dc.contributor.advisor | Silva, Luís Alvaro de Lima | |
dc.creator | Gez, Jairo Ferreira | |
dc.date.accessioned | 2021-07-14T20:06:04Z | |
dc.date.available | 2021-07-14T20:06:04Z | |
dc.date.issued | 2021-02-09 | |
dc.date.submitted | 2021 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/21430 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa
Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2021. | por |
dc.description.abstract | Pathfinding algorithms and deep neural networks have gained prominence in the area of Artificial
Intelligence (AI). In general, these algorithms have a heuristic that guides the search for each expanded
node during the p ath search. The problem is that heuristic functions traditionally used by various
pathfinding algorithms, such as the Euclidean distance and the Manhattan distance, do not consider the
characteristics of the virtual maps in which the path is computed, ten d ing to expand more and more nodes
as the path length grows. Such expansion of nodes ends up generating long search times when large search
spaces are being treated. To solve this problem, this work investigates how to use deep neural networks in
the constr uction of heuristic functions for hierarchical pathfinding algorithms, thus allowing to optimize the
search for paths in large virtual maps and different natures. Specifical ly, this work explores the
implementation of a hierarchical search algorithm, which divides virtual maps into sub maps, generating a
level of abstraction to speed up the search process. Once the abstract path is ready, the algorithm makes a
refinement at t he lowest level of abstraction, using the search algorithm A *. The main objective of this
work is, therefore, to verify if the A * used in each sub map can be optimized with the use of deep neural
networks as heuristic functions. Experiments were carried out using three different types of virtual maps,
where results obtained were analyz ed using statistical regression techniques. From the results obtained, the
hierarchical algorithm explored in this work was optimized in terms of time and expanded nodes. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Pathfinding hierárquico | por |
dc.subject | Redes neurais profundas | por |
dc.subject | Pathfinding | eng |
dc.subject | Inteligência artificial | por |
dc.title | Análise de algoritmos de busca hierárquica com a utilização de redes neurais profundas | por |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.description.resumo | Algoritmos de pathfinding e redes neurais profundas têm ganhado destaque na área de Inteligência
Artificial (IA). Em geral, estes algoritmos contam com uma heurística que guia a busca a cada nodo
expandido durante a busca do caminho. O problema é que funções heurísticas tradicionalmente usadas por vários algoritmos de pathfinding, a exemplo da distância Euclidiana e a distância de Manhattan, não
consideram as características dos mapas virtuais em que o caminho é computado, tendendo a expandir cada vez mais nodos a medida em que o comprimento do caminho cresce. Tal expansão de nodos acaba gerando tempos de busca elevados quando grandes espaços de busca estão sendo tratados. Para abordar esse problema, este trabalho investiga como usar redes neurais profundas na construção de funções heurísticas para algoritmos de pathfinding hierárquicos, permitindo assim otimizar a busca de caminhos em mapas virtuais de grandes dimensões e diferentes naturezas. Especificamente, este trabalho explora a
implementação de um algoritmo hierárquico de busca, o qual divide os mapas virtuais em sub mapas,
gerando um nível de abstração para acelerar o processo de busca. Uma vez que o caminho abstrato está
pronto, o algoritmo faz um refinamento no nível mais baixo de abstração, empregando o algoritmo de
busca A*. O principal objetivo deste trabalho é, portanto, verificar se o A* empregado em cada sub mapa
pode ser otimizado com a utilização de redes neurais profundas como funções heurísticas. E experimentos
foram realizados com o emprego de três diferentes tipos de mapas virtuais, onde resultados obtidos foram
analisados a partir de técnicas estatísticas de regressão. A partir dos resultados obtidos, o algoritmo
hierárquico explorado neste trabalho foi otimizado em termos de tempo e nodos expandidos | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |