carlaprv /
k-means-clustering
Implementação do algoritmo de agrupamento K-Means em Java. Este projeto tem como objetivo ser utilizado como trabalho na disciplina de Inteligência Artificial e ser utilizado futuramente para fins didáticos.
Loading repository data…
EduardoJunqueira2004 / repository
Este trabalho tem como principal objetivo implementar na linguagem Java uma aplicação de simulação armazenamento de mercadorias em armazéns.
**Engenharia Redes e Sistemas de Computadores Programação 2 Trabalho Prático Ano letivo de 2024/2025 Gestão de Mercadorias em Armazéns Objetivo Este trabalho tem como principal objetivo implementar na linguagem Java uma aplicação de simulação armazenamento de mercadorias em armazéns. Descrição: Desenvolver um simulador de rede de dispositivos IoT (Internet das Coisas) para gestão de armazéns e monitorização das mercadorias neles armazenadas. Isso pode incluir sensores, atuadores, e dispositivos inteligentes que se comunicam entre si. Cada mercadoria é identificada por uma tag IoT que permite identificar a sua localização. Sempre que uma mercadoria é mudada de local dentro do armazém ou sai do armazém para um meio de transporte externo, o sistema terá capacidade de detetar e atualizar a localização da mercadoria. As mercadorias tem associadas um identificador único, uma descrição, um tipo, um peso, um volume e a tag IoT. As mercadorias podem ser normais, frágeis, perecíveis, devendo ser tratadas de forma diferente. Por exemplo, uma mercadoria frágil não deve ser movimentada internamente num armazém juntamente com outras mercadorias e deve ser movimentada para fora do armazém em meio de transporte especial. Por outro lado, uma mercadoria perecível deve ter em consideração eventuais datas de validade para que mercadorias perecíveis do mesmo tipo sejam escoadas do armazém por ordem dessa data, evitando assim que as mesmas fiquem estragadas. Nesse caso até devem ser movimentadas para um armazém de reciclagem por transporte especial. Os armazéns têm um nome, uma morada, as dimensões (espaço útil de armazenamento). Qualquer armazém pode receber ou expedir mercadorias, exceto os armazéns de reciclagem que apenas recebem mercadorias. Os meios de transporte de mercadorias podem ser internos a um armazém (ex. empilhadores) ou externos (ex. camiões). Esse meio de transporte tem um identificador, bem como uma capacidade de transporte limitada por peso e volume. O transporte de uma mercadoria para um armazém de reciclagem apenas pode ser efetuado por um transporte especial. A aplicação deverá permitir criar armazéns; meios de transporte (internos ou externos); mercadorias e registar as mercadorias nos armazéns. Deve igualmente criar tags IoT e associálas às mercadorias. Sempre que uma mercadoria é registada num armazém será necessário controlar se este tem espaço suficiente para a armazenar. Sempre que é movimentada uma mercadoria por um meio de transporte, seja interno ou externo ao armazém, será necessário controlar se o meio de transporte tem capacidade para transportar e se está habilitado para esse transporte. Relativamente às mercadorias, a sua movimentação é controlada pelas tags IoT sendo possível consultar as mercadorias por tag, localização e estado. A saída e entrada de mercadorias, seja nos armazéns, seja nos meios de transporte, deve ser detetada automaticamente, igualmente pelas tags IoT. A aplicação deve garantir a persistência dos dados relevantes à mesma em ficheiro. Deve igualmente produzir relatórios em ficheiro de texto que permitam listar as mercadorias atuais de um determinado armazém ou meio de transporte. Deve ainda produzir relatórios de rastreabilidade de uma mercadoria, podendo assim saber-se os armazéns e os camiões por onde determinada mercadoria passou. Normas O presente trabalho prático deverá ser desenvolvido em grupo, constituído por três alunos no máximo. A constituição do grupo deve ser comunicada aos docentes das aulas práticas da unidade curricular. O desenvolvimento deve passar por duas fases, com a correspondente entrega no moodle:
Selected from shared topics, language and repository description—not editorial ratings.
carlaprv /
Implementação do algoritmo de agrupamento K-Means em Java. Este projeto tem como objetivo ser utilizado como trabalho na disciplina de Inteligência Artificial e ser utilizado futuramente para fins didáticos.
curumim15 /
Este trabalho tem como objetivo implementar na linguagem Java, um programa que simula a gestão de Transportes. Neste trabalho, foi criado um sistema de administração de transporte que permite gerir uma frota de veículos de carga e atribuir cargas a esses veículos.
Pilarenato /
Previsão de Tempo de Trabalho Hadoop Código utilizado para realizar algumas experiências de predicções de trabalho do Hadoop usando o OpenStack Sahara. Detalhes do tamanho do cluster O mestre e os escravos dos clusters tinham um sabor com as seguintes configurações: 2 VCPUs 45 GB de HD 4 GB de RAM Troca de 4 GB Executando a experiência Para executar esta experiência primeiro você deve: Obter a entrada Compile classes na pasta de origem e obtenha o arquivo jar. Ou obtenha o arquivo jar disponível neste repositório. Coloque o que é necessário no Sara Crie um arquivo de configuração do Json com a mesma estrutura de "configuration_default.json" Deixe este experimento impressionante correr e ir ter algum bom tempo, ele irá enviá-lo quando ele é feito;) Gerar gráficos para obter um resultado mais visual 1. Obtendo o arquivo de entrada O arquivo de entrada usado no experimento pode ser acessado neste link . Este arquivo foi gerado por TeraSortGen de Hadoop 1.2.1 exemplos, fazendo o seguinte comando: bin/hadoop jar hadoop-examples-1.2.1.jar terasortgen 50000000 Se você quiser gerar o arquivo você mesmo, você deve: Instale o hadoop 1.2.1 Descompacte o Hadoop baixado. Edite o arquivo conf / hadoop-env.sh para definir pelo menos JAVA_HOME como a raiz da sua instalação Java. Então corra : bin/hadoop jar hadoop-examples-1.2.1.jar terasortgen 50000000 Em caso de dúvidas: mais informações sobre o TeraSortGen aqui 2. Compilar as classes e gerar o arquivo JAR Para compilar as classes você deve: Tenha hadoop 2.6.0 instalado, você pode ter mais informações sobre como fazê-lo aqui Baixe a pasta de origem e coloque-a no mesmo diretório que o hadoop está instalado (você pode colocar a pasta de origem em outro lugar, mas torna mais fácil se tudo estiver no mesmo lugar e você pode excluí-la quando terminar se você Não quero isso na pasta hadoop) Depois de obter a pasta de origem (e está na mesma pasta do hadoop), compile as classes com os comandos thess: $export JAVA_HOME=/usr/java/default $export PATH=${JAVA_HOME}/bin:${PATH} $export HADOOP_CLASSPATH=${JAVA_HOME}/lib/tools.jar $ bin/hadoop com.sun.tools.javac.Main source/*.java Agora crie o frasco em execução: $jar cf experiment.jar source/*.class Se você tiver dúvidas sobre os tópicos 2 e 3, você pode ter mais informações sobre ele aqui . 3. Colocar o que é necessário no Sara Crie um key_pair, se você já tiver um que você pode usá-lo (O caminho local de sua chave pública e privada será necessária) Você terá que colocar o frasco como binário de trabalho no Sahara e criar um modelo de trabalho do tipo JavaAction para cada trabalho (PiEstimator, TeraSort e WordCount). Você pode ter acesso a um processo similar aqui . Você terá que criar um modelo de grupo de nó mestre e woker e um modelo de cluster com nós (3,4,5, ... 10). Um processo semelhante pode ser visto aqui . Criar um volume e colocar o arquivo de 5GB nele. Você pode entrar em contato comigo se você precisar de ajuda neste processo, eu pretendo fazer algum post sobre isso, e quando eu fizer vou colocar aqui! 4. Altere o arquivo de configuração do json Você pode obter todas essas informações através do Horizon, exceto: public_keypair_path, private_keypair_path e private_keypair_name que somente você tem acesso. 5. Corra, baby, corra! Agora tudo deve estar pronto para correr :coração:! Você pode executar esta experiência de duas maneiras diferentes: Correndo $python runExperiment.py <number of executions> <configuration path> <output file name> Com número de execuções = 8 Running $python runExperimentIndividuall.py <number of executions> <number of cluster nodes> <configuration path> <output file name> Com número de execuções = 8 e número de cluster = [3,10] 6. Gerar gráficos Agora que você tem os arquivos ouput, a etapa final é gerar os gráficos. Se você usou runExperimentIndividually.py você deve concatenar todos os arquivos em um, você pode fazer isso por: $ cat <output_1_node> <output_2_nodes> <output_3_nodes> ... > output_exp ATENTION: antes de executar scripts, altere os nomes input_file e output_file. Verifique também se os arquivos estão na mesma pasta ou altere o caminho no começo do script com o comando: setwd("your_path") Em seguida, vá para a pasta de análise e faça o seguinte: Executar o filtrado. Ele irá gerar um novo arquivo nomeado como output_name. Execute KNN.R no arquivo gerado anteriormente e ele gerará um novo arquivo. Execute graphs_cost.R e graphs_prediction.R com a entrada = saída KNN.R. Eles vão gerar gráficos em formato pdf. E agora você tem alguns gráficos impressionantes :oculos de sol: !!!
Pedro101520 /
Este projeto feito com Java e Spring Boot, tem por objetivo ajudar as pessoas que tem interesse em adotar/doar plantas de uma forma fácil, onde o sistema que desenvolvi faz todo o trabalho da intermediação
Mario23junior /
Este trabalho tem como objetivo geral abordar as características principais da linguagem Java, buscando expor de forma simples as tecnologias e inovações que implementão a linguagem criada por James Gosling.
Renanziin-Nt /
Este repositório contém o código-fonte do Sistema de Denúncias Ecológicas, desenvolvido em JAVA como parte do trabalho semestral da faculdade. A aplicação tem como objetivo permitir que os usuários registrem e acompanhem denúncias relacionadas a questões ambientais, como desmatamento ilegal, poluição, caça de animais em extinção, entre outros.