294 XXXI MOSTRA UNISINOS DE INICIAÇÃO CIENTÍFICA E TECNOLÓGICA De 28/10/2024 a 01/11/2024 Unisinos São Leopoldo plementamos três algoritmos da literatura e reproduzimos seus experimentos para validar a nossa implementação, focando no tempo médio de viagem como métrica de cooperação entre agentes: quanto menor o tempo médio, mais coordenados eles estão e mais eficiente é a rede. RESULTADOS: Reproduzimos experimentos com 3 algoritmos em 14 redes de trânsito, com 30 replicações por experimento ao longo de 10.000 episódios. Obtivemos um erro médio quadrático de 0.6% em comparação com os resultados originais, com maior erro aparecendo nos primeiros episódios, mas atingido a convergência nos episódios finais, validando a consistência da ferramenta. A RouteChoiceEnv se mostrou promissora para pesquisa e benchmarks emMARL para escolha de rotas. A biblioteca foi desenvolvida de forma modular que permite flexibilidade para adicionar novos algoritmos e criar experimentos e está disponível publicamente no GitHub. Link do repositório: https://github.com/ramos-ai/route-choice-env PALAVRAS-CHAVE: Cidades inteligentes; Escolha de rotas; Aprendizado por reforço; Sistemas multi-agente; Benchmarking;
RkJQdWJsaXNoZXIy MjEzNzYz