Gerenciando incertezas e conflitos em decisões automatizadas: um protótipo de sistema multiagente utilizando a Teoria de Dempster-Shafer
Estratégias para o desenvolvimento de agentes inteligentes capazes de cooperar, coordenar e tomar decisões em ambientes distribuídos são essenciais para superar a limitação da dependência de uma visão global típica dos modelos tradicionais de inteligência artificial. Este trabalho tem como objetivo...
| Autor: | |
|---|---|
| Tipo de documento: | artigo |
| Estado: | Versão publicada |
| Data de publicação: | 2025 |
| País: | Brasil |
| Recursos: | Universidade do Estado de Santa Catarina (UDESC) |
| Repositório: | Repositório Institucional da Udesc |
| Idioma: | português |
| OAI Identifier: | oai:repositorio.udesc.br:UDESC/22063 |
| Acesso em linha: | https://repositorio.udesc.br/handle/UDESC/22063 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Sistemas multiagentes Teoria de Dempster-Shafer Arquitetura distribuída |
| Resumo: | Estratégias para o desenvolvimento de agentes inteligentes capazes de cooperar, coordenar e tomar decisões em ambientes distribuídos são essenciais para superar a limitação da dependência de uma visão global típica dos modelos tradicionais de inteligência artificial. Este trabalho tem como objetivo analisar o estado da arte sobre sistemas multiagentes e propor um protótipo funcional que integra a Teoria de Dempster-Shafer para tratar incertezas na tomada de decisão. A metodologia contempla revisão teórica, modelagem e implementação de uma arquitetura distribuída composta por seis agentes no ambiente simulado de uma linha de produção, onde itens são avaliados por múltiplos sensores e um agente decisor utiliza a combinação de evidências para classificar automaticamente os resultados. Os principais resultados demonstram que a solução é capaz de automatizar decisões mesmo diante de incertezas e dados contraditórios provenientes de diferentes sensores, mantendo estabilidade e desempenho. A abordagem distribuída promove flexibilidade, escalabilidade e robustez, embora desafios como descoberta dinâmica de agentes e tolerância a falhas permaneçam como oportunidades para aprimoramentos futuros. |
|---|