Estratégias de busca reativa utilizando aprendizagem por reforço e algoritmos de busca local

Página do item simplificado Estatísticas
dc.contributor.advisorMelo, Jorge Dantas de
dc.contributor.advisorIDpt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/7325007451912598
dc.contributor.authorSantos, João Paulo Queiroz dos
dc.contributor.authorIDpt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/2413250851590746
dc.contributor.referees1Dória Neto, Adrião Duarte
dc.contributor.referees1IDpt_BR
dc.contributor.referees1Latteshttp://lattes.cnpq.br/1987295209521433
dc.contributor.referees2Aloise, Daniel
dc.contributor.referees2IDpt_BR
dc.contributor.referees2Latteshttp://lattes.cnpq.br/5093210888872414
dc.contributor.referees3Aloise, Dario José
dc.contributor.referees3IDpt_BR
dc.contributor.referees3Latteshttp://lattes.cnpq.br/7266011798625538
dc.contributor.referees4Lima Júnior, Francisco Chagas de
dc.contributor.referees4IDpt_BR
dc.contributor.referees4Latteshttp://lattes.cnpq.br/9342041276186254
dc.contributor.referees5Cavalcanti, George Darmiton da Cunha
dc.contributor.referees5IDpt_BR
dc.contributor.referees5Latteshttp://lattes.cnpq.br/8577312109146354
dc.date.accessioned2015-11-27T14:58:26Z
dc.date.available2015-11-27T14:58:26Z
dc.date.issued2014-09-12
dc.description.resumoTécnicas de otimização conhecidas como as metaheurísticas tem conseguido resolversatisfatoriamente problemas conhecidos, mas desenvolvimento das metaheurísticas écaracterizado por escolha de parâmetros para sua execução, na qual a opção apropriadadestes parâmetros (valores). Onde o ajuste de parâmetro é essencial testa-se os parâmetrosaté que resultados viáveis sejam obtidos, normalmente feita pelo desenvolvedor que estaimplementando a metaheuristica. A qualidade dos resultados de uma instância1 de testenão será transferida para outras instâncias a serem testadas e seu feedback pode requererum processo lento de “tentativa e erro” onde o algoritmo têm que ser ajustado para umaaplicação especifica. Diante deste contexto das metaheurísticas surgiu a Busca Reativaque defende a integração entre o aprendizado de máquina dentro de buscas heurísticaspara solucionar problemas de otimização complexos. A partir da integração que a BuscaReativa propõe entre o aprendizado de máquina e as metaheurísticas, surgiu a ideia dese colocar a Aprendizagem por Reforço mais especificamente o algoritmo Q-learning deforma reativa, para selecionar qual busca local é a mais indicada em determinado instanteda busca, para suceder uma outra busca local que não pode mais melhorar a soluçãocorrente na metaheurística VNS. Assim, neste trabalho propomos uma implementação reativa,utilizando aprendizado por reforço para o auto-tuning do algoritmo implementado,aplicado ao problema do caixeiro viajante simétrico e ao problema escalonamento sondaspara manutenção de poços.pt_BR
dc.identifier.citationSANTOS, João Paulo Queiroz dos. Estratégias de busca reativa utilizando aprendizagem por reforço e algoritmos de busca local. 2014. 111f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2014.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/jspui/handle/123456789/19393
dc.language.isoporpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAprendizagem por reforçopt_BR
dc.subjectBusca reativapt_BR
dc.subjectOtimização combinatóriapt_BR
dc.subjectBusca localpt_BR
dc.subjectBusca em vizinhança variávelpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.titleEstratégias de busca reativa utilizando aprendizagem por reforço e algoritmos de busca localpt_BR
dc.typedoctoralThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
JoaoPauloQueirozDosSantos_TESE.pdf
Tamanho:
2.68 MB
Formato:
Adobe Portable Document Format
Imagem de Miniatura
 Baixar

Coleções

PPGEE - Doutorado em Engenharia Elétrica e de Computação
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM