Leaderboard

BigMaxRedutor como o próprio nome diz, é um redutor de matrizes ( chegou a bater record mundial por algumas horas 27,7,6,8=168) O BigMaxRedutor é um solver/redutor combinatório voltado a problemas de cobertura parametrizados por V, K, T e M. A versão 15.4 foi consolidada como uma revisão paramétrica: ela não adiciona um novo operador de busca, mas melhora a gestão de orçamento, a diversidade de bacias, o KICK de escape e a expansão do domínio do FocusedDefectChain. A filosofia do programa é genérica. O comportamento deve ser determinado pelos parâmetros da instância e pelo estado real da busca, e não por regras específicas para um único conjunto V,K,T,M. Uma redução pode ou não existir, e o solver pode ou não alcançá-la dentro do orçamento escolhido; o requisito principal é que a busca, a certificação e a preservação das elites sejam tecnicamente coerentes. Requisitos e compilação no Windows · Windows 64 bits. · Visual Studio 2026 ou Build Tools equivalentes com compilador MSVC C++ x64. · Suporte a C++20 e biblioteca padrão correspondente. · Pasta de trabalho com permissão de leitura e gravação. Compilação recomendada Abra o prompt de desenvolvimento x64 do Visual Studio/Build Tools, navegue para a pasta extraída e execute o script: execute o build. build_vs2026 Ao final, o executável esperado é: BigMaxRedutor_v15.4.2.exe Referências [1] Kirkpatrick, S.; Gelatt, C. D.; Vecchi, M. P.. Optimization by Simulated Annealing. Science, 220(4598), 671–680, 1983. https://doi.org/10.1126/science.220.4598.671 [2] Glover, F.. Tabu Search—Part I. ORSA Journal on Computing, 1(3), 190–206, 1989. https://doi.org/10.1287/ijoc.1.3.190 [3] Feo, T. A.; Resende, M. G. C.. Greedy Randomized Adaptive Search Procedures. Journal of Global Optimization, 6, 109–133, 1995. https://doi.org/10.1007/BF01096763 [4] Burke, E. K.; Bykov, Y.. The Late Acceptance Hill-Climbing Heuristic. European Journal of Operational Research, 258(1), 70–78, 2017. https://doi.org/10.1016/j.ejor.2016.07.012 [5] Lourenço, H. R.; Martin, O. C.; Stützle, T.. Iterated Local Search. Handbook of Metaheuristics, pp. 320–353, 2003. https://doi.org/10.1007/0-306-48056-5_11 [6] Pisinger, D.; Røpke, S.. Large Neighborhood Search. Handbook of Metaheuristics, 3rd ed., pp. 99–127, 2018. https://doi.org/10.1007/978-3-319-91086-4_4 [7] Voudouris, C.; Tsang, E. P. K.. Guided Local Search and Its Application to the Traveling Salesman Problem. European Journal of Operational Research, 113(2), 469–499, 1999. https://doi.org/10.1016/S0377-2217(98)00099-X [8] Mladenović, N.; Hansen, P.. Variable Neighborhood Search. Computers & Operations Research, 24(11), 1097–1100, 1997. https://doi.org/10.1016/S0305-0548(97)00031-2 [9] Schönheim, J.. On Coverings. Pacific Journal of Mathematics, 14(4), 1405–1411, 1964. https://doi.org/10.2140/pjm.1964.14.1405

O que é o Lotomania Pulador? Uma ferramenta que gera conjuntos de cartões para a Lotomania garantindo que qualquer par de cartões tenha no máximo N dezenas em comum. O algoritmo usa backtracking posição a posição — avança bit a bit e recua quando detecta violação, sem gerar combinações inválidas. O resultado é um conjunto de cartões matematicamente balanceados entre si. Cada posição está configurado para 2 dezenas, logo P1 só pode ser 01 ou 02, P2 só pode ser 03 ou 04 e assim sucessivamente. Tanto o Limite de Passo quanto o Gatilho aceitam valores astronômicos ou seja 2^50 = 1.125.899.906.842.624 mas lembre-se o Passo já está está em 600 milhões, quanto maior o Passo maior o tempo de busca. Este software fiz pois há um pequeno BUG no Lotomania3.exe (também na área de downloads) que apesar de permitir este tipo de geração não estava respeitando os limites posicionais e pelo visto este algoritmo ficou muito mais rápido, eu diria que são softwares complementares. Use por sua conta e risco. Sorte a todos, Sphgf

Este software pode ser definido como um Motor Estatístico que faz análise dos resultados da Lotomania — Versão 3 — Maio 2026. O analisador permite gerar CONJUNTOS de 20 a 50 dezenas — cujo objetivo é selecionar o subconjunto mais promissor dentro de uma estratégia maior de múltiplos bilhetes complementares. O Motor de Pontuação v3 — 8 Critérios Ponderados: O scoring combina oito critérios em uma pontuação normalizada de 0 a 100 para cada dezena. A fórmula é uma Média Ponderada Normalizada: Score(n) = Σ [ Critério_i(n) × Peso_i ] / Σ Peso_i Critérios: FreqHist · FreqRec(EWMA) · Atraso · RedePares · Momentum · Único · QuebAtraso · RepImediata Cada critério é normalizado individualmente para a faixa [0, 100] antes da ponderação. O botão Recalcular analisa a variância de cada critério no arquivo carregado: critérios com alta variância (que diferenciam muito as dezenas entre si) recebem peso maior porque contribuem mais com informação discriminante. Critérios com baixa variância (dezenas muito uniformes) recebem peso menor, pois acrescentam pouco ao ranking final. O botão Equilibrar distribui pesos iguais (12,5 cada). É recomendado como ponto de partida ou quando o dataset tem menos de 100 concursos. Com mais dados, o Recalcular tende a gerar resultados superiores no backtesting preditivo. Há no software DUAS formas distintas de gerar CONJUNTOS com 20 a 50 dezenas. Sugiro ler as abas Teoria e Ajuda para entender o funcionamento e tentar melhorar a previsão futura. Após variados testes as IAs informaram não haver BUGs que comprometem o uso/funcionamento ou a matemática presente nos algoritmos implementados. É um HTML aberto, podem alterar, melhorar, copiar, redistribuir. Sorte a todos, Sphgf p.s. use um arquivo txt contendo os resultados sorteados com espaço entre as dezenas, sem número de concurso ou data, o mais antigo sendo o último da lista.