Agentes y Sistemas Multiagentes

Sistemas Multiagente
ECSDI
LSI-FIB-UPC c b e a
Curso 2015/2016
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
1 / 55
Índice
1
Introducción
2
Agentes Inteligentes
3
Entornos
4
Tipología
5
Arquitecturas abstractas de agentes
6
Sistemas Multiagente - Middleware
7
Temas/preguntas en sistemas multiagente
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
2 / 55
Introducción
1
Introducción
2
Agentes Inteligentes
3
Entornos
4
Tipología
5
Arquitecturas abstractas de agentes
6
Sistemas Multiagente - Middleware
7
Temas/preguntas en sistemas multiagente
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
3 / 55
Introducción
Origen de los sistemas multiagente
Tendencias en la historia de la computación
Ubicuidad
Interconexión
Inteligencia
Delegación
Orientación a las personas
(“Introduction to Multi-Agent Systems”, M. Wooldridge, 2001)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
4 / 55
Introducción
Tendencias
Ubicuidad
La capacidad de computación se ha introducido en multitud de
elementos y aparatos gracias al abaratamiento de su coste.
El aumento la potencia de cálculo permite que la sofisticación
(e inteligencia) sea ubicua.
Interconexión
Los sistemas de computación ya no son elementos aislados, sino
que están conectados en red formando sistemas distribuidos.
Esta tendencia lleva a la idea de modelar la computación como
un proceso de interacción
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
5 / 55
Introducción
Tendencias
Inteligencia
La complejidad de las tareas automatizables y delegables ha ido
creciendo (llegando a poder ser consideradas inteligentes)
Delegación
Más tareas se realizan automáticamente (sin supervisión)
Esto sucede incluso en tareas críticas
Orientación a las personas
Los conceptos de programación se alejan de la visión centrada
en computador y se acercan a nuestra visión de las cosas.
La creación de programas se basa en abstracciones y metáforas
de cada vez más alto nivel
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
6 / 55
Introducción
Progresión de la programación
La progresión de la programación (según Wooldridge):
Código máquina
Ensamblador
Lenguajes independientes del computador
Subrutinas
Procedimientos y funciones
Tipos abstractos de datos
Objetos
hasta
Agentes
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
7 / 55
Introducción
Agentes y sistemas multiagente
Agente: primera definición
Un sistema computacional capaz de actuar de manera independiente
como representante de su usuario (satisfaciendo unos objetivos de
diseño y sin supervisión)
Sistema multiagente
Un sistema computacional compuesto de múltiples agentes que
interaccionan entre ellos
Cada agente tendrá sus propios objetivos y motivaciones.
El éxito de la interacción requerirá de cooperación, coordinación
y negociación (precisamente las cualidades de las personas)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
8 / 55
Introducción
Dos visiones: Micro y macro
Esta metáfora nos lleva a plantear los sistemas software basados
en agentes desde dos perspectivas: Individuos y sociedades.
1
Diseño de agentes: ¿Cómo diseñamos agentes capaces de
resolver de manera autónoma las tareas que se les delegan?
2
Diseño de sociedades: ¿Cómo diseñamos agentes capaces de
interaccionar con otros de manera que resuelvan sus tareas,
especialmente en caso de objetivos conflictivos?
Áreas relacionadas: Filosofía, Lógica, Teoría de juegos,
Economía, Ciencias sociales, Ecología
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
9 / 55
Introducción
Múltiples Perspectivas
Agentes como paradigma de ingeniería de software
La interacción es la característica más importante en los
sistemas software complejos.
Es clave en computación el desarrollo de herramientas y
técnicas para entender, modelar e implementar sistemas donde
la interacción es la norma
Agentes como herramienta para entender las sociedades
humanas
Los sistemas multiagente como herramienta de simulación de
sociedades y sus procesos
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
10 / 55
Agentes Inteligentes
1
Introducción
2
Agentes Inteligentes
3
Entornos
4
Tipología
5
Arquitecturas abstractas de agentes
6
Sistemas Multiagente - Middleware
7
Temas/preguntas en sistemas multiagente
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
11 / 55
Agentes Inteligentes
Agentes Inteligentes
Agente: segunda definición
Sistemas computacionales capaces de realizar acciones de manera
autónoma en algún entorno, con el propósito de alcanzar una serie
de objetivos que tiene delegados
El principal interés de los agentes es que son autónomos
(capaces de actuar de manera independiente).
Un agente esta fuertemente ligado y en continua interacción con
su entorno:
percepción – decisión – acción – percepción – decisión – ...
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
12 / 55
Agentes Inteligentes
Agente Autónomo
Percepción
Decisión
Acción
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
13 / 55
Agentes Inteligentes
Propiedades de los agentes
Agentes Simples: Termostato, demon unix
No estamos interesados en agentes simples
Agente: tercera definición
Sistemas computacionales capaces de realizar acciones de manera
autónoma y flexible en algún entorno, con el propósito de alcanzar
una serie de objetivos que tiene delegados
Entendiendo como flexible: Reactivo, proactivo y social
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
14 / 55
Agentes Inteligentes
Reactividad
En un entorno fijo, un agente no debe preocuparse del resultado
de sus acciones, puede actuar sin pensar en las consecuencias
Los entornos reales (los interesantes) son dinámicos, sus
elementos cambian, su información es incompleta y/o incierta
Es difícil construir software para entornos dinámicos ya que el
sistema ha de tener en cuenta la posibilidad de un resultado no
esperado (se ha de preguntar si deber realizar la acción prevista)
Un sistema reactivo ha de mantener una interacción continua
con el entorno y responder a los cambios que ocurren (a tiempo
para que la respuesta tenga utilidad)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
15 / 55
Agentes Inteligentes
Proactividad
Reaccionar al entorno es fácil (p.e., Estimulo =⇒ acción
respuesta)
Pero habitualmente queremos que los agentes hagan cosas por
nosotros.
Esto implica un comportamiento dirigido por objetivos.
Proactividad = Generar e intentar cumplir objetivos, no dirigidos
únicamente por eventos, tomando la iniciativa.
Esto implica el poder y saber reconocer oportunidades (cuándo
se puede actuar)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
16 / 55
Agentes Inteligentes
Reactividad vs Proactividad
Necesitamos que un agente reaccione apropiadamente a los
cambios en el entorno (reactividad).
Necesitamos que un agente sea capaz de cumplir objetivos a
largo plazo (proactividad).
Ambas características pueden interferir.
El conseguir una combinación adecuada de ambas es un
problema no resuelto.
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
17 / 55
Agentes Inteligentes
Habilidad Social
El mundo real es un entorno multi-agente, no es posible obtener
los objetivos propios sin considerar los de otros.
Algunos objetivos solo se pueden cumplir con la interacción de
otros.
La habilidad social en agentes es la capacidad de interactuar con
otros agentes (incluidos humanos) vía cooperación, coordinación
y negociación, usando algún lenguaje de comunicación
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
18 / 55
Agentes Inteligentes
Otras propiedades
Movilidad (dentro de la red).
Veracidad, no comunicar información falsa de manera deliberada.
Benevolencia, ausencia de objetivos contradictorios y objetivo de
obtener los objetivos que se le piden.
Racionalidad, sus acciones van encaminadas a cumplir sus
objetivos y nunca en contra de ello según sus creencias.
Aprendizaje/adaptación, mejorar su eficiencia con el tiempo.
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
19 / 55
Agentes Inteligentes
Agentes (AOP) vs Objetos (OOP)
¿Es lo mismo un agente que un objeto?
Objetos y agentes:
Encapsulan un estado
Se comunican por paso de mensajes
Tienen métodos que corresponden con las acciones que se
pueden realizar según su estado
Pero los agentes son:
Autónomos, deciden por si mismos si actúan o no al recibir
peticiones de otros agentes
Inteligentes, capaces de comportamientos flexibles (reactivos,
proactivos, sociales)
Activos
“Los objetos lo hacen gratis, los agentes porque quieren y
por dinero” (M. Woolridge, Introd. to Multiagent Systems)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
20 / 55
Entornos
1
Introducción
2
Agentes Inteligentes
3
Entornos
4
Tipología
5
Arquitecturas abstractas de agentes
6
Sistemas Multiagente - Middleware
7
Temas/preguntas en sistemas multiagente
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
21 / 55
Entornos
Entornos - Propiedades
Accesible vs inaccesible
Accesible: un agente puede obtener información precisa y
actualizada del estado del entorno
Determinista vs indeterminista
Determinista: toda acción tiene garantizado un único efecto (no
hay incertidumbre sobre el resultado de las acciones).
El inderminismo y nivel de accesibilidad hacen mas complejo el
diseño de agentes.
El mundo físico/internet son entornos inaccesibles e
indeterministas
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
22 / 55
Entornos
Entornos - Propiedades
Episódico vs no episódico
Episódico: existen diferentes escenarios independientes
En los entornos episódicos el rendimiento del agente depende
del conjunto de episodios actual y es independiente del
rendimiento en otros escenarios
Estático vs dinámico
Dinámico: diferentes procesos operan sobre él y sus cambios
están fuera del control del agente
Estático: permanece inmutado excepto cuando el agente haga
alguna acción
El mundo físico es un entorno altamente dinámico.
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
23 / 55
Entornos
Entornos - Propiedades
Discreto vs Continuo
Discreto: hay un numero fijo y finito finito de acciones y
percepciones
Por ejemplo, un juego de tablero es un entorno discreto, pero el
conducir un coche sería un entorno continuo.
Los entornos continuos son difíciles para los sistemas
computacionales ya que estos asumen un entorno discretizado.
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
24 / 55
Tipología
1
Introducción
2
Agentes Inteligentes
3
Entornos
4
Tipología
5
Arquitecturas abstractas de agentes
6
Sistemas Multiagente - Middleware
7
Temas/preguntas en sistemas multiagente
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
25 / 55
Tipología
Tipos de agentes
Agentes Software (entornos virtuales)
Entorno individual, local, global.
Interacción con otros agentes software y/o servicios.
Interacción con humanos a través de interfaces.
Agentes físicos (p.ej. Robots)
Interacción con el mundo real (sensores, actuadores conectados
con el entorno real)
Problemas: Representación de las percepciones, Acciones en el
mundo físico
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
26 / 55
Tipología
Tipos de agentes
Arquitectura interna
Arquitecturas reactivas puras
Los agentes poseen sensores y actuadores conectados al entorno.
La conducta del agente se basa en esímulo-respuesta, la conexión
entre sensores-actuadores hace emerger una conducta inteligente
Arquitecturas reactivas con estado interno
Los agentes tienen además un modelo del entorno que utilizan
para decidir la reacción al estimulo.
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
27 / 55
Tipología
Tipos de agentes
Arquitectura interna
Arquitecturas deliberativas (orientadas por objetivos)
Poseen una representación interna del mundo, siguen una
aproximación simbólica y su funcionamiento se basa en el
razonamiento (lógicas)
Arquitecturas híbridas
Diferentes capas de decisión combinan las dos aproximaciones.
El objetivo es obtener las ventajas de cada una evitando los
inconvenientes
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
28 / 55
Arquitecturas abstractas de agentes
1
Introducción
2
Agentes Inteligentes
3
Entornos
4
Tipología
5
Arquitecturas abstractas de agentes
6
Sistemas Multiagente - Middleware
7
Temas/preguntas en sistemas multiagente
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
29 / 55
Arquitecturas abstractas de agentes
Agentes reactivos puros
Agentes que deciden sus acciones independientemente de la
historia, sus acciones solo dependen del presente (no hay
memoria)
Sus decisiones se basan en reglas simples que hacen coincidir las
observaciones del estado con las decisiones:
Accion : Entorno ⇒ Actuacion
Por ejemplo, un termostato
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
30 / 55
Arquitecturas abstractas de agentes
Agentes reactivos puros
El agente está formado por una función que percibe e interpreta
el entorno en forma de una percepción:
Observar : Entorno ⇒ Percepcion
Una función transforma las percepciones en actuaciones:
Accion : Percepcion ⇒ Actuacion
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
31 / 55
Arquitecturas abstractas de agentes
Agentes reactivos puros
Agent
Sensors
Condition−action rules
What action I
should do now
Environment
What the world
is like now
Effectors
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
32 / 55
Arquitecturas abstractas de agentes
Agentes reactivos con estado interno
Agentes que tienen una estructura interna que representa
información del estado y su historia
Poseen una función que percibe e interpreta el entorno:
Observar : Entorno ⇒ Percepcion
El estado interno es usado para decidir la actuación:
Accion : Estado ⇒ Actuacion
El estado es actualizado combinando la percepción y el estado
interno actual:
Siguiente : Estado × Percepcion ⇒ Actuacion
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
33 / 55
Arquitecturas abstractas de agentes
Agentes reactivos con estado interno
State
How the world evolves
Sensors
What my actions do
Condition−action rules
Agent
ECSDI (LSI-FIB-UPC cbea)
What action I
should do now
Environment
What the world
is like now
Effectors
Sistemas Multiagente
Curso 2015/2016
34 / 55
Arquitecturas abstractas de agentes
Arquitecturas reactivas
Ventajas
Son simples conceptualmente.
Son económicas en recursos
Son poco costosas computacionalmente (elaborar las decisiones
y elegir una)
Son relativamente robustas frente a los fallos (si falla un
comportamiento quedan otros)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
35 / 55
Arquitecturas abstractas de agentes
Arquitecturas reactivas
Inconvenientes
No hay concepción global, la información local ha de ser
suficiente para tomar decisiones
Tener un comportamiento emergente sugiere que la relación
entre comportamientos individuales, entorno y comportamiento
global poco comprensible
Es muy difícil construir sistemas que resuelvan tareas concretas y
establecer una metodología que ayude a diseñarlos
Hay un gran salto cualitativo entre contruir agentes con
comportamientos simples y complejos
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
36 / 55
Arquitecturas abstractas de agentes
Agentes deliberativos
Tareas de los agentes
Los agentes se hacen para que puedan hacer tareas por nosotros.
Esas tareas son especificadas por nosotros.
Queremos decirle al agente qué hacer, pero no cómo hacerlo
(declarativo vs imperativo)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
37 / 55
Arquitecturas abstractas de agentes
Agentes deliberativos (basados en utilidad)
Una posibilidad es asociar utilidad a los estados individuales.
El objetivo del agente será pasar por estados que maximicen la
utilidad.
La especificación de una tarea necesita una función que asocie a
cada estado del entorno un valor:
Utilidad : Entorno =⇒ R
Los problemas son:
cómo definir la utilidad para una secuencia de acciones
(máximo, mínimo, ...).
cómo el definirla como objetivo a largo plazo.
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
38 / 55
Arquitecturas abstractas de agentes
Agentes deliberativos (basados en utilidad)
Otra posibilidad es asignar la utilidad a una secuencia de
acciones.
La ventaja es poder tener una visión a largo plazo
Otras variaciones: Usar la probabilidad de los estados accesibles
Dificultades:
Como formular tareas en términos de utilidades.
Como definir/calcular las utilidades.
En realidad nosotros no pensamos en términos de utilidades (o
la mayoría de las veces).
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
39 / 55
Arquitecturas abstractas de agentes
Agentes deliberativos (basados en utilidad)
State
How the world evolves
Utility
What the world
is like now
What it will be like
If I do Action A
How happy I will be
in such state
What action I
should do now
Agent
ECSDI (LSI-FIB-UPC cbea)
Environment
What my actions do
Sensors
Effectors
Sistemas Multiagente
Curso 2015/2016
40 / 55
Arquitecturas abstractas de agentes
Agentes deliberativos (con objetivos explícitos)
Basadas en una visión simbólica de la IA
La toma de decisiones se basa en el razonamiento (lógica
simbólica)
El agente posee un modelo del entorno y actúa según ese
conocimiento
Problemas:
Representación del mundo exterior a partir de formalismos
lógicos (transductor problem)
Resolver simbólicamente el proceso de razonamiento que lleva a
la toma de decisiones (representation/reasoning problem)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
41 / 55
Arquitecturas abstractas de agentes
Arquitecturas deliberativas (lógica clásica)
Se basan en las técnicas usadas por los sistemas basados en el
conocimiento
Suponen que el agente tiene un conjunto de fórmulas (F ) que
describen como debe comportarse (objetivos según las entradas
que recibe)
El agente tendrá un estado interno (E ) que le indicará que
sucede en el entorno
El agente realizará una acción A si y solo si E `F A
El mayor problema es el coste computacional, en ocasiones es
imposible obtener una respuesta en tiempo razonable
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
42 / 55
Arquitecturas abstractas de agentes
Arquitecturas deliberativas (agentes BDI)
El razonamiento que utilizan se basa en una rama de la filosofía
denominada razonamiento práctico
Busca un modelo para el proceso que realizamos al decidir qué
acción llevamos a cabo cada momento para perseguir unos fines
Este proceso está basado en dos procesos
Decidir qué objetivos queremos conseguir (Deliberación)
Decidir cómo conseguirlos (Razonamiento de medios fines)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
43 / 55
Arquitecturas abstractas de agentes
Agentes BDI - Intenciones/objetivos/acciones
En el proceso de decisión participan 3 elementos
Creencias (Beliefs): Cuál es mi visión del mundo
Deseos (Desires): Qué opciones tengo según mis creencias
Intenciones (Intentions): Qué objetivos voy a perseguir
Las intenciones cumplen diferentes propósitos:
Dirigen el razonamiento sobre medios-fines (objetivos)
Permiten restringir el razonamiento futuro
Son persistentes
Influyen en las creencias futuras
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
44 / 55
Arquitecturas abstractas de agentes
Agentes BDI - Reactividad vs Proactividad
Un punto clave es el modo en que estas intenciones dirigen el
razonamiento y plantean objetivos (prioridades, preferencias)
En ocasiones es necesario un proceso de revisión de
objetivos/acciones
Problema de la revisión
Un agente que no revise nunca sus intenciones puede perder el
tiempo con objetivos inalcanzables
Un agente que revise sus objetivos muy a menudo puede no
tener tiempo para actuar
Este problema es el equilibrio entre dos cualidades de los
agentes, la proactividad y la reactividad
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
45 / 55
Arquitecturas abstractas de agentes
Agentes deliberativos (con objetivos explícitos)
State
How the world evolves
Goals
Agent
ECSDI (LSI-FIB-UPC cbea)
What the world
is like now
What it will be like
If i do Action A
What action I
should do now
Environment
What my actions do
Sensors
Effectors
Sistemas Multiagente
Curso 2015/2016
46 / 55
Sistemas Multiagente - Middleware
1
Introducción
2
Agentes Inteligentes
3
Entornos
4
Tipología
5
Arquitecturas abstractas de agentes
6
Sistemas Multiagente - Middleware
7
Temas/preguntas en sistemas multiagente
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
47 / 55
Sistemas Multiagente - Middleware
Sistemas Multiagente - Middleware
La necesidad de la interacción social entre agentes obliga a
definir y desarrollar arquitecturas que soporten esta dimensión
social.
Eso implica una capa intermedia entre los agentes que permita
la interconexión/organización/comunicación
En ocasiones este software intermediario se denomina
plataformas de agentes
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
48 / 55
Sistemas Multiagente - Middleware
Plataformas Multiagente
FIPA (Foundation for Intelligent Physical Agents) es un grupo
de estandarización de IEEE que definió un conjunto de
estándares sobre agentes.
FIPA definió una arquitectura abstracta que debería seguir toda
implementación de una plataforma multiagente (igual que hace
SOA).
Esta arquitectura abstracta está compuesta por:
Un directorio de agentes
Un directorio de servicios
Un mecanismo de transporte de mensajes
Un lenguaje de comunicación de agentes (ACL)
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
49 / 55
Sistemas Multiagente - Middleware
Arquitectura FIPA
Directorio de agentes (páginas blancas): Se encarga de
registrar a los agentes y la dirección/ruta a donde enviarles
mensajes .
Directorio de servicios (páginas amarillas): Se encarga de
registrar las capacidades que los agentes ponen a disposición
(servicios).
Mecanismo de transporte de mensajes (routing): Se encarga
del envío de los mensajes entre agentes dentro y fuera de una
plataforma.
Lenguaje de comunicación de agentes (ACL): Define los
mensajes que pueden utilizar los agentes para comunicarse.
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
50 / 55
Sistemas Multiagente - Middleware
Arquitectura FIPA - Realizaciones
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
51 / 55
Temas/preguntas en sistemas multiagente
1
Introducción
2
Agentes Inteligentes
3
Entornos
4
Tipología
5
Arquitecturas abstractas de agentes
6
Sistemas Multiagente - Middleware
7
Temas/preguntas en sistemas multiagente
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
52 / 55
Temas/preguntas en sistemas multiagente
Temas/preguntas en sistemas multiagente
Ingeniería y Diseño
Cómo diseñar y construir sistemas multiagente en la práctica.
Cómo habilitar a los agentes para que descompongan sus tareas
y objetivos (y asignar subtareas a otros agentes) y sintetizar
resultados parciales.
Cómo describir formalmente sistemas multiagente y la
interacción entre agentes y como asegurar que están
correctamente especificados.
Cómo encontrar un compromiso entre coste computacional local
y comunicación.
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
53 / 55
Temas/preguntas en sistemas multiagente
Temas/preguntas en sistemas multiagente
Razonamiento/Estado/Toma de decisiones
Cómo habilitar a los agentes para representar y razonar sobre el
estado y sus interacciones.
Cómo habilitar a los agentes para representar y razonar sobre las
acciones, planes y conocimiento de otros agentes para
interaccionan con ellos.
Cómo implementar en un sistema multiagente procesos
inteligentes como resolución de problemas, planificación, toma
de decisiones y aprendizaje.
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
54 / 55
Temas/preguntas en sistemas multiagente
Temas/preguntas en sistemas multiagente
Organización
Cómo habilitar a los agentes para comunicarse, qué lenguajes y
protocolos usar.
Como formar y disolver estructuras organizativas para cumplir
metas y objetivos específicos.
Cómo habilitar a los agentes para reconocer y solucionar
conflictos entre agentes.
Cómo evitar o mitigar comportamientos indeseados en el sistema
(caos).
ECSDI (LSI-FIB-UPC cbea)
Sistemas Multiagente
Curso 2015/2016
55 / 55