Metodologias Orientadas a Agentes Modelos Baseados em Agentes Anne Magály de Paula Canuto

Motivação Crescente número de aplicações baseadas em agentes Quando uma solução OA é apropriada? Ambiente aberto (dinamico, incerto ou complexo): entidades com ações flexíveis autonomas; Agentes são naturais: ambientes  sociedade de agentes Distribuição de dados, controle ou especialidades: solução centralizada  difícil Sistemas de legacy: sistemas tecnolocigamente obsoletos, mas funcionais  envolve-los com um nível de agentes

Motivação(2) Novo tipo de abstração Sistemas de informação: coleção de agentes interagindo e formando uma sociedade de agentes Metodologias para desenvolver softwares: Especificação dos requerimentos do software, descrever o ambiente e definir a arquitetura do sistema Coleção de modelos que pretendem formalizar o entendimento de um sistema De uma visão abstrata até a concreta (perto da implementação) As metodologias são adequadas para desenvolver software OA? Por que não usar as metodologias OO? Eles usam diferentes abstrações (agentes: autonomos e com interações mais ricas)

Técnicas de Análise e Projeto Orientados a Agentes Muitas ideias da OO podem ser “emprestadas” para a OA + novos recursos Dividida em dois grupos: Tipo 1: Inspirada nas metodologias OO Extensões e adaptações das metodologias OO Tipo 2: Inspiradas em outras técnicas Engenharia do conhecimento Computational Organization Theory (COT): estudar e simular o comportamento humano (TOVE e SDML) Inteligência Artificial Distribuída (TAEMS)

Tipo 1: Metodologia AAII Construção de um conjunto de modelos: definem uma especificação de um sistema de agentes Modelos: Externos: visão do sistema principais componentes são agentes Agentes e suas relações Modelo de agentes e de interações Modelo de classe de agentes e de instâncias de agentes Definir relações entre classes de agentes e identificar as instâncias Cada classe: três atributos no mínimo (crenças, desejos e intenções) Internos: Parte interna dos agentes Estrutura das crenças, desejos e intenções

Tipo 1: Metodologia AAII(2) Funcionamento iterativo: Identificar os papeis relevantes no domínio Desenvolver uma hierarquia de classe de agentes Identificar as responsabilidades de cada papel, os serviços fornecidos e requeridos pelo papel Definir os objetivos de cada serviço Para cada objetivo: definir plano de ações e as condições que cada plano é apropriado Determinar a estrutura de crenças do sistema: requisito de informações para cada plano e objetivo

Tipo 1: AUML - Agentes em UML UML (Unified Modelling Language): notação para modelar sistemas OO Princípio: bom lugar para começar Modificações: Suporte para expressar threads concorrentes de interações Modelar protocolos de agentes como a rede de contratos Extensão da noção de papeis Um agente pode executar vários papeis Incetivo para desenvolver notações baseadas em UML para modelar agentes (FIPA e OMG)

Tipo 2: Desire

Tipo 2: Cassiopeia Natureza bottom-up Funcionamento: Começa dos comportamentos necessários para executar uma tarefa Similar a visão behavioural de Brooks Funcionamento: Identificar comportamentos elementares da tarefa do sistema como um todo Identificar as relações entre os comportamentos Identificar os comportamentos organizacionais do sistema (ex: forma como os agentes formam grupos)

Tipo 2: Agentes em Z Estrutura de especificação de agentes em Z Hierarquia de entidades que podem existir Entidades: objetos inanimatos, que possui apenas atributos Objetos: entidades com capacidades Agentes: Objetos com objetivos e que são ativos Agentes autonomo: agentes com motivação Exemplo: cadeira  objetivo (aguentar meu peso), mas sem motivação Baseado na estrutura, examinar as várias relações que podem existir entre agentes de diferentes tipos

Tipo 2: Agentes em Z(2) Formalismo é atrativo (captura das relações entre agentes) Definição formal: do abstrato ao concreto formalmente Os tipos de agents desenvolvidos são diferentes dos agentes racionais Agentes que possuem comportamento reativo ou proativo: não é possível Problema da linguagem Sistemas funcionais e baseados em operações (difícil de especificar o comportamento atual do agente)

Discussão Metodologias predominantes: tipo 1 Desvantagens: Tipo de decomposição feita em OO é diferente da OA Número de objetos maior que o número de agentes Metodologia OA: ideal é que o número de objetos e agentes seja o mesmo Não captura de alguns aspectos de agentes Objetos: difícil de capturar como cooperar e negociar com outros agentes Extensões: endereçam algumas das deficiências Principal problema: relação entre agentes e objetos (não satisfatóriamente resolvida)

Perigos do Desenvolvimento OA Não entender onde agentes podem ser aplicados Parcialidade na escolha de agentes Não saber porque voce quer agentes Querer construir soluções genéricas para problemas específicos Acreditar que agentes serve para tudo Esquecer que é o desenvolvimento de um software

Perigos do Desenvolvimento OA Esquecer que é o desenvolvimento de um software multi-threads Seu projeto não explora concorrência Decidir usar sua própria arquitetura para os agentes Seus agentes usam demasiadamente a IA Voce ver agentes por todos os lados Voce tem poucos agentes Todo seu tempo é implementando infra-estrutura Seus agentes interagem livremente e de uma maneira desordenada