O objetivo deste trabalho é elaborar um algoritmo de aprendizado por reforço profundo com o objetivo de realizar a prospecção de parques eólicos. Para este fim foi elaborado um simulador de prospecção se utilizando de várias fontes de dados e de uma metodologia baseada em uma análise multicritérios. O agente de aprendizado foi desenvolvido fazendo uso do algoritmo Double Deep Qlearning, proposto como uma modificação do algoritmo Deep Q-learning, popularizado pela Google Deep Mind em 2015 como técnica de inteligência artificial para o jogo Go. O Agente desenvolvido deve ser capaz de elaborar estratégias de prospecção visando o otimizar o lucro gerado pelos parques. Como local de estudos foi escolhido o Estado do Rio Grande do Norte devido à forte presença do setor eólico na região. Ao final do treinamento do Agente verifica-se que ele foi capaz de elaborar políticas simples, alcançando parcialmente os objetivos propostos. Estudos mais aprofundando a aplicação do aprendizado por reforço profundo para a prospecção de parques eólicos levando em conta os ajustes das técnicas utilizadas e a inserção de mais variáveis de acordo com a complexidade se fazem necessários para que se atinja valores ótimos.2022-05-01