stringtranslate.com

Sistema multiagente

Agente reflejo simple
Agente de aprendizaje

Un sistema multiagente ( MAS o "sistema autoorganizado") es un sistema computarizado compuesto por múltiples agentes inteligentes que interactúan . [1] Los sistemas multiagente pueden resolver problemas que son difíciles o imposibles de resolver para un agente individual o un sistema monolítico . [2] La inteligencia puede incluir enfoques metódicos , funcionales , procedimentales , búsqueda algorítmica o aprendizaje por refuerzo . [3]

A pesar de una considerable superposición, un sistema multiagente no siempre es lo mismo que un modelo basado en agentes (ABM). El objetivo de un ABM es buscar una visión explicativa del comportamiento colectivo de los agentes (que no necesariamente tienen que ser "inteligentes") que obedecen reglas simples, típicamente en sistemas naturales, en lugar de resolver problemas prácticos o de ingeniería específicos. La terminología de ABM tiende a usarse con más frecuencia en ciencia y MAS en ingeniería y tecnología. [4] Las aplicaciones en las que la investigación de sistemas multiagente puede ofrecer un enfoque adecuado incluyen el comercio en línea, [5] respuesta a desastres, [6] [7] vigilancia de objetivos [8] y modelado de estructuras sociales. [9]

Concepto

Los sistemas multiagente están formados por agentes y su entorno . Normalmente, la investigación de sistemas multiagente se refiere a agentes de software . Sin embargo, los agentes en un sistema multiagente podrían ser igualmente robots, humanos o equipos humanos. Un sistema de múltiples agentes puede contener equipos combinados de agentes humanos.

Los agentes se pueden dividir en tipos que van desde simples hasta complejos. Las categorías incluyen:

Los entornos de agentes se pueden dividir en:

Los entornos de los agentes también se pueden organizar según propiedades tales como accesibilidad (si es posible recopilar información completa sobre el entorno), determinismo (si una acción causa un efecto definido), dinámica (cuántas entidades influyen en el entorno en el momento), discreción (si el número de acciones posibles en el entorno es finito), episodicidad (si las acciones del agente en ciertos períodos de tiempo influyen en otros períodos), [11] y dimensionalidad (si las características espaciales son factores importantes del entorno y el agente considera el espacio en su toma de decisiones). [12] Las acciones de los agentes suelen estar mediadas a través de un middleware adecuado. Este middleware ofrece una abstracción de diseño de primera clase para sistemas multiagente, proporcionando medios para gobernar el acceso a los recursos y la coordinación de los agentes. [13]

Características

Los agentes en un sistema multiagente tienen varias características importantes: [14]

Autoorganización y autodirección.

Los sistemas multiagente pueden manifestar autoorganización así como autodirección y otros paradigmas de control y comportamientos complejos relacionados incluso cuando las estrategias individuales de todos sus agentes son simples. [ cita necesaria ] Cuando los agentes pueden compartir conocimientos utilizando cualquier lenguaje acordado, dentro de las limitaciones del protocolo de comunicación del sistema, el enfoque puede conducir a una mejora común. Los lenguajes de ejemplo son el lenguaje de manipulación de consultas de conocimiento (KQML) o el lenguaje de comunicación del agente (ACL).

Paradigmas del sistema

Muchos MAS se implementan en simulaciones por computadora, haciendo avanzar el sistema a través de "pasos de tiempo" discretos. Los componentes MAS se comunican normalmente utilizando una matriz de solicitud ponderada, por ejemplo 

Velocidad-MUY_IMPORTANTE: min=45 mph, Longitud de la ruta-MEDIUM_IMPORTANCE: max=60 esperadoMax=40, Peso máximo: SIN IMPORTANCIA Prioridad de contrato-REGULAR

y una matriz de respuesta ponderada, por ejemplo 

Velocidad mínima: 50, pero solo si hace sol. Longitud del camino: 25 para soleado / 46 para lluvioso Prioridad de contrato-REGULAR nota: la ambulancia anulará esta prioridad y tendrás que esperar

Un esquema de contrato de desafío-respuesta es común en los sistemas MAS, donde

considerando también otros componentes, los "contratos" en evolución y los conjuntos de restricciones de los algoritmos componentes.

Otro paradigma comúnmente utilizado con MAS es la " feromona ", donde los componentes dejan información para otros componentes cercanos. Estas feromonas pueden evaporarse/concentrarse con el tiempo, es decir, sus valores pueden disminuir (o aumentar).

Propiedades

Los MAS tienden a encontrar la mejor solución a sus problemas sin intervención. Aquí hay una gran similitud con los fenómenos físicos, como la minimización de energía, donde los objetos físicos tienden a alcanzar la energía más baja posible dentro del mundo físicamente limitado. Por ejemplo: muchos de los coches que entran en una metrópoli por la mañana estarán disponibles para salir de esa misma metrópoli por la tarde.

Los sistemas también tienden a evitar la propagación de fallas, autorrecuperarse y ser tolerantes a fallas, principalmente debido a la redundancia de componentes.

Investigación

El estudio de los sistemas multiagente "se ocupa del desarrollo y análisis de sofisticadas arquitecturas de control y resolución de problemas de IA para sistemas de un solo agente y de múltiples agentes". [16] Los temas de investigación incluyen:

Marcos

Han surgido marcos que implementan estándares comunes (como los estándares FIPA y OMG MASIF). [23] Estos marcos, por ejemplo, JADE , ahorran tiempo y ayudan en la estandarización del desarrollo de MAS. [24]

Sin embargo, actualmente no se mantiene activamente ningún estándar de FIPA u OMG. Los esfuerzos para un mayor desarrollo de agentes de software en el contexto industrial se llevan a cabo en el comité técnico de IEEE IES sobre Agentes Industriales. [25]

Aplicaciones

Los MAS no sólo se han aplicado en la investigación académica, sino también en la industria. [26] Los MAS se aplican en el mundo real a aplicaciones gráficas como juegos de computadora. Los sistemas de agentes se han utilizado en películas. [27] Se recomienda ampliamente su uso en redes y tecnologías móviles, para lograr un equilibrio de carga automático y dinámico, alta escalabilidad y redes con capacidad de recuperación automática. Se están utilizando para sistemas de defensa coordinados.

Otras aplicaciones [28] incluyen transporte , [29] logística, [30] gráficos, fabricación, sistemas de energía , [31] redes inteligentes , [32] y SIG .

Además, la Inteligencia Artificial de Sistemas Multiagente (MAAI) se utiliza para simular sociedades, siendo útil en los campos del clima, la energía, la epidemiología, la gestión de conflictos, el abuso infantil, .... [33] Algunas organizaciones trabajan en el uso Los modelos de sistemas multiagente incluyen el Centro de Modelado de Sistemas Sociales, el Centro de Investigación en Simulación Social, el Centro de Modelado de Políticas, la Sociedad de Modelado y Simulación Internacional. [33]

El tráfico vehicular con vehículos autónomos controlados se puede modelar como un sistema multiagente que involucra dinámica de multitudes. [34] Hallerbach et al. discutió la aplicación de enfoques basados ​​en agentes para el desarrollo y validación de sistemas de conducción automatizados a través de un gemelo digital del vehículo bajo prueba y una simulación microscópica del tráfico basada en agentes independientes. [35] Waymo ha creado un entorno de simulación de múltiples agentes, Carcraft, para probar algoritmos para vehículos autónomos . [36] [37] Simula las interacciones de tráfico entre conductores humanos, peatones y vehículos automatizados. El comportamiento de las personas es imitado por agentes artificiales basados ​​en datos del comportamiento humano real.

Ver también

Referencias

  1. ^ Yoav Shoham, Kevin Leyton-Brown. Sistemas multiagente: fundamentos lógicos, algorítmicos y de teoría de juegos. Cambridge University Press, 2009. http://www.masfoundations.org/
  2. ^ Hu, J.; Turgut, A.; Lennox, B.; Arvin, F., "Coordinación de formación robusta de enjambres de robots con dinámica no lineal y perturbaciones desconocidas: diseño y experimentos" IEEE Transactions on Circuits and Systems II: Express Briefs, 2021.
  3. ^ Stefano V. Albrecht, Filippos Christianos, Lukas Schäfer. Aprendizaje por refuerzo de múltiples agentes: fundamentos y enfoques modernos. Prensa del MIT, 2024. https://www.marl-book.com/
  4. ^ Niazi, Muaz; Hussain, Amir (2011). "Computación basada en agentes desde sistemas multiagente hasta modelos basados ​​en agentes: una encuesta visual" (PDF) . Cienciometría . 89 (2): 479–499. arXiv : 1708.05872 . doi :10.1007/s11192-011-0468-9. hdl : 1893/3378. S2CID  17934527.
  5. ^ Rogers, Alex; David, E.; Schiff, J.; Jennings, NR (2007). "Los efectos de las ofertas por poder y los incrementos mínimos de la oferta en las subastas de eBay". Transacciones ACM en la Web . 1 (2): 9–es. CiteSeerX 10.1.1.65.4539 . doi :10.1145/1255438.1255441. S2CID  207163424. Archivado desde el original el 2 de abril de 2010 . Consultado el 18 de marzo de 2008 . 
  6. ^ Schurr, Nathan; Marecki, Janusz; Tambe, Milind; Scerri, Paul; Kasinadhuni, Nikhil; Lewis, JP (2005). "El futuro de la respuesta a desastres: seres humanos que trabajan con equipos multiagente utilizando DEFACTO". Archivado (PDF) desde el original el 3 de junio de 2013 . Consultado el 8 de enero de 2024 .
  7. ^ Genc, ​​Zulkuf; et al. (2013). "Infraestructura de información basada en agentes para la gestión de desastres" (PDF) . Sistemas Inteligentes para la Gestión de Crisis . Apuntes de conferencias sobre geoinformación y cartografía. págs. 349–355. doi :10.1007/978-3-642-33218-0_26. ISBN 978-3-642-33217-3.
  8. ^ Hu, Junyan; Bhowmick, Parijat; Lanzón, Alejandro (2020). "Seguimiento de formación de grupos distribuidos, adaptativos y variables en el tiempo para sistemas multiagente con múltiples líderes en gráficos dirigidos". Transacciones IEEE sobre control de sistemas de red . 7 : 140-150. doi : 10.1109/TCNS.2019.2913619 . S2CID  149609966.
  9. ^ Sol, Ron ; Naveh, Isaac (30 de junio de 2004). "Simulación de la toma de decisiones organizacionales utilizando un modelo de agente cognitivamente realista". Revista de Sociedades Artificiales y Simulación Social .
  10. ^ ab Kubera, Yoann; Mathieu, Philippe; Picault, Sébastien (2010), "¡Todo puede ser Agente!" (PDF) , Actas de la Novena Conferencia Conjunta Internacional sobre Agentes Autónomos y Sistemas Multiagentes (AAMAS'2010) : 1547–1548
  11. ^ Russell, Stuart J .; Norvig, Peter (2003), Inteligencia artificial: un enfoque moderno (2ª ed.), Upper Saddle River, Nueva Jersey: Prentice Hall, ISBN 0-13-790395-2
  12. ^ Salamón, Tomás (2011). Diseño de Modelos Basados ​​en Agentes. Repin: Editorial Bruckner. pag. 22.ISBN​ 978-80-904661-1-1.
  13. ^ Weyns, Danny; Omicini, Amdrea; Odell, James (2007). "El medio ambiente como abstracción de primera clase en sistemas multiagente". Agentes Autónomos y Sistemas Multiagente . 14 (1): 5–30. CiteSeerX 10.1.1.154.4480 . doi :10.1007/s10458-006-0012-0. S2CID  13347050. 
  14. ^ Wooldridge, Michael (2002). Introducción a los sistemas multiagente . John Wiley e hijos . pag. 366.ISBN​ 978-0-471-49691-5.
  15. ^ Panait, Liviu; Lucas, Sean (2005). "Aprendizaje cooperativo multiagente: el estado del arte" (PDF) . Agentes Autónomos y Sistemas Multiagente . 11 (3): 387–434. CiteSeerX 10.1.1.307.6671 . doi :10.1007/s10458-005-2631-2. S2CID  19706. 
  16. ^ "El laboratorio de sistemas multiagente". Universidad de Massachusetts Amherst . Consultado el 16 de octubre de 2009 .
  17. ^ Alberto, Stefano; Stone, Peter (2017), "Aprendizaje multiagente: fundamentos y tendencias recientes. Tutorial", conferencia IJCAI-17 (PDF)
  18. ^ Cucker, Felipe; Steve Smale (2007). "Las matemáticas de la emergencia" (PDF) . Revista Japonesa de Matemáticas . 2 : 197–227. doi :10.1007/s11537-007-0647-x. S2CID  2637067 . Consultado el 9 de junio de 2008 .
  19. ^ Shen, Jackie (Jianhong) (2008). "Cucker-Smale reuniéndose bajo un liderazgo jerárquico". SIAM J. Aplicación. Matemáticas . 68 (3): 694–719. arXiv : q-bio/0610048 . doi :10.1137/060673254. S2CID  14655317 . Consultado el 9 de junio de 2008 .
  20. ^ Ahmed, S.; Karsiti, MN (2007), "Un banco de pruebas para esquemas de control que utilizan robots no holonómicos de agentes múltiples", Conferencia internacional IEEE de 2007 sobre tecnología eléctrica y de la información, p. 459, doi :10.1109/EIT.2007.4374547, ISBN 978-1-4244-0940-2, S2CID  2734931
  21. ^ Yang, Lidong; Li, Zhang (2021). "Control de movimiento en microrrobótica magnética: de robots individuales y múltiples a enjambres". Revisión Anual de Control, Robótica y Sistemas Autónomos . 4 : 509–534. doi : 10.1146/annurev-control-032720-104318. S2CID  228892228.
  22. ^ Piñán Basualdo, Franco; Misra, Sarthak (2023). "Agentes magnéticos colaborativos para el agarre microrobótico 3D". Sistemas Inteligentes Avanzados . 5 (12). doi : 10.1002/aisy.202300365 . S2CID  262167298.
  23. ^ "Documento Dios mío - orbos/97-10-05 (Actualización del envío MAF revisado)". www.omg.org . Consultado el 19 de febrero de 2019 .
  24. ^ Ahmed, Salman; Karsiti, Mohd N.; Agustiawan, Herman (2007). "Un marco de desarrollo para robots colaborativos que utilizan control de retroalimentación" . Consultado el 8 de enero de 2024 .
  25. ^ "Comité Técnico de Agentes Industriales del IEEE IES (TC-IA)". tcia.ieee-ies.org . Consultado el 19 de febrero de 2019 .
  26. ^ Leitao, Paulo; Karnouskos, Stamatis (26 de marzo de 2015). Agentes industriales: aplicaciones emergentes de agentes de software en la industria . Leitão, Paulo, Karnouskos, Stamatis. Amsterdam, Holanda. ISBN 978-0128003411. OCLC  905853947.{{cite book}}: CS1 maint: location missing publisher (link)
  27. ^ "Muestra de cine". MASIVO . Consultado el 28 de abril de 2012 .
  28. ^ Leitão, Paulo; Karnuskos, Stamatis; Ribeiro, Luis; Lee, Jay; Strasser, Thomas; Colombo, Armando W. (2016). "Agentes inteligentes en sistemas ciberfísicos industriales". Actas del IEEE . 104 (5): 1086-1101. doi :10.1109/JPROC.2016.2521931. hdl : 10198/15438 . ISSN  0018-9219. S2CID  579475.
  29. ^ Xiao-Feng Xie, S. Smith, G. Barlow. Coordinación basada en horarios para el control de la red de tráfico en tiempo real. Conferencia internacional sobre planificación y programación automatizadas (ICAPS), São Paulo, Brasil, 2012: 323–331.
  30. ^ Mahr, TS; Srour, J.; De Weerdt, M.; Zuidwijk, R. (2010). "¿Pueden los agentes estar a la altura? Un estudio comparativo de un enfoque de optimización en línea y basado en agentes para un problema de acarreo con incertidumbre". Investigación en transporte, parte C: tecnologías emergentes . 18 : 99-119. CiteSeerX 10.1.1.153.770 . doi :10.1016/j.trc.2009.04.018. 
  31. ^ Kazemi, Hamidreza; Liasi, Sahand; Sheikh-El-Eslami, Mohammadkazem (noviembre de 2018). "Planificación de la expansión de la generación considerando la dinámica de inversión de los participantes del mercado que utilizan un sistema multiagente". Conferencia sobre Redes Inteligentes (SGC) 2018 . págs. 1–6. doi :10.1109/SGC.2018.8777904. ISBN 978-1-7281-1138-4. Consultado el 8 de enero de 2024 .
  32. ^ Singh, Vijay; Samuel, Paulson (6 de junio de 2017). "Control de frecuencia de carga basado en sistemas distribuidos de agentes múltiples para sistemas de energía de áreas múltiples en redes inteligentes". Transacciones IEEE sobre electrónica industrial . 64 (6): 5151–5160. doi : 10.1109/TIE.2017.2668983 . Consultado el 8 de enero de 2024 .
  33. ^ ab "La IA puede predecir su comportamiento futuro con nuevas y potentes simulaciones". Científico nuevo .
  34. ^ Gong, Xiaoqian; Herty, Michael; Piccoli, Benedetto; Visconti, Giuseppe (3 de mayo de 2023). "Dinámica de multitudes: modelado y control de sistemas multiagente". Revisión Anual de Control, Robótica y Sistemas Autónomos . 6 (1): 261–282. doi : 10.1146/annurev-control-060822-123629 . ISSN  2573-5144.
  35. ^ Hallerbach, S.; Xia, Y.; Eberle, U.; Koester, F. (2018). "Identificación basada en simulación de escenarios críticos para vehículos cooperativos y automatizados". SAE Revista Internacional de Vehículos Conectados y Automatizados . 1 (2). SAE Internacional: 93. doi :10.4271/2018-01-1066.
  36. ^ Madrigal, Historia de Alexis C. "Dentro del mundo secreto de Waymo para entrenar vehículos autónomos". El Atlántico . Consultado el 14 de agosto de 2020 .
  37. ^ Connors, J.; Graham, S.; Mailloux, L. (2018). "Modelado cibersintético para aplicaciones de vehículo a vehículo". En Conferencia Internacional sobre Seguridad y Guerra Cibernética . Conferencias académicas internacionales limitadas: 594-XI.

Otras lecturas