Aprendizaje en sistemas multi-agentes para resolver problemas de scheduling: una revisión sistemática de la literatura

Resumen

Los problemas de scheduling están presentes en varios dominios y requieren una asignación eficiente de recursos y coordinación de tareas para optimizar el rendimiento y cumplir los objetivos deseados. Los enfoques tradicionales a menudo enfrentan desafíos en entornos complejos y dinámicos. En los últimos años, los sistemas multi-agentes han surgido como un paradigma prometedor para abordar problemas de scheduling. Este artículo presenta una revisión sistemática de la literatura sobre el aprendizaje en sistemas multi-agentes para resolver problemas de scheduling. Se revisaron y analizaron en profundidad 55 artículos, destacándose que el Aprendizaje por Refuerzo es el modelo de aprendizaje más utilizado, a menudo en combinación con varios algoritmos. La mayoría de los artículos se centran en problemas de scheduling dinámicos en industrias manufactureras y redes de comunicación inalámbrica.