Graduou-se em Engenharia pela Universidade de São Paulo (EPUSP); possui ainda os graus de mestre em Ciências da Computação pela Universidade Federal do Rio Grande do Sul (1992) e doutora pela Universidade de Karlsruhe (1997). Entre 1997 e 1998 atuou como "Research Assistant" na Universidade de Massachusetts (Amherst) no grupo do prof. Victor Lesser. Desde 1999 ocupa o cargo de professora na Universidade Federal do Rio Grande do Sul (desde 2016 como professora titular). Realizou pós-doutorado (2006-2007) na Universidade Würzburg com fellowship da Fundação Alexander von Humboldt. É bolsista de Produtividade em Pesquisa do CNPq - Nível 1C. Atividades Profissionais: keynote speaker of AAMAS 2017, Co-general chair da conferência 13th AAMAS (Paris, 2014), Area chair da conferência IJCAI 2017, general chair da conferência MATES 2014; invited plenary speaker na conferência AAMAS 2017. Assoc. Editor dos periódicos J. of Vehicle Routing Algorithms (2017-), Journal of Autonomous Agents and Multiagent Systems (2010-2017) e Advances in Complex Systems (2007-2017); membro do corpo editorial do periódico Multiagent and Grid Systems (até 2017). Membro do board do IFAAMAS (2004-2008 e 2014-2020). Revisora de periódicos (seleção): Artificial Intelligence; Transportation research, Part C (Emerging technologies); IEEE Transactions on Knowledge and Data Engineering; IEEE Transactions on Intelligent Transportation Systems; Journal of Int. Transportation Systems; Int. J. of Autonomous Agents and Multiagent Systems; Int. J. of Modern Physics C; Games and Economic Behavior; Int. J. of Computational Intelligence and Applications; IEEE Transactions on Systems Man and Cybernetics; International journal of cooperative information systems; Eng. Applications of AI; Revista de Informatica Teórica e Aplicada; Journal of the Brazilian Computer Society. Tem experiência na área de Inteligência Artificial, com ênfase em Sistemas Multiagentes, atuando principalmente nos seguintes temas: aprendizado em sistemas multiagente, alocação de tarefas em sistemas multiagente, coordenação em sistemas multiagente, simulação e controle de tráfego veicular, controle semafórico, alocação de tráfego, aplicações de teoria de jogos. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias (0 total): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Aprendizado de máquina tem sido mais e mais empregado na temática em torno de mobilidade urbana. Em particular, aprendizado por reforço (AR) é uma das técnicas mais utilizadas pois permite que as diversas classes de agentes aprendam a se adaptar ao estado do tráfego. Entretanto, a literatura sobre AR raramente traz trabalhos que abordam decisão de natureza multiobjetivo, que são fundament…
Estimativas atuais mostram que no Brasil a perda de tempo no trânsito gera prejuízos da ordem de dezenas de bilhões de reais por ano.Embora as autoridades tenham planos de atuação a par com técnicas reconhecidamente eficazes advindas da área de engenharia de tráfego e transportes, tais técnicas têm evoluido pouco no Brasil no que diz respeito a um melhor aproveitamento do potencial da In…
Neste trabalho serão investigadas abordagens para o projeto de agentes inteligentes de controle semafórico capazes de otimizar o tráfego de veículos e de agentes capazes de escolher rotas adequadas para os motoristas, ambos considerando múltiplos objetivos e técnicas de aprendizado por reforço. Em particular, o foco será no estudo e extensão de métodos de aprendizado por reforço multiobje…
Tradicionalmente, o comportamento de agentes inteligentes em sistemas de transporte é direcionado a um objetivo, como minimização do tempo de viagem. Porém, agentes humanos consideram múltiplos objetivos: além do tempo de viagem, um motorista pode considerar as despesas com combustível e/ou pedágio, a distância percorrida, a segurança das áreas trafegadas, entre outros fatores, com difere…
Aprendizado de máquina tem sido mais e mais empregado na temática em torno de mobilidade urbana. Em particular, aprendizado por reforço (AR) é uma das técnicas mais utilizadas, pois permite que as diversas classes de agentes aprendam a se adaptar ao estado do tráfego. Entretanto, a literatura sobre AR raramente traz trabalhos que abordam decisão de natureza multiobjetivo, que são fundamen…
| 2 | Auxílios à pesquisa concluídos |
| 7 | Bolsas no país concluídas |
| 9 | Todos os Auxílios e Bolsas |
| Processos vinculados | |
CV Lattes
ORCID