| Resumo: |
Ao longo das últimas décadas assistiu-se a um aumento da utilização da modelação matemática em todos os campos da ciência, em relação directa com o rápido progresso dos meios informáticos. Os modelos matemáticos são
utilizados em Ecologia teórica e aplicada. Recentemente, uma nova área de investigação tem vindo a emergir, resultante da aplicação de técnicas da área da Inteligência Artificial (IA) tais como a Aprendizagem e os Agentes Autónomos às Ciências do Ambiente, conforme reflectido em diversos "Workshops" internacionais.
Na implementação de um modelo matemático, o primeiro conjunto de simulações é geralmente planeado de forma a testar a lógica interna do modelo. Quando esta tarefa é concluída, é necessário calibrar o modelo, realizando um segundo conjunto de simulações para ajustar os parâmetros do modelo de modo a reproduzir adequadamente os resultados observados. Os parâmetros regulam o comportamento das equações que descrevem as variáveis ao longo do tempo e do espaço, bem como as suas interacções. Geralmente, há alguma incerteza quanto ao valor de cada parâmetro. O processo de calibração pode ser longo e muito trabalhoso e requer uma compreensão clara dos efeitos dos parâmetros nas variáveis. Após a calibração do modelo, deve realizar-se mais um conjunto de simulações para proceder à sua validação com valores observados que não tenham sido utilizados na calibração.
Uma vez validado o modelo, pode passar-se à sua utilização definindo-se simulações em função dos objectivos para os quais o modelo foi desenvolvido como seja a optimização de soluções.
Alguns dos processos de aprendizagem associados com as diferentes fases da implementação de um modelo, tais como a calibração e a procura de soluções óptimas, podem ser automatizados de forma a poupar horas de trabalho e aumentar o desempenho. Já existem métodos de calibração automática, baseados na geração exaustiva de vectores de parâmetros e utilizando diversas técnicas de convergência. No e  |
Resumo
Ao longo das últimas décadas assistiu-se a um aumento da utilização da modelação matemática em todos os campos da ciência, em relação directa com o rápido progresso dos meios informáticos. Os modelos matemáticos são
utilizados em Ecologia teórica e aplicada. Recentemente, uma nova área de investigação tem vindo a emergir, resultante da aplicação de técnicas da área da Inteligência Artificial (IA) tais como a Aprendizagem e os Agentes Autónomos às Ciências do Ambiente, conforme reflectido em diversos "Workshops" internacionais.
Na implementação de um modelo matemático, o primeiro conjunto de simulações é geralmente planeado de forma a testar a lógica interna do modelo. Quando esta tarefa é concluída, é necessário calibrar o modelo, realizando um segundo conjunto de simulações para ajustar os parâmetros do modelo de modo a reproduzir adequadamente os resultados observados. Os parâmetros regulam o comportamento das equações que descrevem as variáveis ao longo do tempo e do espaço, bem como as suas interacções. Geralmente, há alguma incerteza quanto ao valor de cada parâmetro. O processo de calibração pode ser longo e muito trabalhoso e requer uma compreensão clara dos efeitos dos parâmetros nas variáveis. Após a calibração do modelo, deve realizar-se mais um conjunto de simulações para proceder à sua validação com valores observados que não tenham sido utilizados na calibração.
Uma vez validado o modelo, pode passar-se à sua utilização definindo-se simulações em função dos objectivos para os quais o modelo foi desenvolvido como seja a optimização de soluções.
Alguns dos processos de aprendizagem associados com as diferentes fases da implementação de um modelo, tais como a calibração e a procura de soluções óptimas, podem ser automatizados de forma a poupar horas de trabalho e aumentar o desempenho. Já existem métodos de calibração automática, baseados na geração exaustiva de vectores de parâmetros e utilizando diversas técnicas de convergência. No entanto, requerem um grande número de simulações e, por isso, não são aplicáveis a modelos muito complexos que exigem tempos de cálculo elevados. Uma alternativa poderá ser o desenvolvimento de ferramentas que simulem os processos de aprendizagem de quem implementa e usa os modelos. Na utilização dos modelos para a optimizar soluções, pode ser utilizada uma abordagem semelhante. Em ambos os casos, a utilização de Agentes Autónomos é uma boa alternativa permitindo ainda
introduzir no processo de simulação, de forma natural, o elemento humano cujos processos de raciocínio são muito difíceis de modelar através de metodologias de simulação tradicionais.
O objectivo deste projecto é o desenvolvimento de um sistema de simulação multi-agente, que inclui software para modelação ecológica, um Agente Calibrador baseado em técnicas de Aprendizagem e agentes autónomos que representam as entidades inteligentes presentes no sistema. O sistema será aplicado a modelos ecológicos de zonas costeiras e utilizado para optimização de sistemas de aquacultura. |