Soluções Eficientes para Planejamento Probabilístico

• Processo: 13/11724-0
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de outubro de 2013
• Data de Término da vigência: 13 de junho de 2014
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Leliane Nunes de Barros
• Beneficiário: Felipe Werndl Trevizan
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | Planejamento Probabilístico | processos markovianos de decisão | Tomada de Decisão sob Incerteza | Planejamento em Inteligência Artificial

Resumo

Planejamento probabilístico é um arcabouço para representar problemas de tomada de decisão em que ações tem efeitos probabilísticos. Devido a sua importância, planejamento probabilístico tem sido estudado em várias áreas de pesquisa, e.g., pesquisa operacional, teoria de controle, economia e robótica. Diferentemente de outras áreas, a inteligência artificial se concentra no estudo de planejamento probabilístico independente de domínio, i.e., técnicas que não fazem suposições sobre o problema que será resolvido e portanto podem ser diretamente aplicadas em qualquer problema de planejamento probabilístico.Nesse projeto de pós-doutorado, a ser realizado na Universidade de São Paulo, propomos melhorar o desempenho de planejadores probabilísticos independentes de domínio tanto em termos de velocidade quanto em escalabilidade. Devido à suposição de independência de domínio, os resultados obtidos por este projeto terão impacto tanto na comunidade de inteligência artificial quanto em outras áreas de aplicação que envolvam planejamento probabilístico, e.g., a área de saúde pública, preservação ambiental, sustentabilidade, economia e robótica. A abordagem que propomos consiste em: (i) estender o estado da arte dos algoritmos e técnicas para planejamento probabilístico, incluindo o planejamento probabilístico míope (short-sighted probabilistic planning) que foi introduzido pelo proponente durante seu doutorado nos Estados Unidos; e (ii) desenvolver novos algoritmos e heurísticas para planejamento probabilístico independente de domínio. Além disso, essa proposta visa a integração dos algoritmos e técnicas desenvolvidas pelo proponente durante seu doutorado na universidade Carnegie Mellon, com as técnicas desenvolvidas pelo grupo de planejamento do Instituto de Matemática e Estatística da USP, entre elas, planejamento probabilístico com probabilidades imprecisas e soluções fatoradas.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

TREVIZAN, FELIPE W.; VELOSO, MANUELA M.. Depth-based short-sighted stochastic shortest path problems. ARTIFICIAL INTELLIGENCE, v. 216, p. 179-205, NOV 2014. (13/11724-0)