01 - Introduccion agentes completa - UPV Universitat ... · Historias de hormigas y abejas ......

1

Agentes

¿De dónde vienen los Agentes?

Tecnología de Objetos (software)Inteligencia ArtificialSistemas Distribuidos (computación)Sociedades, PsicologíaSistemas Intencionales & dificultades ‘top-down’

2

Tecnología de Objetos

Mensajes entre objetosEncapsulamiento, independenciaClases, herencia

Inteligencia Artificial

Conocimiento (representación del mundo)RazonamientoAprendizajeEnfoque de agente:

SensoresProceso inteligenteEfectores

3

Sistemas Distribuidos

Distribución de datos y procesosConectividad, Redes, ProtocolosInteroperabilidadInternet

Sociedades, Psicología

Historias de hormigas y abejasInteracciones entre humanos, rolesConductismo, Gestalt, Cognitivismo

4

Sistemas Intencionales & dificultades ‘top-down’

Sistemas Complejosfácilmente diseñables comoSistemas Intencionales

Diseño de grandes aplicaciones informáticas mediante métodos top downes caro y difícil de mantener y actualizar

Componentes Informáticos se entienden y diseñan como entidades autónomas independientes unas de otras.

El diálogo entre entidades materializa la ejecución de un sistema, no las llamadas a procedimientos o funciones, o la ejecución de un método como consecuencia la recepción de un mensaje

Los agentes deciden de forma autónoma de que manera actuar y en que momento intervenir en la solución colectiva a un problema

Autonomía

Pero ¿qué es un agente?

Proceso de larga vida (permanente)Independencia, autonomía“Inteligencia”

5

Teoría de Agentes

Un agente es un sistema informático, situado en algún entorno, que percibe el entorno (entradas sensibles de su entorno) y a partir de tales percepciones determina (mediante técnicas de resolución de problemas) y ejecuta acciones (de forma autónoma y flexible) que le permiten alcanzar sus objetivos y que pueden cambiar el entorno.

No existe una definición No existe una definición comunmentecomunmente aceptada.aceptada.

SocialProactivo

Entorno

Flexibilidad:

Reactivo

WooldridgeWooldridge::•• Cualquier proceso computacional Cualquier proceso computacional

dirigido por el objetivo capaz de dirigido por el objetivo capaz de interaccionar con su entorno de interaccionar con su entorno de forma forma flexibleflexible y y robustarobusta

Agente: Definición

6

Agente: Definición

No existe una definición comunmenteaceptada.

Wooldridge:Cualquier proceso computacional dirigido por el objetivo capaz de interaccionar con su entorno de forma flexible y robustaFlexible: Reactivo, Proactivo y Social

Parunak:

Teoría de Agentes

Autonomía: capacidad de actuar sin intervención humana directa o de otros agentes.Sociabilidad: capacidad de interaccionar con otros agentes, utilizando como medio algún lenguaje de comunicación entre agentes.Reactividad: un agente está inmerso en un determinado entorno (habitat), del que percibe estímulos y ante los que debe reaccionar en un tiempo preestablecido.Iniciativa: un agente no sólo debe reaccionar a los cambios que se produzcan en su entorno, sino que tiene que tener un carácter emprendedor y tomar la iniciativa para actuar guiado por los objetivos que debe de satisfacer.Movilidad: habilidad de trasladarse en una red de comunicación informática.Veracidad: no comunica información falsa intencionadamente.Benevolencia: no tiene objetivos contradictorios y siempre intenta realizar la tarea que se le solicita.Racionalidad: tiene unos objetivos específ. y siempre intenta llevarlos a cabo.

7

Teoría de AgentesLos sistemas compuestos de múltiples agentes, comenzaron a utilizarse en la Inteligencia Artificial Distribuida (O'hare et al.., 1996), que tradicionalmente se ha dividido en dos campos:

La Resolución de Problemas distribuidos: un problema particular puede resolverse por un número de nodos que cooperan en dividir y compartir conocimiento sobre el problema y su solución. Las tareas que cada agente realiza están prefijadas de antemano, cada agente tiene una conducta fija, y el sistema se centra en el comportamiento global.

Los Sistemas Multiagente: agentes autónomos trabajan juntos para resolver problemas, caracterizado porque cada agente tiene una información o capacidad incompleta para solucionar el problema, no hay un sistema global de control, los datos están descentralizados y la computación es asíncrona. Los agentes pueden decidir dinámicamente que tareas deben realizar y quien realiza cada tarea.

Teoría de AgentesSistema Basado en AgentesSistema Basado en Agentes

Utiliza como mecanismo de abstracción los agentes, pero aún siendo modelizado en términos de agentes, podría ser implementado sin ninguna estructura software correspondiente a éstos.

Sistemas Sistemas MultiMulti--agenteagenteEs diseñado e implementado como varios agentes interactuando entre sí, para así lograr la funcionalidad deseada.

8

Alguna puntualización sobre la racionalidad

El carácter de racionalidad de un agente (Russell, et al. 1995) depende de cuatro factores:

De la medida con la que se evalúe el grado de éxito logrado.

De la secuencia de percepciones, entendiendo por tal todo aquello que hasta ese momento haya percibido el agente.

Del conocimiento que el agente posea del medio.

De las acciones que el agente pueda llevar a cabo.

Un agente racional debe emprender todas aquellas acciones que favorezcan obtener el máximo de su medida de rendimiento, basándose en las evidencias aportadas por la secuencia de percepciones y en todo el conocimiento incorporado.

Teoría de Agentes¿Cómo formular, describir, descomponer problemas y sintetizarresultados entre un grupo de agentes inteligentes?

¿Cómo permitir a los agentes comunicarse e interactuar?

¿Qué lenguajes de comunicación y protocolos se pueden usar?

¿Qué arquitectura es la mas adecuada para construir Sistemasmulti-agente prácticos?

¿Qué lenguajes y herramientas de desarrollo se pueden utilizar?

¿Cómo construir herramientas para soportar las metodologías de desarrollo?, etc.

9

Multi-Agente

Interacción de varios agentes similares o heterogéneosSin control globalDatos descentralizadosAlcance y punto de vista individuales y limitados

Agente vs. Objeto (I)Agente como sucesor del paradigma de objetos (Jennings)

Objeto: No tiene control sobre su estado interno.

Objeto2 Objeto1

Objeto1.m1()

mi : métodos

m1

m2

m3

Estado

10

Agente vs. Objeto (II)Parunak [PAAM’99]:

Un agente es:Un objeto con iniciativa.Un objeto con actitud u orientación.Un objeto que puede decir “No” (o “Adelante”).Un objeto pro-activo.

Wooldridge [Weiss 1999] “Los objetos lo hacen gratis, los agentes lo hacen por dinero”

(objects do it for free, agents do it for money).

Arquitecturas de Agente (I)Metodologías particulares para construir agentes.1ª clasificación:

Acceso a los sensores y actuadores de las capas de control:

Ventaja: ParalelismoVentaja: Paralelismo

InconvInconv.: Alto .: Alto conocimconocim. de . de Control para coordinarControl para coordinar

11

Arquitecturas de Agente (I)Metodologías particulares para construir agentes.1ª clasificación:

Acceso a los sensores y actuadores de las capas de control:

Ventaja: Menor Ventaja: Menor conocimconocim. de Control. de Control

InconvInconv.: Mayor complejidad en la .: Mayor complejidad en la capa que interactúa con los capa que interactúa con los sensoressensores

Arquitecturas de Agente (II)

2ª Clasificación: Tipo de procesamiento

ArqitecturasArqitecturas Basadas en la LógicaBasadas en la Lógica

Arquitecturas DeliberativasArquitecturas Deliberativas

Arquitecturas ReactivasArquitecturas Reactivas

Arquitecturas HíbridasArquitecturas Híbridas

12

Arq. basada en lógica

Representación de el estado interno según un conjunto de sentencias lógicas de primero ordenReglas de deducción lógica para tomar decisiones

VentajasVentajas:• Representación clara y elegante

DesventajasDesventajas:• Complejidad temporal elevada• Difícil encontrar una representación simbólica para

entidades y procesos del mundo real


SeaL, un conjunto de sentencias lógica de primero orden.

D, un conjunto de bases de datos de L. (D=P (L)). d, elementos de D.A, las posibles acciones de que el agente es capaz.a, elementos de A.

Entonces las funciones que forman un agente son:Ver : S PPróximo : D x P DAcción : D A

13


Función Acción (d : D) : A

1. comienzo2. para cada a que pertenece a A hacer3. si d |--p Hacer(a) entonces devolver a4. para cada a que pertenece a A hacer5. si d |--p no Hacer(a) entonces devolver a6. devolver nulo7. fin


Ciclo de funcionamiento:Ver(sVer(s)), genera una percepciónPróximo(iPróximo(ikk , , Ver(sVer(s)))), actualiza el estado interior del agenteAcción(Próximo(iAcción(Próximo(ikk , , Ver(sVer(s)))))), acción de actuar

agente entornoaccion

verpróximo

estado

14

Arquitecturas de Agente (III):Arquitecturas Deliberativas (I)

Hipótesis de Símbolos Físicos [Newell y Simmons]+ Planificador IA

Arquitectura horizontal

IRMA [Bratman 1987], GRATE* [Jennings 1993]

Estado inicial, operadores/planes, objetivoEstado inicial, operadores/planes, objetivo

Arquitecturas de Agente (III):Arquitecturas Deliberativas (II)

Tipos:Tipos:–– Agentes IntencionalesAgentes Intencionales

•• Capaces de razonar sobre Capaces de razonar sobre sus creencias e intencionessus creencias e intenciones

•• Planificadores que incluyen Planificadores que incluyen creencias e intenciones en creencias e intenciones en sus planessus planes

•• Teoría de Agentes BDI: IRMA, PRSTeoría de Agentes BDI: IRMA, PRS

–– Agentes SocialesAgentes Sociales

15

COSY, GRATE*, DACOSY, GRATE*, DA--SocSoc

•• Aspectos cooperativos (cuAspectos cooperativos (cuáándo, cndo, cóómo y con quimo y con quiéén cooperar), n cooperar), sin modelar necesariamente las intenciones de los agentes sin modelar necesariamente las intenciones de los agentes

ArchonArchon, Imagine, Coopera y MAST, Imagine, Coopera y MAST

Tipos:Tipos:–– Agentes IntencionalesAgentes Intencionales–– Agentes SocialesAgentes Sociales

Dos grandes grupos:Dos grandes grupos:

•• Agentes intencionales Agentes intencionales ++modelo explmodelo explíícito de otros cito de otros agentes agentes

Arquitecturas de Agente (III):Arquitecturas Deliberativas (II)

Son aquellas arquitectura que utilizan modelos de representación simbólica del conocimiento. Suelen estar basadas en la teoría clásica de planificación, donde existe un estado inicial de partida, un conjunto de planes y un estado objetivo a satisfacer. En estos sistemas parece aceptada la idea de que un agente contenga algún sistema de planificación que sea el encargado de determinar que pasodebe de llevar a cabo para conseguir su objetivo.

Por tanto un agente deliberativo (o con una arquitectura deliberativa) es aquel que contiene un modelo simbólico del mundo, explícitamente representado, en donde lasdecisiones se toman utilizando mecanismos de razonamiento lógico basados en la concordancia de patrones y la manipulación simbólica.

Arquitecturas de Agente (III):Arquitecturas Deliberativas(III)

16

Arquitectura B.D.I. :

Creencias Creencias –– B (Believes)B (Believes)Conocimiento del agente sobre el entorno

Deseos Deseos –– D (Desires)D (Desires)Metas del agente

Intenciones Intenciones –– I (Intentions)I (Intentions)Manejan y conducen a acciones dirigidas hacia las metasPersistenInfluyen las creencias

Arquitecturas de Agente (III):Arquitecturas Deliberativas(IV)

Arquitectura B.D.I. :Agentes audaces:Agentes audaces:

- No se paran para reconsiderar las intenciones- Coste temporal y computacional bajo- Adaptos para entornos que no cambian rápidamente

Agentes cautos:Agentes cautos:- Constantemente se paran para reconsiderar las

intenciones- Explotan nuevas posibilidades- Adaptos para entornos que cambian rápidamente


17

Arquitectura B.D.I. :Sean

Bel, Des, Int, los conjuntos de las posibles creencias, deseos y intenciones El estado interno del agente una triple (B,D,I)

Entonces las funciones:• Brf : P(Bel) x P P(Bel)• Opciones : P(Bel) x P(Int) P(Des) • Filtro : P(Bel) x P(Des) x P(Int) P(Int)• Ejecutar : P(Int) A


Brf

Opciones

Filtro

Acción

creencias

deseos

intenciones

sensoresentrada

salidaacciónes


Función Acción (p : P) : Acomienzo

B := Brf (B,p)D := Opciones (B, D)I := Filtro (B,D,I) devolver Ejecutar (I)

fin


18


VentajasVentajasModelo Intuitivo

InconvenientesInconvenientesDifícil equilibrar una conducta del agente que tenga al mismo tiempo iniciativa y reactividad


Arquitecturas de Agente (IV):Arquitecturas Reactivas (I)

No incluye un modelo del mundo simbólicoNo usa razonamiento simbólico complejo. Modelo Estímulo Estímulo –– RespuestaRespuestaProcesamiento Ascendente (bottom-up):

Patrones que se activan bajo ciertas condiciones de los sensoresy tienen un efecto directo en los actuadores

Arquitecturas verticalesEstEstíímulos externos procesados por capas especializadas que mulos externos procesados por capas especializadas que responden con acciones y pueden inhibir las capas inferioresresponden con acciones y pueden inhibir las capas inferiores

19

Arquitecturas de Agente (IV):Arquitecturas Reactivas (II)

Principales Arquitecturas Reactivas:Reglas SituadasReglas SituadasArquitecturas de Arquitecturas de SubsunciónSubsunción y autómatas y autómatas de estado finitode estado finitoTareas CompetitivasTareas CompetitivasRedes NeuronalesRedes Neuronales

Principales Arquitecturas Reactivas:Reglas SituadasReglas SituadasArquitecturas de Arquitecturas de SubsunciónSubsunción y autómatas y autómatas de estado finitode estado finito

Tareas CompetitivasTareas CompetitivasRedes NeuronalesRedes Neuronales


Capa: red de topologCapa: red de topologíía fija de ma fija de mááquinas de estado finitasquinas de estado finitas

20




Las capas mantienen una relaciLas capas mantienen una relacióón de inhibicin de inhibicióón sobre las n sobre las capas inferiores (inhibir entradas de los capas inferiores (inhibir entradas de los sensoressensores y y acciones en los acciones en los actuadoresactuadores))




El control no es central, sino dirigido por los datos en El control no es central, sino dirigido por los datos en cada capacada capa

21

Principales Arquitecturas Reactivas:Reglas SituadasReglas SituadasArquitecturas de Arquitecturas de SubsunciónSubsunción y autómatas y autómatas de estado finitode estado finitoTareas CompetitivasTareas Competitivas

Redes NeuronalesRedes Neuronales


Tarea a realizar de entre varias posibles: la que Tarea a realizar de entre varias posibles: la que proporciona un nivel de activaciproporciona un nivel de activacióón mayorn mayor




AproximaciAproximacióón ecoln ecolóógica del problema de resolucigica del problema de resolucióón n distribuida de problemasdistribuida de problemas

22




El problema se resuelve sin comunicaciEl problema se resuelve sin comunicacióón entre los n entre los individuos, estableciendo un criterio de terminaciindividuos, estableciendo un criterio de terminacióón del n del problemaproblema

Las arquitecturas reactivas, se caracterizan por no tener como elemento central de razonamiento un modelo simbólico y por no utilizarrazonamiento simbólico complejo (Brooks, 1991).

Un ejemplo típico de estas arquitecturas es la propuesta de RoodneyBrooks, conocida como arquitectura de subsunción (Brooks, 1991). Esta arquitectura se basa en el hecho de que el comportamiento inteligente puede ser generado sin utilizar propuestas del modelo simbólico y en el hecho de que la inteligencia es una propiedad emergente de ciertos sistemas complejos.

Las arquitecturas de subsunción manejan jerarquías de tareas que definen un comportamiento. Suelen estar organizados en jerarquías de capas, de menor a mayor nivel de abstracción.

Arquitecturas de Agente (IV):Arquitecturas Reactivas (III)

23

Arquitectura de Arquitectura de subsunciónsubsunciónLa toma de decisiones de un agente esta realizada en base a un conjunto de tareas

Muchas conductas pueden dispararse simultáneamente

Conductas arregladas según una jerarquía



VentajasVentajas::Respuesta inmediata del agenteNo problema de la representación simbólica

InconvenientesInconvenientes::Difícil diseñar agentes puramente reactivos que puedan aprender de la experienciaInteracciones difíciles de entender en agentes con muchas conductas

24

Sea

c, un conjunto de percepciónes.a, una posible acción. (c,a), una conducta.R, un conjunto de conductas<r , relación binaria de inhibición en R x R

Arquitecturas de Agente (IV):Arquitecturas Reactivas (IV)

Función Acción (p : P) : A

1. var conductas: P(R)2. comienzo3. conductas :={(c,a) | (c,a) ∈ R y p ∈ c}4. para cada (c,a) ∈ conductas hacer5. si ¬(∃(c1,a1)∈conductas | (c1,a1)<r (c,a))

entonces6. devolver a7. devolver nulo8. fin

Arquitecturas de Agente (IV):Arquitecturas Reactivas (IV)

25

Arquitecturas de Agente (V):Arquitecturas Híbridas (I)

Agente formado por dos o más subsist.:DeliberativoDeliberativo: :

•• Modelo del mundo simbModelo del mundo simbóólicolico•• Determinar acciones a realizar para satisfacer los Determinar acciones a realizar para satisfacer los

objetivos locales y cooperativos de los agentesobjetivos locales y cooperativos de los agentes

–– ReactivoReactivo::•• Procesar los estProcesar los estíímulos mulos

que no necesitan que no necesitan deliberacideliberacióón.n.

Para la construcción de agentes no es del todo acertado utilizar una arquitectura totalmente deliberativa, o totalmente reactiva, se han propuesto sistemas híbridos que pretenden combinar aspectos de ambos modelos.

Agente compuesto de dos subsistemas:

uno deliberativo, que utilice un modelo simbólico y que genere planes en el sentido expuesto anteriormente, y otro reactivo centrado en reaccionar a los eventos que tengan lugar en el entorno y que no requiera un mecanismo de razonamiento complejo.

Estructuración por capas:

verticalmente, sólo una capa tiene acceso a los sensores y actuadores.horizontalmente, todas las capas tienen acceso a los sensores y a losactuadores.

Arquitecturas de Agente (V):Arquitecturas Híbridas (II)

26

Capas organizadas jerárquicam. con información sobre el entorno

Diferentes niveles de abstracción:ReactivoReactivo:

Nivel bajoSe toman decisiones en base a los datos recopilados por el agente.

ConocimientoConocimiento: Nivel intermedioSe centra en el conocimiento que posee del medioNormalmente utiliza una representación simbólica del medio.

SocialSocial: Nivel más altoManeja aspectos sociales del entorno, incluyendo tanto información de otros agentes, como deseos, intenciones,etc.

Comportamiento global del agente definido por la interacción entre estos niveles.

Arquitecturas de Agente (V):Arquitecturas Híbridas (II)

Arquitecturas de Agente (V):Arquitecturas Híbridas (III)

Arquitectura en Capas:Clase de arquitecturas divididas en subsistemas organizados en una jerarquía de capas que interaccionanSistema Típico en dos capas:

Capa para la conducta reactivaCapa para la iniciativa

Tipos de Estructuras:Capas HorizontalesCapas Verticales

27

percepciónpercepción acciónacción

Capa 1Capa 2

Capa n

--


Arquitectura en Capas:Capas HorizontalesCapas Horizontales:

Cada capa esta directamente conectada con los sensores y los actuadoresContribuye con sugerencias a la acción de actuarFunción mediadora:

Decide qué capa tiene el control del agente, Asegura la consistencia, Cuello de Botella


Arquitectura en Capas:Capas VerticalesCapas Verticales:

Los sensores y los actuadores están conectados con una capaNo tolerante a fallos

Una pasada Dos pasadas

percepción

acción

acciónpercepción

28


Arquitectura en Capas:VentajasVentajas:

Optima para equilibrar las diferentes conductas del agente (reactividad, iniciativa)

InconvenientesInconvenientes:Falta de claridadNumero elevado de toda las posibles combinaciones de interacción entre las diferentes capas

Arquitectura en CapasArquitectura en CapasEjemplo: TOURINGMACHINES

Tres capas horizontales mas un modulo de control


Control Control FrameworkFramework

Subsistema Subsistema de de

AcciónAcción

Subsistema Subsistema de de

PercepciónPercepción

Capa de ModeladoCapa de Modelado

Capa de PlanningCapa de Planning

Capa ReactivaCapa Reactiva

Entrada Entrada SensorialSensorial

Salida Salida AcAccciióónn

Aspecto ReactivoAspecto Reactivo

Aspecto ProAspecto Pro--activoactivo

Aspecto SocialAspecto Social

29

Arquitectura en CapasArquitectura en CapasEjemplo: TOURINGMACHINES

Capa reactiva: respuestas mas o menos inmediatas a los cambios del entorno, implementada con reglas situación-acción

Capa de planificación: representa la iniciativa del agente, contiene librería de planes “esqueletos” de emparejar con las metas

Capa de modelización: representa las entidades del entorno

Sistema de control: decide qué capa tiene el control sobre el agente para evitar conflictos, implementado con reglas de control que pueden suprimir las entradas y inhibir las salidas

Arquitecturas de Agente (V):Arquitecturas Híbridas (IV)

Arquitectura en CapasArquitectura en CapasEjemplo: INTERRAP

Tres capas verticales, cada capa tiene su base de conocimiento, dos pasadas

Capa decooperación

Capa deplan

Modelo delentorno

Capa deconducta

Conocimiento deplanificación

Conocimientosocial

Interfacepercepción

entrada salida

acción


30


Arquitectura en CapasArquitectura en CapasEjemplo: INTERRAP

Conocimiento social: representa los planes y las acciones de otros agentes en el entornoConocimiento de planificación: representa los planes y las acciones de el agente mismoModelo del entorno: informaciones sobre el entorno

Interacción entre las capas:Activación desde abajo hacia arribaEjecución desde arriba hacia abajo

Comunicación entre agentes

Se presupone comunicación física y de protocolos básicos (p.ej. TCP/IP)Sintaxis: Estándar KQML

Actos de habla (tell, ask deny, perform, …)Implementaciones (JAT, LALO, …)

Semántica: KIF, OntologíasClases estándares, reutilizarOntolingua

31

Lenguajes de agentesAGENT0AGENT0Un agente esta especificado según:o Capacidades: lo que puede hacer el agenteo Creencias iniciales: conocimiento de el agenteo Encargos iniciales: tienen un rol semejante a las

intenciones de la Arq. B.D.I.

Cada regla de encargo tiene:• Condición de mensaje• Condición mental• acción

Lenguajes de agentesAGENT0(2)AGENT0(2)Las acciones pueden ser• Privadas: ejecución de subrutinas interiores• Comunicativas: se ocupan de enviar mensajes

Los mensajes posibles son• Petición y no petición: para pedir y retener acciones• Información: para difundir informaciones Ejemplo:COMMIT((agent, REQUEST, DO(time, action)),(B,[now, Friend agent] AND CAN(self,action) AND NOT [time, CMT(self,anyaction)]),self, DO(time,action))

32

Lenguajes de agentesMETATEM ConcurrenteMETATEM Concurrente

Basado en la ejecución directa de formulas lógicas

Contiene un numero de agentes en ejecución concurrente que se pasan mensajes de manera asincrona

Cada agente tiene una especificación lógica temporal de su conducta de exhibir

En base a formulas lógicas temporales pasadas determina formulas lógicas temporales futuras

Lenguajes de agentes

METATEM Concurrente(2)METATEM Concurrente(2)Ejemplo de control de recursos

1. rc(ask)[give]:2. ask(x) give(x)3. (¬ask(x) OR (give(x) AND ¬ask(x)) ¬give(x)4. give(x) AND give(y) (x=y)

33

Cuestiones básicas para agentes

ComunicaciónCooperaciónInteligencia

Coordinación de agentes

Roles, autoridad, jerarquíaExpectativas, creenciasMercados, Contract NetManejo de conflictos, negociación, argumentación.

34

Inteligencia¿qué inteligencia?

Deducción automáticaPlanes de acciónTeoría de juegosModelación de otrosAprendizaje

Aplicaciones de agentes

Comercio electrónicoMonitorización de vehículos, tráfico aéreoFabricación inteligenteAgentes mediadores de informaciónRedes de cooperaciónIng. De software

35

Conclusión

Problemas grandes, distribuidosAmbientes abiertos y dinámicosSoftware flexible, interoperable, eficiente, mantenible, confiable, robusto, ...Hay un agente en su futuro...

Bibliografía[Iglesias 1998] Iglesias Fernández, C. A.: Definición de una Metodología para el Desarrollo de Sistemas Multiagente. Tesis Doctoral. Departamento de Sistemas Telemáticos. Universidad Politécnica de Madrid. Enero1998.

[Wooldridge 1995b] Wooldridge, M. and Jennings, N. R. Intelligent agents: Theory and practice. The Knowledge Engineering Review, 10(2):115–152, 1995.

01 - Introduccion agentes completa - UPV Universitat ... · Historias de hormigas y abejas ......

Documents

Transcript of 01 - Introduccion agentes completa - UPV Universitat ... · Historias de hormigas y abejas ......