Asdas 12555589465

Sistemas Multiagente
ECSDI
LSI-FIB-UPC c b e a
Curso 2016/2017
ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 1 / 41

ndice
1 Introduccin
2 Agentes Inteligentes
3 Tipologa
4 Arquitecturas abstractas de agentes
5 Sistemas Multiagente - Middleware
6 Temas/preguntas en sistemas multiagente

Introduccin
1 Introduccin
3 Tipologa

Introduccin
Origen de los sistemas multiagente
Tendencias en la historia de la computacin
Ubicuidad
Interconexin
Inteligencia
Delegacin
Orientacin a las personas
(Introduction to Multi-Agent Systems, M. Wooldridge, 2001)

Introduccin
Tendencias
Ubicuidad
La capacidad de computacin se ha introducido en multitud de
elementos y aparatos gracias al abaratamiento de su coste.
El aumento la potencia de clculo permite que la sofisticacin
(e inteligencia) sea ubicua.
Interconexin
Los sistemas de computacin ya no son elementos aislados, sino
que estn conectados en red formando sistemas distribuidos.
Esta tendencia lleva a la idea de modelar la computacin como
un proceso de interaccin

Introduccin
Tendencias
Inteligencia
La complejidad de las tareas automatizables y delegables ha ido
creciendo (llegando a poder ser consideradas inteligentes)
Delegacin
Ms tareas se realizan automticamente (sin supervisin)
Esto sucede incluso en tareas crticas
Orientacin a las personas
Los conceptos de programacin se alejan de la visin centrada
en computador y se acercan a nuestra visin de las cosas.
La creacin de programas se basa en abstracciones y metforas
de cada vez ms alto nivel

Introduccin
Agentes y sistemas multiagente
Agente: primera definicin

Un sistema computacional capaz de actuar de manera independiente
como representante de su usuario (satisfaciendo unos objetivos de
diseo y sin supervisin)
Sistema multiagente
Un sistema computacional compuesto de mltiples agentes que
interaccionan entre ellos
Cada agente tendr sus propios objetivos y motivaciones.

El xito de la interaccin requerir de cooperacin, coordinacin
y negociacin (precisamente las cualidades de las personas)
Introduccin
Dos visiones: Micro y macro
Esta metfora nos lleva a plantear los sistemas software basados

en agentes desde dos perspectivas: Individuos y sociedades.
1 Diseo de agentes: Cmo diseamos agentes capaces de
resolver de manera autnoma las tareas que se les delegan?
2 Diseo de sociedades: Cmo diseamos agentes capaces de

interaccionar con otros de manera que resuelvan sus tareas,
especialmente en caso de objetivos conflictivos?
reas relacionadas: Filosofa, Lgica, Teora de juegos,

Economa, Ciencias sociales, Ecologa

Introduccin
Mltiples Perspectivas
Agentes como paradigma de ingeniera de software

La interaccin es la caracterstica ms importante en los
sistemas software complejos.
Es clave en computacin el desarrollo de herramientas y
tcnicas para entender, modelar e implementar sistemas donde
la interaccin es la norma
Agentes como herramienta para entender las sociedades

humanas
Los sistemas multiagente como herramienta de simulacin de
sociedades y sus procesos

Agentes Inteligentes
1 Introduccin
3 Tipologa

Agente: segunda definicin

Sistemas computacionales capaces de realizar acciones de manera
autnoma en algn entorno, con el propsito de alcanzar una serie
de objetivos que tiene delegados
El principal inters de los agentes es que son autnomos

(capaces de actuar de manera independiente).
Un agente esta fuertemente ligado y en continua interaccin con
su entorno:
percepcin decisin accin percepcin decisin ...

Propiedades de los agentes
Agentes Simples: Termostato, demon unix

No estamos interesados en agentes simples
Agente: tercera definicin

Sistemas computacionales capaces de realizar acciones de manera
autnoma y flexible en algn entorno, con el propsito de alcanzar
una serie de objetivos que tiene delegados
Entendiendo como flexible: Reactivo, proactivo y social

Reactividad/Proactividad
Un sistema reactivo ha de mantener una interaccin continua

con el entorno y responder a los cambios que ocurren (a tiempo
para que la respuesta tenga utilidad)
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 dinmicos, sus
elementos cambian, su informacin es incompleta y/o incierta
En entornos dinmicos el sistema ha de tener en cuenta la
posibilidad de un resultado no esperado (preguntarse si debe
realizar la accin prevista)

Reactividad/Proactividad
Reaccionar al entorno es fcil

p.e., Estimulo = accin respuesta
Pero queremos que los agentes hagan cosas por nosotros.
Esto implica un comportamiento dirigido por objetivos.
Proactividad = Generar e intentar cumplir objetivos, no dirigidos

nicamente por eventos, tomando la iniciativa.
Esto implica el poder y saber reconocer oportunidades (cundo

se puede actuar)

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 caractersticas pueden interferir.
El conseguir una combinacin adecuada de ambas es un

problema no resuelto.

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 interaccin de

otros.
La habilidad social en agentes es la capacidad de interactuar con

otros agentes (incluidos humanos) va cooperacin, coordinacin
y negociacin
Esto implica el tener que usar algn lenguaje de comunicacin

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 mtodos que corresponden con las acciones que se
pueden realizar segn su estado
Pero los agentes son:
Autnomos, deciden por si mismos si actan 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)
Tipologa
1 Introduccin
3 Tipologa

Tipologa
Tipos de agentes
Arquitectura interna
Arquitecturas reactivas puras

Los agentes poseen sensores y actuadores conectados al entorno.
La conducta del agente se basa en esmulo-respuesta, la conexin
entre sensores-actuadores hace emerger una conducta inteligente
Arquitecturas reactivas con estado interno

Los agentes tienen adems un modelo del entorno que utilizan
para decidir la reaccin al estimulo.

Tipologa
Tipos de agentes
Arquitectura interna
Arquitecturas deliberativas (orientadas por objetivos)

Poseen una representacin interna del mundo, siguen una
aproximacin simblica y su funcionamiento se basa en el
razonamiento (lgicas)
Arquitecturas hbridas
Diferentes capas de decisin combinan las dos aproximaciones.
El objetivo es obtener las ventajas de cada una evitando los
inconvenientes

Arquitecturas abstractas de agentes
1 Introduccin
3 Tipologa

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

Agentes reactivos puros
Agent Sensors
What the world

is like now
Environment
What action I
Conditionaction rules
should do now
Effectors

Agentes reactivos con estado interno
Agentes que tienen una estructura interna que representa

informacin del estado y su historia
Poseen una funcin que percibe e interpreta el entorno:
Observar : Entorno Percepcion

El estado interno es usado para decidir la actuacin:
Accion : Estado Actuacion

El estado es actualizado combinando la percepcin y el estado
interno actual:
Siguiente : Estado Percepcion Estado

Agentes reactivos con estado interno
Sensors
State
What the world
How the world evolves is like now
Environment
What my actions do
What action I
Conditionaction rules
should do now
Agent Effectors

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 qu hacer, pero no cmo hacerlo

(declarativo vs imperativo)
El agente debe tener capacidad para elegir sus objetivos y como

conseguirlos

Agentes deliberativos (basados en utilidad)
Una posibilidad es asociar utilidad a los estados individuales.

El objetivo del agente ser pasar por estados que maximicen la
utilidad.
La especificacin de una tarea necesita una funcin que asocie a
cada estado del entorno un valor:
Utilidad : Entorno = R
Los problemas son:
cmo definir la utilidad para una secuencia de acciones
(mximo, mnimo, ...).
Cmo definirla como objetivo a largo plazo.

Agentes deliberativos (basados en utilidad)
Sensors
State
What the world
Environment
What it will be like
What my actions do
If I do Action A
How happy I will be

Utility
in such state
What action I
should do now
Agent Effectors

Agentes deliberativos (con objetivos explcitos)
Basadas en una visin simblica de la IA

La toma de decisiones se basa en el razonamiento (lgica
simblica)
El agente posee un modelo del entorno y acta segn ese
conocimiento
Problemas:
Representacin del mundo exterior a partir de formalismos
lgicos (transductor problem)
Resolver simblicamente el proceso de razonamiento que lleva a
la toma de decisiones (representation/reasoning problem)

Arquitecturas deliberativas (lgica clsica)
Basados en tcnicas usadas por los sistemas basados en el

conocimiento
Un conjunto de frmulas lgicas (F ) describen como debe
comportarse (objetivos segn las entradas que recibe)
El estado interno (E ) que indica que sucede en el entorno
El agente realizar una accin A si y solo si E `F A
El mayor problema es el coste computacional de la deduccin sin
imponer restricciones al razonamiento

Arquitecturas deliberativas (agentes BDI)
El razonamiento que utilizan se basa en una rama de la filosofa

denominada razonamiento prctico
Modela el proceso que realizamos al decidir qu accin llevamos

a cabo cada momento para perseguir unos fines
Est basado en dos acciones

Decidir qu objetivos queremos conseguir (Deliberacin)
Decidir cmo conseguirlos (Razonamiento de medios fines)

Agentes BDI - Intenciones/objetivos/acciones
En el proceso de decisin participan 3 elementos

Creencias (Beliefs): Cul es mi visin del mundo
Deseos (Desires): Qu opciones tengo segn mis creencias
Intenciones (Intentions): Qu objetivos voy a perseguir
Las intenciones cumplen diferentes propsitos:
Dirigen el razonamiento sobre medios-fines (objetivos)
Permiten restringir el razonamiento futuro
Son persistentes
Influyen en las creencias futuras

Agentes deliberativos (con objetivos explcitos)
Sensors
State
What the world
Environment
What it will be like
What my actions do If i do Action A
What action I
Goals
should do now
Agent Effectors

Sistemas Multiagente - Middleware
1 Introduccin
3 Tipologa

La necesidad de la interaccin social entre agentes obliga a

definir y desarrollar arquitecturas que soporten esta dimensin
social.
Eso implica una capa intermedia entre los agentes que permita
la interconexin/organizacin/comunicacin
En ocasiones este software intermediario se denomina

plataformas de agentes
Este middleware correspondera a la infraestructura definida por

SOA RM/RAF

Plataformas Multiagente
FIPA (Foundation for Intelligent Physical Agents) es un grupo

de estandarizacin de IEEE que defini un conjunto de
estndares sobre agentes
FIPA defini una arquitectura abstracta que debera seguir toda
implementacin de una plataforma multiagente
Esta arquitectura abstracta est compuesta por:
Un directorio de agentes
Un directorio de servicios
Un mecanismo de transporte de mensajes
Un lenguaje de comunicacin de agentes (ACL)

Arquitectura FIPA
Directorio de agentes (pginas blancas): Se encarga de

registrar a los agentes y la direccin/ruta a donde enviarles
mensajes
Directorio de servicios (pginas amarillas): Se encarga de
registrar las capacidades que los agentes ponen a disposicin
(servicios)
Mecanismo de transporte de mensajes (routing): Se encarga
del envo de los mensajes entre agentes dentro y fuera de una
plataforma
Lenguaje de comunicacin de agentes (ACL): Define los
mensajes que pueden utilizar los agentes para comunicarse

Temas/preguntas en sistemas multiagente
1 Introduccin
3 Tipologa


Ingeniera y Diseo
Cmo disear y construir sistemas multiagente en la prctica

Cmo habilitar a los agentes para que descompongan sus tareas
y objetivos (y asignar subtareas a otros agentes) y sintetizar
resultados parciales
Cmo describir formalmente sistemas multiagente y la
interaccin entre agentes y como asegurar que estn
correctamente especificados
Cmo encontrar un compromiso entre coste computacional local
y comunicacin


Razonamiento/Estado/Toma de decisiones
Cmo habilitar a los agentes para representar y razonar sobre el

estado y sus interacciones
Cmo habilitar a los agentes para representar y razonar sobre las

acciones, planes y conocimiento de otros agentes para
interaccionan con ellos
Cmo implementar en un sistema multiagente procesos

inteligentes como resolucin de problemas, planificacin, toma
de decisiones y aprendizaje


Organizacin
Cmo habilitar a los agentes para comunicarse, qu lenguajes y

protocolos usar
Como formar y disolver estructuras organizativas para cumplir

metas y objetivos especficos
Cmo habilitar a los agentes para reconocer y solucionar

conflictos entre agentes
Cmo evitar o mitigar comportamientos indeseados en el sistema

(caos)

Asdas 12555589465

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Asdas 12555589465

Hochgeladen von

Copyright:

Verfügbare Formate

Sistemas Multiagente

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 1 / 41

4 Arquitecturas abstractas de agentes

5 Sistemas Multiagente - Middleware

6 Temas/preguntas en sistemas multiagente

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 2 / 41

4 Arquitecturas abstractas de agentes

5 Sistemas Multiagente - Middleware

6 Temas/preguntas en sistemas multiagente

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 3 / 41

Origen de los sistemas multiagente

Tendencias en la historia de la computacin

(Introduction to Multi-Agent Systems, M. Wooldridge, 2001)

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 4 / 41

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 5 / 41

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 6 / 41

Agentes y sistemas multiagente

Agente: primera definicin

Cada agente tendr sus propios objetivos y motivaciones.

Dos visiones: Micro y macro

Esta metfora nos lleva a plantear los sistemas software basados

2 Diseo de sociedades: Cmo diseamos agentes capaces de

reas relacionadas: Filosofa, Lgica, Teora de juegos,

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 8 / 41

Agentes como paradigma de ingeniera de software

Agentes como herramienta para entender las sociedades

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 9 / 41

4 Arquitecturas abstractas de agentes

5 Sistemas Multiagente - Middleware

6 Temas/preguntas en sistemas multiagente

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 10 / 41

Agente: segunda definicin

El principal inters de los agentes es que son autnomos

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 11 / 41

Propiedades de los agentes

Agentes Simples: Termostato, demon unix

Agente: tercera definicin

Entendiendo como flexible: Reactivo, proactivo y social

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 12 / 41

Un sistema reactivo ha de mantener una interaccin continua

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 13 / 41

Reaccionar al entorno es fcil

Pero queremos que los agentes hagan cosas por nosotros.

Esto implica un comportamiento dirigido por objetivos.

Proactividad = Generar e intentar cumplir objetivos, no dirigidos

Esto implica el poder y saber reconocer oportunidades (cundo

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 14 / 41

Necesitamos que un agente reaccione apropiadamente a los

Necesitamos que un agente sea capaz de cumplir objetivos a

Ambas caractersticas pueden interferir.

El conseguir una combinacin adecuada de ambas es un

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 15 / 41

El mundo real es un entorno multi-agente, no es posible obtener

Algunos objetivos solo se pueden cumplir con la interaccin de

La habilidad social en agentes es la capacidad de interactuar con

Esto implica el tener que usar algn lenguaje de comunicacin

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 16 / 41

Agentes (AOP) vs Objetos (OOP)

4 Arquitecturas abstractas de agentes

5 Sistemas Multiagente - Middleware

6 Temas/preguntas en sistemas multiagente

ECSDI (LSI-FIB-UPC cbea) Sistemas Multiagente Curso 2016/2017 18 / 41

Arquitecturas reactivas puras