Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/49909
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMenezes, Maria Viviane de-
dc.contributor.authorLima, Maria Tassiane Barros de-
dc.date.accessioned2020-02-07T18:09:13Z-
dc.date.available2020-02-07T18:09:13Z-
dc.date.issued2019-
dc.identifier.citationLIMA, Maria Tassiane Barros de. Planejamento não determinístico baseado em redes neurais ASNet. 2019. 46 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação)- Universidade Federal do Ceará, Campus de Quixadá, Quixadá, 2019.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/49909-
dc.description.abstractAutomated Planning is the Artificial Intelligence subarea that is concerned with choosing an intelligent agent’s actions to achieve a goal. A planning problem in a given domain is described through an initial situation and a goal to be achieved. One solution to a planning problem is a sequence of actions that takes the agent from the initial state to a state that meets the goal, called the plan. In classical planning it is assumed that the planning environment evolves deterministically, that is, there is no uncertainty about the effects of the agent’s actions. However, there are situations where the effects of agent actions are uncertain, we may have two situations: actions with non-deterministic effects and actions with probabilistic effects. For these types of domains the solution is called policy. State of the art in automated planning consists of algorithms: (i) based on heuristic search, Boolean satisfiability, and planning graphs for deterministic action problems; (ii) based on formal techniques such as symbolic model verification for problems with non-deterministic actions and; decision-based markovian algorithms for problems with probabilistic actions. Recently, Toyer (2017) proposed the use of artificial neural networks to construct a planner for probabilistic action problems. To this end, he defined a neural network architecture called the Action Schema Network (ASNet). Subsequently, Schäfer (2018) used this architecture and proposed algorithms to obtain plans for deterministic planning problems. This paper proposes the use of ASNets neural networks to obtain policies for planning problems in domains with non-deterministic actions.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectPlanejamento automatizadopt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.titlePlanejamento não determinístico baseado em redes neurais ASNetpt_BR
dc.typeTCCpt_BR
dc.contributor.co-advisorOliveira, Paulo de Tarso Guerra-
dc.description.abstract-ptbrPlanejamento Automatizado é a subárea da Inteligência Artificial que se preocupa com a escolha de ações de um agente inteligente para alcançar uma meta. Um problema de planejamento, em um dado domínio, é descrito por meio de uma situação inicial e de uma meta a ser alcançada. Uma solução para um problema de planejamento é uma sequência de ações que leva o agente do estado inicial a um estado satisfazendo a meta, denominada plano. No planejamento clássico supõe-se que o ambiente de planejamento evolui de forma determinística, ou seja, que não há incerteza sobre os efeitos das ações do agente. No entanto, há situações em que os efeitos das ações do agente são incertos, podemos ter duas situações: as ações com efeitos não determinísticos e ações com efeitos probabilísticos. Para estes tipos de domínios a solução é denominada política. O estado da arte em planejamento automatizado consiste em algoritmos: (i) baseados em busca heurística, satisfazibilidade booleana e grafos de planejamento para problemas com ações determinísticas; (ii) baseados em técnicas formais tais como verificação simbólica de modelos para problemas com ações não determinísticas e; algoritmos baseados em processos de decisão markovianos para problemas com ações probabilísticas. Recentemente, Toyer (2017) propôs a utilização de redes neurais artificias na construção de um planejador para problemas com ações probabilísticas. Para isto, definiu uma arquitetura de rede neural, denominada Action Schema Network (ASNet). Em seguida, Schäfer (2018) utilizou esta arquitetura e algoritmos propostos para obtenção de planos para problemas de planejamento determinístico. Este trabalho propõe a utilização das redes neurais ASNets para obter políticas para problemas de planejamento em domínios com ações não determinísticas.pt_BR
Appears in Collections:CIÊNCIA DA COMPUTAÇÃO-QUIXADÁ - Monografias

Files in This Item:
File Description SizeFormat 
2019_tcc_mtbdelima.pdf825,63 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.