Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Figueiredo, Levi Porto |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual do Ceará
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Link de acesso: |
https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=106386
|
Resumo: |
O problema Cooperative Target Observation (CTO) consiste em comandar um grupo de agentes observadores, com visão limitada, que deve se mover para manter a observação de múltiplos agentes alvos móveis, com o objetivo de maximizar o número médio de alvos observados durante o período considerado. Algoritmos centralizados para este problema apresentam bom desempenho, mas sofrem de duas fraquezas: alta demanda de comunicação e um nó de falha crítica que é o nó central. Neste trabalho é proposto um algoritmo de comando descentralizado dos observadores que utiliza de Q-Learning Baseado em Instância (Lazy Q-Learning), o qual é uma variante de um algoritmo anterior proposto para um problema relacionado: o Cooperative Multirobot Observation of Multiple Moving Targets (CMOMMT). O desempenho do Lazy Q-Learning é comparado com os de algoritmos centralizados e descentralizados já presentes na literatura. Resultados de simulações apontam que o algoritmo proposto aplicado ao problema CTO é viável |
