Características Gerais

A ferramenta, de modo geral, apresenta o comportamento esperado. Todas as funciona- lidades implementadas foram exploradas em algum dos experimentos e tiveram execução conforme previsto. A utilização do framework JADE para a implementação do SMA facilita a utilização dessa metodologia por fornecer toda a estrutura de organização, con- têineres, comunicação e interação necessárias para a implementação do projeto proposto. É também vantagem por fornecer todos esses recursos padronizados com as boas práticas internacionais de programação de agentes inteligentes. A flexibilidade fornecida pela lin- guagem JAVA também mostrou-se útil para a aplicação proposta, permitindo que recursos disponíveis em bibliotecas diversas fossem integrados.

Figura 6.19: Comparação dos resultados dos Experimentos 1, 2 e 4, em porcenta- gem.*Resultados que desconsideram os recortes 4, 7 e 10.

A utilização do Matlab para a execução do pré-processamento das imagens de entrada e variáveis proximais e políticas, bem como para a renderização das imagens finais re- sultantes da simulação, mostrou-se adequada para as necessidades iniciais da pesquisa. Entretanto, a exigência de instalação de um software adicional, bem como o overhead7

computacional advindo dessa escolha de projeto, já apontam que outras alternativas de- verão ser exploradas para a manipulação de imagens em versões futuras da ferramenta MASE, conforme identificado doravante na Seção 7.1.

Para o usuário final, principalmente para os leigos em computação, a manipulação de imagens e renderização devem, obrigatoriamente, serem transparentes ao processo de simulação. A restrição da utilização da ferramenta MASE associada à outros softwares, como o Matlab, pode ser fator negativo de avaliação ou mesmo de recusa de utilização da ferramenta proposta.

O fator mais impactado pela utilização do MATLAB, além da usabilidade, é o de- sempenho. Apesar dos tempos de simulação descritos nos experimentos serem aceitáveis para as necessidades dos usuários comuns, é notável a demanda computacional mesmo para uma simulação simples. A alta demanda por memória e processamento, oriunda da utilização do Matlab, é um dos fatores impactantes no desempenho geral da ferramenta, mas não é o único.

A resolução espacial definida para o modelo é o fator que mais impacta a perfor- mance da ferramenta. A resolução espacial foi o fator impeditivo de um experimento que simulasse, em um único recorte, todo o território do DF. Para a área do recorte dos Experimentos 2 e 4, por exemplo, cada recorte possui uma área total de 48.400ha,

7

Qualquer processamento ou armazenamento em excesso, seja de tempo de computação, de memória, de largura de banda ou qualquer outro recurso que seja requerido para ser utilizado ou gasto para executar uma determinada tarefa. Como consequência pode piorar o desempenho do equipamento ou programa.

sendo necessários 193.600 agentes espaciais, cada um representando um espaço de 50x50m. Como cada agente é uma entidade de software, provido de autonomia, relações de intera- ção, coordenação e comunicação, há considerável complexidade computacional embutida em cada uma dessas entidades. O grande número de agentes influencia, assim, na grande demanda por recursos computacionais.

A implementação local da ferramenta MASE é gargalo já identificado, sendo impe- ditiva para torná-la escalável e funcional para qualquer extensão do território ou para simulações em qualquer resolução espacial. Testes foram realizados em computadores de maior capacidade (Memória DDR3 8GB e Processador Intel Core I5 2500 Socket LGA 1155 3.3GHz) e apresentaram considerável melhoria de desempenho em comparação às máquinas padrão utilizadas para teste. Entretanto, como o público-alvo da ferramenta não dispõe, ordinariamente, de supercomputadores, torna-se premente o investimento em desempenho para a próxima versão da ferramenta. A implementação da ferramenta MASE de maneira distribuída é citada na Seção 7.1.

É sabido que as decisões de projeto do modelo são as que mais influenciam na atuação da MASE. Melhores resultados em tempo de simulação, bem como em espaço simulado podem ser obtidos com alterações de configurações. A medida imediata para a melhoria da resposta da ferramenta seria a adoção de nova resolução espacial para o modelo, reduzindo drasticamente o número de agentes espaciais por recorte. Seria possível, assim, tornar a ferramenta mais rápida para os recortes pré-definidos. Ao optar por manter o tempo de simulação e o número aproximado de células, seria possível ampliar a extensão da simulação para todo o DF, por exemplo.

Essas decisões de projeto do modelo necessitam de estudo para verificação da alteração de cada uma dessas variáveis. O usuário, proposito do modelo, deve calcular a melhor configuração de parâmetros para a investigação que capitaneia, devendo avaliar os erros associados à adoção desta ou daquele tamanho de células, uma vez que todo o conjunto de imagens do modelo devem estar na mesma resolução. Uma alternativa fácil de contornar o problema da resolução espacial é fornecida naturalmente pelo SMA. Como foram definidos agentes espaciais e estes são entes desconectados da imagem de entrada em si, é possível determinar que um agente espacial, ou célula, é um agrupamento de pixels do tamanho desejado pelo usuário. A Figura 6.3 apresenta a decisão de projeto de considerar uma célula como uma matriz 2 × 2 de pixels. O usuário pode definir uma matriz de qualquer tamanho, sem alterar a resolução do conjunto de imagens que alimenta a ferramenta.

A decisão de adotar no modelo uma resolução de 50x50m para o pixel, provendo a simulação da dinâmica do uso e cobertura da terra em tamanho detalhe, teve o propósito de testar o comportamento da ferramenta para coordenar a miríade de agentes resultantes dessa decisão. Apesar de ser possível aumentar o tamanho da célula sem prejuízos para o modelo, optou-se por explorar os limites da ferramenta MASE.

A comparação com as demais ferramentas abordadas no Capítulo 4é apresentada na Tabela6.9. Nota-se que a ferramenta MASE apresenta as características usuais presentes nas ferramentas comerciais e de pesquisa, inovando na hierarquia da ferramenta, bem como consolidando forte presença na modelagem da tomada de decisão humana.

Tabela 6.9: Características gerais e tecnologia das ferramentas

Ferramenta Tipo de modelo Tecnologia Hierarquia Complexidade Complexidade de

Temporal Tomada de Decisão

Dinâmica EGO Modelos espaciais Autômato top-down Intervalo de tempo entre Nível 2. Relacionada ao dinâmicos Celular a imagem inicial e final tamanho da população IDRISI Modelo espacial Autômato top-down Determinada Nível 1. Somente

de Markov Celular pelo usuário variáveis biofísicas

CORMAS Simulações Sistema bottom-up Determinada Nível 5. Variável conforme

Multiagentes Multiagente pelo usuário o comportamento dos agentes

CLUE Modelo de Matrizes de top-down Determinada Nível 4. Função de probabilidade

estado finito conversão pelo usuário com variáveis socioeconômicas

MASE1 _{Simulação Sistema híbrida Determinada Nível 5. Variável conforme}

Multiagentes Multiagente pelo usuário o comportamento dos agentes

1 _{Considera-se as informações temporais e espaciais do estudo de Caso do DF, uma vez que essas informações são configuráveis pelo} usuário.

14