-
Notifications
You must be signed in to change notification settings - Fork 0
/
index.html
179 lines (129 loc) · 14.2 KB
/
index.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
<!DOCTYPE html>
<html>
<body>
<h1>Hello World</h1>
<p>I'm hosted with GitHub Pages.</p>
<p>[[Image:Logo_maslab.jpg|frame]]</p>
<p>O '''Maslab''' (''Multiagent Systems Lab'') é um grupo voltado para pesquisa em sistemas multiagente (MAS). Está localizado no [http://www.inf.ufrgs.br Instituto de Informática] da [http://www.ufrgs.br UFRGS] e conta com a contribuição de professores titulares e associados, doutorandos, mestrandos e estudantes de graduação. Os tópicos de pesquisa incluem aplicações de sistemas multiagente em áreas como simulação de tráfego, controle, bioinformática, além de trabalhos relacionados a medicina, educação a distância e ''swarm intelligence''.</p>
<p>O Maslab é um dos maiores e mais antigos grupos na área de sistemas multiagente no Brasil e na América do Sul. Atualmente lidera vários projetos de pesquisa e tem formado recursos humanos na área (veja as diversas dissertações e teses relacionadas ao assunto).</p>
<p>Para maiores informações, acesse a página do [http://www.inf.ufrgs.br/maslab Maslab].</p>
<p>
= Projetos =
</p>
<p>O Maslab está envolvido em diversos projetos de pesquisa. Os principais são listados abaixo, organizados por área.</p>
<p>==Tráfego==
* '''[http://www.inf.ufrgs.br/maslab/traffic Portal de trafégo - Maslab]'''
* [https://wiki.inf.ufrgs.br/2UEI 2UEI]
* [http://www.inf.ufrgs.br/maslab/traffic/itsumo/index.html ITSUMO]
* [http://www.inf.ufrgs.br/maslab/traffic/mobil/index.html MOBIL]
* [http://www.inf.ufrgs.br/maslab/traffic/labtrans/index.html LabTRANS]
* [http://www.das.ufsc.br/sincmobil SincMobil]
* [http://www.inf.ufrgs.br/maslab/traffic/siscot/siscot.html Siscot]
</p>
<p>==Outros projetos==
* [http://www.inf.ufrgs.br/rssoc RS-SOC - Rede Estadual de Simulação Social]
* [http://www.inf.ufrgs.br/maslab/emotions/ Personalities and Emotions in Agents]
* [http://www.inf.ufrgs.br/maslab/swarm/ SWARM-intelligence-inspired coordination]
* [[Sistemas Complexos]]
* MAS-SOC
</p>
<p><!--'''MASLAB Agent Cooperation Group'''</p>
<p>* [[Maslab-agentcoop]] --></p>
<p>= Publicações =</p>
<p>==Lista atualizada de publicações==</p>
<p>Para obter uma lista atualizada de publicações do grupo Maslab,
por favor acesse o sistema [http://www.inf.ufrgs.br/maslab/pergamus/pages/p_search.php Pergamus].</p>
<p>==Próximas conferências de interesse==</p>
<p>'''veja: [http://www.wikicfp.com/cfp/call?conference=artificial%20intelligence WikiCFP ]'''</p>
<p>= Ferramentas para simulação de tráfego =</p>
<p>== Simuladores de Tráfego ==</p>
<p>* [[SUMO]] - Links, dicas gerais, instruções de instalação.
<!--* [[ITSUMO]] (desenvolvido no Maslab)
* [[ITSUMO_MATSim]] - Como funcionar com a ferramenta integrada. --></p>
<p>== Guia de ferramentas do Maslab no github ==</p>
<p>A página do [https://wiki.inf.ufrgs.br/Guia_de_ferramentas_do_Maslab_no_github Guia de ferramentas do Maslab no github]
dá um ''overview'' das ferramentas desenvolvidas pelo Maslab.</p>
<p>= Guia do Novo Bolsista =</p>
<p>Esta seção registra o mínimo que você precisa
saber sobre o Maslab. </p>
<p>== A) Assuntos práticos ==</p>
* As máquinas do Maslab estão instaladas no laboratório 203 e 204 do prédio 43425. Elas contam com sistema operacional Ubuntu Desktop. Além disso, o Maslab possui um servidor (Gauss), onde, além de backups e arquivos de interesse do laboratório, também estão centralizados os diretórios '/home' de todos os usuários do Maslab. Não confundir este serviço com o provido pela Adm. Rede do INF (servidora portal).
* Para obter um usuário no servidor do Maslab (máquina com nome Gauss) solicite aos antigos integrantes do grupo para que se crie um novo usuário. Ver [https://wiki.inf.ufrgs.br/Maslab_FAQ#Como_obter_minha_conta_no_servidor_do_Maslab.3F_.28como_criar_um_usu.C3.A1rio_novo.3F.29 Como criar um novo usuário?] no FAQ.
* Mantenha seus dados e contatos atualizados. Ver [https://wiki.inf.ufrgs.br/Maslab_FAQ#Como_inserir.2Fatualizar_meus_dados_pessoais.3F Como Atualizar meus dados pessoais?]
<!--* Os atuais membros do Maslab podem ser vistos na página do grupo em [http://www.inf.ufrgs.br/maslab/maslab/ People] -->
* É necessário [https://wiki.inf.ufrgs.br/Maslab_FAQ#Como_criar_e_compartilhar_sua_agenda.3F compartilhar a agenda] com a professora Ana e, se for o caso, com outros integrantes do Maslab. A agenda melhora a comunicação acerca da disponibilidade dos integrantes do grupo para reuniões e novas tarefas.
* É necessário enviar um relatório semanal para a professora Ana, conforme descrito na seção [https://wiki.inf.ufrgs.br/Maslab_FAQ#Como_preparar_relat.C3.B3rios_semanais.3F Como preparar relatórios semanais?].
* É necessário registrar em ata os assuntos tratados em reunião. A seção [https://wiki.inf.ufrgs.br/Maslab_FAQ#Como_preparar_ata_de_reuni.C3.A3o Como preparar ata de reunião] é referência para o assunto.
* Há diversos repositórios github do Maslab em [https://github.com/maslab-ufrgs maslab-ufrgs] que se encontram classificados em [https://wiki.inf.ufrgs.br/Guia_de_ferramentas_do_Maslab_no_github Guia de ferramentas do Maslab no github]
'''Política de uso dos laboratórios'''
* Mantenha sua mesa '''limpa''' e sem papeis e objetos desnecessários sobre ela. Lembre-se que a sala 203 é de uso comum logo mais de uma pessoa pode usar a mesma mesa.
* Ao sair da sala, tranque a porta.
* Ao final do dia, feche as janelas e as cortinas da sala.
* Ao sair da sala, certifique-se de que o condicionador de ar esteja desligado.
* '''Importante''' Portas e janelas abertas e condicionadores de ar ligados serão notificados pela vigilância à secretaria e ao orientador.
* Não mover equipamentos de uma sala para outra sem autorização.
* A maioria dos móveis e equipamentos usados por nós não provem de fundos da UFRGS, como a maioria pensa. Eles foram adquiridos com verbas de projetos e devido à falta de recursos, é improvável que venhamos a conseguir repo-los. Assim sendo, é absolutamente necessário cuidar de tudo como se fosse sua proprieda. Se algo estragar, favor avisar imediatamente e não se omitir.
* Devolva as chaves das salas que estejam em seu poder ao concluir sua passagem pelo Maslab.
'''Escrita Científica (relatórios, monografias, etc.) e Documentos LaTeX'''
* LaTeX é o que preferimos usar para redigir textos.
* Para se familiarizar com escrita científica, acesse [https://wiki.inf.ufrgs.br/Maslab_FAQ#Como_escrever_documentos_t.C3.A9cnicos_e_cient.C3.ADficos.3F Como escrever documentos técnicos e científicos]
* Os trabalhos produzidos no âmbito do Instituto de Informática devem ser formatados de acordo com a natureza dos documentos. Use as seguintes [https://github.com/schnorr/infufrgs classes LaTeX] para tanto.
* Citações bibliográficas em formato [https://wiki.inf.ufrgs.br/Maslab_FAQ#Banco_de_BibTeX_no_Dropbox bibtex são armazenadas no Overleaf] (atenção, esta política mudou em '''fevereiro de 2021''') mas o acesso é restrito e deve ser solicitado. Leia com atenção a [https://wiki.inf.ufrgs.br/Maslab_FAQ#BibTeX seção] correspondente na FAQ sobre o uso das referências.
* É comum utilizarmos no Maslab o serviço virtual [https://www.overleaf.com/ overleaf] para o compartilhamento dos documentos em LaTeX.
== B) Literatura básica sobre trânsito e machine learning ==
<!-- CAMIL, por favor coloque os links que estao no pergamus, em cada item abaixo. se nao achar algo me avise. -->
Observação: a maioria dos artigos pode ser acessada de dentro da UFRGS ou usando um proxy. Mais detalhes na wiki da Adm. Rede do INF.
=== B1) Literatura sobre trânsito ===
* Este artigo é curto mas dá um primeiro recado:
** [http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.157.2719&rep=rep1&type=pdf Ana L. C. Bazzan, 2007. Traffic as a Complex System: Four Challenges for Computer Science and Engineering. Proc. of the XXXIV SEMISH. July. 2128-2142. ]
* Na sequência, um dentre os três textos abaixo que têm mais detalhes (o primeiro é mais recente; o terceiro é em português)
** Bazzan and Klügl, 2014. Introduction to intelligent systems in traffic and transportation. Disponível no [https://sabi.ufrgs.br SABI] (não é o caso de ler o livro todo; leia os caps. 1 a 4 na totalidade e o resto apenas em diagonal).
** [https://www.cambridge.org/core/journals/knowledge-engineering-review/article/review-on-agentbased-technology-for-traffic-and-transportation/00947E41817CA7336E0A130CBF353D16 Ana L. C. Bazzan and Franziska Klügl, 2013. A review on agent-based technology for traffic and transportation.]
** [http://www.inf.ufrgs.br/maslab/pergamus/pubs/jai07BazzanKluegl.zip Ana L. C. Bazzan and Franziska Klügl, 2007. Sistemas Inteligentes de Transporte e Tráfego: uma Abordagem de Tecnologia da Informação. Anais das Jornadas de Atualização em Informática. July]. [http://www.inf.ufrgs.br/maslab/pergamus/pages/p_search.php?action=bib&id=Bazzan|Kluegl2007 [BIB]]
* Sobre o paradoxo de Braess:
** [https://en.wikipedia.org/wiki/Braess%27s_paradox https://en.wikipedia.org/wiki/Braess%27s_paradox]
** [https://pt.wikipedia.org/wiki/Paradoxo_de_Braess https://pt.wikipedia.org/wiki/Paradoxo_de_Braess]
🚧 Em construção 🚧
=== B2) Literatura sobre Reinforcement Learning (RL) e Machine Learning (ML) ===
Textos básicos.... e nem tanto:
* Sobre aprendizado por reforço:
** [http://arxiv.org/pdf/cs/9605103.pdf Kaelbling, L. P., Littman, M. L., & Moore, A. W. (1996). Reinforcement learning: A survey. Journal of artificial intelligence research, 4, 237-285]
** [https://lilianweng.github.io/lil-log/2018/02/19/a-long-peek-into-reinforcement-learning.html Long peek into RL] - Lilian Weng (review compreensivo e acessível)
** Szepesvári, C. (2010). Algorithms for reinforcement learning. Synthesis lectures on artificial intelligence and machine learning, 4(1), 1-103. (disp. no [https://sabi.ufrgs.br/F/TLAUNS83S1G96FAUL52LPBSVRF7T5THS39B8PYNN55YASD1NB7-09032?func=find-b&REQUEST=Csaba+Szepesv%C3%A1ri&find_code=WRD&ADJACENT=N&x=0&y=0 SABI])
** [http://incompleteideas.net/book/RLbook2018.pdf Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction. MIT press.]
** Material with focus on deep learning: [https://spinningup.openai.com/en/latest/spinningup/rl_intro2.html Introduction to RL (OpenAI)], com [https://spinningup.openai.com/en/latest/spinningup/keypapers.html pointers to seminal articles in deep learning]
** [https://www.youtube.com/playlist?list=PL7-jPKtc4r78-wCZcQn5IqyuWhBZ8fOxT UCL / DeepMind Reinforcement Learning by David Silver]
** [https://www.youtube.com/playlist?list=PLqYmG7hTraZBKeNJ-JE_eyJHZ7XgBoAyb UCL / DeepMind RL course by Hado]
Após a leitura básica, uma sugestão é realizar os diversos cursos sobre RL e ML disponíveis em MOOCs; atenção que alguns destes cursos são gerais sobre ML e não especificamente sobre RL; alguns são focados em deep RL
* Udacity
** [https://www.udacity.com/course/reinforcement-learning--ud600 Reinforcement Learning]
* Udemy
** [https://www.udemy.com/artificial-intelligence-reinforcement-learning-in-python/ Artificial Intelligence: Reinforcement Learning in Python]
** [https://www.udemy.com/deep-reinforcement-learning-in-python/ Advanced AI: Deep Reinforcement Learning in Python ]
* Google
** [https://developers.google.com/machine-learning/crash-course/ Machine Learning Crash Course] A self-study guide for aspiring machine learning practitioners
* Coursera
** [https://www.coursera.org/learn/machine-learning/home/welcome Curso de Machine Learning do Andrew Ng / U. Stanford] (esse é o um curso bastante popular sobre ML)
* Berkeley
** [http://rail.eecs.berkeley.edu/deeprlcourse/ CS285 Deep RL] (Sergey Levine, Fall 2019)
* Sobre '''multiagent''' RL (MARL)
** Busoniu, L., Babuska, R., & De Schutter, B. (2008): A comprehensive survey of multiagent reinforcement learning. [http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=4445757&url=http%3A%2F%2Fieeexplore.ieee.org%2Fiel5%2F5326%2F4359283%2F04445757.pdf%3Farnumber%3D4445757 IEEE Transactions on Systems, Man, And Cybernetics-Part C: Applications and Reviews, 38 (2), 2008.] ou, numa versão [https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&ved=2ahUKEwjzpbbMqeTgAhXfLLkGHXGtCzMQFjABegQICBAC&url=http%3A%2F%2Fwww.dcsc.tudelft.nl%2F~bdeschutter%2Fpub%2Frep%2F07_019.pdf&usg=AOvVaw00OQYYN7ewVwdvGIk7hJbC tech. report (single column)]
** K. Tuyls and G. Weiss (publicado em Ai Magazine 33(3):41-52, 2012): [https://www.researchgate.net/publication/255739006_Multiagent_Learning_Basics_Challenges_and_Prospects Multiagent Learning: Basics, Challenges, and Prospects]
** [http://www.cs.utah.edu/~tch/CS6380/resources/Neto-2005-RL-MAS-Tutorial.pdf Neto, G. (2005). From single-agent to multi-agent reinforcement learning: Foundational concepts and methods. Learning theory course]
** Algumas lectures do curso [https://www.udacity.com/course/reinforcement-learning--ud600 Reinforcement Learning UD600] (Udacity)
** Multiobjective RL (including planning, i.e., focus on MDP, not necessarily RL): [https://arxiv.org/abs/2103.09568 survey and practical guide]
* '''multiagent''' RL: Platforms, Frameworks for environments
** open AI Gym (single agent but basis for some of these below): https://github.com/openai/gym
** MA Gym: https://github.com/koulanurag/ma-gym
** AI arena: https://export.arxiv.org/pdf/2103.05737.pdf
** PettingZoo: https://arxiv.org/pdf/2009.14471.pdf
** open AI particle environment (only if you are dealing with particle optimization): https://github.com/openai/multiagent-particle-envs
* Sobre '''multiobjective''' RL (MORL)
** The paper "[https://arxiv.org/pdf/1909.02964 Multi-Objective Multi-Agent Decision Making: A Utility-based Analysis and Survey]" is about multiobjective decision making, but is relevant to learning as well, and presents important concepts
** This is a [https://arxiv.org/pdf/2103.09568 survey of MORL] that covers lots of applications, besides concepts
= FAQ =
Perguntas freqüentes sobre o funcionamento do laboratório Maslab, incluindo instruções sobre como usar o repositório de entradas BibTeX, podem ser acessadas [[Maslab FAQ | aqui]].
= Contribuindo para melhorar esta WIKI =
Favor reportar qualquer problema, link quebrado, sugestão de alteração, etc. na lista do maslab. Em princípio, cada um pode editar o texto desde que faça parte do respectivo grupo (solicitações precisam ser feitas à adm. rede do INF c.c. profa. Ana).
</body>
</html>