Analítica Prescriptiva en VRP mediante Aprendizaje por Refuerzo y Flujos de Eventos

Autores/as

  • Esteban Alejandro Schab, Doctorando Grupo de Investigación en Inteligencia Computacional e Ingeniería de Software, Facultad Regional Concepción del Uruguay, Universidad Tecnológica Nacional - Argentina
  • María Fabiana Piccoli Directora
  • Carlos Antonio Casanova Pietroboni Codirector

DOI:

https://doi.org/10.33414/ajea.1119.2022

Palabras clave:

Inteligencia Computacional, Analíticas, Aprendizaje por Refuerzo, VRP, Datastreams, Computación de Alto Desempeño

Resumen

Los procesos de negocio exigen tomar decisiones rápidas para lograr la adaptación constante a los cambios en búsqueda de mejorar el desempeño y aprovechar las oportunidades. Resulta clave contar con analíticas que transformen los datos en conocimiento para la toma de decisiones. En este trabajo se introduce una línea de investigación enfocada en la analítica prescriptiva, capaz de calcular acciones a ser ejecutadas en el momento (decisiones operativas) o en el futuro (decisiones tácticas y/o estratégicas) para lograr un objetivo deseado, en problemas de enrutamiento de vehículos (VRP), y se presentan los avances y resultados obtenidos. El cálculo de las acciones involucra el procesamiento del flujo de eventos del negocio en forma de datastreams, la aplicación de técnicas y algoritmos de Soft Computing e Inteligencia Computacional (en particular Aprendizaje por Refuerzo) y, derivado de la necesidad de bajos tiempos de respuesta, el empleo de Computación de Alto Desempeño.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2022-10-03

Cómo citar

Schab, E. A., Piccoli, M. F., & Casanova Pietroboni, C. A. (2022). Analítica Prescriptiva en VRP mediante Aprendizaje por Refuerzo y Flujos de Eventos. AJEA (Actas De Jornadas Y Eventos Académicos De UTN), (15). https://doi.org/10.33414/ajea.1119.2022