Modelagem da migração campo-cidade usando teoria dos jogos evolucionária
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/13683 |
Resumo: | O presente trabalho faz uma análise das modelagens de uma economia que apresenta dualidade rural-urbana que converge para um equilíbrio. No trabalho de Harris e Todaro(1970) é apresentando como um processo de aprendizado social por imitação em um ambiente de racionalidade limitada e utiliza um modelo computacional baseado em agentes representativo. Espíndola et al. (2006) [3], propõe um ajustamento para o modelo de Harris e Todaro, implementando uma abordagem de jogo evolucionário por meio de uma simulação baseado em agentes, que a transição migratória é um processo de imitação de agentes vizinhos bem-sucedidos. A finalidade deste trabalho, é simular o processo de migração campo-cidade baseado modelo Harris e Todaro (1970) usando simulação baseada em agente e aprendizado bayesiano. Para propor um mecanismo de aprendizado Bayesiano através da metodologia baseada em modelos baseados em agentes, como proposto por Espíndola et al. (2006) |
id |
UFF-2_a2aead01568e617fa3b8d6318b539953 |
---|---|
oai_identifier_str |
oai:app.uff.br:1/13683 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Modelagem da migração campo-cidade usando teoria dos jogos evolucionáriaEquilíbrioAprendizadoDualidade rural-urbanaJogos evolucionáriosRepresentativoSimulação baseada em agentesTeoria dos jogosDemografiaO presente trabalho faz uma análise das modelagens de uma economia que apresenta dualidade rural-urbana que converge para um equilíbrio. No trabalho de Harris e Todaro(1970) é apresentando como um processo de aprendizado social por imitação em um ambiente de racionalidade limitada e utiliza um modelo computacional baseado em agentes representativo. Espíndola et al. (2006) [3], propõe um ajustamento para o modelo de Harris e Todaro, implementando uma abordagem de jogo evolucionário por meio de uma simulação baseado em agentes, que a transição migratória é um processo de imitação de agentes vizinhos bem-sucedidos. A finalidade deste trabalho, é simular o processo de migração campo-cidade baseado modelo Harris e Todaro (1970) usando simulação baseada em agente e aprendizado bayesiano. Para propor um mecanismo de aprendizado Bayesiano através da metodologia baseada em modelos baseados em agentes, como proposto por Espíndola et al. (2006)Gomes, Eduardo FerioliPenna, Thadeu Josino PereiraLobo, Viviana das Graças RibeiroSilveira, Douglas SadChagas, Evellyn Araujo das2020-05-11T14:26:01Z2020-05-11T14:26:01Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfCHAGAS, Evellyn Araujo das. Modelagem da migração campo-cidade usando teoria dos jogos evolucionária. 2018. 53 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2018.https://app.uff.br/riuff/handle/1/13683http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2021-09-23T17:07:50Zoai:app.uff.br:1/13683Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:12:56.344264Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Modelagem da migração campo-cidade usando teoria dos jogos evolucionária |
title |
Modelagem da migração campo-cidade usando teoria dos jogos evolucionária |
spellingShingle |
Modelagem da migração campo-cidade usando teoria dos jogos evolucionária Chagas, Evellyn Araujo das Equilíbrio Aprendizado Dualidade rural-urbana Jogos evolucionários Representativo Simulação baseada em agentes Teoria dos jogos Demografia |
title_short |
Modelagem da migração campo-cidade usando teoria dos jogos evolucionária |
title_full |
Modelagem da migração campo-cidade usando teoria dos jogos evolucionária |
title_fullStr |
Modelagem da migração campo-cidade usando teoria dos jogos evolucionária |
title_full_unstemmed |
Modelagem da migração campo-cidade usando teoria dos jogos evolucionária |
title_sort |
Modelagem da migração campo-cidade usando teoria dos jogos evolucionária |
author |
Chagas, Evellyn Araujo das |
author_facet |
Chagas, Evellyn Araujo das |
author_role |
author |
dc.contributor.none.fl_str_mv |
Gomes, Eduardo Ferioli Penna, Thadeu Josino Pereira Lobo, Viviana das Graças Ribeiro Silveira, Douglas Sad |
dc.contributor.author.fl_str_mv |
Chagas, Evellyn Araujo das |
dc.subject.por.fl_str_mv |
Equilíbrio Aprendizado Dualidade rural-urbana Jogos evolucionários Representativo Simulação baseada em agentes Teoria dos jogos Demografia |
topic |
Equilíbrio Aprendizado Dualidade rural-urbana Jogos evolucionários Representativo Simulação baseada em agentes Teoria dos jogos Demografia |
description |
O presente trabalho faz uma análise das modelagens de uma economia que apresenta dualidade rural-urbana que converge para um equilíbrio. No trabalho de Harris e Todaro(1970) é apresentando como um processo de aprendizado social por imitação em um ambiente de racionalidade limitada e utiliza um modelo computacional baseado em agentes representativo. Espíndola et al. (2006) [3], propõe um ajustamento para o modelo de Harris e Todaro, implementando uma abordagem de jogo evolucionário por meio de uma simulação baseado em agentes, que a transição migratória é um processo de imitação de agentes vizinhos bem-sucedidos. A finalidade deste trabalho, é simular o processo de migração campo-cidade baseado modelo Harris e Todaro (1970) usando simulação baseada em agente e aprendizado bayesiano. Para propor um mecanismo de aprendizado Bayesiano através da metodologia baseada em modelos baseados em agentes, como proposto por Espíndola et al. (2006) |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018 2020-05-11T14:26:01Z 2020-05-11T14:26:01Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
CHAGAS, Evellyn Araujo das. Modelagem da migração campo-cidade usando teoria dos jogos evolucionária. 2018. 53 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2018. https://app.uff.br/riuff/handle/1/13683 |
identifier_str_mv |
CHAGAS, Evellyn Araujo das. Modelagem da migração campo-cidade usando teoria dos jogos evolucionária. 2018. 53 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2018. |
url |
https://app.uff.br/riuff/handle/1/13683 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823692513017856 |