Autor: Cleverton Bueno dos Santos Júnior (Currículo Lattes)
Resumo
De tempos em tempos, surgem inovações tecnológicas tão impactantes que revolucionam certos aspectos da indústria. Nos últimos anos, cada vez mais pesquisas evidenciam os sistemas multiagentes e a robótica como uma dessas inovações na indústria de manejo de materiais. Um dos problemas mais importantes deste cenário, se encontra na distribuição de tarefas, sendo uma área amplamente explorada. O problema de coleta e entrega é um dos problemas oriundos do Problema do Caixeiro Viajante, que juntamente com a otimização de rotas é um dos principais problemas logísticos de sistemas autônomos dos últimos tempos. Atualmente, existem diversos algoritmos que lidam com este problema. Entretanto, dada a natureza do problema, conforme a complexidade do sistema aumenta, é necessária a utilização de técnicas cada vez mais complexas, computacionalmente custosas e com uma intricada implementação. Redes Neurais, por serem capazes de aprendizado e extrapolação de padrões, surgem como uma grande ferramenta para uma possível solução desta necessidade. Neste trabalho, é apresentado o uso de uma dupla de redes neurais como ferramentas de suporte para algoritmos de distribuição de tarefas e também verifica a efetividade desta técnica. Esta proposta visa alavancar a eficácia de um algoritmo com uma implementação simples, e com isso, diminuir as perdas de desempenho causadas por implementações mais complexas. Esta dissertação traz uma breve fundamentação teórica para um melhor entendimento dos assuntos abordados, bem como uma análise do cenário atual de pesquisa e, então, apresenta os resultados obtidos, que demonstram uma possibilidade positiva para do proposto neste estudo quando aplicada ao problema do caixeiro viajante, mas em uma versão mais complexa, os resultados demonstram incapacidade em encontrar soluções viáveis.
Palavras-chave: Aprendizado de Máquina; Aprendizado Profundo; Aprendizado-Q; Distribuição de Tarefas