Programação Orientada a Agentes e Sistemas Multiagentes

Apresentação em tema: "Programação Orientada a Agentes e Sistemas Multiagentes"— Transcrição da apresentação:

1 Programação Orientada a Agentes e Sistemas Multiagentes

2 Conteúdo Motivação Exemplos de sistemas multiagentes
Sistemas multiagentes estritamente cooperativos Sistemas multiagentes intermediários Sistemas multiagentes estritamente não-cooperativos Aplicações Balanço geral Conclusão Referências

3 O que é um procedimento/função?
Um procedimento é uma abstração de um comando e é caracterizado por: realizar operações que modificam o estado do sistema; Uma função é uma abstração e uma expressão e é caracterizada por: Realizar alguma operações sobre ‘valores’ e devolver um ‘resultado’ Ambos são metáforas de modelagem

4 O que significa dizer que um sistema é estruturado
O que significa dizer que um sistema é estruturado? Como reconhecemos um sistema estruturado? Utiliza como metáfora de modelagem procedimentos e funções Utiliza metodologia de desenvolvimento estruturada Utiliza ferramentas implementação estruturadas

5 O que é um objeto? É uma entidade de abstração caracterizada por:
Encapsulamento/information hidding; Capacidade de relacionamentos com outros objetos de herança/agregação Comunica-se através do envio de mensagens É uma junção das abstrações de comando, expressão e declaração

6 O que significa dizer que um sistema é orientado a objetos
O que significa dizer que um sistema é orientado a objetos? Como reconhecemos um sistema orientado a objetos? Utiliza objetos como metáfora de modelagem Utiliza metodologia de desenvolvimento orientada à objetos; Utiliza ferramentas implementação orientadas à objetos

7 Um sistema concebido de forma orientada a objetos pode ser também concebido de forma estruturada? Um sistema concebido de forma orientada a objetos pode ser implementado de forma estruturada?

8 O que é um agente? É uma entidade de abstração caracterizada por:
Autonomia; Racionalidade (busca sempre atingir seus objetivos); Capacidade social (interação com outros agentes); Reatividade; Pro-atividade; Mobilidade;

9 O que significa dizer que um sistema é “orientado a agentes”
O que significa dizer que um sistema é “orientado a agentes”? Como reconhecemos um sistema “orientado a agentes”? Utiliza o agente como metáfora de modelagem Utiliza metodologia de desenvolvimento orientada à agentes

10 Caracterização de um sistema
Linguagem de Implementação? Abstração utilizada na modelagem? Metodologia de desenvolvimento?

11 POO X POA

12 Desenvolvimento orientado a objetos
Busca: Definição das entidades que serão representadas no sistema; Definição das funcionalidades que estão associadas a cada entidade; Definição dos objetos e relacionamentos de agregação e herança; Definição de atributos e métodos.

13 Desenvolvimento orientado a agentes
Busca: Definição das entidades que serão representadas no sistema (domínio); Definição das percepções e ações que cada agente pode realizar; Definição de crenças e objetivos. Definição dos relacionamentos de comunicação entre os agentes (estabelecer protocolos);

14 Sistemas Multi-Agentes
Inteligência solitária ou coletiva?

15 Porque Distribuir a IA? Razões segundo as comunidades...
De Ciências humanas: As capacidades intelectuais provêm disposições genéticas, interações com os semelhantes e com o ambiente Da psicologia: O ser humano faz raciocínios em paralelo, tem mais de uma opinião ou ponto de vista sobre uma coisa De IA: adicionar a dimensão sociológica à psicológica já existente Da resolução de problemas há problemas funcionalmente ou espacialmente distribuídos e há problemas complexos demais Da indústria poder trabalhar com vários especialistas com pontos de vista diferentes De informática extensão da noção de (multi)objetos

16 Sendo assim, temos... Metáfora para modelagem Objeto Agente
Desenvolvimento OO Desenvolvimento OA Sistema “Multiobjetos” Sistema “Multiagentes” Agente = Objeto com intencionalidade

17 Exemplo de sistema Sistema de Fornecimento de Água para Caldeiras - Resolução Distribuída de Problemas O importante é atingir o objetivo global; As tarefas são pré-definidas A ênfase é dada na modelagem de cada agente Usualmente não existe grande comunicação entre os agentes; Existe um controle global Information Repository Knowledge broker Verification Agent Diagnostic HCI Monitoring Tracking Data Acquisition

18 Exemplo de sistemas Formigueiro - Sistema Multiagentes Reativo
O mais importante é o problema; O problema é resolvidos por nós individuais que interagem entre si; Existe um grande número de nós; Os nós são normalmente são idênticos e possuem conhecimento limitado; Cada nós não tem consciência do problema geral; Os nós ‘cooperam’ entre si; A solução ‘surge’ através das interações entre os nós.

19 Exemplo de sistemas Time de Futebol - Sistema Multiagentes Cognitivo Cooperativo Cada jogador possui um conhecimento individual e limitado; Cada jogador não pode resolver o problema sozinho; Cada jogador pode ter características diferentes dos demais; Cada jogador age de forma autônoma e assíncrona; Existe um objetivo global que é de conhecimento de todos os indivíduos; Este objetivo global está acima dos objetivos individuais de cada agente; Não existe um controle global; A junção das capacidades individuais resolve o problema.

20 Exemplo de sistemas Negociação trabalhista - Sistema Multiagentes Cognitivo Não-Cooperativo Os objetivos de cada parte são usualmente contrapostos; A informação de cada parte é incompleta; Existe um objetivo global desejado, mas que não é mais importante que os objetivos individuais; Cada parte procura convencer seu oponente para que ele ceda (ocorre um processo de negociação); Não da para ter certeza sobre o que a outra parte vai fazer; Não existe um controle centralizado do processo;

21 Semelhanças entre os exemplos
Inteligência Global / Individual Cada ser individual possui uma Inteligência própria. O sistema possui uma Inteligência global que é resultado do conjunto de ‘inteligências’ individuais. Objetivo Global / Individual Existe ‘sempre’ um objetivo global a ser atingido e os indivíduos podem ou não ter consciência disto. Cada indivíduo possui objetivos próprios, que podem ou não estar acima do objetivo global; Interações Predefinidas / Não-predefinidas ‘Todas’ as interações entre os agentes podem ser pre-definidas, ou não

22 Historicamente Existe uma diferenciação entre um sistema desenvolvido como um DPS e como um MAS. Alguns pesquisadores consideravam que DSP é uma sub-área de MAS, e outros consideravam o inverso. Nos dias atuais existe um tendência a considerar tudo como MAS A diferença entre os sistemas agora está: Na distribuição do conhecimento; Na existência ou não de um objetivo global; Se o objetivo global existir, qual o grau de compromisso que que cada agente tem com ele, quando confrontado com os seus objetivos individuais?

23 Não-cooperativo Cooperativo
Taxonomia Anterior IA IA convencional IA Distribuída Outros DPS MAS Reativo Cognitivo Não-cooperativo Cooperativo

24 Estritamente Cooperativo Estritamente Não- Cooperativo
Taxonomia ‘Moderna’ IA IA convencional IA Distribuída Outros MAS Classificações Intermediárias Estritamente Cooperativo Estritamente Não- Cooperativo

25 Problemas dos MAS Como descrever e alocar as entidades de um problema em tre os agentes do sistema? Como habilitar os agentes para se comunicar e interagir? Que linguagem de comunicação utilizar? Como garantir que os agentes vão agir de forma coerente, sem provocar efeitos indesejáveis? (Dilema do prisioneiro) Como habilitar os agentes para representar e raciocinar sobre as ações de outros agentes para conseguir se coordenar com eles? Como gerenciar a limitação de recursos de cada agente? Como construir um MAS de forma efetiva? Como definir plataformas tecnológicas e metodologias de desenvolvimento?

26 Processo de Desenvolvimento de um MAS
Similar a divisão-e-conquista; Busca-se definir: Quem são os agentes Protocolo de comunicação entre os agentes (redes de contrato) Regras de funcionamento de cada agente (Relações entre: crenças, percepções e ações) Ask(agent(ID), product(nome(“CD”), autor(“Chico Buarque”) )) Products(Autor(“Chico Buarque”), [CD(...),CD(...)])

27 Jogos dos 8 Números H E A B F D C G
Objetivo: Colocar as letras em ordem alfabética no menor tempo possível Este problema é np-completo

28 Jogos dos 8 Números Considerando cada agente como uma peça, temos que:
Cada agente tem como objetivo ir para a sua posição; Cada agente sabe a sua posição atual e pode estar ou não ativo; Apenas um agente está ativo de cada vez (A, em seguida B, etc.) Cada agente pode: ‘Atacar’ um outro agente; Fugir quando for atacado; A fuga só pode ocorrer quando o agente não estiver bloqueado; Percorrer o caminho padrão, mesmo estando em sua posição.

29 Jogos dos 8 Números O protocolo de comunicação é:
Ataque: ataque (atacante(...), posição_atacado(...)) Fuga: Fugir (posição_fuga(...)) Bloqueado: Block (atacante(...)) PercorrerCaminhoPadrão();

30 Jogos dos 8 Números E B C A H F D G Bloqueado Ativo

31 Jogos dos 8 Números E B C A H F D G Bloqueado Ativo

32 Jogos dos 8 Números B C E A H F D G Ativo

33 Jogos dos 8 Números B C H A G E F D Ativo

34 Jogos dos 8 Números A B C G H E F D Bloqueado Ativo
Resultados Obtidos com MAS: 30X30 Resultados com técnicas normais: 5X5

35 Task Allocation Problem
Objetiva minimizar a interdependência de tarefas Diminuir o overhead de comunicação Aumentar as chances de se encontrar uma solução consistente Este foi um dos primeiros problemas atacados pela IA distribuída com o Contract Net Protocol (CNP).

36 Task Allocation Problem
- Contract Net Protocol - Cada agente pode assumir dois papéis Gerente Contratante Dada uma tarefa, o agente (contratante) determina se esta pode ser quebrada em sub-tarefas concorrentes. Ele usa o protocolo para anunciar as sub-tarefas para os outros agentes (Gerentes) e esperar por ofertas. O contratante recebe as ofertas feitas, escolhe a melhor e anuncia o vencedor; O vencedor pode então, se quiser, ver se esta tarefa pode ser subdividida, e se tornar um Contratante.

37 Task Allocation Problem
1 2 3 4 5 Objetivo: Levar o conjunto de blocos para o ponto 5 na mesma ordem. Regras: - Só se pode mover um bloco de cada vez; - Cada bloco só pode se mover para o posição imediatamente ao lado

38 Task Allocation Problem
Cada agente pode assumir a tarefa de levar um número x de blocos, e, se não conseguir, ele pode subdividir esta tarefa e esperar ‘ofertas’. Tomando um conjunto de n agentes e de 3 problemas, temos: 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

39 Task Allocation Problem
Como existem vários problemas paralelos: Cada agente precisa ver se pode ou não assumir uma tarefa; Decidir que tipo de tarefa ela vai poder assumir (número de blocos) Decidir se deve ou não subdividir a tarefa que recebeu; 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

40 Aplicações PDA (Personal Digital Assistant);
Assistentes para análise de s; Assistentes para organização de agenda de horários; Controle de tráfego aéreo; Comércio eletrônico; Jogos com Personagens; Histórias Interativas; Busca na Internet; Sistemas de Controle (tempo real); Sistemas de Telefonia

41 Balanço geral Vantagens Desvantagens Robustez; Eficiência;
Possibilidade de resolver problemas mais complexos; Desvantagens Falta uma metodologia de desenvolvimento bem definida; Sobrecarga de comunicação; Maior complexidade do “paradigma” de desenvolvimento

42 Concluindo O que significa dizer que um determinado problema pode ser melhor resolvido com uma abordagem multiagentes?

43 Quando usar... Problema complexo Problema intrinsecamente distribuído
divide and conquer ex. jogo dos 8 números, ordenação, etc. Problema intrinsecamente distribuído ex. jogos com personagens, administração de sistemas, controle de tráfego, etc. Problemas exigindo rápido tempo de resposta processamento paralelo ex. busca na internet, grupo musical, etc. Problema com domínios de conhecimento ou tarefas um agente para cada tipo de conhecimento/tarefa ex. usina nuclear

44 Depois de descobrir que deve usar, o que fazer?
Utilizando linguagens OO convencionais + Bibliotecas adicionais Para comunicação: JATLite (KQML), FIPA; Para raciocínio Motores de inferência lógica: JEOPS, ABE, JESS, CLIPS Motores de inferência bayesiana: Hugin, MSBN; Redes neurais; Para mobilidade: Aglets, Telescript, etc. Utilizar ambientes de desenvolvimento Agent Builder Utilizar linguagens orientadas a agentes: Agents0, Jackal, etc.

45 FIM