Skip to content

rianbrrs/mega-gen

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Algoritmo Genético para Previsão de Números da Mega-Sena

Este projeto utiliza algoritmos genéticos para tentar prever os números da Mega-Sena com base nos resultados históricos. O objetivo é usar uma abordagem de inteligência artificial para evoluir combinações de números e tentar identificar padrões que aumentem as chances de acerto.

Como Funciona

  1. Análise dos Resultados Históricos:
    • O algoritmo analisa os números de sorteios passados para identificar os números mais frequentes (quentes) e os menos frequentes (frios).
  2. Algoritmo Genético:
    • Uma população inicial de combinações de números é gerada aleatoriamente.
    • As combinações são avaliadas com base em sua "fitness" (probabilidade de acerto) e evoluem ao longo de várias gerações.
    • A cada geração, ocorre a seleção, o crossover (cruzamento) e a mutação das combinações.
  3. Objetivo:
    • Encontrar a combinação de números com o fitness máximo, ou seja, a combinação mais provável de ser sorteada.

Funcionalidades

  • Geração de Combinações: O algoritmo cria várias combinações de números aleatórias e as avalia.
  • Fitness: A avaliação das combinações é baseada na frequência de números quentes e frios dos sorteios anteriores.
  • Barra de Progresso: Uma barra de progresso foi adicionada para exibir o avanço do algoritmo durante as gerações.
  • Saída Visual: O código usa cores para destacar as informações importantes e tornar a execução mais interessante.

Instalação

Requisitos

  • Python 3.x
  • Bibliotecas:
    • colorama
    • tqdm

Instalação das Dependências

Para instalar as dependências necessárias, basta rodar o comando:

pip install colorama tqdm

Como Usar

  • Prepare o Arquivo CSV:

Crie um arquivo CSV com os resultados históricos da Mega-Sena no seguinte formato:

concurso,data,n1,n2,n3,n4,n5,n6
2795,09/11/2024,13,16,55,43,46,33
2794,07/11/2024,3,14,28,52,20,9

Execute o Script:

  • Para rodar o script, basta executar o arquivo Python no terminal:
python main.py

Resultado:

O algoritmo irá rodar até encontrar uma combinação com o máximo fitness ou atingir o número máximo de gerações. O progresso será exibido no terminal com uma barra de progresso e saídas coloridas para facilitar o acompanhamento.

Exemplo de Saída

  • Durante a execução, você verá mensagens como:
Iniciando o algoritmo genético...
Gerando combinações... |██████████████████████████████████████████████████████████████████████| 100% [geração 10000/10000]
Combinação ideal encontrada na geração 5400: [13, 16, 55, 43, 46, 33] com fitness 12
  • Ou, caso não encontre a combinação ideal:
Limite de gerações alcançado sem encontrar a combinação ideal.

Contribuição

Sinta-se à vontade para contribuir com melhorias, sugestões ou correções. Para isso, basta abrir uma issue ou enviar um pull request.

Licença

Este projeto está licenciado sob a MIT License.

Explicação do README.md

  1. Título e Descrição: O título descreve o projeto e a descrição explica o objetivo do algoritmo genético para previsão de números da Mega-Sena.
  2. Funcionalidades: Lista as principais funcionalidades do código.
  3. Instalação: Orientações sobre como configurar o ambiente para rodar o código, incluindo requisitos e instalação das dependências.
  4. Como Usar: Passos para usar o código, incluindo a preparação do arquivo CSV e a execução do script.
  5. Exemplo de Saída: Mostra como o terminal será exibido durante a execução.
  6. Contribuição: Instruções para quem quiser contribuir com o projeto.
  7. Licença: Informa a licença sob a qual o código está sendo compartilhado (MIT, neste caso).

About

Este projeto utiliza algoritmos genéticos para tentar prever os números da Mega-Sena com base nos resultados históricos. O objetivo é usar uma abordagem de inteligência artificial para evoluir combinações de números e tentar identificar padrões que aumentem as chances de acerto.

Topics

Resources

License

Stars

Watchers

Forks

Contributors

Languages