Banca de QUALIFICAÇÃO: LUIZ PAULO DE SOUZA MEDEIROS

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : LUIZ PAULO DE SOUZA MEDEIROS
DATA : 04/07/2024
HORA: 15:00
LOCAL: Sala Virtual
TÍTULO:

Modelo de Otimização Multiobjetivo em Sistemas Multiagentes com Aprendizado Por Reforço

PALAVRAS-CHAVES:

Sistemas multiagentes, aprendizado por reforço, otimização multiobjetivo, tomada de decisão.

PÁGINAS: 46
RESUMO:

Este trabalho propõe um algoritmo de aprendizado por reforço multiagente multiobjetivo para cenários onde múltiplos agentes autônomos operam em um ambiente compartilhado e devem otimizar simultaneamente objetivos possivelmente conflitantes. A pesquisa visa superar as limitações das abordagens atuais, fornecendo soluções  adaptativas, escaláveis e eficazes para problemas complexos como planejamento logístico e distribuição  de energia. O objetivo é explorar abordagens para o desenvolvimento de algoritmos de aprendizado por reforço multiagente, propondo metodologias para o aprendizado em diferentes cenários de interação entre agentes, como a utilização de múltiplos agentes para aceleração do aprendizado, aprendizado de ações conjuntas, aprendizado individual em  ambientes com observação compartilhada e aprendizado individual em ambientes com observações individuais. A relevância do tema se dá pela capacidade dos algoritmos de aprendizado por reforço de se adaptar a mudanças no ambiente, tornando-os adequados para problemas de otimização multiobjetivo em situações reais de decisão distribuída. A metodologia inclui o desenvolvimento de um algoritmo de aprendizado por reforço multiagente, a avaliação do impacto de diferentes técnicas de modelagem de recompensa, como a Difference Reward e PBRS (Potential-Based Reward Shaping), e a comparação do algoritmo proposto com outras soluções da literatura, considerando aspectos como definição de  preferências a priori entre os objetivos, restrições quanto ao formato da Fronteira de Pareto, características de comunicação entre os agentes e nível de conhecimento dos agentes sobre o ambiente. Espera-se que esta pesquisa amplie o estado da arte em aprendizado por reforço multiagente e otimização multiobjetivo, contribuindo com soluções mais eficazes e adaptativas para problemas complexos.

MEMBROS DA BANCA:
Presidente - 347628 - ADRIAO DUARTE DORIA NETO
Externo à Instituição - FRANCISCO CHAGAS DE LIMA JUNIOR - UERN
Externo à Instituição - IGNACIO SANCHEZ GENDRIZ
Externo à Instituição - THIAGO HENRIQUE FREIRE DE OLIVEIRA - IFRN
Externo à Instituição - VINICIUS PONTE MACHADO - UFPI