Das Hauptaugenmerk dieses Projekts liegt auf der effizienten Zusammenführung von Spendern überschüssiger Lebensmittel mit Empfängern in städtischen Gebieten. Das System beginnt mit der Erfassung von Daten auf einer Website, auf der Spender und Empfänger ihre Lebensmittelpräferenzen angeben - vegetarisch oder nicht-vegetarisch. Anschließend wird der Gale-Shapley-Algorithmus verwendet, der für seine Stabilität in Matching-Szenarien bekannt ist, um Spender und Empfänger zusammenzubringen. Um die Effizienz weiter zu steigern, sortiert das System Spender und Empfänger nach der Menge der verfügbaren Lebensmittel in jeder Kategorie (vegetarisch oder nicht-vegetarisch) und berücksichtigt das Verfallsdatum der gespendeten Lebensmittel. Der Abgleich erfolgt auf der Grundlage der kürzesten Entfernung zwischen Spendern und Empfängern unter Verwendung von Standortdaten, die aus einem Graph Neural Network (GNN) gewonnen werden. Der Gale-Shapley-Algorithmus stellt sicher, dass jeder Spender mit einem Empfänger in einer stabilen Weise zusammengebracht wird, bei der keine der Parteien eine andere Paarung bevorzugt. Durch die Einbeziehung des Gale-Shapley-Algorithmus und der GNN-basierten Standortdaten zielt dieses System darauf ab, die Verschwendung von Lebensmitteln zu minimieren und die Verteilung überschüssiger Lebensmittel an Bedürftige zu verbessern, insbesondere in städtischen Gebieten, in denen dieses Problem besteht.

Ich bin Meenatchi, Assistenzprofessor in der Abteilung für Informatik und Ingenieurwesen am Kathir College of Engineering. Ich interessiere mich für die Bereiche maschinelles Lernen und künstliche Intelligenz und möchte gerne ein Buch in diesen Bereichen veröffentlichen.