@PHDTHESIS{ 2026:877491217, title = {Aprendizado por reforço aplicado ao problema de alocação de berços graneleiros com controle de estoque}, year = {2026}, url = "https://tedebc.ufma.br/jspui/handle/tede/6964", abstract = "O transporte marítimo internacional consolidou-se como o pilar da economia global, sendo responsável por movimentar cerca de 80% do volume e mais de 70% do valor total do comércio mundial de bens. Diante dessa magnitude, a otimização da eficiência das operações portuárias tornou-se estratégica para a resiliência das cadeias de suprimentos. Contudo, o cenário recente (2020-2025) foi marcado por uma sucessão de eventos disruptivos, incluindo crises geopolíticas em rotas críticas e instabilidades climáticas, que impuseram desafios sem precedentes à logística portuária. Neste contexto, o Problema de Alocação de Berços (PAB), embora tradicional na literatura, demanda novas abordagens que ofereçam maior robustez diante de incertezas. As metodologias clássicas de otimização frequentemente apresentam limitações de escalabilidade e adotam premissas simplificadoras que negligenciam a alta dimensionalidade e a volatilidade operacional de terminais reais. Esta tese propõe uma formulação do PAB para granéis sólidos, integrada ao controle de estoque, modelada sob o paradigma de Aprendizado por Reforço Profundo (Deep Reinforcement Learning- DRL). A investigação utiliza inicialmente o algoritmo DQN (Deep Q-Network) e, subsequentemente, evolui para uma arquitetura que incorpora células LSTM (Long Short-Term Memory), visando capturar as dependências temporais intrínsecas a problemas de tomada de decisão sequencial complexos. Os resultados experimentais demonstram que a abordagem proposta não apenas gera soluções de alta qualidade em cenários dinâmicos, mas também é eficaz na mitigação de falhas de estoque, superando as limitações das heurísticas tradicionais.", publisher = {Universidade Federal do Maranhão}, scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET}, note = {DEPARTAMENTO DE INFORMÁTICA/CCET} }