Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/12552
Document type: Dissertação
Access type: Acesso Aberto
Title: Planejamento baseado em busca e aprendizagem
Author: Alves, Raulcézar Maximiano Figueira
First Advisor: Lopes, Carlos Roberto
First member of the Committee: Tavares, José Jean-paul Zanlucchi de Souza
Second member of the Committee: Barros, Leliane Nunes de
Summary: Durante décadas, vários sistemas de planejamento vêm sendo propostos a m de encontrar soluções para os mais diversos problemas do dia-a-dia. Porém, apenas recentemente, sistemas de planejamento começaram a obter resultados satisfatórios através de métodos de busca para construir seus planos. Como exemplo de planejador de sucesso, pode-se citar o sistema Fast Forward que combina a execução de dois métodos de busca, o Enforced Hill Climbing e o Best First Search. Técnicas introduzidas pelo Fast Forward tem sido também aplicadas em muitos outros planejadores mais recentes. Apesar da estratégia do Fast Forward apresentar um desempenho superior quando comparado a outros métodos, ela também mostra algumas fragilidades. Para alguns problemas de planejamento, o Enforced Hill Climbing não consegue escapar de máximos/ mínimos locais, o que o leva a car preso em becos sem saída, fazendo com que ele falhe. Caso isso ocorra, uma busca completa é realizada pelo Best First Search, que pode falhar por falta de espaço de memória. Note que esses problemas podem afetar qualquer algoritmo de busca. Este trabalho descreve o desenvolvimento de um planejador, chamado de SLPlan, baseado em versões otimizadas dos algoritmos Enforced Hill Climbing e Learning Real- Time A* que tentam reduzir o impacto dos problemas descritos acima para construir planos de forma mais eciente. Além disso, a aplicação de técnicas de planejamento na solução de problemas relevantes é tema de especial interesse pela comunidade de planejamento. A geração de processos de negócio (workow) é uma das áreas que podem se beneciar do uso de planejamento. Nesta dissertação especica-se também como o planejador desenvolvido foi aplicado na geração automática de modelos de processos de negócio.
Abstract: For decades, several planning systems have been proposed in order to nd solutions to many of the dierent problems encountered in everyday life. However, only in recent years, have planning systems started to obtain satisfactory results through the use of search methods for building plans. As a successful planner, Fast Forward combines the execution of two search methods, Enforced Hill Climbing and Best First Search. Techniques introduced by Fast Forward have also been applied in many other recent planners. Although Fast Forward strategy presents an enhanced performance when compared to alternative methods, it shows some weaknesses. For some planning problems Enforced Hill Climbing cannot escape from local maxima/minima, which means it might get stuck at dead ends, thus leading to a failure. In the event of such occurrences, a complete search is performed by Best First Search, which may fail due to lack of memory space. Note that these troubles could aect any search algorithm. This paper describes the development of a planner, called SLPlan, based on optmized versions of the algorithms Enforced Hill Climbing and Learning Real-Time A* that aim to reduce the impact of the troubles cited before in order to build plans more eciently. Besides, the application of planning techniques in solving relevant problems is of particular concern for the planning community. The generation of business processes ( work- ow) is one of the areas that can benet from the use of planning. This dissertation also species how SLPlan was applied to the automatic generation of business processes models.
Keywords: Sistemas de planejamento
Fast forward
Enforced hill climbing
Best first search
Learning real-time a*
Planning systems
Inteligência artificial
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Country: BR
Publisher: Universidade Federal de Uberlândia
Institution Acronym: UFU
Department: Ciências Exatas e da Terra
Program: Programa de Pós-graduação em Ciência da Computação
Quote: ALVES, Raulcézar Maximiano Figueira. Planejamento baseado em busca e aprendizagem. 2014. 122 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de Uberlândia, Uberlândia, 2014. DOI https://doi.org/10.14393/ufu.di.2014.30
Document identifier: https://doi.org/10.14393/ufu.di.2014.30
URI: https://repositorio.ufu.br/handle/123456789/12552
Date of defense: 10-Feb-2014
Appears in Collections:DISSERTAÇÃO - Ciência da Computação

Files in This Item:
File Description SizeFormat 
PlanejamentoBaseadoBusca.pdf1.67 MBAdobe PDFThumbnail
View/Open


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