O Naming Game é um modelo da dinâmica da emergência de um vocabulário comum em um sistema multi-agentes sem controle central, usando apenas interações par a par, com regras relativamente simples. Neste trabalho são apresentadas análises e discussões do modelo e de variações do Naming Game, presentes na literatura, juntamente com análises da aplicação destes modelos para diferentes topologias de rede. Mostramos que, em uma dessas variações, o Naming Game com reputação global dos agentes, a convergência para o consenso não ocorre quando aplicada a certas redes do tipo Barabási-Albert, devido à restrição de comunicação inserida pela dinâmica de construção e comparação de reputações deste modelo. Propomos, então, um novo modelo de Naming Game, considerando as reputações locais dos agentes, que, por fim, mostrou-se mais eficiente que o modelo com reputação global, em termos de tempo de convergência para o consenso, sendo a convergência alcançada em todos os testes realizados.

Esta tese propõe uma nova estratégia de controle adaptativo paralelo neural em que uma única rede neural é usada para identificar e controlar simultaneamente uma planta. A idéia por trás dessa estratégia de controle adaptativo é compensar a entrada de controle gerada por um controlador retroalimentado convencional. O processo de treinamento da rede neural é realizado através de duas técnicas: backpropagation e filtro de Kalman estendido. Adicionalmente, a convergência do erro de identificação é analisada através do segundo método de Lyapunov. O desempenho da estratégia proposta é avaliado através de simulações com plantas lineares e não-lineares, comparação com outras técnicas de controle adaptativo que usam redes neurais e uma aplicação em tempo real desenvolvida no processo térmico PT-326 disponível no ITA-IEES. É considerado também o problema de se controlar um reator contínuo perfeitamente agitado, que é um sistema padrão tipicamente utilizado para o teste de novas estratégias de controle.