Avaliação de Estruturas de Dados para Representação de Grafos Massivos na Resolução de Problemas de Otimização Combinatória
Otimização Combinatória, Grafos Massivos, Estruturas de Dados, Processamento Paralelo, GPU, MDP.
Os problemas de otimização combinatória são amplamente estudados devido à sua relevância em aplicações práticas, como análise de redes sociais, mineração de comunidades, alocação de recursos e sistemas de recomendação. Contudo, quando aplicados a grafos massivos, esses problemas enfrentam desafios significativos relacionados à representação das instâncias, já que estruturas tradicionais, como matrizes n×n, tornam-se rapidamente inviáveis em termos de tempo e memória. Neste contexto, esta pesquisa tem como objetivo avaliar e discutir diferentes opções de estruturas de dados para representar grafos de grande escala, analisando seus impactos na resolução de problemas de otimização. Atualmente, estão sendo consideradas representações clássicas e alternativas, incluindo Matriz Esparsa, CSR, WSwap, Murmurhash e estruturas híbridas. O Problema de Diversidade Máxima é utilizado como problema inicial para experimentos, servindo como estudo de caso para medir desempenho em termos de tempo de execução, consumo de memória e qualidade das soluções obtidas. Futuramente, pretende-se expandir a análise para outros problemas de otimização combinatória, ampliando a generalização dos resultados. A expectativa é que a comparação entre diferentes estruturas de dados forneça guias práticos sobre quando e como cada representação deve ser utilizada em cenários de grafos massivos, contribuindo para o avanço da eficiência computacional em problemas de otimização.