Método Baseado em Detecção de Mudanças para Determinar Preço de Oferta de Pedidos de Clientes no Ambiente TAC-SCM
Resumo
Este artigo apresenta adaptações de uma abordagem fundamentada em técnicas de detecção de variações chamada Drift Detection e de aprendizagem de máquina baseada em instâncias. Esta adaptação é aplicada para realizar venda de produtos em cenários estocásticos providos pelo ambiente de simulação TAC-SCM. Em suma, a abordagem adaptada permite detectar mudanças freqüentes de mercado e determinar um preço competitivo em função do feedback obtido nas negociações com os clientes. Neste âmbito, buscou-se demonstrar por meio de experimentos práticos o comportamento da abordagem proposta. Ademais, é apresentada conjuntamente uma solução para minimizar o custo computacional dispendioso acarretado pela técnica de aprendizagem de máquina baseada em instâncias.
Palavras-chave:
Aprendizagem Baseada em Instâncias, Dynamic Weighted Majority, Previsão de Preços
Referências
Aha, D.W., Kibler, D., Albert, M.K.. Instance-Based Learning Algorithms, Machine Learning. 6(1), Pp. 37-66, 1991.
Collins, J. Arunachalam, R. Sadeh, N. Eriksson, J. Finne, N. Janson, S. The Supply Chain Management Game For The 2007 Trading Agent Competition. Pittsburgh, School Of Computer Science Carnegie Mellon University, 2007.
Cover, T.M., Hart, P.E.. Nearest Neighbor Pattern Classification. Institute Of Electrical And Electronics Engineers Transactions On Information Theory, 13, 21-27, 1967.
COYLE J.J., BARDI, E.J., LANGLEY, C.J., Supply Chain Management: A Logistics Perspective. South-Western College Pub; 8 Edition, 2008.
Deza, E., Deza, M., Dictionary Of Distances. Elsevier, ISBN 0444520872, 2006.
Enembreck, F. Tacla, C. A. Barthès, J. P. Learning Negotiation Policies Using Ensemble-Based Drift Detection Techniques. International Journal On Artificial Intelligence Tools - World Scientic Publishing Company, 2009.
Gama, J., Medas, P., Castillo, G., Rodrigues, P. Learning With Drift Detection. Proc. Of The 17th Brazilian Symposium On Artificial Intelligence – Sbia’ 04, Lnai 3171, Ana L.C. Bazzan And Sofiane Labidi (Eds.), Springer, Pp.286-295, Brazil. Isbn 3-540-23237-0, 2004.
Helmbold, D. P., Long, P. M. Tracking Drifting Concepts By Minimizing Disagreements. Machine Learning, 14(1):27-46, 1994.
Knuth, D. The Art Of Computer Programming, Volume 3: Sorting And Searching, Third Edition. Addison-Wesley. ISBN 0-201-89685-0. Section 6.2.1: Searching An Ordered Table, Pp. 409–426, 1997.
Kolter, J. Z; Maloof, M. A. Dynamic Weighted Majority: A New Ensemble Method For Tracking Concept Drift. Ieee Conference On Data Mining, 2003.
Mitchell, T. Machine Learning. New York: Mcgraw Hill, 1997.
Russell, S. Norvig, P. Inteligência Artificial. Elsevier Editoria Ltda, 2004.
Shoham, Y., Leyton-Brown, K.. Multiagent Systems: Algorithmic, Game-Theoretic, And Logical Foundations. Cambridge University Press, 2009.
Simchi-Levi, D., Kaminsky, P., Simchi-Levi, E. Designing And Managing The Supply Chain. Mcgraw-Hill Higher Education, 2000.
Tranvouez, E. Ferrarini, A. Multiagent Modelling Of Cooperative Disruption Management In Supply Chains. IEEE, 2006.
Collins, J. Arunachalam, R. Sadeh, N. Eriksson, J. Finne, N. Janson, S. The Supply Chain Management Game For The 2007 Trading Agent Competition. Pittsburgh, School Of Computer Science Carnegie Mellon University, 2007.
Cover, T.M., Hart, P.E.. Nearest Neighbor Pattern Classification. Institute Of Electrical And Electronics Engineers Transactions On Information Theory, 13, 21-27, 1967.
COYLE J.J., BARDI, E.J., LANGLEY, C.J., Supply Chain Management: A Logistics Perspective. South-Western College Pub; 8 Edition, 2008.
Deza, E., Deza, M., Dictionary Of Distances. Elsevier, ISBN 0444520872, 2006.
Enembreck, F. Tacla, C. A. Barthès, J. P. Learning Negotiation Policies Using Ensemble-Based Drift Detection Techniques. International Journal On Artificial Intelligence Tools - World Scientic Publishing Company, 2009.
Gama, J., Medas, P., Castillo, G., Rodrigues, P. Learning With Drift Detection. Proc. Of The 17th Brazilian Symposium On Artificial Intelligence – Sbia’ 04, Lnai 3171, Ana L.C. Bazzan And Sofiane Labidi (Eds.), Springer, Pp.286-295, Brazil. Isbn 3-540-23237-0, 2004.
Helmbold, D. P., Long, P. M. Tracking Drifting Concepts By Minimizing Disagreements. Machine Learning, 14(1):27-46, 1994.
Knuth, D. The Art Of Computer Programming, Volume 3: Sorting And Searching, Third Edition. Addison-Wesley. ISBN 0-201-89685-0. Section 6.2.1: Searching An Ordered Table, Pp. 409–426, 1997.
Kolter, J. Z; Maloof, M. A. Dynamic Weighted Majority: A New Ensemble Method For Tracking Concept Drift. Ieee Conference On Data Mining, 2003.
Mitchell, T. Machine Learning. New York: Mcgraw Hill, 1997.
Russell, S. Norvig, P. Inteligência Artificial. Elsevier Editoria Ltda, 2004.
Shoham, Y., Leyton-Brown, K.. Multiagent Systems: Algorithmic, Game-Theoretic, And Logical Foundations. Cambridge University Press, 2009.
Simchi-Levi, D., Kaminsky, P., Simchi-Levi, E. Designing And Managing The Supply Chain. Mcgraw-Hill Higher Education, 2000.
Tranvouez, E. Ferrarini, A. Multiagent Modelling Of Cooperative Disruption Management In Supply Chains. IEEE, 2006.
Publicado
19/04/2010
Como Citar
PEREIRA, Fernando Roberto; BANASZEWSKI, Roni Fabio; SIMÃO, Jean Marcelo; TACLA, Cesar Augusto.
Método Baseado em Detecção de Mudanças para Determinar Preço de Oferta de Pedidos de Clientes no Ambiente TAC-SCM. In: WORKSHOP-ESCOLA DE SISTEMAS DE AGENTES, SEUS AMBIENTES E APLICAÇÕES (WESAAC), 4. , 2010, Rio Grande/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2010
.
p. 41-52.
ISSN 2326-5434.
DOI: https://doi.org/10.5753/wesaac.2010.33052.
