O Repositório será lançado oficialmente no dia 9 de abril de 2025 às 14h30min no miniauditório do Campus Nova Suiça.

Mestrado em Modelagem Matemática e Computacional

URI Permanente para esta coleção

https://repositorio.cefetmg.br//handle/123456789/647

Navegar

Navegando Mestrado em Modelagem Matemática e Computacional por Assunto "Agentes inteligentes"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Efeito da hibridização dinâmica de meta-heurísticas em um sistema multiagentes distribuído e escalável
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2022-03-25) Resi, Felipe Duarte dos; Borges, Henrique Elias; Gomes, Rogério Martins; http://lattes.cnpq.br/0460460352086325; http://lattes.cnpq.br/6447512644654475; http://lattes.cnpq.br/4965215490981944; Borges, Henrique Elias; Gomes, Rogério Martins; Santos, Bruno André; Wanner, Elizabeth Fialho
    Metaheurísticas híbridas reportam uma melhora significativa comparadas com as respectivas implementações clássicas. Apesar da técnica de hibridização de metaheurísticas ser promissora, ainda assim é possível encontrar problemas técnicos e fundamentalmente teóricos. As principais dificuldades técnicas são a necessidade do conhecimento do problema, e uma vez desenvolvida, é necessário calibrar os parâmetros numéricos do algoritmo. Uma alternativa ao desenvolvimento de novas meta-heurísticas, ou a hibridização manual delas, é utilizar os mecanismos de colaboração e comunicação próprios da modelagem de sistemas multi-agentes (MMAS) para promover uma hibridização dinâmica de diferentes estratégias de busca. A arquitetura D-Optimas é um MMAS baseado no modelo de atores, onde cada agente encapsula uma meta-heurística diferente e, dotado de um mecanismo de aprendizagem colabora com os demais agentes para encontrar a melhor solução para um problema de otimização. Os agentes interagem no espaço de busca que é dividido em regiões, que possuem um comportamento independente, podendo receber novas soluções, se particionar ou se fundir. O presente trabalho evoluiu a arquitetura D-Optimas comparada a sua última versão, adicionando mais algoritmos de otimização, atualizando a implementação para a biblioteca akka-cluster e simplificando a sua execução em um cluster. Este trabalho avaliou experimentalmente tanto a escalabilidade quanto o efeito da diversidade na qualidade das soluções. A arquitetura se mostrou escalável em um cluster de até seis nós, mantendo o número de agentes. A diversidade não se mostrou um fator relevante em todos os casos estudados.