Introducción a los Sistemas Multiagentes

Usted está aquí

Créditos
5
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
CS;URV
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

  • Mohammed Hamood Abdullah Jabreel ( )

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.

Actividades

Actividad Acto evaluativo


Práctica

Ejercicio práctico (en grupos) de desarrollo de un sistema multi-agente.
Objetivos: 2
Semana: 15
Tipo: examen de laboratorio
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
40h

Examen de teoría

Examen del contenido teórico de la asignatura
Objetivos: 1
Semana: 15 (Fuera de horario lectivo)
Tipo: examen final
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
39.9h

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 (10%), un análisis de las técnicas de coordinación y negociación más apropiadas (20%) y una presentación final oral y escrita del sistema multi-agente totalmente implementado (30%). Es necesario completar el ejercicio práctico para superar la asignatura.

Bibliografía

Básica:

Complementaria:

Web links

Capacidades previas

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