Introducción a los Sistemas Multiagentes

Créditos
5
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
CS;URV
Web
https://campusvirtual.urv.cat
Este curso proporciona los conocimientos teóricos básicos del campo de los agentes inteligentes y los sistemas multi-agente. La primera parte del curso describe tipos de agentes, sus propiedades y diferentes arquitecturas. En la segunda parte se describen las técnicas básicas de coordinación entre agentes.

El curso también incluye una componente práctica en el laboratorio en la que los estudiantes deberán trabajar en grupo para desarrollar un sistema multi-agente.

Profesorado

Responsable

  • Jordi Pascual Fontanilles (jordi.pascual@urv.cat)

Horas semanales

Teoría
2
Problemas
0
Laboratorio
1
Aprendizaje dirigido
0
Aprendizaje autónomo
5.33

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.
  • CEA8 - Capacidad de realizar investigación en nuevas técnicas, metodologías, arquitecturas, servicios o sistemas en el área de la Inteligencia Artificial.

    • Profesionales

  • 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. Adquisición de los conceptos teóricos básicos en el campo de los agentes inteligentes y los sistemas multi-agente.
      Competencias relacionadas: CT4, CEA1, CEA8,
    2. Solucionar algún problema complejo en grupo utilizando un sistema multi-agente.
      Competencias relacionadas: CT3, CT7, CEP3, CEP4, CG3,

    Contenidos

    1. Agentes Inteligentes
      Introducción a los agentes inteligentes. Definición.
      Arquitecturas: reactiva, deliberativa, híbrida.
      Propiedades: razonamiento, aprendizaje, autonomía, proactividad, etc.
      ipología: agentes de interfície, agentes de información, sistemas heterogéneos.
    2. Sistemas Multi-Agente
      Introducción a los sistemas inteligentes distribuidos. Comunicación. Estándares. Coordinación. Negociación. Planificación distribuida. Votaciones. Subastas. Formación de coaliciones. Aplicación de sistemas multi-agente a problemas industriales. Introducción a los sistemas multi-agente basados en LLM.

    Actividades

    Actividad Acto evaluativo


    Práctica

    Ejercicio práctico (en grupos) de desarrollo de un sistema multi-agente.
    Objetivos: 2
    Semana: 15
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Examen de teoría

    Examen del contenido teórico de la asignatura
    Objetivos: 1
    Semana: 15
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Clases de teoría

    Clases magistrales de teoría
    • Teoría: Clases de teoría
    Objetivos: 1
    Contenidos:
    Teoría
    30h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Sesiones de laboratorio

    Sesiones prácticas en el laboratorio de informática
    • Laboratorio: Sesiones prácticas en el laboratorio
    Objetivos: 2
    Contenidos:
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    15h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Metodología docente

    Las metodologías docentes utilizadas serán:
    - Clase magistral.
    - Clase expositiva participativa.
    - Supervisión de prácticas de laboratorio.
    - Supervisión y orientación de trabajos cooperativos.
    - Orientación de trabajos autónomos.
    - Tutorización individualizada.
    - Consultas.

    Método de evaluación

    Examen final: 40%
    Ejercicio práctico, desarrollado en grupos: 60%. Este ejercicio incluirá el análisis de las arquitecturas y tipos de agentes más adecuados para el ejercicio, un análisis de las técnicas de coordinación y negociación más apropiadas y una presentación final oral y escrita del sistema multi-agente totalmente implementado. Es necesario completar el ejercicio práctico para superar la asignatura.

    Bibliografía

    Básico

    Complementario

    Web links

    Capacidades previas

    Conocimiento de los conceptos básicos de Inteligencia Artificial.
    Programación fluida en Python.