Aprendizado por Reforço Colaborativo Multi-Agente para Transformação Automática de Recursos com Otimização de Caminho Baseada em Grafo

Métodos de transformação de recursos visam encontrar um processo matemático ótimo de cruzamento de recursos que gera recursos de alto valor e melhora o desempenho de tarefas de aprendizado de máquina a montante. Estruturas existentes, embora projetadas para mitigar custos manuais, muitas vezes tratam as transformações de recursos como operações isoladas, ignorando dependências dinâmicas entre etapas de transformação. Para abordar essas limitações, propomos o TCTO, uma estrutura de aprendizado por reforço colaborativo multi-agente que automatiza a engenharia de recursos através da otimização de caminho baseada em grafo. A inovação central da estrutura reside em um grafo de interação em evolução que modela recursos como nós e transformações como arestas. Através da poda de grafo e retrocedimento, ele elimina dinamicamente arestas de baixo impacto, reduz operações redundantes e melhora a estabilidade da exploração. Este grafo também proporciona total rastreabilidade para permitir que o TCTO reutilize subgrafos de alta utilidade de transformações históricas. Para demonstrar a eficácia e adaptabilidade de nossa abordagem, realizamos experimentos abrangentes e estudos de caso, que mostram desempenho superior em uma variedade de conjuntos de dados.