Pedro Henrique González

PESC / COPPE / UFRJ

Pedro Henrique
González Silva

Sou Professor Adjunto do Programa de Engenharia de Sistemas e Computação da COPPE/UFRJ, onde lidero o grupo Analytics & Operational Research (AOR/CNPq) e o laboratório Analytics for Competitive Excellence (ACE).

Retrato de Pedro Henrique González Silva

Apresentação

Minha pesquisa investiga como técnicas de aprendizado de máquina tornam métodos exatos e heurísticos de otimização combinatória mais eficientes, e como esses métodos híbridos resolvem problemas reais de alocação de recursos. Os problemas que estudo vêm de logística sustentável, saúde pública, planejamento energético, monitoramento ambiental e programação de eventos esportivos. O fio comum entre eles é a necessidade de decidir sob restrições combinatórias em instâncias grandes demais para enumeração.

Cursei Matemática (2009) e Ciências Atuariais (2023) na Universidade do Estado do Rio de Janeiro, onde também concluí o mestrado em Ciências Computacionais (2012). Fiz o doutorado em cotutela entre a Universidade Federal Fluminense e a Université d'Avignon et des Pays de Vaucluse, concluído em 2015, e o pós-doutorado na UFRJ entre 2016 e 2017 e novamente entre 2019 e 2023. De 2017 a 2023 fui professor EBTT no CEFET/RJ, atuando no Departamento de Informática (DEPIN) e nos programas de pós-graduação PPCIC e PPPRO.

Sou bolsista de Produtividade em Pesquisa do CNPq e Jovem Cientista do Nosso Estado pela FAPERJ. Em 2023 fui selecionado pelo MCTI para representar o Brasil no 8th BRICS Young Scientists Forum. Atuo como revisor de periódicos da área, entre eles European Journal of Operational Research, Computers & Operations Research e Networks.

Áreas de interesse

  • Otimização Combinatória e Discreta
  • Otimização Assistida por Aprendizado de Máquina
  • Metaheurísticas Híbridas
  • Sistemas de Decisão Baseados em Dados
  • Otimização para Políticas Públicas
  • Sistemas de Infraestrutura e Logística
  • Análise de Dados Aplicada ao Esporte

Linhas de pesquisa

Quatro Frentes Ativas

01

Otimização Assistida por Aprendizado

Integração de métodos de aprendizado de máquina a algoritmos de otimização exata e metaheurística, explorando modelos preditivos para orientar decisões algorítmicas, como seleção e fixação de variáveis, geração de colunas, definição de vizinhanças e priorização de movimentos. Em sentido complementar, emprega-se otimização combinatória e matemática para treinamento, calibração e estruturação de modelos de aprendizado, estabelecendo uma interação bidirecional entre aprendizado e otimização.

02

Cidades Inteligentes e Indústria 4.0

Desenvolvimento de modelos de otimização para localização de facilidades, projeto e expansão de redes, alocação de recursos e roteamento em sistemas urbanos, serviços públicos e cadeias logísticas. As abordagens consideram, quando pertinente, dados e instâncias de aplicações reais, incerteza, restrições operacionais e múltiplos critérios de decisão, com o objetivo de apoiar o planejamento e a operação de sistemas complexos.

03

Otimização Aplicada a Políticas Públicas

Desenvolvimento de modelos quantitativos de apoio à decisão para o planejamento, dimensionamento e alocação de recursos públicos em áreas como saúde, educação e resposta a emergências. Entre as aplicações, destacam-se a localização de postos de testagem para doenças transmissíveis, o posicionamento de bases de ambulâncias e a reconfiguração da rede educacional, incluindo a conversão de escolas regulares em escolas técnicas, considerando restrições de capacidade, cobertura, acessibilidade e eficiência na prestação dos serviços.

04

Análise de Dados e Otimização Aplicada ao Esporte

Aplicação de técnicas de pesquisa operacional, otimização combinatória, aprendizado de máquina e análise de dados a problemas de gestão e desempenho esportivo, incluindo programação de tabelas de jogos, composição e seleção de equipes e desenvolvimento de métricas para avaliação de desempenho. As pesquisas incluem também aplicações de analytics para suporte à decisão em mídia esportiva, como a parceria de P&D com o SPORTV/Globo para modelagem e apoio à decisão sobre a transmissão de partidas.

Detalhamento dos projetos financiados e das publicações recentes está na página de pesquisa.

Para estudantes

Onde Começar

Projeto de Graduação ECI

Prazos, norma, modelos de proposta e monografia, e o procedimento completo para alunos de Engenharia de Computação e Informação. Todo envio à Comissão de Projeto de Graduação é feito para pegonzalez@poli.ufrj.br.

Orientação

Linhas abertas para novos trabalhos, o que cada nível envolve, da Iniciação Científica ao Pós-doutorado, e o que incluir na mensagem de quem escreve pela primeira vez propondo um tema.