Crie um agente de IA simulado (em Python, usando pseudocódigo ou descrições claras de funções) que seja capaz de aprender e otimizar a programação de entregas de uma frota de veículos autônomos.

O agente deve considerar as seguintes variáveis:

1.  **Pontos de Coleta e Entrega:** Múltiplos locais predefinidos com coordenadas geográficas.
2.  **Demandas Variáveis:** Cada ponto de coleta/entrega pode ter uma demanda variável (volume de pacotes, peso, etc.) que muda ao longo do tempo (simule como uma entrada dinâmica).
3.  **Capacidade dos Veículos:** Cada veículo tem uma capacidade máxima (volume e peso).
4.  **Tempos de Viagem:** Calcule a distância entre pontos e converta em tempo de viagem (pode ser uma função simples de distância/velocidade média).
5.  **Restrições de Horário:** Alguns pontos podem ter janelas de tempo específicas para coleta/entrega.
6.  **Custos:** Associe um custo (combustível, tempo de inatividade do veículo, etc.) a cada rota e entrega.

O objetivo do agente é **minimizar o custo total** e **maximizar a eficiência das entregas** (número de entregas concluídas dentro do prazo) através da aprendizagem.

Descreva:

*   **O estado do agente:** Quais informações o agente precisa para tomar decisões?
*   **As ações do agente:** Que tipos de decisões o agente pode tomar?
*   **A função de recompensa:** Como o agente avalia o sucesso de suas ações?
*   **O mecanismo de aprendizado (conceitual):** Que tipo de abordagem (ex: Q-learning, Reinforcement Learning, otimização baseada em heurísticas com feedback) o agente usaria para melhorar suas rotas ao longo do tempo, aprendendo com as demandas e restrições dinâmicas? Forneça um exemplo simplificado de como o aprendizado ocorreria.

Não é necessário implementar o código completo, mas as descrições devem ser claras o suficiente para um desenvolvedor entender como a lógica do agente seria construída e como ele aprenderia.