Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovables

Autores
Beccaria, Ezequiel; Bogado, Verónica S.; Palombarini, Jorge
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La dinámica y complejidad de los entornos industriales actualmente han llevado a la necesidad de soluciones que permitan capturar la interacción en tiempo real para tomar decisiones sobre el control de los procesos involucrados. El Aprendizaje por Refuerzo es un enfoque promisorio, que se aplica en problemas de decisión secuencial, donde la complejidad radica en la interacción agente-entorno y la incertidumbre subyacente del entorno, pero requiere de una simulación que refleje el proceso bajo control (entorno) y su dinámica para entrenar el agente. En particular, el uso de energías alternativas representa un problema con enormes desafíos, donde existen procesos críticos que necesitan monitoreo y control en tiempo real de un ambiente altamente incierto. En este trabajo, se presenta una solución para entrenar este tipo de agentes con entornos modelados y simulados usando DEVS. El mismo se aplica al problema de generación y administración de una energía alterna, biogás producido por un digestor y usado por diferentes perfiles de consumidores industriales.
XXIII Workshop Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
aprendizaje por refuerzo
DEVS
problemas de decisión
energías renovables
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/149575
Acceder
id SEDICI_28dbb04595644e7ee1db7cb0fed5fa9d
oai_identifier_str oai:sedici.unlp.edu.ar:10915/149575
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovablesBeccaria, EzequielBogado, Verónica S.Palombarini, JorgeCiencias Informáticasaprendizaje por refuerzoDEVSproblemas de decisiónenergías renovablesLa dinámica y complejidad de los entornos industriales actualmente han llevado a la necesidad de soluciones que permitan capturar la interacción en tiempo real para tomar decisiones sobre el control de los procesos involucrados. El Aprendizaje por Refuerzo es un enfoque promisorio, que se aplica en problemas de decisión secuencial, donde la complejidad radica en la interacción agente-entorno y la incertidumbre subyacente del entorno, pero requiere de una simulación que refleje el proceso bajo control (entorno) y su dinámica para entrenar el agente. En particular, el uso de energías alternativas representa un problema con enormes desafíos, donde existen procesos críticos que necesitan monitoreo y control en tiempo real de un ambiente altamente incierto. En este trabajo, se presenta una solución para entrenar este tipo de agentes con entornos modelados y simulados usando DEVS. El mismo se aplica al problema de generación y administración de una energía alterna, biogás producido por un digestor y usado por diferentes perfiles de consumidores industriales.XXIII Workshop Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf50-59http://sedici.unlp.edu.ar/handle/10915/149575spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-1364-31-2info:eu-repo/semantics/reference/hdl/10915/149102info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:10:25Zoai:sedici.unlp.edu.ar:10915/149575Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:10:25.538SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovables
title Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovables
spellingShingle Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovables
Beccaria, Ezequiel
Ciencias Informáticas
aprendizaje por refuerzo
DEVS
problemas de decisión
energías renovables
title_short Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovables
title_full Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovables
title_fullStr Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovables
title_full_unstemmed Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovables
title_sort Entorno de simulación basado en DEVS para agentes de aprendizaje por refuerzo aplicado a la generación y administración de energías renovables
dc.creator.none.fl_str_mv Beccaria, Ezequiel
Bogado, Verónica S.
Palombarini, Jorge
author Beccaria, Ezequiel
author_facet Beccaria, Ezequiel
Bogado, Verónica S.
Palombarini, Jorge
author_role author
author2 Bogado, Verónica S.
Palombarini, Jorge
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
aprendizaje por refuerzo
DEVS
problemas de decisión
energías renovables
topic Ciencias Informáticas
aprendizaje por refuerzo
DEVS
problemas de decisión
energías renovables
dc.description.none.fl_txt_mv La dinámica y complejidad de los entornos industriales actualmente han llevado a la necesidad de soluciones que permitan capturar la interacción en tiempo real para tomar decisiones sobre el control de los procesos involucrados. El Aprendizaje por Refuerzo es un enfoque promisorio, que se aplica en problemas de decisión secuencial, donde la complejidad radica en la interacción agente-entorno y la incertidumbre subyacente del entorno, pero requiere de una simulación que refleje el proceso bajo control (entorno) y su dinámica para entrenar el agente. En particular, el uso de energías alternativas representa un problema con enormes desafíos, donde existen procesos críticos que necesitan monitoreo y control en tiempo real de un ambiente altamente incierto. En este trabajo, se presenta una solución para entrenar este tipo de agentes con entornos modelados y simulados usando DEVS. El mismo se aplica al problema de generación y administración de una energía alterna, biogás producido por un digestor y usado por diferentes perfiles de consumidores industriales.
XXIII Workshop Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática
description La dinámica y complejidad de los entornos industriales actualmente han llevado a la necesidad de soluciones que permitan capturar la interacción en tiempo real para tomar decisiones sobre el control de los procesos involucrados. El Aprendizaje por Refuerzo es un enfoque promisorio, que se aplica en problemas de decisión secuencial, donde la complejidad radica en la interacción agente-entorno y la incertidumbre subyacente del entorno, pero requiere de una simulación que refleje el proceso bajo control (entorno) y su dinámica para entrenar el agente. En particular, el uso de energías alternativas representa un problema con enormes desafíos, donde existen procesos críticos que necesitan monitoreo y control en tiempo real de un ambiente altamente incierto. En este trabajo, se presenta una solución para entrenar este tipo de agentes con entornos modelados y simulados usando DEVS. El mismo se aplica al problema de generación y administración de una energía alterna, biogás producido por un digestor y usado por diferentes perfiles de consumidores industriales.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/149575
url http://sedici.unlp.edu.ar/handle/10915/149575
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-1364-31-2
info:eu-repo/semantics/reference/hdl/10915/149102
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
50-59
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260608253165568
score 13.13397

Publicaciones similares