Sistemas Multiagentes Autoorganizados

Usted está aquí

Créditos
4.5
Tipos
Optativa
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
UB;CS
Mail
Autonomic Computing es una iniciativa que fue iniciada por IBM en el año 2001. Su objetivo final es crear sistemas informáticos autogestionados que permitan superar tanto su creciente complejidad como su crecimiento. Este curso aborda esta área desde el punto de vista de sistemas multi-agentes y autoorganización:
· Un sistema multi-agente está compuesto por múltiples componentes de software, conocidos como agentes, que interactúan entre ellos y que generalmente son capaces de cooperar con el fin de resolver problemas que van más allá de las capacidades de cualquier agente individual.
· La autoorganización es un proceso en el cual la organización interna de un sistema, normalmente un sistema abierto, aumenta en complejidad sin que sea guiada o administrada por ningún elemento externo.
El objetivo principal de este curso es proporcionar una idea de las capacidades autónomas de los diferentes sistemas multi-agentes. Como resultado, el estudiantado adquirirá la capacidad de discernir qué aplicaciones son adecuadas para aplicar soluciones orientadas a agentes, y cómo estas soluciones pueden adaptarse automáticamente a posibles cambios futuros.

Profesores

Responsable

  • Maite López ( )

Horas semanales

Teoría
1
Problemas
1
Laboratorio
1
Aprendizaje dirigido
0.12
Aprendizaje autónomo
5.55

Competencias

Competencias Técnicas Genéricas

Genéricas

  • CG3 - Capacidad para la modelización, cálculo, simulación, desarrollo e implantación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Inteligencia Artificial.

Competencias Técnicas de cada especialidad

Académicas

  • CEA1 - Capacidad de comprender los principios básicos de funcionamiento de las técnicas principales de los Sistemas Multiagentes, y saber utilizarlas en el entorno de un sistema o servicio inteligente.
  • CEA7 - Capacidad de comprender la problemática, y las soluciones a los problemas en la práctica profesional de la aplicación de la Inteligencia Artificial en el entorno empresarial e industrial.
  • CEA9 - Capacidad de comprender las técnicas avanzadas de Sistemas Multiagentes, y saber diseñar, implementar y aplicar estas técnicas en el desarrollo de aplicaciones, servicios o sistemas inteligentes.

Profesionales

  • CEP2 - Capacidad de resolver los problemas de toma de decisiones de las diferentes organizaciones, integrando herramientas inteligentes.
  • CEP3 - Capacidad de aplicación de las técnicas de Inteligencia Artificial en entornos tecnológicos e industriales para la mejora de la calidad y la productividad.
  • CEP4 - Capacidad para disenar, redactar y presentar informes sobre proyectos informaticos en el area especifica de Inteligencia Artificial.

Competencias Transversales

Trabajo en equipo

  • CT3 - Ser capaz de trabajar como miembro de un equipo interdisciplinar ya sea como un miembro mas, o realizando tareas de direccion con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.

Uso solvente de los recursos de información

  • CT4 - Gestionar la adquisicion, la estructuracion, el analisis y la visualizacion de datos e informacion en el ambito de la especialidad y valorar de forma critica los resultados de esta gestion.

Analisis y sintesis

  • CT7 - Capacidad de analisis y resolucion de problemas tecnicos complejos.

Objetivos

  1. Objetivos de aprendizaje referentes al conocimiento:
    Competencias relacionadas: CT4, CT7, CEA1, CEP2, CEP4, CEA9, CEA7,
    Subcompetences:
    • Familiarizarse con diferentes modelos sociales y comportamientos de interacción de los agentes.
    • Conocer las posibles aplicaciones de las tecnologías multi-agente y de la simulación basada en agentes.
    • Introducción a los métodos de aprendizaje por refuerzo multi-agente.
    • Estudiar los aspectos éticos/morales asociados a los sistemas autónomos.
    • Comprender cómo los sistemas multi-agente usan las normas para coordinarse, y cómo éstas pueden ser adaptadas.
  2. Objetivos que se refieren a habilidades y capacidades:
    Los y las estudiantes adquirirán la capacidad de determinar qué aplicaciones son compatibles con la implementación de soluciones orientadas a agentes y cómo estas soluciones pueden adaptarse automáticamente a posibles cambios que puedan producirse.
    Además, serán capaces de desarrollar simulaciones de sistemas multi-agente y analizar su funcionamiento global.
    Competencias relacionadas: CEP3, CG3,
  3. Objetivos referentes a actitudes, valores y normas:
    Los y las estudiantes desarrollarán habilidades de trabajo en equipo y reflexionarán sobre aspectos éticos / morales asociados a los sistemas autónomos.
    Competencias relacionadas: CT3,

Contenidos

  1. Introducción a los sistemas multi-agente
    * Agentes cooperativos versus agentes competitivos, * Modelos sociales, * Organizaciones * Instituciones * Aplicaciones
  2. Simulación basada en agentes
    * Modelado individual, * Análisis social, * Herramientas y estudios de casos
  3. Adaptación y coordinación.
    * Sistemas normativos multi-agente * Agentes morales * Aprendizaje por refuerzo multi-agente

Actividades

Actividad Acto evaluativo


Presentation and discussion of a research paper


Objetivos: 1
Contenidos:
Teoría
6h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
24h

Course practical assessment


Objetivos: 1 2 3
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
6h
Aprendizaje dirigido
0h
Aprendizaje autónomo
60h

Teoría
8h
Problemas
14h
Laboratorio
0h
Aprendizaje dirigido
0.1h
Aprendizaje autónomo
10h

Metodología docente

Los contenidos del curso se impartirán a través de una serie de sesiones teóricas y prácticas:

- Sesiones teóricas participativas en las que se introducen y discuten entre el estudiantado nuevos conceptos. Se incentiva la discusión grupal. Se proporcionarán capítulos de libros de texto y artículos de investigación para facilitar el debate y el intercambio de ideas.

- Sesiones prácticas en las que el estudiantado pone en práctica conceptos introducidos previamente para obtener una mayor comprensión. Este objetivo se logrará resolviendo problemas, diseñando sistemas y desarrollando prototipos.

Método de evaluación

La evaluación se realizará en base a presentaciones orales en clase y / o del trabajo realizado en tareas prácticas. En general, las notas de las presentaciones orales se asignarán de forma individual, mientras que las notas correspondientes a tareas prácticas se basarán en una evaluación grupal. La ponderación de la nota final será proporcional a las cargas de trabajo respectivas de las dos tareas.

Evaluación basada en examen: ejercicio práctico para la evaluación al final del curso.

Bibliografía

Básica:

  • An Introduction to Multiagent Systems - Michael Wooldridge, John Wiley & Sons, 2002. ISBN: 0 7149691X
  • Multiagent Systems, A Modern Approach to Distributed Artificial Intelligence - Gerhard Weiss, MIT Press, 1999. ISBN: 0-262-23203-0
  • Complex Adaptive Systems: An Introduction to Computational Models of Social Life - John H. Miller, Scott E. Page,
  • Developing Multi-Agent Systems with JADE - Fabio Luigi Bellifemine, Giovanni Caire, Dominic Greenwood, Wiley Series in Agent Technology,

Complementaria:

  • Programming Multi-Agent Systems in AgentSpeak using Jason - Rafael H. Bordini, Jomi Fred Hübner, Michael Wooldridge, Wiley Series in Agent Technology , .

Web links

Capacidades previas

Resulta útil tener nociones básicas de MAS (Sistemas Multi-Agente)