Introducció als Sistemes Multiagents

Esteu aquí

Crèdits
5
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
CS;URV
Mail
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.

Professors

Responsable

  • David Isern ( )

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: CEA8, CEA1, CT4,
  2. Resolució en grup d'un problema complex utilitzant sistemes multi-agent.
    Competències relacionades: CG3, CEP3, CEP4, CT3, CT7,

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
39h

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.

Addenda

Continguts

There are no changes to the information published in the Academic Guide.

Metodologia docent

Due to COVID19, IMAS will start fully online. This methodology could last till the end of the first term. Only if the clinical and social situation stabilizes in a save condition and classes can turn back to face-to-face, the registered students will be asked to decide if they prefer to continue with online classes or move to in-room classes. No decision will be taken unilaterally by the professor, but as a result of an agreement between all the students.

Mètode d'avaluació

The exams will be made in Tarragona if the COVID-19 situation allows it. In other case, some online mechanism will be prepared.

Pla de contingència

There are no changes to the information published in the Academic Guide.