Seminario Agentes, Multiagentes y Aplicaciones - MASTER US

Agentes, Sistemas
Multiagente y
Aplicaciones
Área C. Computación e Inteligencia Artiﬁcial
Dpto. Tecnologías de la Información
Gonzalo A. Aranda-Corral

Agentes

ÁreaC.ComputacióneInteligenciaArtiﬁcial
Dpto.TecnologíasdelaInformación
Agentes
• ¿Qué es un agente?
• RAE
• 1. adj. Que obra o tiene virtud de obrar.
• 2. adj. Gram. Dicho de una palabra o de una expresión:
Que designa a la persona, animal o cosa que realiza la acción
del verbo. U. m. c. s. m.
• 3. m. Persona o cosa que produce un efecto.
• 4. m. Persona que obra con poder de otra.

Agentes
— Definiciones de agente software
— Houston, we’ve got a problem!!!
— No hay definición universalmente aceptada
— Literatura: depende del dominio, del autor, …
— Terminología diversa para referirse a lo mismo

Agentes
—The MuBot agent

“The term agent is used to represent two
orthogonal concepts. The first is the agent's
ability for autonomous execution. The second
is the agent's ability to perform domain
oriented reasoning” [Virhagriswaran]

Agentes
—The AIMA agent [Russell & Norvig, 1995]
“An agent is anything that can be viewed as
perceiving its environment through sensors
and acting upon that environment through
effectors”

pero...
23
• ¿ QUÉ CONSIDERAMOS
NOSOTROS COMO AGENTES ?

Agentes
— Un agente:
— Percibe el entorno à sensores
— Actúa en el entorno à efectores
— Asigna percepciones a acciones
• Mide lo “bien” que lo ha hecho
Entorno
percibe
actúa

Agente
• Los agentes no requieren de la participación de los
humanos para operar: Autónomos

3. PERCEPCIONESY ACCIONES

Sensores
• Los sensores sirven para adquirir información del
medio ambiente
• Los sensores no son conﬁables por que:
• Incertidumbre, están afectados por cambios en el
Medio.
• Error, en la detección.

Sensores
• ¿Qué sensor usar?
• ¿Qué modelo de sensor?
• ¿Cómo calibrar el sensor?
• ¿Cómo entrega los datos en sensor?
• ¿cómo se activa en sensor?
• ¿cuál es la frecuencia de muestreo?
• ¿Cuál es el error?
• ¿Qué procesos de bajo nivel realizar? – assembler
• ¿Qué procesos de alto nivel realizar? – en el agente

Sensores
Sentido
• Percepción de equilibrio
• Propiocepción
• Magnetocepción
• Electrocepción
• Eco localización
• Gradiente de presión
Sensores
• Acelerómetro
• Encoder
• Magnetómetro
• Sensor de voltaje
• Sonar
• Arreglo de presión

Efectores
Humanos
• Músculos
Movimientos compuestos.
• Movimientos de brazos
• Caminata
• Escritura
• Habla
Máquinas
• Rotación de Motores
• Apertura o cierre de
válvulas.
Movimientos compuestos
• Movimiento de
articulaciones
• Orugas
• Patas

Percepciones
• El comportamiento de un agente depende de la
secuencia de percepciones en un momento dado.
• Se puede caracterizar un agente elaborando una
tabla de percepcionesàacciones.
(mapeo de: percepciones à acciones)
Mapeo Ideal.
Es aquel mapeo que especiﬁca que tipo de acción deberá emprender un agente
como respuesta a una determinada secuencia de percepciones

Mapeo
• Mapeo de secuencias de percepciones para acciones
percepción à acción
• Mapeo Ideal
• El especiﬁcar qué tipo de acción deberá emprender
un agente como respuesta a una determinada
secuencia de percepciones constituye el diseño de un
agente ideal.
pi à ai
p1 à a1 à p2 à a2
p1 à a1 à p2 à a2 à p3 à a3
Ideal: Tiene acción para cualquier percepción

Agentiﬁcación
• Antes de diseñar un programa de agente, hay que
hacer la descripción
• Percepciones
• Acciones
• Ambiente
• Metas

Agentificación
• EJEMPLO
• Agente: Robot clasificador de partes
• Percepciones
• Pixeles de intensidad variable
• Acciones
• Recoger partes, y clasificarlas en contenedores
• Ambiente
• Banda transportadora de partes
• Metas
• Poner las partes en el contenedor correspondiente

Agentiﬁcación
• Agente: Robot resuelve laberintos
• Percepciones
• Caminos y paredes
• Acciones
• Seguir algún camino
• Ambiente
• El laberinto.
• Metas
• El queso.

1.Agentes Software

Agentes
• Arquitectura.
• Pone al alcance del programa las percepciones
obtenidas mediante los sensores, lo ejecuta y alimenta el
efector con acciones elegidas por el programa
conforme se van generando.
• Programa.
• Es un algoritmo que recepciona las percepciones del
agente y genera una secuencia de acciones
Agente = Arquitectura + Programa

Agentes
• Tipos de agentes:
• Naturales
• Cuerpos biológicos
• Entorno - Naturaleza
• Medida de rendimiento: supervivencia,
reproducción, etc.

Agentes
• Artiﬁciales
• Hardware (robots):
• Actúan directamente en el entorno físico
• Sensores: cámaras, odómetros, etc.
• Efectores: ruedas, brazos mecánicos, …

Agentes
• Artiﬁciales
• Software (softbots):
• Entornos virtuales (e.g. Internet)
• Sensores y efectores: dependientes del
dominio

Agentes Inteligentes
(Racionales)

Agentes INTELIGENTES
• (Autonomía)...
• Reactividad: Los agentes perciben de su entorno
y responden a los cambios que se producen en él.
• Pro-actividad: Los agentes son capaces de tomar
la iniciativa para la consecución de objetivos.
• Habilidad social: Los agentes interactúan con
otros agentes (hasta humanos) a través de algún
lenguaje.

Agentes Inteligentes
• Para cada posible secuencia de percepciones, un
agente racional seleccionaría un acción que maximice
su medida de rendimiento, a partir de esa secuencia
de acciones y el conocimiento que tenga en su
interior.
• Racionalidad es distinto de Omnisciencia

MEDIDA DE
RENDIMIENTO

Medida de rendimiento
• Medida del desempeño
• Evalúa el “cómo”
• ¿qué tan exitoso ha sido un agente?
• Debe ser objetiva
• La racionalidad NO ES omnisciencia, clarividencia ni
exitosa necesariamente.
• La racionalidad se puede ver como un éxito esperado,
tomando como base lo que se ha percibido.

Agente Racional
• Depende de:
• Medida del grado de éxito.
• Secuencia de percepciones.
• Conocimiento acerca del medio
• Acciones que puede emprender

Agente Racional
• En todos los casos de posibles percepciones,
• un agente racional deberá 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 conocimiento incorporado en tal agente.

DISEÑO DE AGENTES

Estructura de los Agentes Inteligentes
• Un propósito de la IA es el diseño de un programa
de agente (una función que mapee de percepciones
a acciones)
• Este programa se ejecutará en algún dispositivo de
cómputo, o arquitectura.
?

Entorno

Entorno
• Accesible y no accesible.
• Accesible, si los sensores detectan los aspectos
que requiere el agente para elegir una acción.
• Deterministas y no deterministas.
• Determinista, si el estado siguiente de un
ambiente se puede determinar completamente
con el estado actual y las acciones escogidas por
el agente.

Entorno
• Episódicos y no episódicos.
• Episódico, cuando la experiencia del agente se divide en
episodios, si es episódico, es más simple. Cada acción
corresponde a las percepciones de un único episodio.
• Estáticos y dinámicos.
• Estático, si el medio ambiente no cambia mientras el agente se
encuentra deliberando.
• Discreto y continuo.
• Discreto, si existe una cantidad limitada (y delimitada) de
percepciones y acciones distintas y distinguibles

Tipos de agentes

Tipos de agentes
• Muchos tipos de agentes, en orden de crecimiento de
la racionalidad:
• Agentes Reactivos
• Reactivos basados en modelos (estado interno)
• Basados en objetivos (metas)
• Basados en utilidad
• …

Tipos de Agentes
• Agente reflejo simple.
• Las acciones del agente se establecen en función a una tabla de  
percepción --> acción.
• Agentes con estado interno.
• Es un agente reflejo, pero que almacena sus percepciones anteriores, tiene
memoria.
• Agentes basados en metas
• Agente que combina propiedades de los dos anteriores, pero que tiene una meta a
la cual llegar. Necesita buscar el mejor camino y planificar la secuencia de acciones.
• Agentes basados en utilidad.
• Son aquellos agentes que tienen múltiples metas que cumplir, mide el grado de
satisfacción del grado de cumplimiento de sus metas.

Agentes Reactivos
Selecciona una acción únicamente
en función de la percepción actual.
Se implementa con reglas
“condición-acción”
if (status == Dirty) then
return Suck
else if (location == A) then
return Right
else if (location == B) then
return Left

Agente con estado interno
Para abordar entornos
parcialmente observable
Mantiene un estado
interno
El estado se actualiza a lo
largo del tiempo, usando el
conocimiento que se
adquiere
Usa un modelo del mundo
y un conjunto de reglas

Agente con estado interno
function MODEL-BASED-REFLEX-AGENT(percept)
returns an action
state ← UPDATE-STATE(state,action,percept,model)
rule ← RULE-MATCH(state,rules)
action ← rule.ACTION
return action

Agente basado en metas
Los agentes buscan lograr ciertos
objetivos
El comportamiento se complica
cuando las secuencias de
acciones son muy largas para
los objetivos
Búsqueda
Planiﬁcación
La diferencia fundamental es:
EL FUTURO SE TIENE EN CUENTA

Agente basado en metas
• Para decidir qué hacer no basta con tener información acerca
del estado.
• Además se requiere cierto tipo de información sobre su meta.
• Este tipo de agente toma en cuenta el futuro.
• Puede ser más ﬂexible si cambian las condiciones o cambian las
metas.
• La búsqueda y la planiﬁcación son sub-campos de la IA que se
ocupan de encontrar las secuencias de acciones que permiten
alcanzar las metas de un agente.

Agente basado en utilidad
Ciertas metas pueden ser alcanzadas de
diferentes formas
Metas conﬂictivas o contradictorias
La función de utilidad mapea una secuencia
de estados en un número real: la Utilidad.
Los agentes racionales tratan de maximizar
esta utilidad.

Otros agentes

Agentes Aprendices
El agente tiene un elemento de
aprendizaje
Este elemento mejora el
rendimiento del agente
La Crítica nos provee de
información (feedback) sobre el
rendimiento del agente
Elección de la acción en función
de las percepciones y del
elemento de aprendizaje

Agentes .vs. objetos

Agentes vs. Objetos
“Objects do it for free;
agents do it for money”
— Objetivos: un agente puede mostrar un comportamiento proactivo
— Concurrencia: un agente tiene su propio thread de control
— Agentes autónomos vs. objetos activos
— Objetos Activos
— Controlan su estado, pero no su comportamiento
— Si un método es público, será ejecutado si es invocado
— La decisión está en el objeto que invoca (no en el invocado)
— Agentes
— Controlan su estado y su comportamiento
— Pueden rechazar la ejecución de una acción
— La decisión de realizar una acción está en el agente y está basada en sus intereses (racionalidad!!!)
Programamos agentes usando lenguajes de OO

Sistemas Multiagentes

Introducción
• Coordinación en MAS
• Tipos de Coordinación
• Estructuras de Coordinación
• Modelos Sociales de Coordinación

Coordinación
• Deﬁnición de Agente
• Autonomía, Reactividad y Proactividad
• Posteriormente:
• Comunicación: Habilidades sociales y Coordinación

• AQUI FALTARIA ALGO MAS DE INTRO

Coordinación
• La Coordinación es una propiedad deseada en los MAS
cuyos agentes tienen que realizar tareas complejas un
entornos compartidos.

Coordinación
• El grado de Coordinación de un MAS depende de:
• La capacidad de un individuo (agente) a realizar la tarea
completa.
• La dependencia de unos agentes sobre otros para realizar
las tareas.
• La necesidad de reducir/optimizar el uso de recursos.
• La necesidad de evitar fallos del sistema.
• La necesidad de mantener algunas condiciones del sistema.

Coordinación. Deﬁniciones
• La Coordinación puede ser deﬁnida como el proceso de
manejo de dependencias entre actividades.
• Mediante ese proceso un agente razona sobre sus
acciones locales y las acciones que prevé que realicen
otros agentes, con el objetivo de hacer que la comunidad
actúe de forma coherente.

Coordinación
• La Coordinación es una funcionalidad que todo MAS
debe implementar.
• La Coordinación se vuelve crítica cuando los agentes
son heterogéneos y autónomos.

Coordinación: Teoría
• Hay muchos trabajos teóricos y empíricos sobre
coordinación, no sólo para dominios especíﬁcos sino,
también para visiones más genéricas e independientes de
dominio.
• Estos trabajos han estado encaminados a la realización
de teorías de coordinación.

Coordinación: Teoría
Coordinación
Cooperación
Planiﬁcación
Centralizada Distribuida
Competición
Negociación

Cooperación y Planiﬁcación
• Cooperación es un tipo de coordinación entre agentes
que, en principio, no son antagonistas.
• El grado de éxito en una cooperación puede ser medido
por:
• La capacidad de los agentes por mantener sus
propios objetivos
• La capacidad de permitir a otros agentes a alcanzar
sus metas

Cooperación y Planiﬁcación
• Planiﬁcación es uno de las formas más fuertes de
cooperación
• Hay objetivos y planes compartidos
• Los agentes se asignan tareas para seguir los planes.

Competición y Negociación
• La Competición es un tipo de Coordinación entre
agentes antagonistas los cuales competirán con todos los
otros o que son egoistas.

Competición y Negociación
• Nosotros estaremos más interesados en Negociación
• ... que es una competición que involucra un nivel de inteligencia
algo más alto.
• El grado de éxito en una negociación (para cada agente) puede ser
medido por:
• La capacidad de este agente de maximizar su propio beneficio.
• La capacidad de no tener en cuenta el beneficio de los otros
agentes o, incluso, tratar de minimizar el beneficio de los
demás.

Coordinación Centralizada
• Una forma de rebajar la complejidad en los MAS es crear
un controlador centralizado, esto es, un agente especíﬁco
que asegura la coordinación.
• Los coordinadores son agentes los cuales tienen algún
tipo de control sobre los objetivos de los otros
agentes o, al menos, en parte del trabajo asignado a un
agente, acorde al conocimiento sobre las capacidades de
cada agente que está a las órdenes del agente coordinador.

• Desde el punto de vista del programador, esta
aproximación reduce la complejidad en la construcción
de MAS:
• El objetivo ﬁnal del sistema está asegurado por los
objetivos del coordinador, el cuál reemplaza los
objetivos de cualquier agente en el sistema.

• Aunque este tipo de arquitectura es más fácil de construir, las
principales desventajas son:
• El agente coordinador llega a ser una pieza crítica del
sistema, el cual depende de la ﬁabilidad de solo un agente y
las líneas de comunicación que lo conectan.
• En el peor de los casos, si el agente colapsa, el sistema puede
también colapsar.
• Los otros agentes tienen una severa pérdida de autonomía. El
comportamiento adecuado del sistema depende de la
sumisión de los agentes aceptando órdenes del coordinador.

Coordinación Distribuida
• Una alternativa es distribuir no solamente la carga de
trabajo sino el control entre todos los agentes del
sistema.
• Eso signiﬁca interiorizar el control en cada agente, el
cual tiene que ser provisto con razonamiento y
habilidades sociales, para hacer posible razonar sobre
intenciones y conocimiento de otros agentes... más el
objetivo global de la sociedad, encaminado a una
coordinación exitosa con otros agentes y resolver todos
los conﬂictos que se planteen.

Coordinación Distribuida
• Sin embargo, en dominios donde el coste de un conflicto
es bajo o la resolución del conflicto es difícil, el obtener
comportamientos completamente independientes llega a
ser irrazonable.
• Por tanto, algunas estructuras estarían definidas para
coordinación en un escenario de control distribuido.

Modelos sociales
• Una fuente de inspiración para solucionar los problemas
de coordinación son las sociedades humanas.
• La Sociología es la rama de las ciencias que estudia la
interrelación entre los individuos y la sociedad.
• La Teoría de la Organización es un área entre la
Sociología y la Economía que estudia como las relaciones
pueden ser estructuradas en organizaciones humanas.

Modelos sociales
• Hay diferentes abstracciones que pueden hacerse:
• Conﬁanza y Reputación
• Estructuras sociales y roles
• Organizaciones Electrónicas. Organizaciones virtuales.
• Instituciones Electrónicas.

Otra Clasiﬁcación
• La Coordinación puede ser también dividida en otra
dimensión:
• Coordinación Explícita:  
Los agentes se comunican objetivos, planes, acciones,
estado del mundo con el objetivo explícito de actuar
coherentemente.
• Coordinación Implícita: 
Sin comunicación. El entorno actúa como mecanismo
de interacción

Coordinación Explícita
• Intenciones conjuntas
• Resolución cooperativa. (Cooperative Solving Problem)
• Teamwork
• Planiﬁcación
• Negociación
• Actos del habla,Algoritmos, Herramientas de
Coordinación

Coordinación con Mensajería
• Desarrollada por Cohen and Levesque,Wooldridge and Jennings.
• Los agentes se comunican con otros para compartir:
• Tareas
• Asignaciones
• Información del estado del mundo
• Motivaciones
• etc...

Coordinación con Mensajería
• Estas comunicaciones son las bases de los acuerdos
conjuntos sobre qué hacer.
• Esto es la base del “Cooperative Problem Solving
Process”

La Pizarra. (Blackboard)
• El primer esquema para la resolución cooperativa fue: La pizarra o
Blackboard system.
• Se comparten los resultados vía estructuras de datos compartidas
• Los agentes pueden leer y escribir en la pizarra
• Los agentes escriben soluciones parciales en la pizarra.
• La pizarra puede estar estructurada jerárquicamente
• Se requiere exclusión mutua
• No permite la concurrencia.

• La Coordinación se puede dividir también de forma:
• Coordinación Explicita: Los agentes se comunican
planes, objetivos, acciones, estados del mundo, etc...
• Coordinación Implícita: sin comunicación – El
entorno actúa como medio de interacción.
Coordinación

Coordinación Implícita
• Razones para coordinación implícita
• Modelado de agentes
• Estructuras sociales
• Coordinación Emergente

Razones
• ¿Por qué necesitamos algo más que la coord. explícita?
• En algunos casos no puede ser aplicada:
• Velocidad: La comunicación con otros es demasiado lenta.
• Ausencia de comunicación: puede no haber un canal de
comunicación.
• Seguridad: No queremos que otros sepan de nuestros planes.
• Complejidad:Algunos agentes puede ser demasiado simples
para generar y entender mensajes.

Modelado de Agentes
Pensando sobre otros
• Incluso si no puedes hablar con otros agentes podemos querer
razonar sobre ellos.
• Varios métodos:
• Modelado Recursivo: asumir que otros tienen una estructura
similar a la nuestra - y pueden tener un modelo mio y yo de ellos.
• Reconocimiento de Planes: mejor que tratar de modelizar los
modelos de mente de otros agentes, es mejor entender que están
tratando de lograr.
• Juegos/árboles: modelar oponentes mediante técnicas de juegos:
p.e. búsqueda Minimax (Alfa-Beta)

Estructuras sociales
Pensando en las sociedades
• Los métodos basados en estructuras sociales imponen restricciones o
normas en el comportamiento de agentes en un entorno.
• Aproximaciones comunes:
• Leyes sociales: reglas globales, las cuales los agentes seguirán y
conducirán a un “comportamiento coherente”, ya sea infundido en la
programación del agente o comunicado cuando entra en el entorno.
(p.e.: conducir por la izquierda en Inglaterra)
• Relaciones de poder: relaciones de dependencia a la hora de
conseguir objetivos. (p.e. hacer una tarea encargada por un superior.)
• Instituciones Electrónicas: grupos de agentes que establecen y hacen
cumplir un conjunto de normas.

Coordinación Emergente
Propiedades que aparecen espontáneamente
• Esta coordinación está indicada cuando:
• No hay comunicación directa entre agentes.
• No hay mecanismo para establecer o reforzar reglas sociales “a-priori”
• Los agentes pueden tener su propia “agenda”/objetivos y no le importan los
demás.
• La coordinación resultante es emergente y no puede ser vista como basada en
intenciones comunes.
• Ejemplos:
• Tidy Bots
• Paradigma basado en Avispas y/o hormigas - estigmergia

Tidy Bots
Beckers and Deneubourg
Reto:
• Una distribución aleatoria de trozos de basura en un
grid de 200x200
• Los agentes pueden detectarla y empujarla.
• ¿Cómo coleccionarías toda la basura en un solo
montón?

Tidy Bots
Beckers and Deneubourg
Simple:
• Los robots no necesitan hablarse entre ellos.
• Todos implementan una sola regla:“empuja la basura
para acercarla a otra”
• Emerge la agrupación de basura en montones.
• [con algo de planiﬁcación se puede acelerar el proceso]
https://www.youtube.com/watch?v=uOmRwDLsdXk

Videos
• Swarmanoid: http://www.youtube.com/watch?
v=M2nn1X9Xlps
• https://www.youtube.com/watch?v=YQIMGV5vtd4
• https://www.youtube.com/watch?v=5p6OAEVKw-0
• https://www.youtube.com/watch?v=DAL218HEsfg
• https://www.youtube.com/watch?v=4oSavAHf0dg

Enrutamiento de redes
Appleby and Steward
• El enrutamiento de redes es un reto
• La solución tiene que ser:
• Dinámica
• Robusta
• Redes de N nodos, L enlaces. El tráﬁco ﬂuye mediante
paquetes a través de la red.

Aplicaciones

Redes Sociales
Foto/Vídeo
Plataforma Minerva
Aplicaciónmóvil
Evento!
Micro 
diseminación
Canal
MMS/SMS
Plataforma SinNet

Agentes especíﬁcos
1. Sugerencias de etiquetado
2. Re-etiquetado
3. Gestión de menús
4. Conciliación de conocimiento

1. Sugerencia de etiquetado
• Basado en la idea de exploración de atributos
• Usa la base DG como base de conocimiento para el
sistema de sugerencias
"Toda foto/vídeo (documento) del almacén que tiene el
conjunto de etiquetas {X1...Xn} tiene también el conjunto
de etiquetas {Y1...Ym}.
¿Desea el usuario añadirle estas etiquetas al nuevo
documento?"

Procesamiento
• El agente Inicializa el sistema de
producción (SP) y carga la base DG
• Carga los hechos (etiquetas del
objeto)
• Ejecuta el SP y recoge las nuevas
etiquetas generadas/sugeridas

2. Re-Etiquetado
• Revisión del etiquetado del contenido almacenado
• Aparición de una nueva etiqueta (o varias)
• Nuevas apariciones frecuentes
• Gran cantidad de contenido
• Trabajo costoso para el usuario
• Prácticamente imposible desde el móvil

3. Gestión de menús
• Sistema de etiquetado con clicks
• Menú de etiquetado debe evolucionar
• Adaptación al usuario, y
• Adaptación al contenido
• Profundidad acotada

4. Conciliación del conocimiento
• Ideas de la conciliación

Conciliación del conocimiento

Nuevos Ejemplos
• Ciudades

AgentDrive-City
• http://agents.fel.cvut.cz/agentdrive/
• City is a challenging environment for intelligent vehicles.
• Collision avoidance, dealing with the trafﬁc junctions and adaptive path
planning are examples of existing challenges.
• Our agent-based simulations combine features of trafﬁc simulations with
realistic driving simulation.
• We integrate structured road network data with realistic physics and
visualization.
• We work with OpenStreetMap and elevation data to provide reality-based
scenarios.

AgentDrive-City

Nuevos Ejemplos
• Social networks

Ecosistema de circulación
París

• Sevilla: Urban Cameras
http://www.trajano.com/camaras.html

• Buses: Gijon

Dinámica peatonal

Framework
Observations
Data on pedestrian
mobility (non-
aggregated)
Artiﬁcial models of
mobility
Discrete Agent-
Based model Formal
Context
Attribute
selection & data
collection
Mobility patterns
(implications)
Inference
engine
Evaluation
New scenarios

Experiments
• Simulated environment
Original
Simulado

Working with real scenarios
• Map converted into squared grid
• Map layers are discretised with different colours

Más aplicaciones
• Multi-agent systems are applied in the real world to graphical applications such as
computer games.
• Agent systems have been used in ﬁlms.
• They are also used for coordinated defence systems.
• Other applications include transportation,[20]
• logistics,[21]
• graphics,
• GIS as well as in many other ﬁelds.
• networking and mobile technologies, to achieve automatic and dynamic load
balancing, high scalability, and self-healing networks.

Más aplicaciones
• “Biological” simulation:
• Models:
• Ants
• Groups of animals (ﬂocks, herds, schools...)
• Applications:
• Independant explorer robots
• Chess players

Más aplicaciones
• MASSIVE SOFTWARE
• CINE
• World War Z: Building a Better Zombie Effects
Exclusive-Design FX-WIRED

Más aplicaciones
• MASSIVE SOFTWARE
• SIMULACIONES
• Stéphane Espié and Jean Michel Auberlet.ARCHISIM:A behavioral multi-actors trafﬁc
simulation model for the study of a trafﬁc system including ITS aspects. International
Journal of ITS Research n1 (2007): p7-

Más aplicaciones
• E-Commerce
• MAGMA(Minnesota AGent Marketplace
Architecture)
• Advertising server: all goods to sale
• Wallet: all information from Ad server/Bank
• Inventory: track of all goods owned by the
agent
• Negotiation: switch automatic (Vickrey)/
manual mode (negotiation)
• Ad manager: track of ads sent to Ad server/
allows to send new ones

Más aplicaciones
• They are also used for coordinated defence systems.
• Other applications include transportation,[20], logistics,
[21], graphics, GIS as well as in many other ﬁelds.
• networking and mobile technologies, to achieve
automatic and dynamic load balancing, high scalability,
and self-healing networks.

Más aplicaciones
• Proyectos de Simulación del Crecimiento Urbano
Simulación prospectiva (AC)

Más aplicaciones
• USAR: Urban Search and Rescue (Carnegie Mellon University)
• A Game Engine Based Simulation of the NIST Urban Search and
Rescue Arenas
• Objetive:
• To Develop interactive simulations of the National Institute of
Standards and Technology (NIST) Reference Test Facility for
Autonomous Mobile Robots (Urban Search and Rescue).
• The simulation is used to test and evaluate designs for
teleoperation interfaces and robot sensing and cooperation which
will subsequently be incorporated into experimental robots.

• Disaster’s Simulator:
• Modelling
Urban
Dynamics
as
Complex
Systems
http://www.youtube.com/watch?v=pTKhrpl9jZc
Caso de estudio: Huracán Katrina en N.
Orleans

Agentiﬁcation
• La simulación parte de un proceso de agentiﬁcación con,
fundamentalmente, tres tipos de agentes: el agua, la
ciudad (como entorno) y los ciudadanos.

Water dynamics as agent’s dynamics (I)
• Discretization of the terrain (hexagons)
• Direction:
• computed from data from GIS (desnivel)
• Potential energy: Reactive agent
• Velocity
• Otros factores son inabordables por falta de datos, como la absorción del terreno
en un entorno urbano, que se ha considerado muy baja, considerando en la práctica
un terreno saturado
• Other urban factors: the river, the topology of streets and buildings
• The river is the initial state of water agent

Water dynamics as agent’s dynamics (II)
• Factors as caudal y profundidad geolocalizada no están
disponibles en la WWW.
• It expects that La forma de los ediﬁcios será accesible en
el futuro mediante servicios/iniciativas crowdsourcing
(como http://sketchup.google.com/intl/es/) pero se
encuentran incompletos y calles y carreteras, que son
idóneas para una simulación ﬁel, pueden ser extraídos de
OSM.

Agents for simulating citizens’ behaviour
• There exist de estudios sobre el comportamiento de la
población en caso de crisis
• representan una valiosa información para el diseño
de los agentes-ciudadanos.
• También se pueden extraer patrones de
comportamiento de las encuestas realizadas a
supervivientes
• Reﬁnar y estimar cómo prevenir situaciones de
riesgo, y predecir los daños asociados a cada
estrategia de supervivencia.
• La información recogida sobre los peores momentos de
la inundación, zonas más afectadas y lugares de mayor
concentración de personas ayudan a diseñar grupos de
agentes.
• A nivel multi-agente, se recoge información sobre
rutas frecuentes de evacuación y comportamientos
de grupos en situaciones de pánico [1

MAS structure
• Los agentes creador (CreatorAgent) y reloj (ClockAgent)
son agentes que lanzan y sincronizan la simulación
• Los agentes de entorno (EnvironmentAgent) recaban la
información sobre el terreno y actualizan la inundación (a
petición de los agentes que simulan el ﬂujo de agua,
WaterSourceAgent).
• Por último, los agentes que simulan a los peatones
(PedestrianAgent) solicitan información acerca del entorno
en el que se encuentran al EnvironmentAgent, que
analizan para deliberar la acción a ejecutar.

Visualization
• La visualización recurre a servicios como OSM o Google
Maps/Earth
• También permiten visualizar resultados sobre el alcance,
niveles de supervivencia por zonas, etc.

Population, demography, ﬂooding

Plataformas: JADE

¿Qué es JADE?
• Java Agent DEvelopment framework
• Jade es básicamente dos cosas:
• Una plataforma: que permite “VIVIR” y “CONVIVIR” a
los agentes dentro de ella.
• Un conjunto de herramientas para el desarrollo de
agentes y sistemas de forma rápida.

¿Qué es JADE?
• Totalmente realizado en Java.
• Portabilidad y
• Movilidad
• Software distribuido por TILAB bajo licencia LGPL
• Fuentes y binarios
• http://jade.tilab.com/

Estándares
• Foundation for Intelligent Physical Agents (FIPA)
• Arquitectura: Integración de diferentes aplicaciones,
incluso con plataformas de diferentes propietarios.
• Servicios de agentes: ciclo de vida, páginas blancas,
páginas amarillas, transporte de mensajes,...
• Lenguaje de comunicación empleado FIPA-ACL.
• Conjunto de Herramientas gráﬁcas que soportan la
depuración y ejecución de agentes (RMA, Sniffer, ...)
http://www.ﬁpa.org

FIPA:Arquitectura
• Plataforma distribuida
• Comunicación múltiples niveles
• Protocolos estándares
• Internet

FIPA: Plataforma
• Soporte para servicios: Páginas blancas y amarillas
• Soporte a la Comunicación
• Servicios basados en Agentes

FIPA: Plataforma
Los agentes que controlan la plataforma son:
• AMS (Agent Management System)
• Garantiza que cada agente en la plataforma tenga un
único nombre.
• Encargado de los servicios de páginas blancas, ciclo de
vida, y directorio de los identiﬁcadores de agentes (AID:
Agent Identiﬁer) y su estado.
• Cada agente debe registrarse con el AMS para obtener
un AID válido

FIPA: Plataforma
• DF (Directory Facilitator):
• Agente que proporciona el servicio de páginas
amarillas.
• Un agente puede encontrar otros agentes que
proporcionan los servicios que requiere para cumplir
sus objetivos
• El registro en este agente es opcional

FIPA: Plataforma
• ACC (Agent Communication Channel)
• Software que controla el intercambio de mensajes
• Selecciona el protocolo adecuado y lo hace
transparente al agente
• Agente inaccesible de forma directa

FIPA: Lenguajes
• Establece estándares a varios niveles
• Protocolos
• Estructura del mensaje
• Lenguaje

FIPA: Herramientas
• Uniﬁcación de herramientas para la depuración
distribuida
• Las herramientas son agentes
• RMA
• Sniffer
• etc...

FIPA:Algunos frameworks
• Jade
• Jadex Agents (Java)
• Java Intelligent Agent Compontentware (JIAC)
• The SPADE Multiagent and Organizations Platform (Python)
• JACK Intelligent Agents (Java)
• The April Agent Platform (AAP) and Language (April) (No longer actively developed)
• Zeus Agent Building Toolkit (No longer actively developed)
• The Fipa-OS agent platform (No longer actively developed)
• AgentService (C#) (last update: 2009)
http://en.wikipedia.org/wiki/FIPA

JADE
• FIPA - Compliant
• Plataforma
• Agentes
• Arquitectura
• Lenguaje ¿?
• ...

Cómo obtener Jade
• Dirección: http://jade.tilab.com
• La versión actual de Jade es la 4.3.3(Diciembre 2014)
• Nosotros usaremos: JADE 4.3.2 (Marzo 2014)
• Descarga: http://opendatalab.uhu.es/si

La clase (jade.core.)Agent
• Clase jade para construcción de agentes: (extends)
jade.core.Agent
• public class miAgente extends Agent ....
• NUNCA SOBREESCRIBIR EL CONSTRUCTOR
• Inicialización: setup().
• protected void setup() { 
… 
}

La clase (jade.core.)Agent
• Clase jade para construcción de agentes: (extends)
jade.core.Agent
• Para terminar:
• Invocar: doDelete().
• Sobreescribir: protected void takeDown().
• Para recuperar los parámetros pasados a un agente:
• Object[] args = getArguments();

AID: Identiﬁcadores de agentes
• Descripción del agente se almacen en la clase AID
(jade.core.AID)
• La clase Agent incorpora el método getAID() que
permite recuperar el nombre del agente.
• El nombre del agente, un identiﬁcador único
globalmente(normativa FIPA), va a tener la estructura
• <nickname>@<nombre-plataforma>:<puerto>/
JADE

Ejercicio 1.
• Nuestro primer agente:
• Debemos de crear un agente cuya misión sea
imprimir un “Hola Mundo”
package
e01;

import
jade.core.Agent;

public
class
Ejercicio01
extends
Agent
{

protected
void
setup()
{

System.out.println("Hola
Mundo");

}

}

Ejecución

Comportamientos y
Servicios

Comportamientos
• Acciones y Percepciones:
• “Comportamientos”
• El agente “posee” los comportamientos y es el único
que los puede activar y desactivar
• (agente).addBehaviour(...);

Comportamientos
• El funcionamiento de los comportamientos está
implementado a 2 niveles:
• Una cola circular de los comportamientos activos
• Una cola con los comportamiento bloqueados.
• Los comportamientos se desbloquean al recibir el
agente un mensaje.

Ciclo de vida de un agente

Comportamiento
• Variable: myAgent
• Todas las acciones las realiza el agente
• Necesitamos myAgent para que un comportamiento
invoque a otro comportamiento
• mande un mensaje
• etc...
• Reutilización de los comportamientos

Tipos de comportamientos
• Comportamientos estándar:
• Behaviour: Comportamiento genérico.
• OneShotBehaviour: done() siempre devuelve “true”.
• CyclicBehaviour: done() siempre devuelve “false”.
• TickerBehaviour: se ejecuta periódicamente (dado en el
constructor).
• FSMBehaviour: máquina ﬁnita de estados(Finite State Machine).
• ..............

Tipos de comportamientos
• Los comportamientos además se pueden componer y
formar comportamientos más complejos.
• Una implementación interesante sería el
comportamiento BDI dentro de Jade.

Comportamientos Compuestos
• FSMBehaviour es un comportamiento compuesto.
• De manera secuencial, y deﬁniendo transiciones
entre estados, se implementa la acción que debe
realizar el comportamiento.
• FSMBehaviour carece de método action()
• Para la devolución del estado se sobreescribe el método
onEnd(), que devuelve el entero que nos decidirá la
transición de estado.

Comportamientos Compuestos
• También existen otros como:
• SequentialBehaviour,
• ParallelBehaviour, …
• y ofrece posibilidades para que el desarrollador los cree

Servicios
• Nivel de texto 1

Servicios
• 2 servicios fundamentales:
• AMS: Páginas Blancas
• DF: Páginas Amarillas

Comunicación y
Protocolos

Comunicación
• Comunicación TRANSPARENTE
• Agente ACC
• 3 niveles
• Internos (misma máquina): Eventos
• Misma red: RMI (Remote Method Invocation)
• Distinta red: CORBA (Common Object Request Broker Architecture)

Comunicación
• La capacidad de comunicación
• envío de mensajes ACL.
• En 1 mensaje podemos distinguir 4 partes principales:
• Receptor y Emisor
• Contenido
• Directiva
• Lenguaje y Ontologías

Comunicación
• Todas las acciones de un agente, deben de estar
implementadas como comportamientos.
• La comunicación es una acción.
• Los comportamientos de envío podrían ser OneShot*.
• Los comportamientos cíclicos se usan para la recepción
continua de mensajes.

Comunicación
• Recepción de mensajes.
• El mensaje lo recibe el “agente”:
• myAgent.receive();
• Si no recibe mensaje, el comportamiento se puede de
bloquear hasta que llegue un mensaje para él
• block();
• receive() .vs. blockingReceive()

Protocolos

Protocolos
• FIPA establece unos protocolos estándares.
• Están basados en el uso de directivas (performativas).
• Algunos implementados en JADE
• FIPA Request Interaction Protocol Specification
• FIPA Query Interaction Protocol Specification
• FIPA Request When Interaction Protocol Specification
• FIPA Contract Net Interaction Protocol Specification
• ...

Protocolos
• JADE da libertad de lenguaje.
• FIPA recomienda el lenguaje SL
• JADE trae soporte para lenguaje SL y LEAP(binario)
• También se puede hacer uso de ontologías

Protocolos
• FIPA-REQUEST
• Según FIPA

Algunos ejemplos JADE

CAPTURAR LA BANDERA

Juego de las damas.

Mus
• Colaboración entre agentes por un objetivo común:
ganar

Mini-WarCraft
• Implementación del entorno como un agente, que es el
que se encarga de la “física” del sistema.

JGomas
• JGOMAS: Game Oriented Multi Agent System
• basado en Jade

Grandes Retos…
Robocup Rescue Simulation
Robocup (Soccer)
Simulation
Y más…

Enlaces interesantes
• http://programacionjade.wikispaces.com/
• http://dukechile.blogspot.com/search/label/JADE
• http://www.exa.unicen.edu.ar/catedras/tmultiag/
apuntes.html
• Conferencia PAAMS
• http://jade.tilab.com
• …. GooGLE!!!

Mas?
• Características Avanzadas
• Seguridad distribuida, tolerancia a fallos, soporte para la replica
de agentes y servicios, persistencia, …
• JADE y .NET
• JADE, Protègè, XML, RDF and OWL
• Integración con JESS (Java Expert System Shell)
• Permite razonar con los mensajes en JESS
• JADE herramientas de Internet
• Integrado con servlets, applets, JSP
• JADE + Android

Gonzalo A. Aranda-Corral
GRACIAS!

Seminario Agentes, Multiagentes y Aplicaciones - MASTER US

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Destacado

Destacado (20)

Similar a Seminario Agentes, Multiagentes y Aplicaciones - MASTER US

Similar a Seminario Agentes, Multiagentes y Aplicaciones - MASTER US (20)

Último

Último (20)

Seminario Agentes, Multiagentes y Aplicaciones - MASTER US