Introducció als Sistemes Multiagents

Esteu aquí

Crèdits
5
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
CS;URV
Aquest curs proporciona els coneixements teòrics bàsics sobre agents intel·ligents i sistemes multi-agent. En la primera part del curs es parlarà de tipus d'agents, propietats que tenen i les seves arquitectures. A la segona part es descriuen diversos mecanismes de coordinació entre agents.

El curs també inclou una component pràctica de laboratori on els estudiants hauran de desenvolupar en grups un sistema multi-agent.

Professorat

Responsable

  • Mohammed Hamood Abdullah Jabreel ( )

Hores setmanals

Teoria
2
Problemes
0
Laboratori
1
Aprenentatge dirigit
0
Aprenentatge autònom
5.33

Competències

Competències Tècniques Generals

Genèriques

  • CG3 - Capacitat per a la modelització, càlcul, simulació, desenvolupament i implantació en centres tecnològics i d'enginyeria d'empresa, particularment en tasques de recerca, desenvolupament i innovació en tots els àmbits relacionats amb la Intel·ligència Artificial.

Competències Tècniques de cada especialitat

Acadèmiques

  • CEA1 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals dels Sistemes Multiagents, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
  • CEA8 - Capacitat de realitzar investigació en noves tècniques, metodologies, arquitectures, serveis o sistemes en l'àrea de la Intel·ligència Artificial.

Professionals

  • CEP3 - Capacitat d'aplicació de les tècniques d'Intel·ligència Artificial en entorns tecnològics i industrials per a la millora de la qualitat i la productivitat.
  • CEP4 - Capacitat per dissenyar, redactar i presentar informes sobre projectes informaticos en l'area especifica d'Intel·ligència Artificial.

Competències Transversals

Treball en equip

  • CT3 - Ser capaç de treballar com a membre d'un equip interdisciplinari, ja sigui com un membre més o duent a terme tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, tot assumint compromisos considerant els recursos disponibles.

ús solvent dels recursos d'informació

  • CT4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació de l'àmbit d'especialitat, i valorar de forma crítica els resultats d'aquesta gestió.

Analisis i sintesis

  • CT7 - Capacitat d'anàlisi i resolució de problemes tècnics complexos.

Objectius

  1. Adquisició dels conceptes teòrics bàsics de l'àrea dels agents intel·ligents i sistemes multi-agent.
    Competències relacionades: CT4, CEA1, CEA8,
  2. Resolució en grup d'un problema complex utilitzant sistemes multi-agent.
    Competències relacionades: CT3, CT7, CEP3, CEP4, CG3,

Continguts

  1. Agents Intel·ligents
    Introducció als agents intel·ligents. Definició.
    Arquitectures: reactiva, deliberativa, híbrida.
    Propietats: raonament, aprenentatge, autonomia, proactivitat, etc.
    Tipologia: agents d'interficie, agents d'informació, sistemes heterogenis.
  2. Sistemes Multi-Agent
    Introducció als sistemes intel·ligents distribuïts. Comunicació. Estàndars. Coordinació. Negociació. Planificació distribuïda. Votacions. Subhastes. Formació de coalicions. Aplicació dels sistemes multi-agent a problemes industrials.

Activitats

Activitat Acte avaluatiu


Pràctica

Exercici pràctic en grup de desenvolupament d'un sistema multi-agent.
Objectius: 2
Setmana: 15
Tipus: examen de laboratori
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
40h

Examen teoria

Examen del contingut teòric de l'assignatura
Objectius: 1
Setmana: 15 (Fora d'horari lectiu)
Tipus: examen final
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
39.9h

Classes de teoria

Classes magistrals de teoria
  • Teoria: Classes de teoria
Objectius: 1
Continguts:
Teoria
30h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Sessions de laboratori

Sessions a les aules d'informàtica
  • Laboratori: Sessions pràctiques al laboratori
Objectius: 2
Continguts:
Teoria
0h
Problemes
0h
Laboratori
15h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Metodologia docent

Les metodologies docents utilitzades seran:
- Classe magistral.
- Classe expositiva participativa.
- Supervisió de pràctiques de laboratori.
- Supervisió i orientació de treballs cooperatius.
- Orientació de treball autònom.
- Tutorització individualitzada.
- Consultes

Mètode d'avaluació

Examen final: 40%
Exercici pràctic, en grups: 60%. Aquest exercici inclourà l'anàlisi de les arquitectures i tipus d'agents més adequats (10%), l'anàlisi dels mecanismes de coordinació i negociació més apropiats (20%) i una presentació oral i escrita final del sistema multi-agent totalment implementat (30%). Cal completar l'exercici pràctic per superar l'assignatura.

Bibliografia

Bàsica:

Complementaria:

Web links

Capacitats prèvies

Coneixement de conceptes bàsics d'Intel·ligència Artificial.
Bons coneixements de programació en Java.