Comunicação e aprendizado de máquina em mobilidade urbana: uma abordagem multiagente e multiobjetivo

• Processo: 21/05093-3
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de agosto de 2021
• Data de Término da vigência: 31 de maio de 2022
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Ana Lúcia Cetertich Bazzan
• Beneficiário: Guilherme Dytz dos Santos
• Instituição Sede: Instituto de Informática. Universidade Federal do Rio Grande do Sul (UFRGS). Porto Alegre , SP, Brasil
• Vinculado ao auxílio: 20/05165-1 - Comunicação e aprendizado de máquina em mobilidade urbana: uma abordagem multiagente e multiobjetivo, AP.R
• Assunto(s): Aprendizado computacional Sistemas multiagentes Mobilidade urbana Controle de tráfego Organização do tráfego
• Palavra(s)-Chave do Pesquisador: Alocação de Rotas | Aprendizado por Reforço | machine learning | Aprendizado por Reforço Multiagente

Resumo

O plano de trabalho proposto trata de aprendizado por reforço (um tipo de aprendizado de máquina) em ambientes multiagente. O objetivo é auxiliar na condução de pesquisas visando expandir métodos que objetivam lidar com aprendizado por reforço multiagente. Estes métodos serão aplicados em problemas de do mundo real como escolha de rotas e controle semafórico, ambos no domínio de tráfego urbano. Especificamente, o bolsista se ocupará da agenda que trata do uso de aprendizado no âmbito dos agentes semafóricos, incluindo a implementação dos métodos e protocolos que envolvem comunicação. Para tal, serão feitas implementações utilizando a linguagem de programação Python para programar os módulos de aprendizado por reforço dentro do simulador SUMO. O bolsista também participará das fases de teste e avaliação dos métodos implementados. (AU)