Trabalho Final de IA

Otimização de Planejamento (Scheduling)
05/01/2014
Trabalho Final de Otimização por Algoritmos Genéticos

Autor André Luís Araújo Maciel
Pós-graduando em BI Master, CCE, PUC-RIO
Professor Marco Aurélio C. Pacheco
Departamento de Engenharia Elétrica, PUC-Rio

Resumo
O estudo teve como objetivo compreender a aplicação de algoritmos genéticos para a identificação de fraude em sistemas de pagamento de cartão de crédito, através de criação de “população de dados” que melhore a assertividade e a rapidez na identificação de transações fraudulentas.
Descrição da Aplicação
1. Título do Trabalho e Referência do artigo ou site.
RamaKalyani, UmaDevi. Fraud detection of Credit Card Payment System by Genetic Algorithm. International Journal of Scientific & Engineering Research, Guntur, v.3,n.7,1-6,Junho-2012
2. Objetivos (máx. 5 linhas)
Minimizar falsos alertas de classificação de risco, encontrando os valores críticos para os parâmetros.
Obter com maior rapidez a análise de risco
3. Conjunto de variáveis do problema e respectivos domínios (se conhecidos)

C1 -Frequência de uso do cartão (Nº de utilizações do cartão/idade do cartão)
C2 -Local de uso do cartão (# Locais de saque)
C3 -% de saques descobertos (Nº de saques descobertos/Total de saques)
C4 -Saldo contábil do cartão (Saldo atual/Saldo Médio)

4. Função de Avaliação (função analítica ou definição da medida de avaliação)
Comparação entre o resultado esperado (identificação de fraude ou não) pelos parâmetros atuais com o parâmetro real.
5. Regras e restrições impostas pelo problema
Problema em questão não possui restrições. O algorítimo cria populações e aos individos aplica a métrica

6. Componentes do Algoritmo Genético apresentando:

7. Conclusões (máx. 5 linhas)
Em comparação com modelos de avaliação de risco estático (redes neurais, por exemplo), o modelo tem a vantagem de ser mais adaptativo, pois ocorre o aperfeiçoamento da assertividade do modelo