Modelos NARX polinomiais para tomada de decisão em ambientes de aprendizado por reforço

Authors

  • Júlio César Enezio Júnior
  • Samir Angelo Milani Martins
  • Wilson Rocha Lacerda Junior

Keywords:

Aprendizagem por reforço, Modelagem Matemática, Identificação de Sistemas, Modelos NARX polinomiais, Modelos de tomada de decisão

Abstract

As técnicas de aprendizagem por reforço (Reinforcement Learning – RL) visam maximizar uma recompensa por meio de ações tomadas por um agente que interage com o ambiente. São aplicadas quando não há dados prévios ou interesse na modelagem do sistema, mas sim na obtenção de uma política de decisão. Modelos matemáticos, como o NARX (Nonlinear AutoRegressive model with eXogenous input), descrevem a saída atual a partir de valores passados de entradas e saídas. No caso polinomial, os regressores formam uma estrutura com linearidade nos parâmetros. A identificação de sistemas com modelos NARX polinomiais é realizada por algoritmos computacionais. A biblioteca SysIdentPy (Lacerda et al., 2020), em Python, destaca-se nesse contexto por sua extensa gama de ferramentas e por ser um pacote de código aberto em contínuo desenvolvimento. Este trabalho propõe a integração entre técnicas de identificação de sistemas e RL, visando à aplicação desses modelos na tomada de decisão em ambientes de jogos virtuais

Downloads

Published

2026-10-05