 15/18580-9)
NAKAMURA, KATIA Y.; COELHO, LEANDRO C.; RENAUD, JACQUES; NASCIMENTO, MARIA C. V.. The Traveling Backpacker Problem: A computational comparison of two formulations. Journal of the Operational Research Society, v. 69, n. 1, p. 108-114, 2018. Citações Web of Science: 0. (15/21660-4)
CARVALHO, DESIREE M.; NASCIMENTO, MARIA C. V.. A kernel search to the multi-plant capacitated lot sizing problem with setup carry-over. Computers & Operations Research, v. 100, p. 43-53, DEC 2018. Citações Web of Science: 0. (16/02537-0, 13/07375-0, 15/21660-4)
CARVALHO, DESIREE M.; NASCIMENTO, MARIA C. V.. Lagrangian heuristics for the capacitated multi-plant lot sizing problem with multiple periods and items. Computers & Operations Research, v. 71, p. 137-148, JUL 2016. Citações Web of Science: 4. (15/21660-4)
TAUTENHAIN, CAMILA P. S.; BARBOSA-POVOA, ANA PAULA; NASCIMENTO, V, MARIA C.. A multi-objective matheuristic for designing and planning sustainable supply chains. COMPUTERS & INDUSTRIAL ENGINEERING, v. 135, p. 1203-1223, SEP 2019. Citações Web of Science: 2. (16/02203-4, 13/07375-0, 15/21660-4, 14/27334-9)
MAXIMO, VINICIUS R.; NASCIMENTO, MARIA C. V.. Intensification, learning and diversification in a hybrid metaheuristic: an efficient unification. Journal of Heuristics, v. 25, n. 4-5, SI, p. 539-564, OCT 2019. Citações Web of Science: 0. (13/07375-0, 15/21660-4)
FRANCISQUINI, RODRIGO; ROSSET, VALERIO; NASCIMENTO, MARIA C. V.. GA-LP: A genetic algorithm based on Label Propagation to detect communities in directed networks. EXPERT SYSTEMS WITH APPLICATIONS, v. 74, p. 127-138, MAY 15 2017. Citações Web of Science: 8. (15/21660-4, 15/18580-9)
MAXIMO, VINICIUS R.; NASCIMENTO, MARIA C. V.; CARVALHO, ANDRE C. P. L. F.. Intelligent-guided adaptive search for the maximum covering location problem. Computers & Operations Research, v. 78, p. 129-137, FEB 2017. Citações Web of Science: 6. (13/07375-0, 15/21660-4, 10/20231-9)
TAUTENHAIN, CAMILA P. S.; NASCIMENTO, V, MARIA C.. An ensemble based on a bi-objective evolutionary spectral algorithm for graph clustering. EXPERT SYSTEMS WITH APPLICATIONS, v. 141, MAR 1 2020. Citações Web of Science: 0. (16/22688-2, 15/21660-4)
FRANCISQUINI, RODRIGO; BERTON, RAFAEL; SOARES, SANDRO GOMES; PESSOTTI, DAYELLE S.; CAMACHO, MAURICIO F.; ANDRADE-SILVA, DEBORA; BARCICK, UILLA; SERRANO, SOLANGE M. T.; CHAMMAS, ROGER; NASCIMENTO, MARIA C. V.; et al. Community-based network analyses reveal emerging connectivity patterns of protein-protein interactions in murine melanoma secretome. JOURNAL OF PROTEOMICS, v. 232, FEB 10 2021. Citações Web of Science: 0. (17/22330-3, 15/21660-4, 13/07375-0, 17/24185-0, 14/06579-3, 19/10817-0, 13/07467-1)
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
ROSSET, Mariá Cristina Vasconcelos Nascimento. Metaheurísticas para o problema de agrupamento de dados em grafo. Tese (Doutorado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (06/04961-1)
ROSSET, Mariá Cristina Vasconcelos Nascimento. Uma heurística GRASP para o problema de dimensionamento de lotes com múltiplas plantas. Dissertação (Mestrado) - Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo (USP). São Carlos. (05/57725-0)