Path-planning utilizando uma rede neural artificial de aprendizado profundo
| dc.contributor.advisor | Müller, Felipe Martins | |
| dc.creator | Júnior, Cleverton Bueno dos Santos | |
| dc.date.accessioned | 2021-07-09T17:11:12Z | |
| dc.date.available | 2021-07-09T17:11:12Z | |
| dc.date.issued | 2021 | |
| dc.date.submitted | 2021 | |
| dc.identifier.uri | http://repositorio.ufsm.br/handle/1/21381 | |
| dc.language | por | por |
| dc.publisher | Universidade Federal de Santa Maria | por |
| dc.rights | Acesso Aberto | por |
| dc.title | Path-planning utilizando uma rede neural artificial de aprendizado profundo | por |
| dc.type | Trabalho de Conclusão de Curso de Graduação | por |
| dc.degree.local | Santa Maria, RS, Brasil | por |
| dc.description.resumo | Este estudo busca verificar a possibilidade da utilização de técnicas avançadas de inteligência artificial como opção para o planejamento de caminhos de unidades de transporte em um armazém autônomo, baseando-se em um clássico problema de logística, conhecido como “Problema do Caixeiro Viajante” (PCV) um problema que tenta determinar a menor rota para percorrer uma série de cidades (visitando uma única vez cada uma delas). Foram utilizadas 2 redes neurais artificiais com arquiteturas diferentes e os resultados foram comparados à técnicas já utilizadas bem como técnicas que foram apenas simuladas em ambiente virtual. A partir dos testes pudemos chegar a algumas conclusões que serão relatadas no trabalho, bem como todos os problemas encontrados no desenvolvimento da plataforma de testes. | por |
| dc.publisher.country | Brasil | por |
| dc.publisher.initials | UFSM | por |
| dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | por |
| dc.publisher.unidade | Centro de Tecnologia | por |
Arquivos deste item
Este item aparece na(s) seguinte(s) coleção(s)
-
TCC Engenharia de Produção [200]
Coleção de trabalhos de conclusão do Curso de Engenharia de Produção