Sistemas multiagentes para coleta e entrega combinando algoritmos genéticos e planejamento de caminho

• Ano de defesa: 2022
• Autor(a) principal: Queiroz, Ana Carolina Ladeira Costa
• Orientador(a): Bernardino, Heder Soares
• Banca de defesa: Gonçalves, Luciana Brugiolo , Silva, Eduardo Krempser da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Ciência da Computação
• Departamento: ICE – Instituto de Ciências Exatas
• País: Brasil
• Palavras-chave em Português: Sistemas multiagentes; Alocação de tarefas; Planejamento de caminho; Algoritmo genético; Otimização multiobjetivo; Multiagent systems; Task allocation; Path planning; Genetic algorithm; Multi-objective optimization
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: https://doi.org/10.34019/ufjf/di/2022/00078; https://repositorio.ufjf.br/jspui/handle/ufjf/14167

Centros de distribuição estão cada dia mais automatizados com a utilização de robôs móveis autônomos. Estes robôs desempenham a função de movimentar produtos, aumentando a produtividade nos armazéns. Vários trabalhos vêm sendo estudados na literatura que buscam capturar essas características e o Multi-Agent Pickup and Delivery (MAPD) é um exemplo de problema desta área. Neste problema, tarefas aparecem no sistema em diferentes instantes de tempo, e cada tarefa tem duas posições, uma posição de coleta e uma de entrega. Os agentes devem atender a esse fluxo de tarefas, se deslocando para a posição de coleta e depois de entrega da tarefa. Comumente, esse problema tem duas partes: (i) alocação de tarefas, em que o agente recebe uma sequência de tarefas a serem executadas, e (ii) planejamento de caminho, no qual é necessário encontrar o melhor caminho para o agente realizar sua tarefa sem colidir com outros agentes. O problema de encontrar caminhos para multiagentes também é conhecido como Multi-Agent Path Finding (MAPF). Neste trabalho, foram propostos diferentes algoritmos genéticos para resolver a parte de alocação de tarefas do MAPD. Também foi apresentado uma análise dos objetivos dos problemas e este problema foi tratado com uma abordagem multiobjetivo, utilizando o Non-dominated Sorting Genetic Algorithm (NSGA-II) a fim de minimizar duas funções objetivo, makespan e service time. Para o sub-problema MAPF, foram utilizados algoritmos de planejamento de caminhos já conhecidos na literatura: o Prioritized Planning (PP) e a Conflict Based Search (CBS). Também foi utilizada outra abordagem para o Prioritized Planning, denominado PP-E. Esta abordagem, PPE, tem como fim evitar futuras colisões entre agentes, possibilitando que o agente se desloque para outra posição livre após chegar na sua posição de objetivo. Experimentos computacionais foram realizados em dois ambientes, com diferentes tamanhos, números de agentes, quantidade de tarefas e taxa de entrada de tarefas no sistema. Os resultados foram comparados com algoritmos da literatura e mostraram que a abordagem proposta alcança melhores resultados quando comparada a outras técnicas.