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

• Processo: 22/03607-2
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de abril de 2022
• Data de Término da vigência: 31 de julho de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Ana Lúcia Cetertich Bazzan
• Beneficiário: Marco Antonio Chitolina da Silva
• Instituição Sede: Instituto de Informática. Universidade Federal do Rio Grande do Sul (UFRGS). Ministério da Educação (Brasil). 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): Mobilidade urbana Controle de tráfego Organização do tráfego Inteligência artificial Otimização multiobjetivo Algoritmos evolutivos
• Palavra(s)-Chave do Pesquisador: Aprendizado por Reforço | Inteligência Artificial | otimização multiobjetivo | Inteligência Artificial

Resumo

Tradicionalmente, o comportamento de agentes inteligentes em sistemas de transporte é direcionado a um objetivo, como minimização do tempo de viagem. Porém, agentes humanos consideram múltiplos objetivos: além do tempo de viagem, um motorista pode considerar as despesas com combustível e/ou pedágio, a distância percorrida, a segurança das áreas trafegadas, entre outros fatores, com diferentes graus de prioridade. Neste trabalho, serão investigadas abordagens para o projeto de agentes inteligentes que considerem múltiplos objetivos com diferentes prioridades, gerando comportamentos mais próximos ao humano. O foco será no estudo e extensão de algoritmos evolutivos e de aprendizado por reforço para otimização de múltiplos objetivos, realizando um estudo comparativo das duas abordagens. (AU)