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...
| Author: | |
|---|---|
| Format: | article |
| Status: | Published version |
| Publication Date: | 2025 |
| Country: | Brasil |
| Institution: | Universidade do Estado de Santa Catarina (UDESC) |
| Repository: | Repositório Institucional da Udesc |
| Language: | Portuguese |
| OAI Identifier: | oai:repositorio.udesc.br:UDESC/22063 |
| Online Access: | https://repositorio.udesc.br/handle/UDESC/22063 |
| Access Level: | Open access |
| Keyword: | Sistemas multiagentes Teoria de Dempster-Shafer Arquitetura distribuída |
| Summary: | 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. |
|---|