I'm hosted with GitHub Pages.
[[Image:Logo_maslab.jpg|frame]]
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''.
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).
Para maiores informações, acesse a página do [http://www.inf.ufrgs.br/maslab Maslab].
= Projetos =
O Maslab está envolvido em diversos projetos de pesquisa. Os principais são listados abaixo, organizados por área.
==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]
==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
= Publicações =
==Lista atualizada de publicações==
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].
==Próximas conferências de interesse==
'''veja: [http://www.wikicfp.com/cfp/call?conference=artificial%20intelligence WikiCFP ]'''
= Ferramentas para simulação de tráfego =
== Simuladores de Tráfego ==
* [[SUMO]] - Links, dicas gerais, instruções de instalação.
== Guia de ferramentas do Maslab no github ==
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.
= Guia do Novo Bolsista =
Esta seção registra o mínimo que você precisa saber sobre o Maslab.
== A) Assuntos práticos ==
* 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?] * 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 == 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).