O Aprendizado por Reforço (AR), em inglês, Reinforcement Learning, é um campo da Inteligência Artificial amplamente abordado na literatura. No AR um agente aprende a partir de reforços/penalidades a selecionar as melhores ações para as diversas situações de um ambiente (estados). Possui fundamentação nos Processos de Decisão de Markov, e assim é estruturado em ações, estados, reforços e transições de estados.
Área de concentração dos trabalhos:
Otimização e ajuste de parâmetros (Tuning of Reinforcement Learning Parameters).
LARSim - Laboratório de Aprendizado por Reforço Simulado
O LARSim é uma interface gráfica interativa em MATLAB para o estudo de AR, direcionada para alunos de graduação e pós-graduação. A interface proposta permite ao estudante testar algoritmos de AR, configurar parâmetros de aprendizado e verificar resultados da simulação para instâncias de problemas de otimização combinatória (TSP e MKP) e navegação simulada. Nesse sentido, espera-se facilitar e motivar estudantes no aprendizado de conceitos de AR.
Artigo Publicado no Periódico IEEE Latin America Transactions