Banca de DEFESA: KAIO HENRIQUE FONSECA DANTAS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : KAIO HENRIQUE FONSECA DANTAS
DATA : 27/08/2025
HORA: 14:00
LOCAL: Vídeo conferência. meet.google.com/fdc-qqnf-ets
TÍTULO:

OTIMIZAÇÃO DO CORTE GUILHOTINADO NÃO-ESTAGIADO ATRAVÉS DE APRENDIZAGEM POR REFORÇO COM FUNÇÃO RECOMPENSA TARDIA

PALAVRAS-CHAVES:

CSP. Corte Guilhotinado. Q-Learning. Aprendezagem de Máquina.

PÁGINAS: 86
RESUMO:

O Problema de Corte de Estoque (CSP - Cutting Stock Problem) é um conhecido desafio de otimização combinatória com grande relevância industrial, especialmente na redução do desperdício de material durante o processo de corte. Métodos tradicionais frequentemente enfrentam dificuldades em se adaptar e manter eficiência em ambientes dinâmicos. Este estudo propõe reavaliar estratégias de resolução do problema e uma versão aprimorada do algoritmo Q-learning adaptada para o Problema de Corte Guilhotinado de Estoque (GCSP - Guilhotine Cutting Stock Problem), uma variante do CSP. Introduzindo uma função de recompensa que avalia a diferença entre áreas remanescentes sucessivas em relação à área da chapa, penalizando, dessa forma, ações que exigem a utilização de novas chapas. Além disso, para promover a convergência, a taxa de aprendizado ($alpha$) é reduzida adaptativamente quando a taxa de exploração atinge um limiar predefinido, conforme especificado pelos parâmetros do problema. Os resultados empíricos demonstram que a abordagem proposta anteriormente não aproveita bem a aprendizagem de máquina e que é possível entregar melhores soluções utilizando o Q-learning para padrões de corte mais eficientes.

MEMBROS DA BANCA:
Externo à Instituição - CARLOS HEITOR PEREIRA LIBERALINO - UERN
Presidente - ***.630.884-** - DARIO JOSÉ ALOISE - UERN
Externo à Instituição - HUGO ALEXANDRE DANTAS DO NASCIMENTO - UFG
Externo à Instituição - THIAGO HENRIQUE FREIRE DE OLIVEIRA - IFRN