Sie sind auf Seite 1von 35

FACULTAD DE INGENIERIA

ESCUELA PROFECIONAL DE INGENIERIA DE SISTEMA

CURSO: INTELIGENCIA ARTIFICIAL

AGENTES INTELIGENTES

AUTOR: Sanchez Kens Jefferson

CHIMBOTE-ANCAHS-2016

Dedicatoria

PRIMERAMENTE A DIOS POR HABERME PERMITIDO LLEGAR HASTA ESTE


PUNTO Y HABERME DADO SALUD, SER EL MANANTIAL DE VIDA Y DARMOS
LO NECESARIO PARA SEGUIR ADELANTE DA A DA PARA LOGRAR MIS
OBJETIVOS, ADEMS DE SU INFINITA BONDAD Y AMOR.

A MIS PADRES POR HABERME APOYADO EN TODO MOMENTO, POR SUS


CONSEJOS, SUS VALORES, POR LA MOTIVACIN CONSTANTE QUE ME
HAN PERMITIDO SER UNA PERSONA DE BIEN, PERO MS QUE NADA, POR
SU AMOR. A MIS PADRES POR LOS EJEMPLOS DE PERSEVERANCIA Y
CONSTANCIA QUE LO CARACTERIZAN Y QUE NOS HAN INFUNDADO
SIEMPRE, POR EL VALOR MOSTRADO PARA SALIR ADELANTE Y POR SU
AMOR.

AGRADECIMEINTO

QUIERO AGRADECER A MI PROFESOR YA QUE L NOS ENSE VALORAR


LOS ESTUDIOS Y A SUPERARNOS CADA DA, TAMBIN AGRADEZCO A
NUESTROS PADRES PORQUE ELLOS ESTUVIERON EN LOS DAS MS
DIFCILES DE MUESTRAS VIDA COMO ESTUDIANTE.

Y AGRADEZCO A DIOS POR DARME LA SALUD QUE TENEMOS, POR TENER


UNA CABEZA CON LA QUE PODEMOS PENSAR MUY BIEN Y ADEMS UN
CUERPO SANO Y UNA MENTE BIEN.

ESTOY SEGURO QUE MUESTRAS METAS PLANTEADAS DARN FRUTO EN


EL FUTURO Y POR ENDE DEBEMOS ESFORZAR CADA DA PARA SER
MEJOR EN EL UNIVERSIDAD Y EN TODO LUGAR SIN OLVIDAR EL RESPETO
QUE ENGRANDECE A LA PERSONA.

Epgrafe

El programador, tal como un poeta, trabaja slo


separado ligeramente de la sustancia pura del
pensamiento. Construye sus castillos en el aire, de aire,
creando con el esfuerzo de su imaginacin. Pocos
medios de creacin son tan flexibles, tan fciles de
depurar, de re trabajar, tan fcilmente capaces de
realizar grandes estructuras conceptuales.

Resumen
La Inteligencia Artificial tiene como objetivo el estudio de las entidades inteligentes; pero a
diferencia de la filosofa, la psicologa, las neurociencias, y dems disciplinas cuyo objeto de
estudio est relacionado con la inteligencia, su meta no tiene que ver nicamente con la
comprensin de estas entidades, sino con su construccin. La construccin de agentes racionales
como concepto unificador dentro de la Inteligencia Artificial, constituye el curiosamente
llamado, nuevo enfoque de la Inteligencia Arti- ficial, claramente definido en el texto
introductorio de Russell y Norvig [19]. Incluso antagonistas de las tecnologas basadas en
agentes, como Lanier1, coinciden en que el concepto de agente es inherente al de Inteligencia
Artificial.
Lejos de ser el sueo anhelado por todos, se est convirtiendo en una pesadilla en forma de
avalancha de informacin. Los usuarios inexpertos rara vez consiguen unos resultados
satisfactorios de sus consultas, e incluso los expertos suelen cometer errores a la hora de utilizar
las de bsqueda. La solucin a los de recuperacin, en ste mbito, puede venir de los agentes
inteligentes. El del presente artculo es presentar, identificar, definir y clasificar los distintos
tipos de agentes inteligentes, centrndose en aquellos destinados a la recuperacin de
informacin.
Palabras clave: Sistemas expertos, Agentes inteligentes, Agentes de informacin, Recuperacin
de informacin.
.

Summary

Artificial Intelligence aims the study of intelligent entities; but unlike philosophy, psychology,
neuroscience, and other disciplines whose object of study is related to intelligence, your goal
has to do only with the understanding of these entities, but with its construction. The
construction of rational agents as a unifying concept in Artificial Intelligence, is the curiously
named, new approach to Arti- ficial Intelligence, clearly defined in the introductory text of
Russell and Norvig [19]. Even antagonists agent-based technologies, as Lanier1, agree that the
concept of agent is inherent in Artificial Intelligence.
Far from being the dream cherished by all, it is turning into a nightmare as a flood of
information. Inexperienced users rarely get satisfactory results of their consultations, and even
experts often make mistakes when using the search. The solution to recovery in this area, can
come from intelligent agents. The present article is to identify, define and classify the different
types of intelligent agents, focusing on those for information retrieval.
Keywords: Expert Systems, Intelligent Agents, Information, Information Retrieval.

SUMARIO

CARATULA ...........................................................................................................................................
1
SUAMRIO
DEDICATORIA ...................................................................................................................................... 2
AGRADECIMIENTO .............................................................................................................................. 3
EPGRAFE ............................................................................................................................................. 4
RESUMEN ............................................................................................................................................ 5
SUMMARY ........................................................................................................................................... 6
SUMARIO ............................................................................................................................................. 7
INTRODUCCIN ................................................................................................................................... 8
CAPTULO I........................................................................................................................................... 9
INTELOGENCIA ARTIFICIAL DISTRIBUIDA .................................................................................. 9
QUE ES UNA AGENTE INTELIGENTE? ....................................................................................... 9
COMO SE CARACTERIZAN UN AGENTE ................................................................................... 10
LA SOCIEDAD DE AGENTE........................................................................................................ 10
AGENTES COGNITIVOS Y REACTIVOS ...................................................................................... 12
CAPTULO II........................................................................................................................................ 14
CARACTETISTICAS DE UN AGENTE COGNITIVA ....................................................................... 14
ARQUITECTURAS PARA AGENTES INTELIGENTES ................................................................... 15
ESTRUCTURA DE UNA AGENTE................................................................................................ 15
CAPTULO III ...................................................................................................................................... 16
SSITEMAS MULTIAGENTES ...................................................................................................... 16
ABIENTES ................................................................................................................................. 16
CONCLUSIONES ................................................................................................................................. 18
REFERENCIA BIBLIOGRAFICA ............................................................................................................ 19

INTRODUCCIN
La Inteligencia Artificial IA, se esta considerando como una de las disciplinas ms nuevas, siendo
curiosamente considerada a la vez como una gran ciencia desconocida y una de las que ms inters
despierta. Esto es debido a que poca gente tiene claro qu es la IA, pero sin embargo es considerada
por una gran mayora de cientficos como la disciplina donde han pensado alguna vez en trabajar.
Pero, qu es realmente la IA? Existen gran variedad de definiciones respecto a lo que es la IA,
algunas ms vlidas que otras, pero podramos intentar resumirlas comentando que la IA trata de
desarrollar sistemas que piensen y acten racionalmente.
En los ltimos aos la IA ha ido evolucionando, quizs con mayor celeridad que otras disciplinas,
motivada probablemente por su propia inmadurez. Todo esto ha llevado a que la IA actualmente
abarque una gran cantidad de reas, desde algunas muy generales como razonamiento, bsqueda, etc.
a otras ms especficas como los sistemas expertos, sistemas de diagnstico, etc. Podramos indicar,
sin lugar a dudas, que la IA puede ser aplicada hoy en da a infinidad de disciplinas cientficas y es
que la IA es susceptible de aparecer all donde se requiera el intelecto humano. En este aspecto cada
nueva incursin de la IA en un campo diferente supone el empleo de una metodologa de aplicacin
propia del investigador que lo intenta pues a diferencia de otras disciplinas, no existen ciertos
estndares o criterios consensuados que unifiquen el proceso de aproximacin de la IA a otras reas y,
en consecuencia, a problemas reales. La aparicin de una metodologa comn a la hora de abordar la
aplicabilidad de la IA puede resultar un elemento muy positivo en la corta vida de esta disciplina.
Actualmente en la IA ha surgido un nuevo paradigma conocido como paradigma de agentes, el cual
est tomando un gran auge entre los investigadores. Dicho nuevo paradigma aborda el desarrollo de
entidades que puedan actuar de forma autnoma y razonada. Si retomamos la definicin dada
anteriormente donde se consideraba a la IA como un medio para el desarrollo de sistemas que piense
y actenracionalmente, podemos pensar que la IA, en su conjunto, trata realmente de construir
precisamente dichas entidades autnomas e inteligentes.
De acuerdo con esta visin, se puede considerar a la IA como una disciplina orientada a la
construccin de agentes inteligentes donde se integran las diferentes reas que sta comprende. Desde
hace relativamente poco tiempo esta idea est siendo ya adoptada por investigadores en la materia; el
propio Stuart Russell ha remodelado su conocido libro Inteligencia Artificial, un enfoque
moderno [Russell1996] para dar un enfoque de la IA orientado totalmente al desarrollo de agentes. Es
importante resaltar que en el momento en que se disponga de una metodologa clara para la
construccin de dichos agentes inteligentes, la aplicabilidad de las tcnicas de IA a cualquier tipo de
problema podr abordarse de una manera ms clara y unificada.
De momento, se puede asegurar que, hoy en da, existe una idea generalizada dentro de la IA de que
nos encontramos ante el nacimiento de una nueva tecnologa, la de agentes inteligentes, que permite
abordar de una manera ms apropiada la construccin de sistemas inteligentes ms complejos
aplicados a muy diversos campos. Veamos en los siguientes puntos del artculo una descripcin ms
detallada de lo que es y lo que promete esta nueva tecnologa hacia la que est orientada actualmente
la IA.

CAPITULO I

1. Intelligence artificial distribuida


La Inteligencia artificial distribuida es un campo de la IA dedicado al estudio de las
tcnicas y el conocimiento necesario para la coordinacin y distribucin del conocimiento
y las acciones en un entorno con mltiples agentes.
Podemos distinguir dos reas principales de desarrollo:
Solucin cooperativa de problemas distribuidos (SCPD): Estudia como unos
conjuntos de mdulos (o nodos) cooperan para dividir y compartir el
conocimiento de un problema y en el desarrollo de la solucin.
Sistemas multiagentes (SMA): Estudia la coordinacin de la conducta inteligente
entre un conjunto de agentes inteligentes autnomos.
La principal diferencia entre ambas reas estriba en la flexibilidad de la coordinacin
entre los agentes. En la SCPD, las interacciones y tareas que cada agente realiza, estn
prefijadas de antemano: hay un plan centralizado de resolucin de problemas. Suele haber
un miembro que ejerce un control global que centraliza los resultados parciales y datos
entre el resto de los componentes del sistema. En contraposicin en los SMA, los agentes
tienen un grado de autonoma mayor y pueden decidir dinmicamente que interacciones
son adecuadas, que tareas deben realizar, quien realiza cada tarea y, adems, es posible
mantener conocimiento que no es globalmente consistente, incluso los agentes pueden
mantener objetivos globales diferentes. Esta definicin permite distinguir entre sistemas
que se centran en el comportamiento global, con una conducta fija de los agentes (SCPD)
y sistemas que se centran en la conducta de los individuos que como resultado, obtenan
una conducta del sistema (SMA). Vista como una sociedad, seria escoger entre un estado
que planifica y regula las conductas de los individuos (que sern predecibles) o dejar que
el sistema se resuelva por la libre iniciativa de los individuos.
Los problemas bsicos que estudia la IAD y que son comunes a todos los sistemas son:
Como formular, describir, descomponer y asignar problemas y sintentetizar los
resultados entre un grupo de agentes inteligentes.
Como capacitar a los agentes para que se comuniquen e interactuen: que lenguajes
de comunicacin o protocolos deben utilizarse, que y cuando deben comunicarse,
etc.
Como asegurar que los agentes acten coherentemente al tomar decisiones o
realizar acciones, como acomodar los efectos globales de las decisiones locales y
prevenir interacciones no deseadas.
Como capacitar a los agentes para representar y razonar sobre acciones, planes y
conocimientos de otros agentes para coordinarse; como razonar sobre el estado de
su proceso de coordinacin (inicio o terminacin).
Como reconocer y reconciliar puntos de vista e intenciones conflictivas entre un
conjunto de agentes para coordinar sus acciones; como sintetizar los puntos de
vista y los resultados.
10

Como utilizar tcnicas ingenieriles y desarrollar sistemas con IAD. Como


desarrollar plataformas de SMA y metodologias de desarrollo con tenias de IAD.
La desde el punto de vista de la IAD, puede hacerse de acuerdo a dos elementos
fundamentales [Dem, 90]. El primero se concentra en las componentes fundamentales del
sistema como una composicin de estos, o sea como la sociedad en que viven nuestros
agentes (IAD clsica).

1.1 Que es un agente?


Podemos definir al agente inteligente como una entidad que, basndose en su propio
conocimiento, realiza un conjunto de destinadas a satisfacer las necesidades de un usuario
o de otro, bien por iniciativa propia o porque alguno de stos se lo requiere.
Todos los agentes inteligentes son, pero no todos los programas que realizan bsquedas
son agentes inteligentes. Los agentes en s mismos pueden ser considerados como
entidades individuales (partes de programa que tienen sobre sus propias vidas y
movimientos). Continuamente estn realizando que les indican qu hacer y cmo. Se
comunican con otros agentes para resolver de forma adecuada su trabajo.
11

De acuerdo con el punto de vista de la inteligencia artificial un agente posee las siguientes
propiedades: autonoma, sociabilidad, capacidad de reaccin, iniciativa, benevolencia y
racionalidad (Wooldridge y Jennings, 1995).
Un agente inteligente es una entidad software que, basndose en su
propio conocimiento, realiza un conjunto de operaciones para satisfacer las necesidades
de un usuario o de otro programa, bien por iniciativa propia o porque alguno de stos se
lo requiere
ltimamente la industria del software, con fines puramente comerciales, nos est
mostrando aplicaciones catalogadas como agentes inteligentes que realmente no lo son.
ste es el caso del Ayudante de Microsoft Office (Clippo, Dr. Genio, Ridondo, etc.). Si
aplicamos cada una de las propiedades de los agentes inteligentes a
este Ayudante veremos que, como mucho, cumple la caracterstica de la sociabilidad. Por
tanto realmente no es lo que se enuncia, sino un simple programa que en determinados
casos emula el comportamiento de los agentes inteligentes. Esta comparacin es una
buena forma de distinguir entre un agente inteligente y un programa convencional.
Varios investigadores y grupos de investigacin han definido el trmino de agente desde
diferentes puntos de vista, esto ha influido a que en la actualidad existan diferentes
definiciones de lo que es un agente.
La dificultad se debe especialmente a que los agentes se pueden emplear en muchos
dominios de aplicacin, llevando consigo a que cada dominio asocie varios y diferentes
atributos a la definicin de agente. Por lo tanto es conveniente dar una corta definicin de
agente que no involucre las caractersticas que debe tener un agente inteligente. Un
agente es un sistema que esta en algn ambiente y que es capaz de
tomar acciones autnomas de acuerdo al estado del ambiente para cumplir
sus objetivos de diseo. Lo anterior no quiere decir que el agente tenga dominio completo
del ambiente, por el contrario en la mayora de situaciones este es muy complejo y el
agente solo tendr un control parcial de este. As mismo puede suceder que para un
estado del ambiente muy similar, dos acciones diferentes tomadas por el agente
produzcan efectos heterogneos en el ambiente.
1.2 COMO SE CARACTERIZA UN AGENTE?
Un agente va a venir caracterizado por una serie de calificativos, los cuales vienen a
denotar ciertas propiedades a cumplir por el agente. Esto nos lleva a plantear otra
definicin bastante aceptada de agente donde se emplean tres calificativos que, segn, el
autor se consideran bsicos. Esta definicin ve a un agente como un sistema de capaz de
actuar de forma autnoma y flexible en un entorno [Wooldridge1995], entendiendo por
flexible que sea:
Reactivo, el agente es capaz de responder a cambios en el entorno en que se
encuentra situado.
Pro-activo, a su vez el agente debe ser capaz de intentar cumplir sus propios
planes u objetivos.
12

Social, debe de comunicarse con otros agentes mediante algn tipo de de de


agentes. Como vemos en este caso, hemos identificado una serie de caractersticas
o apellidos que de por s debe tener un agente. Atendiendo a esta idea, para poder
asociar a una herramienta el trmino agente debe ser capaz de cumplir los
requerimientos anteriormente expuestos. Actualmente, un pequeo porcentaje del
SW de propsito general existente se adapta a dicha definicin. Apliquemos estas
caractersticas a nuestro agente de ejemplo: sera reactivo? Podemos pensar que
s a juzgar por el hecho de que el agente debera reaccionar frente a los mandatos
que le indicamos, adems debe poder reaccionar frente a posible que le lleguen de
la . Sera pro-activo?, evidentemente que s, nuestro agente debera
autoplantearse su curso de para poder realizar todas sus tareas adelantndose a las
peticiones de su usuario. Por ltimo debemos pensar si nuestro agente sera social.
Esta caracterstica desde nuestro punto de vista no sera bsica en una definicin
general de agente, no obstante, s que podemos claramente identificar una social
en nuestro ejemplo si observamos que debera poder comunicarse con infinidad
de en la red y, por qu no, con otros agentes existentes en la misma. Pero, en
definitiva, cules son las caractersticas bsicas y de qu mas caractersticas
disponemos para poder calificar a un agente?. Revisemos a algunas de las
caractersticas que en la se suelen atribuir a los agentes en mayor o menor grado
para resolver particulares y que han sido descritos por autores tales como Franklin
y Graesser [Franklin1996], y Nwana [Nwana1996], stas son:
Continuidad Temporal: se considera un agente sin fin, ejecutndose
continuamente y desarrollando su funcion.
Autonoma: un agente es completamente autnomo si es capaz de actuar
basndose en su experiencia. El agente es capaz de adaptarse aunque el entorno
cambie severamente. Por otra parte, una definicin menos estricta de autonoma
sera cuando el agente percibe el entorno.
Sociabilidad: este atributo permite a un agente comunicar con otros agentes o
incluso con otras entidades.
Racionalidad: el agente siempre realiza lo correcto a partir de los que percibe
del entorno.
Reactividad: un agente acta como resultado de cambios en su entorno. En este
caso, un agente percibe el entorno y esos cambios dirigen el del agente.
Pro-actividad: un agente es pro-activo cuando es capaz de controlar sus propios
objetivos a pesar de cambios en el entorno.
Adaptatividad: est relacionado con el aprendizaje que un agente es capaz de
realizar y si puede cambiar su comportamiento basndose en ese aprendisaje.
Movilidad: capacidad de un agente de trasladarse a travs de una red telematica.
Veracidad: asuncin de que un agente no comunica informacin falsa a
propsito.
Benevolencia: asuncin de que un agente est dispuesto a ayudar a otros agentes
si esto no entra en con sus propios objetivos.
No existe un consenso sobre el grado de importancia de cada una de estas propiedades para
un agente. Sin embargo, se puede afirmar que estas propiedades son las que distinguen a los
13

agentes de meros . Segn hemos visto en la definicin de Wooldridge, las caractersticas de


autonoma, reactividad, pro-actividad y sociabilidad son las caracte-rsticas bsicas.
Podramos encontrar otras definiciones donde varan ligeramente las caractersticas a aplicar
a un agente bsico.
Un Agente puede definirse como una entidad, semi o completamente autnoma, la cual acta
racionalmente de acuerdo a sus percepciones del exterior y el estado de su conocimiento.
Desde un punto de vista estructural, y de acuerdo a [Ber, 92] , el agente puede dividirse en
dos partes principales. La primera est relacionada con el conocimiento que el agente posee
acerca del mundo exterior, las habilidades de otros agentes y las suyas propias, as como sus
tpicos de inters; el segundo aspecto abarca el procesamiento dinmico que el agente realiza
de los mensajes y que definir su actividad de razonamiento ante problemas e informaciones
nuevas. Por esto se basa en un lenguaje de comunicacin externo, para interactuar con otros
agentes, uno interno, para la comunicacin entre sus propias componentes, y un conjunto
de mtodos que permite el procesamiento de estos mensajes.
1.3 LA SOCIEDAD DE AGENTE
Est organizada como una red en la cual los nodos representan dichas entidades, y los enlaces
los puentes de intercambio de informacin entre los mismos. A partir de la organizacin de
los enlaces, el intercambio de informacin puede hacerse o bien directamente, o bien
indirectamente a travs de un intermediario.
A partir del control esbozado en el prrafo anterior, se puede decir que existen dos tipos
fundamentales de sociedades en la Inteligencia Artificial Distribuida: la centralizada y la
descentralizada.
Multi Agente
Los Sistemas MultiAgente se preocupan por coordinar la conducta inteligente de agentes
autnomos. Estos agentes hacen parte de una coleccin y pueden coordinar su conocimiento,
objetivos, habilidades y planes juntamente para tomar una accin o resolver una meta global,
al igual que los DPS estos pueden tener conocimiento parcial sobre el problema y las. En
estos sistemas debe haber un proceso de racionalizacin para la del conjunto de agentes
[BOND 1988].
Por lo general en estos sistemas MA los agentes con sus creencias, deseos e intenciones
construyen el problema y o secuencia de acciones para solucionarlo.
Planeacin
El proceso de generacin de un plan es llamado , como ya se vio los planes en la IA son
vistos como una secuencia de acciones de un agente, de tal manera que es capaz de cambiar
su entorno y lograr uno o ms objetivos.
Las entradas esenciales para un proceso de planeacin son: estado inicial del mundo y el
conjunto de las posibles acciones, el agente pude cambiar el mundo o ambiente con sus
acciones. Una buena planeacin solo seria efectiva en entornos altamente predecibles,
14

mientras que en dominios caticos es poco efectiva, en este caso el agente solo podra
reaccionar ante eventos y percepciones.
Los mtodos de planeacin para DPS y sistemas MA son diferentes, la planeacin para
mltiples agentes se utiliza en DPS, mientras que los mtodos para planeacin distribuida se
aplican a los sistemas MA.
Como se vera en las siguientes secciones, en los sistemas DPS un plan debe ser resulto por
los agentes, mientras que en los sistemas multiagente se debe generar y ejecutar un plan por
los agentes.
Planeacin para mltiples agentes
La planeacin para mltiples agentes puede ser considerada como un problema distribuido
que los agentes tiene que resolver. Cuando se construye este problema distribuido se tienen
que hacer algunas suposiciones de las principales propiedades de sus elementos [LUBO
2002].
Existen dos mtodos de colaboracin entre agentes cuando se soluciona un problema
distribuido, la colaboracin esta basada en la reparticin de tareas y en compartir resultados.
Reparticin de tareas
Se basa en la descomposicin y reparticin de tareas y la habilidad de los agentes para
trabajar en paralelo. El se basa en la descomposicin de subtareas a cargo de un agente
cuando este se ve sobrecargado por una tarea, la asignacin de las subtareas resultantes se
hace a los agentes del sistema que tengan las habilidades que se necesiten para resolverla.
Una subtarea puede ser dividida y asignada recursivamente si es necesario. Cuando se
termine la subtarea(s) el resultado es devuelto a un agente que crea la solucin final del
problema, generalmente este agente es el que descompuso el problema, ya que es muy
probable que este sepa sintetizar los resultados.
La reparticin de tareas se puede hacer en diferentes tipos de sistemas segn las capacidades
de los agentes:
En sistemas homogneos la reparticin de tareas es sencilla ya que los agentes
cuentan con las mismas capacidades. En este caso las subtareas pueden ser asignadas
aleatoriamente a los agentes inactivos del sistema.
En sistemas homogneos la reparticin de tareas exige mecanismos ms complejos ya
que los agentes poseen diferentes habilidades. En este caso cada subtarea debe ser
asignada a un gente que tenga las capacidades adecuadas para resolverla, esto
conlleva a que el agente que descompone el problema debe guardar informacin sobre
las habilidades de cada uno de los agentes del sistema.
Compartir resultados
Los agentes con capacidades, conocimiento y representaciones del entorno diferentes pueden
15

llegar a diferentes resultados al ejecutar una misma tarea, de esta manera se busca que estos
resultados se compartan de forma que los agentes cooperen para encontrar la solucin global
del problema. Al basarse en las diferentes soluciones de los agentes, se pueden obtener los
siguientes beneficios:
Mayor confianza, debido a que si muchos agentes producen la misma solucin para un
problema determinado, incrementa la de que el resultado sea correcto.
Mayor , ya que cada agente comparte con otros los resultados de todas las tareas que se han
completado, de esta manera el de agentes puede completar la solucin global de la tarea.
Mayor Precisin, teniendo una mayor visin sobre el conjunto de tareas, se permite a los
agentes refinar cada uno de los resultados.
Mayor Puntualidad, el intercambio de resultados permite a los agentes trabajar en paralelo,
minimizando el gastado en la solucin de un mismo problema por muchos agentes.
Planeacin Distribuida
En la planeacin distribuida, las tareas y resultados de esta, pueden ser fuente de en un
sistema MA, es decir el proceso de planeacin es distribuido entre muchos agentes. El
resultado de este proceso de planeacin (el cual es un plan) se distribuye y es ejecutado por
varios agentes, a esto se le conoce con el nombre de plan distribuido.
Los agentes pueden participan en la creacin de un plan distribuido, actuar tras un plan
distribuido o participar de las dos maneras. A continuacin se presentaran para planeacin
distribuida.
Planeacin centralizada para planes distribuidos
En la planeacin centralizada un solo agente debe crear un plan. Este plan tiene que ser
distribuido entre los agentes del sistema. El agente que el plan o un agente coordinador divide
el plan en hilos que pueden ser ejecutados en paralelo. Los hilos son distribuidos entre los
agentes utilizando tcnicas de asignacin de tareas y cada agente acta sobre el subplan que
recibe.
Planeacin distribuida para planes centralizados
La distribuida puede existir incluso cuando el plan resultante es ejecutado por un solo agente,
la distribucin se hace necesaria cuando no hay la suficiente capacidad o conocimiento del
agente para hacer el plan y por lo tanto debe buscar cooperacin con otros agentes
especialistas en planeacin.
En este tipo de planeacin el problema es descompuesto y distribuido entre los agentes
especialistas de planeacin usando alguna tcnica de reparticin de tareas. La coordinacin se
puede lograr mediante los siguientes mtodos: [LUBO 2002] Intercambio de un plan parcial
especializado en el cual un planificador modifica y expande un plan parcial de acuerdo con
sus objetivos.
16

Combinacin de resultados en el cual los planificadores generan planes parciales en paralelo


e intentan integrarlos para formar un plan general.

Planeacin distribuida para planes distribuidos


Es la forma ms compleja de planeacin distribuida, en este mtodo tanto la planeacin como
la ejecucin de los planes son distribuidos.
En los sistemas MA este es el caso ms general de planeacin, como cada agente esta
generando su plan, puede suceder que los agentes no sean consientes de la conducta de los
otros agentes, debido a esto es imposible e innecesario probar un plan multiagente completo
que comprenda todas las acciones que tomen los agentes del sistema. La mejor forma para
que cada uno de los agentes respete los planes de los otros, es tener una buena cooperacin
entre ellos. [LUBO 2002]
Un agente puede ser clasificado por su rol o papel en una sociedad de agentes (SMA al que
pertenece), por su especialidad o actividad en la que es experto, por sus objetivos o metas en
el SMA, por su funcionalidad o lo que es capaz de hacer, por sus creencias, por su capacidad
de comunicacin y por su capacidad de aprendizaje [Lab93].
1.4 AGENTES COGNITIVOS Y REACTIVOS
AGENTE COGNITIVO
es aquel que es capaz de efectuar operaciones complejas, es individualmente inteligente (es
un sistema ms o menos experto, con capacidad de razonamiento sobre su base de
conocimiento), puede comunicarse con los dems agentes y llegar a un acuerdo con todos o
algunos de ellos, sobre alguna decisin. Un sistema cognitivo est compuesto por un pequeo
nmero de agentes cognitivos.
AGENTE REACTIVO
Es un agente de bajo nivel, que no dispone de un protocolo ni de un lenguaje de
comunicacin y cuya nica capacidad es responder a estmulos. Los agentes reactivos no son
individualmente inteligentes, sino globalmente inteligentes. Los sistemas reactivos por lo
general estn compuestos por un gran nmero de agentes reactivos que realizan acciones
entre todos, para esto es necesario tener en cuenta nuevas teoras de cooperacin y
comunicacin que permitan el desempeo de estas acciones
Es posible concebir sistemas heterogneos cuyo comportamiento se derive de los dos tipos de
agentes y tenga caractersticas de ambos. Es decir, es posible dotar a los agentes cognitivos
de capacidades de reaccin a los eventos, a tales agentes se les puede llamar AGENTES
HBRIDOS.

17

Sistemas Cognitivos
Sistemas Reactivos
Representacin explcita del ambiente
No tiene
Pueden tener conocimiento del pasado

Sistemas Cognitivos
Sistemas Reactivos
Representacin explcita del ambiente
No tiene
Pueden tener conocimiento del pasado

18

CAPITULO
II
19

2 CARACTETIZACION DE UN AGENTENTE COGNITIVO


Los avances en los trabajos de IAD en SMA permitieron definir las siguientes caractersticas.
A). Intencionalidad: Un agente cognitivo es guiado por sus metas, las cuales
describen las situaciones que son deseables para el agente. Una intencin es la
declaracin explcita de sus metas y medios para llegar a ellas, y los planes se pueden
definir como secuencia de acciones que lleven a un agente a obtener su meta.
B). Racionalidad: Un agente cognitivo posee criterios de evaluacin de acciones y
de seleccin, de tal manera que lo que decida sea en beneficio de l (adquirir ms
conocimiento, obtener respuestas, etc.). Adems, es capaz de justificar sus decisiones.
La base de conocimiento es un conjunto de representaciones de hechos del mundo.
Globalmente inteligentes: Solo en grupo pueden resolver un problema.
C). Compromiso: Un agente cognitivo cooperativo3 planifica sus acciones por
coordinacin y negociacin con los otros agentes. Los agentes que participan en la
coordinacin de actividades obran bajo el supuesto de que en condiciones normales,
cada uno de los participantes cumplir con el plan con el que se comprometi.
D). Adaptabilidad: Un agente cognitivo es capaz de controlar sus aptitudes y
comportamiento de acuerdo al rol que asuma en un sistema.
E). Inteligente: Un agente cognitivo es inteligente si es racional, intencional y
adaptable. Un agente inteligente debe ser capaz de operar exitosamente en varios
ambientes, si se toma el suficiente tiempo para adaptarse [Rus et al95].
2.1 ARQUITECTURA PARA AGENTES INTELIGENTES
Una arquitectura permite descomponer un sistema computacional en componentes ms pequeos
y determinar como es la relacin entres estos. Una arquitectura para agentes en particular permite
descomponer un sistema de agentes, y determinar como deben interactuar entre ellos y con el
ambiente.
Se distinguen tres arquitecturas diferentes que se clasifican segn el modelo de razonamiento que
utilizan.
Arquitecturas deliberativas
Una arquitectura deliberativa es aquella en la que el comportamiento y conocimiento de los
agentes estn explcitamente representados mediante un modelo simblico. El modelo simblico
consta generalmente de un conjunto de smbolos fsicos, es decir un conjunto fsicamente
realizable de entidades y estructuras. Adems de esto en la arquitectura deliberativa las decisiones
de los agentes son hechas mediante razonamiento lgico o seudo lgico.
Para construir una arquitectura deliberativa se deben solucionar los siguientes dos
problemas.
20

Trasladar el mundo real a una acertada y suficiente descripcin simblica.


La forma en la que se representar simblicamente la informacin de las entidades y
procesos complejos del mundo real, y la manera de conseguir que los agentes razonen con
esta informacin.
Un ejemplo de agentes que se pueden desarrollar con la arquitectura deliberativa, son los agentes
intencionales en los cuales se define una planificacin teniendo en cuenta sus creencias y deseos.
La arquitectura BDI es una de las arquitecturas ms utilizada en nuestros das, en ella se definen
los deseos, creencia e intenciones de los agentes.
Arquitecturas reactivas
Una arquitectura reactiva es aquella que no incluye alguna clase central de modelo simblico del
mundo y no usa un razonamiento simblico complejo. Las acciones que toman sus entidades se
basan en una asignacin de lectura del medio ambiente con una operacin a efectuar. Esta clase
de arquitectura tambin es llamada alternativa, ya que surgi como una opcin a las arquitecturas
deliberativas que presentan problemas que en ocasiones no se pueden solucionar y adems se
aleja de la representacin del conocimiento mediante un modelo simblico.
Arquitecturas Hbridas
Los investigadores sugieren que ninguna de las dos arquitecturas vistas anteriormente es del todo
apropiada para la construccin de agentes, por eso se plantean soluciones de arquitecturas
hbridas en la cual se integran los dos mtodos (deliberativa y reactiva).
Una propuesta de tal arquitectura es la construccin en base a dos subsistemas: uno deliberativo
en el cual los planes desarrollados y las decisiones hechas sean planteadas por un conjunto de
smbolos y uno reactivo el cual tenga la capacidad de reaccionar ante eventos del entorno sin
emplear razonamiento complejo. Esta clase de metodologa se puede desarrollar en capas en la
que una o ms capas pueden tener acceso a los datos suministrados por el entorno y una o ms
capas pueden efectuar acciones en el entorno. A continuacin se presentan dos clases en la que
esta propuesta de arquitectura hbrida se puede desarrollar.
Horizontal: Todas las capas tienen acceso a los datos del entorno y a realizar acciones en
el entorno.
Vertical: Una capa tiene accesos a los datos del entorno y a realizar acciones en el
entorno.
En este caso de arquitectura en capas, el correcto comportamiento del agente viene dado por la
interaccin entre los diferentes niveles y en el nivel de informacin de cada capa.

2.2 ESTRUCTURA DE UNA AGENTE


Agente = Arquitectura + Programa

Podemos describir agentes en trminos de sus percepciones, acciones, metas y ambiente.

21

No importa tanto si es ambiente ``real'' o ``artificial'' (e.g., softbots) sino la interaccin entre
percepcin, comportamiento, ambiente y metas.
El usar una tabla acciones - secuencia de percepciones en general no es adecuada por:
22

Requiere tablas muy grandes mucho tiempo para construir la tabla no hay autonoma, por lo
que si cambia el ambiente el agente deja de saber que hacer aunque se le de aprendizaje,
necesitara mucho tiempo para aprender todas las entradas de la tabla
Para construir un mapeo entre percepciones y acciones podemos pensar en varios tipos de
agentes.
Agentes de reflejos simples: construir una tabla es imposible, pero podemos considerar
algunas asociaciones comunes en trminos de reglas situacin-accin.
IF el coche de enfrente esta frenando
THEN empieza a frenar
Agentes de reflejos simples y estado interno. Esto es muy simple, y normalmente se necesita
un estado interno para (i) ver como cambia el ambiente independientemente del agente y (ii)
como afectan las acciones del agente al ambiente.
Agentes con informacin de metas. El agente necesita informacin de sus metas para escoger
que acciones las pueden cumplir (pueden usarse tcnicas de bsqueda y planificacin).
Esto lo puede hacer ms flexible (e.g., si est lloviendo ajustar la efectividad de los frenos).
Agentes con medida de utilidad. Las metas por si solas no son suficientes para generar un
comportamiento de buena calidad. Para esto necesitamos una medida de utilidad (funcin que
mapea un estado o secuencia de estados con un nmero real).
Agentes con aprendizaje. La idea es que las percepciones no se usen solo para actuar, sino
tambin para mejorar su desempeo en el futuro.
Clasificacin de los agentes inteligentes
Movilidad.
Arquitectura de construccin
Atributos principales
Roles
Hbridos y Heterogneos
Clases de agentes inteligentes
Agentes colaborativos
Este tipo de agentes se enfatiza en la autonoma y las habilidades sociales con otros agentes
para ejecutar las tareas de sus usuarios. La coordinacin de los agentes se logra mediante la
negociacin para alcanzar acuerdos que sean aceptables para los agentes negociantes.
Los agentes colaborativos son capaces de actuar racionalmente y autnomamente en
ambientes multiagente y con restricciones de recursos. Otras caractersticas de estos agentes
es que poseen habilidades sociales, son proactivos, benvolos, estticos y veraces.
Los agentes colaborativos se pueden utilizar es la solucin de algunos de los
siguientes problemas:
23

Para resolver problemas que son muy grandes para un agente centralizado.
Para permitir la interconexin e interoperabilidad de sistemas de IA existentes como
sistemas expertos, sistemas de soporte de decisin etc.
Solucionar problemas que son inherentemente distribuidos.
Proporcionar soluciones que simulen recursos de informacin distribuidos.
Incrementar la modularidad, velocidad, confiabilidad, flexibilidad y reutilizacin en
sistemas de informacin.
Agentes de Interfase
Los agentes de interfaz se enfatizan en la autonoma y la adaptabilidad para realizar tareas a
sus usuarios. Este tipo de agentes bsicamente presta soporte y asistencia a un usuario que
esta aprendiendo una nueva aplicacin o nuevos conceptos.
El agente puede aprender mediante alguna de las siguientes cuatro tcnicas, observando y
monitoreando la interfaz:
1.
2.
3.
4.

Por observacin e imitacin del usuario.


A travs de una retroalimentacin positiva o negativa del usuario.
Recibiendo instrucciones explicitas del usuario.
Asesorndose de otros agentes.

De esta manera el agente puede actuar como un asistente personal y autnomo del usuario,
cooperando con l para terminar una cierta tarea.
Agentes mviles
Estos agentes se enfatizan en las habilidades sociales y la autonoma, a diferencia de los
agentes cooperativos, estos son mviles.
Los agentes mviles son procesos de software que son capaces de transitar por una red,
generalmente una WAN, interactuando con computadores alejados, reuniendo informacin
para el usuario y volviendo a su origen cuando las tareas fijadas por el usuario se hayan
completado. Las tareas que se pueden realizar son por ejemplo reservaciones de vuelos,
manejo de una red de telecomunicaciones entre otras.
Los agentes mviles traen con si grandes beneficios aunque no son funcionales, esto quiere
decir que una tarea que realiza un agente mvil puede ser realizada por un agente
colaborativo, la diferencia radica en que para movilizar el agente se requiere de un costo muy
alto de recursos.
Algunas de las ventajas que se pueden obtener al usar agentes mviles son:
Reducen el costo de comunicacin, por ejemplo cuando en una ubicacin hay un
gran volumen de informacin que necesita ser examinada y transmitida, esto ocupara
una gran cantidad de recursos en la red y consumira mucho tiempo. En este caso el
agente mvil puede determinar la informacin relevante al usuario y transmitir un
resumen comprimido de esta informacin.
24

Facilitar la coordinacin, es ms sencillo coordinar un cierto nmero de


requerimientos remotos e independientes al comparar solo los resultados localmente.
Reduce los recursos locales, los agentes mviles pueden ejecutar sus tareas en
computadores diferentes del local, de tal manera que no consuman recursos de
procesamiento, memoria y almacenamiento en estos.
Computacin asncrona, mientras que un agente mvil realiza su tarea el usuario
puede ir realizando otra, de tal manera que despus de un tiempo el resultado del
agente mvil sea enviado al usuario.
Agentes de informacin
Los agentes de informacin nacieron debido a la gran cantidad de herramientas que surgieron
para el manejo y recuperacin de informacin. Los agentes de informacin tienen los roles de
manejar, manipular, e integrar informacin de muchas fuentes de datos distribuidas.
La hiptesis fundamental de los agentes de informacin es que puedan mejorar de algn
modo, pero no completamente el problema de la sobrecarga de informacin y en general el
manejo de esta.

25

CAPITULO
III
26

3 SISTEMAS MULTIAGENTE
Un SMA est constituido por un conjunto de entidades inteligentes llamadas agentes que
coordinan sus habilidades para la resolucin de problemas individuales o globales. Estos
sistemas considerados como un todo, exhiben caractersticas particulares, que se
presentan a continuacin.
Organizacin Social
Es la manera como el grupo de agentes est constituido en un instante dado. La
organizacin social est relacionada con la estructura de los componentes funcionales del
sistema, sus caractersticas, sus responsabilidades, sus necesidades y la manera como
realizan sus comunicaciones. Esta organizacin puede ser esttica o dinmica,
dependiendo de las unciones o tareas de cada agente. Se puede considerar que una
sociedad de agentes est constituida por tres elementos:
Un grupo de agentes.
Un conjunto de tareas a realizar.
Un conjunto de recursos.
La realizacin de las tareas por parte de los agentes, puede ser organizada de varias
formas, por ejemplo: cada agente ejecuta una de las tareas, o bien, las tareas son divididas
en subtareas, por medio de algn mecanismo de descomposicin de problemas y estas
subtareas son las realizadas por los agentes. Las tareas que debe realizar un agente
dependen, entre otros factores, del rol que este agente asume en el sistema. Por ejemplo,
en un sistema oficina, un agente persona asume el rol de secretaria y realiza las labores
relacionadas con ese rol; este mismo agente podra asumir el rol de jefe y realizara
labores muy diferentes, relacionadas con su nuevo rol. Para la realizacin de tareas un
agente puede necesitar recursos del sistema, en este caso tiene que coordinarse con los
otros agentes del sistema que deseen usar el mismo recurso.La organizacin en los SMA
depende del tipo de comunicacin y el modo de cooperacin entre agentes, as como del
tipo de agentes que conforman el grupo.
Negociacin
Para que los mecanismos de cooperacin y coordinacin sean exitosos en un sistema de
agentes que actan interdependientemente, debe existir un mecanismo adicional, por
medio del cual, los integrantes de un sistema se puedan poner de acuerdo cuando cada
agente defiende sus propios intereses, llevndolos a una situacin que los beneficie a
todos teniendo en cuenta el punto de vista de cada uno. Este mecanismo es
llamado negociacin [Her95, Lab93].Los procesos de negociacin tienen como resultado
la modificacin o confirmacin de las creencias de cada agente involucrado, en lo
relacionado con los dems agentes y con el mundo en el que se desenvuelve. La
negociacin se puede mirar bajo una perspectiva racional, la cual describe la negociacin
como un proceso de seis pasos:
Definir el problema.
27

Identificar aspectos.
Ponderar criterios.
Generar alternativas.
Evaluar alternativas.
Formular solucin.
En los SMA la mayora de las veces el problema est bien definido, es decir, el primer
paso no es relevante. Los dems pasos se pueden o no seguir, dependiendo del problema
para el cual un grupo de agentes busca una solucin. Los mecanismos de negociacin
utilizan diferentes reglas en lo relacionado con la distribucin de recursos del sistema:
Regla equitativa: consiste en dividir los recursos disponibles en proporcin a los
aportes de cada miembro de grupo.
Regla igualitaria: establece una distribucin de recursos en partes iguales para
todos los miembros.
Regla segn las necesidades: consiste en la distribucin de acuerdo a las
necesidades individuales de cada miembro del grupo.
Regla segn el pasado: rige la distribucin siguiendo patrones o experiencias en
negociaciones pasadas.
Hay otro tipo de reglas usadas en negociacin, relacionadas con la toma de decisiones
Control
El es el mecanismo bsico que provee apoyo para la implementacin de mecanismos de
coordinacin en un SMA. El control se relaciona directamente con:
Determinar cules son las subtareas ms importantes a realizar en un momento
dado.
Determinar qu contexto (resultados intermedios de otros agentes) deben ser
usados en la solucin de una subtarea.
Estimar el de generacin de la solucin a una subtarea.
Evaluar si la solucin de un problema ha sido generada. (Problema de la
terminacin).
El control puede ser considerado desde dos puntos de vista: control global y control local.
El control global se relaciona con tomar decisiones basndose en obtenidos y
consolidados a partir de la de todos los agentes del sistema, el control local se relaciona
con tomar decisiones basndose solo en datos locales. Estos dos controles deben ser
balanceados por varias razones:
El aumento del de control local lleva a que los agentes acten eficientemente
desde el punto de vista "rapidez en la toma de decisiones y en la ejecucin de tales
decisiones". Pero, se puede llegar a la prdida de mecanismos de cooperacin
efectivos y como consecuencia a la realizacin de tareas no deseables.
El aumento del poder del control global lleva a aumentar los de del sistema,
porque la informacin de los agentes cambia dinmicamente, como consecuencia
28

para mantener informacin global coherente, se deben revisar e incorporar


constantemente los cambios en cada uno de los agentes.
3.1 AMBIENTES
Accesibles (los sensores detectan todos los aspectos relevantes y no se necesitan estados
internos) o inaccesibles determinsticos (el siguiente estado est determinado por el actual
y las acciones del agente) o indeterminsticos. En ambientes complejos se considera
un ambiente determinstico o no desde el punto de vista del agente episdicos (la calidad
de la accin depende solo del episodio) o no espisdicos estticos o dinmicos (si el
ambiente puede cambiar mientras el agente piensa) o semidinmicos (el desempeo del
agente cambia) discretos (nmero limitado y distinguible de percepciones y acciones)
o continuos
Los agentes son capaces de intercambiar y compartir informacin / conocimiento (metas
y soluciones parciales), representar la informacin desde puntos de vista diferentes, y
cooperar para llegar incrementalmente a una solucin.
Cuando tienen metas comnes o que se traslapan, deben de actuar en forma cooperativa.
Si tienen metas con conflictos, deben de competir inteligentemente.
Su protocolo de comunicacin a veces involucra ``actos de habla'' (speech acts) que
reflejan creencias, intenciones, etc., de los agentes.
DAI es apropiado cuando se tiene distribuda: la experiencia y el diseo, la informacin
(e.g., oficina), los datos (e.g., sensores), las decisiones (e.g., control de manufactura), las
bases de conocimiento se desarrollan independientemente y pueden interconectarse y
reutilizarse.

29

CONCLUSI
ONES
30

Existen ya prototipos que estn siendo probados tanto en el mbito acadmico como
industrial y ya empiezan a aparecer los primeros productos comerciales. Cabe indicar que,
como siempre ocurre cuando aparece una nueva tecnologa, no debemos pensar que todo son
agentes y lo que haba antes no es vlido. Las opciones a la hora de emplear agentes, tal y
como hemos descrito, son mltiples, pero no conviene creer que cualquier problema es
tratable de forma sencilla con una aproximacin de sistema basado en agentes. Es posible que
en ocasiones el empleo de tcnicas clsicas resulte ms adecuado en funcin de
la naturaleza del problema a resolver.
El contraste anotado nos lleva a una conclusin que queremos consignar aqu como nota final
de este artculo. Todo parece indicar que las computadoras, debidamente programados con
las tcnicas de alto nivel propias de la IA, pueden descollar en el campo de la pericia, es
decir, de la solucin de problemas especializados; por su parte, el intelecto humano parece
insustituible en relacin con la solucin de problemas de sentido comn. Se impone entonces
fomentar la asociacin de hombre y mquina en sistemas de cooperacin simbitica y
sinergtica; hombre y mquina se necesitan mutuamente para solucionar eficazmente los
problemas, y de la interaccin entre ambos resulta una energa intelectual muy superior a la
de la suma de sus partes.
En cada uno de los temas relacionados con agentes y SMA se puede profundizar tanto como
se quiera, pero a veces se llega a problemas que no son relevantes en el contexto de SMA. Lo
importante, es entender que la nocin de agente es tan amplia o ten reducida como se quiera
y/o se necesite.Una de las caractersticas ms importantes de un SMA es que el grupo de
agentes que lo integran debe trabajar de manera cooperativa e individual. Los agentes
trabajan de manera cooperativa para satisfacer las metas globales que se derivan de la
bsqueda de las soluciones a los problemas globales y de manera individual, porque las metas
globales son descompuestas en submetas, generando metas locales para los agentes que
participarn en el desarrollo de las soluciones a los problemas.Cuando dos o ms entidades
trabajan en grupo, se presentan conflictos de intereses de manera natural. Es necesario que el
ambiente en el que se desenvuelven provea procesos para la resolucin de tales conflictos. En
este documento se propone como mecanismo bsico para manejar este aspecto, la
negociacin en grupo. Este mecanismo puede ser visto como un proceso de toma de
decisiones en el cual dos o ms entidades, representando sus propios intereses, se ponen de
acuerdo acerca de cmo resolver un conflicto de preferencias. Algunas de estas tareas de
decisin estn caracterizadas por las relaciones cooperativas entre los miembros del grupo, en
las cuales los individuos trabajan por el desempeo del grupo en general; o por relaciones
competitivas en las cuales los miembros del grupo plantean posiciones definidas y discuten
entre s, defendiendo sus propios intereses. Por otro lado los mecanismos de control
propuestos en este documento son bsicos para la implementacin de los mecanismos de
coordinacin porque permiten predecir con cierto nivel de precisin el comportamiento de los
integrantes de un SMA y posibilitan a cada integrante estar ms "in-line" con los
comportamientos de los otros. Tambin son bsicos para la evaluacin de la terminacin en el
desarrollo de la solucin a un problema.Un SMA es un sistema distribuido, por ello, en l
nunca se cuenta con informacin global consolidada totalmente actualizada. Por esta razn,
los agentes deberan reevaluar las decisiones tomadas, a la luz de cada nueva informacin
obtenida, generando sobrecostos de comunicacin. Es importante que los mecanismos de
negociacin y control sean coherentes con las necesidades de los sistemas a los que
31

pertenecen, es decir, ser sofisticados si el sobrecosto generado es menor que el sobrecosto


generado con la implementacin de un SMA sencillo, para la resolucin de un problema.

32

BIBIOGRA
FIA
33

[Botti1999] V. Botti, C. Carrascosa, V. Julian, J. Soler. The ARTIS Agent Architecture:


Modelling Agents in Hard Real-Time Environments. Proceedings of the AAMAW"99.
Lecture Notes In Computer Science, vol. 1647. Springer
Verlag (pag. 63-76), Valencia 1999. ISBN 3-540-66281-2.
Franklin1996] Franklin, S., Graesser, A.: Is it an Agent, or just a Program?: A Taxonomy for
Autonomous Agents. Proceedings of the Third International Workshop on Agent Theories,
Architectures, and Languages. Springer-Verlag (1996).
Huhns 1998] Huhns, M., Singh, M. P.: Readings in Agents. Readings in Agents. Chapter 1,
1-24 (1998).
Jennings1998] Jennings, N. Wooldridge, M.: Applications of Intelligent Agents. Queen Mary
& Westfield College. University of London.
[Nwana1996] Nwana, H. S.: Software Agents: An Overview. Intelligent Systems Research.
AA&T, BT Laboratories, Ipswich, United Kingdom (1996).
[Parunak1999] Parunak, H. Van Dyke and Odell, James: Engineering Artifacts for MultiAgent Systems, ERIM CEC. (1999).
[Russell1996] Russell, S: Inteligencia Artificial: un enfoque moderno.
Prentice - Hall. Mxico, (1996).
[Botti1999] V. Botti, C. Carrascosa, V. Julian, J. Soler. The ARTIS Agent Architecture:
Modelling Agents in Hard Real-Time Environments. Proceedings of the AAMAW"99.
Lecture Notes In Computer Science, vol. 1647. Springer Verlag (pag. 63-76), Valencia 1999.
ISBN 3-540-66281-2.
[Franklin1996] Franklin, S., Graesser, A.: Is it an Agent, or just a Program?: A Taxonomy for
Autonomous Agents. Proceedings of the Third International Workshop on Agent Theories,
Architectures, and Languages. Springer-Verlag (1996).
[Huhns 1998] Huhns, M., Singh, M. P.: Readings in Agents. Readings in Agents. Chapter 1,
1-24 (1998).
[Jennings1998] Jennings, N. Wooldridge, M.: Applications of Intelligent Agents. Queen
Mary & Westfield College. University of London.
[Nwana1996] Nwana, H. S.: Software Agents: An Overview. Intelligent Systems Research.
AA&T, BT Laboratories, Ipswich, United Kingdom (1996).
[Parunak1999] Parunak, H. Van Dyke and Odell, James: Engineering Artifacts for MultiAgent Systems, ERIM CEC. (1999).
[Russell1996] Russell, S: Inteligencia Artificial: un enfoque moderno.
34

Prentice - Hall. Mxico, (1996).

35