Portal InstitucionalUFPEL

Objetivo Geral:

Avançar em profundidade em tópicos cobertos na disciplina de Fundamentos de Inteligência Artificial, inserir o aluno em conceitos avançados de Inteligência Artificial, bem como capacitar o aluno a implementar e aplicar sistemas de IA em problemas práticos.

1. Computação evolutiva: algoritmos genéticos, programação genética, estratégias evolutivas
2. Sistemas multiagentes: agentes reativos e cognitivos, planejamento, modelagem de sistemas
3. Aprendizado de Máquina: redes neurais, aprendizado bayesiano, árvores de decisão
4. Robótica: introdução a robótica, algoritmos de planejamento de caminhos, percepção através de sensores

Bibliografia Básica:

• RUSSELL, S., NORVIG, P., Inteligência Artificial: uma abordagem moderna. Editora Campus, 2004.
• DAVIS, Lawrence. Handbook of Genetic Algorithms. New York: Van Nostrand Reinhold, 1991.
• GOLDBERG, D. E., Genetic Algorithms in Search, Optimization and Machine Learning. [S.l.]: Addison-Wesley Publishing Company, 1989.

Bibliografia Complementar:

• BROWNLEE, J., Clever Algorithms: Nature-Inspired Programming Recipes. Lulu, 2012.
• HAYKIN, S., Redes Neurais Princípios e Prática. Porto Alegre: Bookman, 2001.
• MITCHELL, T., Machine Learning. McGraw-Hill, 1997.
• EIBEN, A. E., SMITH, J. E. Introduction to Evolutionary Computing. Springer, 2007.
• LUGGER, G, F., STUBBLEFIELD, W. A. ,Artificial Intelligence: structures and strategies fur complex problem solving. Harlow: Addisson Wesley Longman, 1988.
• WEISS, G.: Multiagent Systems – A Modern Approach to Distributed Artificial Intelligence. MIT Press, 1998.