A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

1 Programação Orientada a Agentes e Sistemas Multiagentes.

Cópias: 1
1 Programação Orientada a Agentes e Sistemas Multiagentes.

Apresentações semelhantes


Apresentação em tema: "1 Programação Orientada a Agentes e Sistemas Multiagentes."— Transcrição da apresentação:

1

2 1 Programação Orientada a Agentes e Sistemas Multiagentes

3 2 Conteúdo Motivação Exemplos de sistemas multiagentes Sistemas multiagentes estritamente cooperativos Sistemas multiagentes intermediários Sistemas multiagentes estritamente não-cooperativos Aplicações Balanço geral Conclusão Referências

4 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

5 4 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

6 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

7 6 Utiliza objetos como metáfora de modelagem Utiliza metodologia de desenvolvimento orientada à objetos; Utiliza ferramentas implementação orientadas à objetos O que significa dizer que um sistema é orientado a objetos? Como reconhecemos um sistema orientado a objetos?

8 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?

9 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;

10 9 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

11 10 Caracterização de um sistema Abstração utilizada na modelagem? Linguagem de Implementação? Metodologia de desenvolvimento?

12 11 POO X POA

13 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.

14 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);

15 14 Sistemas Multi-Agentes Inteligência solitária ou coletiva?

16 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

17 16 Sendo assim, temos... ObjetoAgente Desenvolvimento OODesenvolvimento OA Metáfora para modelagem Sistema MultiobjetosSistema Multiagentes Agente = Objeto com intencionalidade

18 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 Agent HCI Agent Monitoring Agent Tracking Agent Data Acquisition Agent

19 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.

20 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.

21 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;

22 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

23 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?

24 23 Taxonomia Anterior MAS Reativo Cognitivo IA IA convencionalIA Distribuída Outros DPS Não-cooperativo Cooperativo

25 24 Taxonomia Moderna MAS IA IA convencionalIA Distribuída Outros Estritamente Cooperativo Estritamente Não- Cooperativo Classificações Intermediárias

26 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?

27 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(...)])

28 27 Jogos dos 8 Números Objetivo: Colocar as letras em ordem alfabética no menor tempo possível Este problema é np-completo H E A B F D C G

29 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.

30 29 Jogos dos 8 Números O protocolo de comunicação é: –Ataque: ataque (atacante(...), posição_atacado(...)) –Fuga: Fugir (posição_fuga(...)) –Bloqueado: Block (atacante(...)) –PercorrerCaminhoPadrão();

31 30 E B C A H F D G Jogos dos 8 Números Bloqueado Ativo

32 31 E B C A H F D G Jogos dos 8 Números Bloqueado Ativo

33 32 B C E A H F D G Jogos dos 8 Números Ativo

34 33 B C H A G E F D Jogos dos 8 Números Ativo

35 34 A B C G H EF D Jogos dos 8 Números Bloqueado Ativo Resultados Obtidos com MAS: 30X30 Resultados com técnicas normais: 5X5

36 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).

37 36 Task Allocation Problem 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. - Contract Net Protocol -

38 37 Task Allocation Problem 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

39 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:

40 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;

41 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

42 41 Balanço geral Vantagens –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

43 42 Concluindo O que significa dizer que um determinado problema pode ser melhor resolvido com uma abordagem multiagentes?

44 43 Problema complexo –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 Quando usar...

45 44 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. Depois de descobrir que deve usar, o que fazer?

46 45 FIM


Carregar ppt "1 Programação Orientada a Agentes e Sistemas Multiagentes."

Apresentações semelhantes


Anúncios Google