Controle ótimo de descarregadores de navios utilizando aprendizado por reforço
Autor(a) principal: | |
---|---|
Data de Publicação: | 2003 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Sba: Controle & Automação Sociedade Brasileira de Automatica |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592003000400004 |
Resumo: | Este trabalho descreve o uso de Aprendizado por Reforço para a obtenção de trajetórias ótimas e controle anti-balanço de um descarregador de navios. O ciclo de descarga é dividido em seis etapas e, para cada uma delas, é definido um problema de otimização. Para a solução deste são utilizados um algoritmo TD(0) juntamente com uma rede neural do tipo perceptron multicamada como um aproximador da função valor. Os resultados obtidos são comparados com resultados de Controle Ótimo. |
id |
SBA-2_9e19cc8914d2cfe7bc0a9cd251b8f66d |
---|---|
oai_identifier_str |
oai:scielo:S0103-17592003000400004 |
network_acronym_str |
SBA-2 |
network_name_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository_id_str |
|
spelling |
Controle ótimo de descarregadores de navios utilizando aprendizado por reforçoAprendizado por ReforçoControle ÓtimoControle Anti-BalançoDescarregadores de NaviosRedes NeuraisEste trabalho descreve o uso de Aprendizado por Reforço para a obtenção de trajetórias ótimas e controle anti-balanço de um descarregador de navios. O ciclo de descarga é dividido em seis etapas e, para cada uma delas, é definido um problema de otimização. Para a solução deste são utilizados um algoritmo TD(0) juntamente com uma rede neural do tipo perceptron multicamada como um aproximador da função valor. Os resultados obtidos são comparados com resultados de Controle Ótimo.Sociedade Brasileira de Automática2003-12-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592003000400004Sba: Controle & Automação Sociedade Brasileira de Automatica v.14 n.4 2003reponame:Sba: Controle & Automação Sociedade Brasileira de Automaticainstname:Sociedade Brasileira de Automática (SBA)instacron:SBA10.1590/S0103-17592003000400004info:eu-repo/semantics/openAccessScárdua,Leonardo AzevedoCruz,José Jaime daCosta,Anna Helena Realipor2004-04-15T00:00:00Zoai:scielo:S0103-17592003000400004Revistahttps://www.sba.org.br/revista/PUBhttps://old.scielo.br/oai/scielo-oai.php||revista_sba@fee.unicamp.br1807-03450103-1759opendoar:2004-04-15T00:00Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA)false |
dc.title.none.fl_str_mv |
Controle ótimo de descarregadores de navios utilizando aprendizado por reforço |
title |
Controle ótimo de descarregadores de navios utilizando aprendizado por reforço |
spellingShingle |
Controle ótimo de descarregadores de navios utilizando aprendizado por reforço Scárdua,Leonardo Azevedo Aprendizado por Reforço Controle Ótimo Controle Anti-Balanço Descarregadores de Navios Redes Neurais |
title_short |
Controle ótimo de descarregadores de navios utilizando aprendizado por reforço |
title_full |
Controle ótimo de descarregadores de navios utilizando aprendizado por reforço |
title_fullStr |
Controle ótimo de descarregadores de navios utilizando aprendizado por reforço |
title_full_unstemmed |
Controle ótimo de descarregadores de navios utilizando aprendizado por reforço |
title_sort |
Controle ótimo de descarregadores de navios utilizando aprendizado por reforço |
author |
Scárdua,Leonardo Azevedo |
author_facet |
Scárdua,Leonardo Azevedo Cruz,José Jaime da Costa,Anna Helena Reali |
author_role |
author |
author2 |
Cruz,José Jaime da Costa,Anna Helena Reali |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Scárdua,Leonardo Azevedo Cruz,José Jaime da Costa,Anna Helena Reali |
dc.subject.por.fl_str_mv |
Aprendizado por Reforço Controle Ótimo Controle Anti-Balanço Descarregadores de Navios Redes Neurais |
topic |
Aprendizado por Reforço Controle Ótimo Controle Anti-Balanço Descarregadores de Navios Redes Neurais |
description |
Este trabalho descreve o uso de Aprendizado por Reforço para a obtenção de trajetórias ótimas e controle anti-balanço de um descarregador de navios. O ciclo de descarga é dividido em seis etapas e, para cada uma delas, é definido um problema de otimização. Para a solução deste são utilizados um algoritmo TD(0) juntamente com uma rede neural do tipo perceptron multicamada como um aproximador da função valor. Os resultados obtidos são comparados com resultados de Controle Ótimo. |
publishDate |
2003 |
dc.date.none.fl_str_mv |
2003-12-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592003000400004 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592003000400004 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S0103-17592003000400004 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
dc.source.none.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica v.14 n.4 2003 reponame:Sba: Controle & Automação Sociedade Brasileira de Automatica instname:Sociedade Brasileira de Automática (SBA) instacron:SBA |
instname_str |
Sociedade Brasileira de Automática (SBA) |
instacron_str |
SBA |
institution |
SBA |
reponame_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
collection |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository.name.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA) |
repository.mail.fl_str_mv |
||revista_sba@fee.unicamp.br |
_version_ |
1754824563979452416 |