Este documento presenta una panorámica de la inteligencia artificial distribuida y los sistemas multiagente. Describe conceptos clave como la resolución distribuida de problemas, los sistemas multiagente y los agentes autónomos. Explica que la inteligencia artificial distribuida estudia sistemas inteligentes distribuidos que resuelven problemas de forma cooperativa a pesar de no tener una visión global del problema.
Este documento presenta información sobre el enfoque de sistemas en ingeniería de sistemas. Explica que el enfoque de sistemas concibe a las organizaciones como sistemas compuestos de partes interrelacionadas que interactúan para lograr un objetivo. También describe las características del enfoque de sistemas, como ser interdisciplinario, cualitativo y cuantitativo, organizado y creativo. Finalmente, provee ejemplos de cómo aplicar el enfoque de sistemas en agricultura y sectores productivos.
Este documento presenta una introducción a los conceptos básicos de sistemas y organizaciones. Explica los roles del analista de sistemas e ingeniero de sistemas de información, incluyendo recolectar información inicial y resolver problemas desde un enfoque de sistemas. También describe diferentes tipos de sistemas de información y sus propósitos, así como conceptos clave como sistema, subsistema, organización, procesos de negocio y estructura organizacional.
La inteligencia artificial distribuida estudia cómo múltiples agentes inteligentes pueden coordinarse y distribuir conocimiento y acciones. Se divide en dos áreas: la solución cooperativa de problemas distribuidos, donde los agentes cooperan siguiendo un plan predefinido, y los sistemas multiagentes, donde los agentes tienen mayor autonomía y pueden tomar decisiones dinámicamente. La principal diferencia es que en la solución cooperativa de problemas los roles de los agentes están prefijados, mientras que en los sistemas multiagentes los agentes pueden decidir sus propi
Este documento presenta información sobre sistemas de información y tecnologías de la información. Define información y sus categorías. Explica los tipos de sistemas de información, incluyendo sistemas transaccionales, de apoyo a decisiones y estratégicos, y proporciona ejemplos de cada tipo. También cubre conceptos básicos de sistemas y ejercicios relacionados con atributos e importancia de la información y su relación con los sistemas de información.
Una interesante y detallada presentación sobre el ciclo de vida de los sistemas de información.
extraido de http://flanagan.ugr.es/docencia/2005-2006/2/apuntes/ciclovida.pdf
Este documento presenta los conceptos básicos de los sistemas y el enfoque sistémico. Explica que un sistema está compuesto de elementos interconectados que interactúan entre sí para lograr un propósito. También describe las características críticas de los sistemas como la interconectividad, la emergencia y la retroalimentación. Finalmente, introduce algunas herramientas para mapear sistemas como el modelo del iceberg y los diagramas causales.
El documento presenta una conversación entre Chip y Anna sobre un nuevo proyecto en la Central Pacific University. Anna explica que debido al rápido crecimiento de las microcomputadoras y el software en los últimos años, el sistema actual para gestionar el hardware y software ya no es adecuado. Menciona a varias personas clave con las que Chip deberá reunirse, incluyendo a Dot Matricks, gerente de sistemas de microcomputadoras, Mike Crowe experto en mantenimiento y Cher Ware su compañera, y Hy Perteks director del centro de información.
El documento resume los conceptos clave del análisis y diseño de sistemas. Explica que los analistas de sistemas recomiendan, diseñan y dan mantenimiento a diversos tipos de sistemas de información, como sistemas de procesamiento de transacciones, sistemas de automatización de oficina y sistemas de apoyo a la toma de decisiones. También describe herramientas como las herramientas CASE y enfoques como el análisis y diseño orientado a objetos.
Este documento presenta información sobre el enfoque de sistemas en ingeniería de sistemas. Explica que el enfoque de sistemas concibe a las organizaciones como sistemas compuestos de partes interrelacionadas que interactúan para lograr un objetivo. También describe las características del enfoque de sistemas, como ser interdisciplinario, cualitativo y cuantitativo, organizado y creativo. Finalmente, provee ejemplos de cómo aplicar el enfoque de sistemas en agricultura y sectores productivos.
Este documento presenta una introducción a los conceptos básicos de sistemas y organizaciones. Explica los roles del analista de sistemas e ingeniero de sistemas de información, incluyendo recolectar información inicial y resolver problemas desde un enfoque de sistemas. También describe diferentes tipos de sistemas de información y sus propósitos, así como conceptos clave como sistema, subsistema, organización, procesos de negocio y estructura organizacional.
La inteligencia artificial distribuida estudia cómo múltiples agentes inteligentes pueden coordinarse y distribuir conocimiento y acciones. Se divide en dos áreas: la solución cooperativa de problemas distribuidos, donde los agentes cooperan siguiendo un plan predefinido, y los sistemas multiagentes, donde los agentes tienen mayor autonomía y pueden tomar decisiones dinámicamente. La principal diferencia es que en la solución cooperativa de problemas los roles de los agentes están prefijados, mientras que en los sistemas multiagentes los agentes pueden decidir sus propi
Este documento presenta información sobre sistemas de información y tecnologías de la información. Define información y sus categorías. Explica los tipos de sistemas de información, incluyendo sistemas transaccionales, de apoyo a decisiones y estratégicos, y proporciona ejemplos de cada tipo. También cubre conceptos básicos de sistemas y ejercicios relacionados con atributos e importancia de la información y su relación con los sistemas de información.
Una interesante y detallada presentación sobre el ciclo de vida de los sistemas de información.
extraido de http://flanagan.ugr.es/docencia/2005-2006/2/apuntes/ciclovida.pdf
Este documento presenta los conceptos básicos de los sistemas y el enfoque sistémico. Explica que un sistema está compuesto de elementos interconectados que interactúan entre sí para lograr un propósito. También describe las características críticas de los sistemas como la interconectividad, la emergencia y la retroalimentación. Finalmente, introduce algunas herramientas para mapear sistemas como el modelo del iceberg y los diagramas causales.
El documento presenta una conversación entre Chip y Anna sobre un nuevo proyecto en la Central Pacific University. Anna explica que debido al rápido crecimiento de las microcomputadoras y el software en los últimos años, el sistema actual para gestionar el hardware y software ya no es adecuado. Menciona a varias personas clave con las que Chip deberá reunirse, incluyendo a Dot Matricks, gerente de sistemas de microcomputadoras, Mike Crowe experto en mantenimiento y Cher Ware su compañera, y Hy Perteks director del centro de información.
El documento resume los conceptos clave del análisis y diseño de sistemas. Explica que los analistas de sistemas recomiendan, diseñan y dan mantenimiento a diversos tipos de sistemas de información, como sistemas de procesamiento de transacciones, sistemas de automatización de oficina y sistemas de apoyo a la toma de decisiones. También describe herramientas como las herramientas CASE y enfoques como el análisis y diseño orientado a objetos.
El documento define los sistemas de información como conjuntos organizados de elementos que incluyen personas, datos, actividades, recursos y tecnologías. Explica que los sistemas de información pueden clasificarse en estratégicos, tácticos u operacionales dependiendo del nivel de información que proporcionan. Además, describe las fases del ciclo de vida tradicional para el desarrollo de sistemas de información, incluyendo la investigación preliminar, determinación de requisitos, diseño, desarrollo, pruebas e implementación.
El documento habla sobre el análisis y diseño de sistemas. Explica que los analistas de sistemas recomiendan, diseñan y dan mantenimiento a diversos tipos de sistemas como TPS, CAS, KWS y MIS. También crean sistemas de apoyo a la toma de decisiones como DSS, ES, GDSS y CSCWS. Muchas aplicaciones se desarrollan para la Web para apoyar el comercio electrónico.
La información es un elemento trascendental para las organizaciones. Los analistas de sistemas recomiendan, diseñan y dan mantenimiento a diversos tipos de sistemas, como los sistemas de procesamiento de transacciones y los sistemas de información gerencial. También crean sistemas orientados a la toma de decisiones. Muchas aplicaciones se conciben originalmente para, o se migran a, la Web para apoyar el comercio electrónico.
El documento resume los principales tipos de sistemas de soporte a la decisión (DSS), incluyendo sistemas de información gerencial (SIG), sistemas expertos, redes neuronales, sistemas de información para ejecutivos. Describe brevemente cada tipo de DSS y sus características. También explica que los DSS proveen soporte para tomadores de decisiones en situaciones semiestructuradas y no estructuradas a través del uso de modelos, análisis y acceso a datos.
Intervención en el diseño de los procesos actividades y operaciones.RicardoTerrazas010507
Este documento trata sobre la intervención del ergonomo en el diseño de procesos, actividades, operaciones y sistemas de trabajo. Explica que el ergonomo puede planificar objetivos que coincidan con los intereses de la organización sin comprometer la seguridad de los trabajadores. También puede establecer protocolos para reducir el estrés de los trabajadores y evitar errores. Además, diseña planes de aprendizaje y entrenamiento para que los trabajadores adquieran las habilidades necesarias y gestiona el tiempo de trabajo de forma que se proteja la
Enfoque sistematico y pensamiento sistematicoRubnGuzmn7
Este documento describe el enfoque de sistemas y el pensamiento sistemático. Explica que el enfoque de sistemas es un método para resolver problemas que considera las interacciones entre los elementos de un sistema. También describe las características del pensamiento sistemático como evaluar todas las partes interrelacionadas de una situación de manera integral. Incluye ejemplos de cómo estos enfoques se aplican a organizaciones e instituciones.
en esta presentación se abordan los siguientes temas: definición, características, importancia y ejemples de enfoque de sistemas y el pensamiento sistémico
Este documento describe los aspectos fundamentales del diseño de sistemas de información. Explica que el diseño implica definir la arquitectura de hardware y software para satisfacer los requerimientos del sistema. También describe objetivos como obtener una especificación detallada y un marco de referencia para el desarrollo futuro. Finalmente, detalla características clave de un buen diseño como el diseño de salidas, archivos, interacciones y controles.
La información es un elemento trascendental para las organizaciones. Los analistas de sistemas recomiendan, diseñan y dan mantenimiento a diversos tipos de sistemas como los sistemas de procesamiento de transacciones, sistemas de automatización de oficinas, sistemas de trabajo del conocimiento y sistemas de información gerencial. También crean sistemas orientados a la toma de decisiones como los sistemas de apoyo a la toma de decisiones, sistemas expertos, sistemas de apoyo a la toma de decisiones en grupo y sist
La unidad introduce la Metodología de Sistemas Suaves para analizar situaciones problemáticas en las que no se pueden establecer objetivos claros. Esta metodología se enfoca en trabajar con diferentes percepciones de una situación a través de un proceso de aprendizaje. Se describen siete pasos de la metodología, incluyendo definir una "definición raíz", construir modelos conceptuales, comparar modelos con la realidad, e identificar cambios factibles. Finalmente, se provee un ejemplo de la aplicación de esta metodología al
El documento describe varios aspectos relacionados con el desarrollo, adquisición e implantación de nuevos sistemas. Explica el ciclo de vida del desarrollo, las metodologías y modelos como el modelo cascada. También describe las personas implicadas en el proceso, la evaluación de riesgos y la auditoría del desarrollo. Finalmente, habla sobre la gestión de proyectos de desarrollo y la calidad del software.
Al finalizar esta exposición, Usted tendrá la habilidad de:
Comprender el concepto de Sistemas Suaves.
Saber en que consiste la MSS
Comprender las relaciones algunas áreas de la Gestión del conocimiento
La modelación de sistemas facilita la comprensión de las relaciones entre las diversas actividades de un sistema y el impacto que tienen entre sí. Muestra los procesos como parte de un gran sistema cuyo objetivo es responder a una necesidad específica del cliente. Utiliza tres elementos: insumos, procesos y productos. Los insumos son recursos para llevar a cabo actividades de procesos, los cuales convierten insumos en productos y servicios.
Este es mi investigacion sobre los sistema de soporte de decisiones aqui les explicara que son los sistemas decisiones, taxonomia, diferentes tipos sistemas decision , los diferentes usos que tienes los sistemas acorde a la orientacion que se le de.
El documento presenta una introducción al pensamiento sistémico y al enfoque de sistemas. Define el pensamiento sistémico como una forma de percibir el mundo en términos de totalidades y patrones de interrelación en lugar de partes aisladas. Describe las características del pensamiento sistémico como obtener una visión más amplia, identificar patrones y estrategias. También presenta ejemplos como el trabajo en equipo en deportes. Luego, introduce el enfoque de sistemas, sus características como elementos, procesos, entradas,
Los sistemas duros se identifican como aquellos en los que interactúan personas y máquinas, y donde se les da mayor importancia a los aspectos tecnológicos sobre los sociales. En los sistemas duros, el comportamiento humano sólo se considera desde una perspectiva estadística y no de explicación, y se cree que los problemas consisten en encontrar la mejor solución técnica para alcanzar un estado deseado.
Metodologia de checkland para sistemas suavesDuno Winchester
Este documento presenta la Metodología de Sistemas Blandos de Peter Checkland. Explica que esta metodología se enfoca en problemas no estructurados con un alto componente social. Describe los 7 pasos de la metodología: 1) investigar el problema, 2) expresar la situación, 3) seleccionar una visión y definir la raíz, 4) construir modelos conceptuales, 5) comparar los modelos con la realidad, 6) diseñar cambios, 7) implementar acciones. También presenta ejemplos de aplicación a una recepci
La metodología de sistemas blandos (MSB) es un enfoque para resolver problemas complejos desarrollado por Peter Checkland. Consiste en 7 etapas: 1) describir la situación problemática sin estructurar, 2) estructurarla identificando elementos e interrelaciones, 3) definir los problemas fundamentales, 4) crear modelos conceptuales de cómo resolverlos, 5) comparar los modelos con la situación, 6) identificar cambios factibles y deseables, y 7) implementarlos. La MSB es útil para problemas sin soluciones obvias donde se deben consider
Este documento presenta una propuesta metodológica para identificar variables y construir el diagrama causal en dinámica de sistemas apoyado en el análisis estructural. Describe el proceso de análisis estructural que incluye la identificación y selección de variables, evaluación de las relaciones entre ellas y clasificación de variables. Luego aplica este método al caso de la televisión digital interactiva en Medellín para identificar variables e interrelaciones. Concluye que el análisis estructural permite una visión sistémica
El Enfoque de Sistemas: Es un esquema metodológico que sirve como guía para la solución de problemas, en especial hacia aquellos que surgen en la dirección o administración de un sistema, al existir una discrepancia entre lo que se tiene y lo que se desea, su problemática, sus componentes y su solución.
Este documento presenta conceptos clave del enfoque de sistemas y el pensamiento sistémico. Explica que el enfoque de sistemas aplica la teoría general de sistemas a cualquier disciplina mediante un análisis interdisciplinario. También describe conceptos como entradas, salidas, elementos, estructura y flujos en los sistemas. Finalmente, identifica tres niveles de sistemas: subsistemas, sistemas totales y sistemas globales.
El documento define los sistemas de información como conjuntos organizados de elementos que incluyen personas, datos, actividades, recursos y tecnologías. Explica que los sistemas de información pueden clasificarse en estratégicos, tácticos u operacionales dependiendo del nivel de información que proporcionan. Además, describe las fases del ciclo de vida tradicional para el desarrollo de sistemas de información, incluyendo la investigación preliminar, determinación de requisitos, diseño, desarrollo, pruebas e implementación.
El documento habla sobre el análisis y diseño de sistemas. Explica que los analistas de sistemas recomiendan, diseñan y dan mantenimiento a diversos tipos de sistemas como TPS, CAS, KWS y MIS. También crean sistemas de apoyo a la toma de decisiones como DSS, ES, GDSS y CSCWS. Muchas aplicaciones se desarrollan para la Web para apoyar el comercio electrónico.
La información es un elemento trascendental para las organizaciones. Los analistas de sistemas recomiendan, diseñan y dan mantenimiento a diversos tipos de sistemas, como los sistemas de procesamiento de transacciones y los sistemas de información gerencial. También crean sistemas orientados a la toma de decisiones. Muchas aplicaciones se conciben originalmente para, o se migran a, la Web para apoyar el comercio electrónico.
El documento resume los principales tipos de sistemas de soporte a la decisión (DSS), incluyendo sistemas de información gerencial (SIG), sistemas expertos, redes neuronales, sistemas de información para ejecutivos. Describe brevemente cada tipo de DSS y sus características. También explica que los DSS proveen soporte para tomadores de decisiones en situaciones semiestructuradas y no estructuradas a través del uso de modelos, análisis y acceso a datos.
Intervención en el diseño de los procesos actividades y operaciones.RicardoTerrazas010507
Este documento trata sobre la intervención del ergonomo en el diseño de procesos, actividades, operaciones y sistemas de trabajo. Explica que el ergonomo puede planificar objetivos que coincidan con los intereses de la organización sin comprometer la seguridad de los trabajadores. También puede establecer protocolos para reducir el estrés de los trabajadores y evitar errores. Además, diseña planes de aprendizaje y entrenamiento para que los trabajadores adquieran las habilidades necesarias y gestiona el tiempo de trabajo de forma que se proteja la
Enfoque sistematico y pensamiento sistematicoRubnGuzmn7
Este documento describe el enfoque de sistemas y el pensamiento sistemático. Explica que el enfoque de sistemas es un método para resolver problemas que considera las interacciones entre los elementos de un sistema. También describe las características del pensamiento sistemático como evaluar todas las partes interrelacionadas de una situación de manera integral. Incluye ejemplos de cómo estos enfoques se aplican a organizaciones e instituciones.
en esta presentación se abordan los siguientes temas: definición, características, importancia y ejemples de enfoque de sistemas y el pensamiento sistémico
Este documento describe los aspectos fundamentales del diseño de sistemas de información. Explica que el diseño implica definir la arquitectura de hardware y software para satisfacer los requerimientos del sistema. También describe objetivos como obtener una especificación detallada y un marco de referencia para el desarrollo futuro. Finalmente, detalla características clave de un buen diseño como el diseño de salidas, archivos, interacciones y controles.
La información es un elemento trascendental para las organizaciones. Los analistas de sistemas recomiendan, diseñan y dan mantenimiento a diversos tipos de sistemas como los sistemas de procesamiento de transacciones, sistemas de automatización de oficinas, sistemas de trabajo del conocimiento y sistemas de información gerencial. También crean sistemas orientados a la toma de decisiones como los sistemas de apoyo a la toma de decisiones, sistemas expertos, sistemas de apoyo a la toma de decisiones en grupo y sist
La unidad introduce la Metodología de Sistemas Suaves para analizar situaciones problemáticas en las que no se pueden establecer objetivos claros. Esta metodología se enfoca en trabajar con diferentes percepciones de una situación a través de un proceso de aprendizaje. Se describen siete pasos de la metodología, incluyendo definir una "definición raíz", construir modelos conceptuales, comparar modelos con la realidad, e identificar cambios factibles. Finalmente, se provee un ejemplo de la aplicación de esta metodología al
El documento describe varios aspectos relacionados con el desarrollo, adquisición e implantación de nuevos sistemas. Explica el ciclo de vida del desarrollo, las metodologías y modelos como el modelo cascada. También describe las personas implicadas en el proceso, la evaluación de riesgos y la auditoría del desarrollo. Finalmente, habla sobre la gestión de proyectos de desarrollo y la calidad del software.
Al finalizar esta exposición, Usted tendrá la habilidad de:
Comprender el concepto de Sistemas Suaves.
Saber en que consiste la MSS
Comprender las relaciones algunas áreas de la Gestión del conocimiento
La modelación de sistemas facilita la comprensión de las relaciones entre las diversas actividades de un sistema y el impacto que tienen entre sí. Muestra los procesos como parte de un gran sistema cuyo objetivo es responder a una necesidad específica del cliente. Utiliza tres elementos: insumos, procesos y productos. Los insumos son recursos para llevar a cabo actividades de procesos, los cuales convierten insumos en productos y servicios.
Este es mi investigacion sobre los sistema de soporte de decisiones aqui les explicara que son los sistemas decisiones, taxonomia, diferentes tipos sistemas decision , los diferentes usos que tienes los sistemas acorde a la orientacion que se le de.
El documento presenta una introducción al pensamiento sistémico y al enfoque de sistemas. Define el pensamiento sistémico como una forma de percibir el mundo en términos de totalidades y patrones de interrelación en lugar de partes aisladas. Describe las características del pensamiento sistémico como obtener una visión más amplia, identificar patrones y estrategias. También presenta ejemplos como el trabajo en equipo en deportes. Luego, introduce el enfoque de sistemas, sus características como elementos, procesos, entradas,
Los sistemas duros se identifican como aquellos en los que interactúan personas y máquinas, y donde se les da mayor importancia a los aspectos tecnológicos sobre los sociales. En los sistemas duros, el comportamiento humano sólo se considera desde una perspectiva estadística y no de explicación, y se cree que los problemas consisten en encontrar la mejor solución técnica para alcanzar un estado deseado.
Metodologia de checkland para sistemas suavesDuno Winchester
Este documento presenta la Metodología de Sistemas Blandos de Peter Checkland. Explica que esta metodología se enfoca en problemas no estructurados con un alto componente social. Describe los 7 pasos de la metodología: 1) investigar el problema, 2) expresar la situación, 3) seleccionar una visión y definir la raíz, 4) construir modelos conceptuales, 5) comparar los modelos con la realidad, 6) diseñar cambios, 7) implementar acciones. También presenta ejemplos de aplicación a una recepci
La metodología de sistemas blandos (MSB) es un enfoque para resolver problemas complejos desarrollado por Peter Checkland. Consiste en 7 etapas: 1) describir la situación problemática sin estructurar, 2) estructurarla identificando elementos e interrelaciones, 3) definir los problemas fundamentales, 4) crear modelos conceptuales de cómo resolverlos, 5) comparar los modelos con la situación, 6) identificar cambios factibles y deseables, y 7) implementarlos. La MSB es útil para problemas sin soluciones obvias donde se deben consider
Este documento presenta una propuesta metodológica para identificar variables y construir el diagrama causal en dinámica de sistemas apoyado en el análisis estructural. Describe el proceso de análisis estructural que incluye la identificación y selección de variables, evaluación de las relaciones entre ellas y clasificación de variables. Luego aplica este método al caso de la televisión digital interactiva en Medellín para identificar variables e interrelaciones. Concluye que el análisis estructural permite una visión sistémica
El Enfoque de Sistemas: Es un esquema metodológico que sirve como guía para la solución de problemas, en especial hacia aquellos que surgen en la dirección o administración de un sistema, al existir una discrepancia entre lo que se tiene y lo que se desea, su problemática, sus componentes y su solución.
Este documento presenta conceptos clave del enfoque de sistemas y el pensamiento sistémico. Explica que el enfoque de sistemas aplica la teoría general de sistemas a cualquier disciplina mediante un análisis interdisciplinario. También describe conceptos como entradas, salidas, elementos, estructura y flujos en los sistemas. Finalmente, identifica tres niveles de sistemas: subsistemas, sistemas totales y sistemas globales.
Este documento resume los conceptos clave de la inteligencia artificial distribuida (IAD). Explica que la IAD es una rama de la inteligencia artificial que se enfoca en resolver problemas mediante múltiples agentes inteligentes. Describe las ventajas de la IAD, como la flexibilidad y eficiencia lograda al distribuir tareas entre agentes autónomos. Finalmente, resume los tipos principales de sistemas IAD y sus áreas de aplicación.
El documento describe el enfoque sistémico. Explica que el enfoque sistémico provee un marco para analizar fenómenos complejos de manera holística e integral, enfocándose en las relaciones e interconexiones entre los elementos de un sistema. También describe los conceptos clave del pensamiento sistémico y su evolución, así como las áreas importantes de su aplicación, incluyendo la definición de límites del sistema y la determinación de programas y relaciones. Finalmente, resalta algunos logros y aportaciones del enfoque
Este documento presenta un reporte de investigación realizado por un equipo de 5 estudiantes de ingeniería de sistemas de la Universidad Autónoma del Carmen. El reporte incluye información sobre conceptos de sistemas, la historia y objetivos de la investigación de operaciones, y aplicaciones e impactos de esta disciplina. También presenta detalles sobre los ingenieros de sistemas y la investigación de operaciones.
Este documento presenta una discusión sobre los diferentes tipos de sistemas. Se describen los sistemas de procesamiento de transacciones, sistemas de automatización de oficina, sistemas de información gerencial, sistemas de apoyo a la toma de decisiones, sistemas expertos, sistemas de apoyo a ejecutivos y más. Además, se discuten clasificaciones comunes de sistemas como sistemas abiertos vs cerrados, sistemas naturales vs artificiales, y sistemas simples vs complejos. Finalmente, se mencionan ej
Este documento presenta una discusión sobre los diferentes tipos de sistemas. Comienza describiendo las clasificaciones de sistemas según su definición, origen, grado de aislamiento con el ambiente, y otros factores. Luego describe varios tipos específicos de sistemas de información como los sistemas de procesamiento de transacciones, sistemas de automatización de oficina, sistemas de información gerencial, sistemas de apoyo a la toma de decisiones, y sistemas expertos. Finalmente, discute la integración de tecn
Este documento describe los conceptos de agentes, simulación basada en agentes y sistemas multiagentes. Define un agente como un sistema autónomo capaz de percibir su entorno y actuar de forma racional para lograr sus objetivos. Explica que la simulación basada en agentes involucra modelar un sistema como una colección de agentes que interactúan. También describe las características de los sistemas multiagentes, donde múltiples agentes autónomos cooperan para resolver problemas de forma descentralizada.
El documento describe los conceptos clave de análisis y diseño de sistemas. Explica que el análisis especifica qué debe hacer el sistema, mientras que el diseño establece cómo alcanzar el objetivo. También distingue entre los diferentes tipos de sistemas como sistemas de información, sistemas de apoyo a la toma de decisiones, y sistemas gerenciales. Finalmente, concluye que el analista de sistemas estudia la situación actual de una empresa para recomendar mejoras a través del análisis y diseño de sistemas
El documento describe las etapas y consideraciones clave para el rediseño de una institución mediante sistemas de información. Explica que un nuevo sistema implica cambios en procesos, habilidades y organización. Luego detalla las etapas del desarrollo de sistemas como el análisis, diseño, programación, pruebas e implementación, señalando la importancia de la participación de usuarios, revisores y el equipo de desarrollo en cada etapa. Finalmente, indica que una vez implementado el sistema comienza la etapa de produ
Este documento presenta información sobre metodologías, procesos y diagramas utilizados en el desarrollo de software. Explica que existen diferentes metodologías como estructuradas u orientadas a objetos, y que los procesos unificados buscan mejorar mediante el desarrollo organizacional. También describe elementos para modelar software como objetos y relaciones, y los tipos de diagramas como de secuencia e implementación. Finalmente, indica que las herramientas soportan la notación gráfica para beneficiar a los ingenieros de software.
Ingeniería del software orientada a agenteskasas12
El documento presenta una introducción a la ingeniería de software orientada a agentes y describe la metodología MaSE (Multi-agent systems Software Engineering). MaSE sigue un proceso de análisis y diseño que incluye capturar objetivos, aplicar casos de uso, refinar roles, crear clases de agentes, construir conversaciones y ensamblar las clases de agentes. También se mencionan otras metodologías como MESSAGE, INGENIAS y GAIA.
Los Sistemas y Procedimientos Administrativos, constituyen una técnica que busca analizar el funcionamiento actual de un sistema organizacional cualquiera desde su nivel estratégico hasta su nivel operativo, haciendo énfasis en los procedimientos que allí se desempeñan y de los componentes que caracterizan a los mismos (formularios, registros, documentación formal de información, métodos de trabajo, estructura organizativa) a fin de la misma funcione con mayor eficiencia, eficacia y economía.
El siguiente informe consiste en un análisis y recolección de datos personal sobre los conceptos principales de sistemas y procedimientos administrativos, sus enfoques y modelos básicos, una información base para el desarrollo de este importante tema a nivel administrativo.
Un sistema es un conjunto de partes relacionadas que interactúan para lograr un objetivo. La teoría de sistemas estudia los principios aplicables a sistemas en cualquier nivel o campo, con el objetivo de lograr resultados óptimos. Un sistema de información es un conjunto de datos que interactúan con un fin común para producir información valiosa para la toma de decisiones.
Subtema 6.2 el sistema de actividad humana como un lenguaje de modelaciónJoelin Sanchez
El documento describe el sistema de actividad humana como un lenguaje de modelación. Explica que un sistema de actividad humana puede modelarse como un conjunto de actividades que interactúan, y que estas actividades pueden definirse usando verbos. También describe cómo los sistemas sociales involucran relaciones interpersonales entre seres humanos que realizan actividades juntos. Finalmente, explica que los modelos creados por humanos se basan en observaciones de comportamientos y actividades humanas.
El documento describe los métodos para el análisis y diseño de sistemas. Explica que el análisis y diseño de sistemas se refiere al proceso de examinar una situación empresarial con el propósito de mejorar los métodos y procedimientos. Luego define conceptos clave como método, metodología y sistema de información, y describe elementos fundamentales de los sistemas de información como la información, las personas y los medios de interacción.
Un sistema de información se define como un conjunto de componentes relacionados que recolectan, procesan, almacenan y distribuyen información para apoyar la toma de decisiones en una organización. Los sistemas de información son importantes porque proveen información clara y confiable que permite dominar un área. Existen diferentes tipos de sistemas de información como los sistemas de procesamiento de transacciones y los sistemas de apoyo a decisiones.
El documento describe el enfoque de sistemas, incluyendo sus conceptos clave, métodos y características. Explica que el enfoque de sistemas sigue tres subsistemas para resolver problemas: formulación del problema, identificación y diseño de soluciones, y control de resultados. Además, destaca que el enfoque de sistemas es interdisciplinario, cualitativo y cuantitativo, organizado y creativo.
El documento habla sobre los sistemas de información en las organizaciones. Explica conceptos como sistemas de procesamiento transaccional, sistemas de automatización de oficina, sistemas de apoyo a la toma de decisiones y sistemas expertos. También describe el rol del analista de sistemas y las cualidades necesarias. Finalmente, resume las fases del ciclo de vida del desarrollo de sistemas como investigación preliminar, determinación de requisitos, diseño, desarrollo, prueba e implementación.
1. Inteligencia Arti cial Distribuida y Sistemas
Multiagente
Ana Garc a Serrano
ISYS
Departamento de Inteligencia Arti cial
Universidad Politecnica de Madrid
agarcia@dia. .upm.es
Sascha Ossowski
ESCET
Departamento de Informatica
Universidad Juan Carlos de Madrid
s.ossowski@escet.urjc.es
Resumen
Se presenta una panoramica de la Inteligencia Arti cial Distribuida y de los Sistemas Multiagente,
describiendo los conceptos relacionados y los objetivos de las diferentes l neas de actuacion: la Resolucion
Distribuida de Problemas, los Sistemas Multiagente y los Agentes Autonomos.
1 Inteligencia Arti cial Dis-
tribuida
El avance tecnologico en las comunicaciones lle-
va al planteamiento de nuevos escenarios en los
que es necesaria la comparticion y la coordi-
nacion y por consiguiente nuevas metodolog as,
tecnicas y entornos de soporte informatico para
desarrollo de sistemas que incluyan los aspectos
de coordinacion y distribucion.
La Inteligencia Arti cial, campo de la in-
formatica, no ha sido impasible a este avance
y a nales de los a~nos setenta aparecen los pri-
meros trabajos en Inteligencia Arti cial Distri-
buida (aunque la primera reunion tematica fue
en 1980). Su objeto es el estudio de modelos
y tecnicas para resolucion de problemas en los
que la distribucion, sea f sica o funcional, sea
inherente. La metafora de la `inteligencia' uti-
lizada esta fundada en diferentes metaforas de
las ciencias exactas y sociales, como la biolog a,
la f sica y la sociolog a. Los individuales hetre-
rogeneos e independientes del sistema son `in-
teligentes' si alcanzan un cierto grado de adap-
tacion mutua.
Los sistemas tradicionales de la Inteligencia Ar-
ti cial se conciben individualmente como un
agente monol tico cuyo comportamiento ser a
descrito como `racional' por un observador ex-
terno. A principios de los a~nos ochenta los sis-
temas para resolucion distribuida de problemas
se caracterizaban por una forma de actuacion
concurrente en los diferentes nodos de una red,
en general con control centralizado, de forma
que los diferentes componentes son impasibles
ante las actuaciones del resto de los componen-
tes de la red. En este caso el objeto de estudio
es la coordinacion para resolucion distribuida
de problemas. Ejemplo paradigmatico de esta
epoca es la arquitectura de pizarra del sistema
Hearsay Erman et al. 80].
Al principio de los a~nos noventa aparecen sis-
temas multiagente con control descentralizado
y con modulos reusables Demazeau 91]. Los
agentes de un sistema multiagente se conciben
como independientes de un problema en concre-
to y se dota al sistema de protocolos de comu-
nicacion su cientemente genericos. Un ejemplo
es ARCHON Cockburn y Jennings, 95].
Recientemente los trabajos se han orientado al
1
2. estudio de la interoperabilidad de sistemas he-
terogeneos distribuidos o de agentes autonomos
y a su forma de adaptarse a entornos dinamicos.
En general, los sistemas IAD se caracterizan
por una arquitectura formada por componen-
tes inteligentes y modulares que interactuan de
forma coordinada. No existe una terminolog a
compartida en la IAD, ni esquemas de clasi -
cacion reconocidos por la mayor a, aunque no
hay discrepancias substanciales en cuanto a las
ventajas que ofrece el enfoque IAD sobre los
paradigmas convencionales:
1. Como los sistemas distribuidos convencio-
nales, los sistemas de la IAD aprovechan
la distribucion natural del dominio (espa-
cial, temporal, funcional) con los nes si-
guientes: mejorar el rendimiento, la robus-
tez, facilitar reusabilidad y mantenimien-
to. Ademas una arquitectura distribuida
facilita el aprovechamiento del paralelismo
inherente en la estructura de un problema.
2. Los sistemas IAD generan un valor a~nadi-
do, que se mani esta en: una mejor acep-
tabilidad en la sociedad, favorecer la adap-
tacion estructuras preexistentes en las or-
ganizaciones humanas y facilitar la interac-
cion hombre-maquina.
3. Favorecen el desarrollo de modelos cogni-
tivos de cooperacion y coordinacion como
fenomenos complejos y generan evidencia
para teor as lingu sticas, psicologicas, so-
ciologicas y loso cas respecto a estos te-
mas.
Pueden encontrarse diferentes trabajos que pre-
sentan el panorama general de la investigacion
actual en el campo de la Inteligencia Arti cial
y de los sistemas multiagente Bond et al. 88]
Parunak 88] Castillo-Hern 88] Gasser et al.
89] Shi 91] Chaib-Draa 92] von Martial 92]
Gasser 93] Molin et al. 96]. Ultimamente, han
aparecido mas articulos destinados a caracteri-
zar alguna de las muchas corrientes de investi-
gacion Wooldridge et al. 95] Chaib-Draa 95]
Franklin et al. 96] Nwana 96] Castelfranchi et
al. 96] Wooldridge 98] Huhns, Stephens 98].
A continuacion, se presenta la Inteligencia Ar-
ti cial Distribuida desde la perspectiva de la
Resolucion Distribuida de Problemas, los Siste-
mas Multiagente y los Agentes Autonomos.
2 Resolucion Distribuida de
Problemas
La resolucion distribuida de problemas (RDP)
estudia los sistemas inteligentes distribuidos
con una funcionalidad global y cuyos agentes
cumplen unas caracter sticas m nimas de (Dur-
fee, Rosenschein, 94):
Benevolencia: Los agentes cooperan con
los demas siempre que les sea posible. No
pueden `mentir', ni esconder informacion.
Objetivos compartidos: Todos los agentes
valoran el resultado de la actividad del gru-
po con la misma escala y desean contribuir
para maximizar su calidad.
Dise~no central: Todos los agentes se di-
se~nan para que se integren en un sistema
inteligente, capaz de resolver un problema.
El dise~nador debe asegurar que los agentes
utilicen el mismo lenguaje, que cada agen-
te desempe~ne un papel que in uya en la
consecucion del objetivo global etc.
El proceso de razonamiento en un grupo de
agentes de un sistema RDP se puede subdividir
en cuatro diferentes etapas (en general) (Yang,
Zhang 96):
Descomposicion de tareas: una tarea se
descompone en tareas menos complejas o
mas peque~nas.
Asignacion de tareas y recursos entre agen-
tes: se determina que agentes tendran que
resolver una tarea y de los recursos que dis-
ponen.
Resolucion de subproblemas: cada agente
resuelve las tareas que le han sido asigna-
das.
Integracion de soluciones: para componer
y conseguir una solucion a la tarea inicial.
El dilema basico de la RDP consiste en realizar
tal proceso de forma globalmente coherente, ya
que las decisiones globales se toman localmente
pues ningun componente dispone de una vision
completa del proceso de resolucion del proble-
ma.
Debido a que la distribucion del conocimiento
entre los componentes no tiene por quecoincidir
3. con la estructura del problema, se produce un
desajuste de modelos Ossowski 97], es decir,
los agentes dependen de la ayuda de los demas
para acceder al conocimiento o a la informacion
que existe en el sistema. Se pueden distinguir
tres casos:
Distribucion del conocimiento del caso: Un
agente no necesita acceder a un recurso que
gestiona otro agente, p. e. los datos de un
sensor.
Distribucion del conocimiento del dominio:
Un agente no dispone del conocimiento ne-
cesario para resolver una tarea y la delega
en otro agente.
Distribucion del conocimiento de control
(de tareas): Un agente no sabe tramitar
una tarea por lo que la pasa a un agente
gestor, p. e. un plani cador que descom-
pone la tarea y asigna las subtareas.
Esta problematica implica la necesidad de que
los agentes coordinen sus acciones. Los diferen-
tes mecanismos de coordinacion en la RDP se
pueden clasi car en tres grandes grupos (Jen-
nings 96):
Estructuras de organizacion: En el contex-
to de la RDP las estructuras de organiza-
cion se conciben como patrones estaticos
de relaciones de informacion y de control
entre los agentes.
Por ejemplo, se de nen areas de interes pa-
ra cada agente, en las que se especi can las
tareas de las que el agente es responsable y
se de nen estructuras de `autoridad', para
resolver con ictos en caso de que las areas
de interes se solapen.
Plani cacion multiagente: Antes de co-
menzar el proceso de resolucion del proble-
ma los agentes generan un plan en el que se
especi can todas sus futuras interacciones.
La plani cacion se realiza de forma centra-
lizada, todos los agentes mandan sus inten-
ciones de actuacion a un agente coordina-
dor. Este coordinador detecta relaciones
con ictivas y sinergicas entre las acciones
potenciales y las coordina para generar el
plan del grupo.
En el caso de plani cacion multiagente dis-
tribuida, ningun agente dispone de conoci-
miento sobre todas las actividades del gru-
po, lo cual di culta considerablemente el
proceso de plani cacion.
Intercambio de informacion a metanivel:
Este mecanismo facilita la coordinacion
dinamica, es decir articula el proceso de
resolucion de problemas con el de plani -
cacion.
Los agentes mantienen los modelos sobre
los demas intercambiando informacion me-
tanivel referente a su percepcion del estado
de resolucion del problema. De este mo-
do predicen localmente las acciones de los
demas y eligen las acciones locales compa-
tibles.
Las arquitecturas clasicas de la RDP son los
actores Hewitt 77] la red de contratos Smith
80 ] y Davis et al 83] y la arquitectura de pi-
zarra Engelmore et al 88]. En estos enfoques
la losof a de dise~no es reduccionista ya que se
descompone la tarea global de forma top-down
y se asignan las subtareas a los agentes.
Las nuevas aproximaciones asumen un enfoque
mas constructivo, ya que los agentes resuelven
subproblemas y se coordinan para alcanzar la
funcionalidad global (metodolog a bottom-up)
Jennings, Campos 97]. En los temas 2 y 3 de
este monogra co se presentan diferentes meto-
dolog as para afrontar el desarrollo de sistemas
distribuidos y se muestra la potencialidad de
este campo para desarrollo de aplicaciones en
tiempo real que controlen funciones de alto ni-
vel con gran volumen de operadores de control.
3 Sistemas Multiagente
En un sistema multiagente el conjunto de agen-
tes esta sometido continuamente a cambios lo-
cales. Estos cambios se dise~nan mediante reglas
de comportamiento, cuyos resultados estan in-
uenciados por el comportamiento del resto de
agentes. En los sistemas multiagente reactivos
estas reglas de comportamiento son muy sim-
ples y estan inspiradas por ejemplo por las cien-
cias biologicas Ferber 96].
En el caso de agentes cognitivos las reglas de
comportamiento se corresponden con el prin-
cipio de racionalidad. Por tanto, los sistemas
multiagente (SMA) no presuponen las propie-
4. dades de benevolencia, metas compartidas y di-
se~no centralizado para la resolucion de proble-
mas. Su perspectiva esta centrada en la inte-
raccion entre los agentes y se caracterizan por
Durfee, Rosenschein 94]:
Heterogeneidad de agentes: Los agentes de
un sistema SMA pueden contar con arqui-
tecturas diferentes, utilizar diferentes re-
presentaciones internas, comunicarse con
diferentes lenguajes etc. Generalmente es-
ta situacion es consecuencia de que el siste-
ma y sus agentes no hayan sido dise~nados
por una unica persona y para un n unico.
Homogeneidad de intereses: Un caso ex-
tremo de heterogeneidad se da cuando los
agentes no son "conscientes"de que persi-
guen un objetivo comun o este objetivo no
existe. Entonces los agentes actuan de for-
ma auto-motivada (`ego sta'), emprendien-
do acciones unicamente si son individual-
mente racionales, es decir, bene ciosas pa-
ra ellos.
En este area el objeto de estudio son las situa-
ciones en las que agentes de este tipo coope-
ran, formando coaliciones, bajo que condiciones
se retiran de una coalicion, y cuando compiten
Sandholm 98] y Conte, Castelfranchi 95]. Es-
te enfoque se trata en los temas 4 y 6 de este
monogra co.
Al dise~nar un sistema basado en el conocimien-
to para un problema particular se elaboran ba-
ses de conocimiento, para seguidamente, con-
gurar mecanismos de inferencia que razonen
sobre ellas. Sin embargo, este procedimiento es
demasiado costoso para construir sistemas in-
teligentes a gran escala y se plantea `reutilizar'
bases de conocimiento ya existentes.
Un problema importante que surge a la hora
de integrar agentes preexistentes reside en la
heterogeneidad de sus conocimientos. En este
contexto se esta promocionando lenguajes in-
termedios (un ejemplo es KIF, Knowledge In-
terchange Format). Una vez resuelto el pro-
blema de las representaciones heterogeneas, los
agentes se entienden en los terminos en los que
se describe el entorno. Sin embargo, para co-
municarse por completo hace falta especi car
un lenguaje de comunicacion de agentes que
de na la pragmatica de mensajes. Una pro-
puesta en esta direccion es KQML (Knowledge
Query and Manipulation Language) Finnin et
al, 93] un lenguaje de comunicacion estandar
entre agentes software. Otra propuesta en es-
ta direccion, con enfasis especial en la coordi-
nacion entre agentes es Cool Barbuceanu, Fox
95].
Los sistemas multiagente pueden constituir el
marco adecuado para ello: cada sistema basado
en el conocimiento se concibe como un agente
inteligente, que puede ser utilizado en diferen-
tes dominios. Un nuevo sistema se construye
especi cando la forma en la que debe intero-
perar con agentes ya existentes, delegando en
ellos una parte de las tareas. De esta forma
se comparten conocimiento y tecnicas de razo-
namiento o actuacion entre diferentes sistemas
Netches et al 91].
En los temas 5 y 8 de este monogra cose tratan
diferentes aspectos de esta problematica.
4 Agentes Autonomos
Con la proliferacion de los ordenadores perso-
nales, el auge de la Internet y las autopistas de
informacion, la idea de a
gentes software"se ha
convertido en uno de los temas de actualidad y
especialmente cuando se combina con el adje-
tivo "inteligente"se generan expectativas sobre
"robots software"casi humanos, capaces de rea-
lizar tareas sin supervision. Hoy en d a, se utili-
zan agentes software para tareas muy concretas
como son el ltrado de los mensajes del correo
electronico, ayuda en la plani cacion de reunio-
nes o busqueda de referencias de art culos en la
red. Mucho trabajo de desarrollo se concentra
en crear un "mercado electronico"en el que, a
peticion del usuario, los agentes realicen tareas
(por ejemplo compras).
Un planteamiento de estas caracter sticas se
realiza en el tema 7 de este monogra co.
En base a sus areas de aplicacion, se identi -
can diferentes tipos de agentes: agentes interfaz
(disponen de informacion sobre el usuario y fa-
cilitan asistencia en el manejo de una aplicacion
particular), agentes de informacion (gestionan
diferentes fuentes distribuidas de informacion)
o agentes virtuales Nwana 96].
Sin embargo, aunque ya no se discuten las ven-
5. tajas de los agentes software inteligentes en es-
tos dominios, existen discrepancias al delimitar
el concepto de agente software inteligente. Hay
tres enfoques, el de caracterizacion de agentes
por propiedades, como sistemas intencionales y
por el contexto.
En el enfoque basado en propiedades se carac-
teriza a un agente software como un proceso
informatico al que se pueden atribuir una serie
de caracter sticas. La siguiente lista no preten-
de ser exhaustiva pero recopila un conjunto de
propiedades que se consideran esenciales Wool-
dridge, Jennings 95]:
Capacidad para resolver problemas no tri-
viales: Un agente inteligente sabe razonar
sobre el entorno, capacidad que le permite
realizar un conjunto de tareas
Racionalidad (limitada): Los agentes estan
dotados de un conjunto de objetivos y em-
prenden acciones para realizarlos. Eligen
sus acciones segun el principio de raciona-
lidad, es decir, pre eren la accion mas pro-
metedora para sus metas. Sin embargo, su
actuacion esta limitada por el tiempo y los
recursos.
Autonom a (limitada): Los agentes tienen
sus propias motivaciones a partir de las
que generan autonomamente sus objetivos.
Sin embargo, para alcanzar gran parte de
los mismos dependen de la ayuda de los
demas agentes, lo cual pone l mite a su au-
tonom a.
Reactividad y Pro-Actividad: Los agentes
perciben el entorno y responden a los cam-
bios que ocurren en el. Ademas, debido
a que generan sus propias metas y pue-
den actuar convenientemente son capaces
de `tomar la iniciativa'.
Sociabilidad: Un agente tiene en cuenta la
existencia de otros agentes e interactua con
ellos mediante algun tipo de comunicacion
y un conjunto de convenios.
Hay posturas con una de nicion mas fuerte de
agente inteligente al considerarlos como siste-
mas intencionales Dennet 87], es decir, entida-
des cuyo comportamiento se puede describir so-
bre sus actitudes de informacion (conocimiento
y creencias) o sobre sus actitudes de decision
(deseos, objetivos, interes, compromiso, obliga-
cion, etc). Sin embargo, esta caracterizacion
tampoco es satisfactoria. Segun el punto de vis-
ta del observador, se puede describir todo tipo
de objetos en estos terminos.
Una tercera alternativa consiste en trasladar el
foco de atencion del agente software individual
al sistema de agentes. Para ello se de ne el
contexto para seguidamente derivar la nocion
de agente: Si un sistema inteligente se carac-
teriza por la interaccion dinamica entre com-
ponentes (contrario a la estructura jerarquica
del software habitual) entonces es un sistema de
agentes software inteligentes. Los componentes
de tal sistema se llaman agentes software inte-
ligentes.
Esta vision aclara la relacion entre la tecnolog a
de agentes software y la IAD. La IAD esta in-
teresada en las relaciones que surgen entre el
entorno, el sistema inteligente, y sus compo-
nentes, los agentes. El objetivo ultimo de la
IAD es construir un sistema a partir de agentes
software que exhiba ciertas funcionalidades en
un entorno.
5 Conclusion
Es dif cil delimitar los campos relativos a los
agentes autonomos, a los sistemas multiagente
y a la distribucion distribuida de problemas y
no existe un consenso en la comunidad de IAD.
Sin embargo y con el riesgo de simpli car, se
puede a rmar que:
La resolucion distribuida de problemas se
centra en el problema y en concreto en
como construir colectivos de agentes que
muestren las propiedades externas desea-
das de robustez y calidad de respuesta.
La investigacion de agentes autonomos es-
ta centrada en el agente. Se intenta asegu-
rar la supervivencia del agente en diferen-
tes situaciones del mundo real en entornos
multiagente.
La investigacion en los sistemas multiagen-
te se centra en la interacciones entre agen-
tes. Se pretende asegurar las propiedades
de estas interacciones, como es la estabi-
lidad en sistemas abiertos en los que los
agentes son dinamicos e imprevisibles.
6. Bibliograf a
Auman et al. 94, Auman, R. Hart, S.
"Handbook of Game Theory". Elsevier,
1994
Axelrod 84, Axelrod, R. "The Evolution of
Cooperation". Basic Books, 1984
Barbuceanu et al. 95, Barbuceanu, M.
Fox, S. "COOL: A Language for Descri-
bing Coordination in Multi Agent Sys-
tems". Proc. ICMAS-95, 1995, p. 17-24
Bond et al. 88, Bond, A. Gasser, L. "Rea-
dings in Distributed Arti cial Intelligen-
ce". Morgan Kaufman, 1988
Brooks 95, Brooks, R. "Intelligence Wit-
hout Reason". Steels et al. 95]
Campbell et al. 89, Campbell, J. Cue-
na, J. "Perspectives in Arti cial Intelligen-
ce (Vol.1)". Ellis Horwood, 1989
Castelfranchi 94, Castelfranchi, C. "Gua-
rantees for Autonomy in Cognitive Agent
Architectures". Wooldridge et al. 94],
1994, p. 56-70
Castelfranchi et al. 96, Castelfranchi, C.
Conte, R. "Distributed Arti cial Intelli-
gence and Social Science: Critical Issues".
O'Hare et al. 96], 1996, p. 527-542
Casti et al. 94, Casti, J. Karlqvist, A..
"Cooperation & Con ict in General Evo-
lutionary Processes ", Wiley & Sons, 1994
Castillo-Hern 88, Castillo-Hern, L. "On
Distributed Arti cial Intelligence". Know-
ledge Engineering Review, Vol.3, 1988, p.
21-57
Chaib-Draa 95, Chaib-Draa, B. "Industrial
Applications of Distributed AI". Commu-
nications of the ACM Vol.38 No.11, 1995,
p. 49-53
Chaib-Draa et al. 92, Chaib-Draa, H.
Moulin, B. "Trends in Distributed Arti-
cial Intelligence". Arti cial Intelligence
Review, No. 6, 1992, p. 35-66
Clearwater 95, Clearwater. S. (Ed.).
"Market-based Control: A Paradigm for
Distributed Resource Allocation". World
Scienti c, 1995
Cockburn et al. 96, Cockburn, D. Jen-
nings, N. "ARCHON: A Distributed Arti-
cial Intelligence System for Industrial Ap-
plications". O'Hare et al. 96], 1996
Cohen et al. 90, Cohen, P. Morgan, J.
Pollack, M. (Eds.). "Intentions in Com-
munication". MIT Press, 1990
Conte et al. 95, Conte, R. Castelfranchi,
C. "Cognitive and Social Action". UCL
Press, London, 1995
Cuena 93, Cuena, J. "Knowledge Oriented
Software Design". North-Holland, 1993
Cuena 98, Cuena J., Ossowski S.: "Distri-
buted Models for Decision Support". To
appear in "Introduction to Distributed Ar-
ti cial Intelligence". Weiss and Sen (eds.)
AAAI/MIT Press, 1998
Davis et al. 83, Davis, R. Smith, R. "Ne-
gotiation as a Metaphor for Distributed
Problem Solving". Arti cial Intelligence
20, 1983, p. 63-109
Decker 95, Decker, K. "Environment Cen-
tered Analysis and Design of Coordination
Mechanisms". Ph.D. Thesis, UMass Com-
puter Science Dpt., 1995
Demazeau 95, Demazeau, Y. "From Inte-
ractions to Collective Behaviour in Agent-
based Systems". Europ. Conf. on Cogni-
tive Science, 1995
Demazeau et al. 91, Demazeau, Y. "De-
centralised A.I. 2". North Holland, 1991
Durfee 88, Durfee, E. "Coordination of
Distributed Problem Solvers". Kluwer,
1988
Durfee et al. 91, Durfee, E. Lesser, V.
Corkill, D. "Trends in Cooperative Distri-
buted Problem Solving". Kluwer, 1991
Durfee et al. 94a, Durfee, E. Rosens-
chein, J. "Distributed Problem Solving and
Multi-Agent Systems: Comparisons and
Examples". Proc. 13th Int. DAI Works-
hop, 1994, p. 94-104
Engelmore et al. 88, Engelmore, R. Mor-
gan, T. "Blackboard Systems". Addison
Wesley, 1988
Erman et al. 80, Erman, L. Hayes-Roth,
F. Lesser, V. Reddy, D. "The Hearsay-
II Speech-Understanding System: Integra-
ting Knowledge to Resolve Uncertainty".
Computing Surveys 12 (2), 1980, p. 213-
253
Finin et al. 93, Finin, T. Fritzson, R.
McKay, D. McEntire, R. "KQML - A Lan-
guage and Protocol for Knowledge and In-
7. formation Exchange". Technical Report of
the ARPA Knowledge Sharing E ort, 1993
Franklin et al. 96, Franklin, S. Graesser,
A. "Is it an Agent, or just a Program?: A
Taxonomyfor AutonomousAgents". Proc.
ATAL'96, 1996, p. 193-206
Garc a-Serrano et al. 97, Garc a-Serrano,
A. Ossowski, S. "Coordinacion y Coopera-
cion en Sistemas Distribuidos". To appear
in: Analisis de Sistemas Complejos (Dola-
do Ed.), 1997
Gasser 91, Gasser, L. "Social Conceptions
of Knowledge and Action: DAI Founda-
tions and Open Systems Semantics". Ar-
ti cial Intelligence 47, 1991, p. 107-138
Gasser et al. 89, Gasser, L. Huhns,
M. "Distributed Arti cial Intelligence, Vol.
II". Morgan Kaufmann, 1989
Genesereth et al. 94, Genesereth, M.
Ketchpel, S. "Software Agents". Commu-
nications of the ACM, Vol.37, No.7, 1994,
p. 48-53
George et al. 98, George J. Rao, A.
Singh, M.: "Formal Methods in DAI". To
appear in "Introduction to Distributed Ar-
ti cial Intelligence". Weiss and Sen (eds.)
AAAI/MIT Press, 1998
Gmytrasiewicz et al. 93, Gmytrasiewicz,
P. Durfee, E. "Reasoning about other
Agents: Philosophy, Theory and Imple-
mentation". Int. Workshop on Distributed
Arti cial Intelligence, 1993
Hewitt 77, Hewitt, C. "Viewing Control
Structures as Patterns of Message Pas-
sing". Arti cial Intelligence 8, 1977, p.
323-364
Huhns et al. 98, Huhns, M., Stephens,
L.: "Multiagent Systems & Societies of
Agents". To appear in "Introduction to
Distributed Arti cial Intelligence". Weiss
and Sen (eds.) AAAI/MIT Press, 1998
Jennings 96, Jennings, N. "Coordination
Techniques for Distributed Arti cial Inte-
lligence". O'Hare et al. 96], 1996, p. 187-
210
Jennings et al. 97, Jennings, N. Campos,
J. "Towards a Social Level Characterisa-
tion of Socially Responsible Agents". IEE
Proc. on Software Engineering, 144(1),
1997
Malone et al. 94, Malone, T. Crowston,
K. "Toward an Interdisciplinary Theory of
Coordination". Computing Surveys Vol.
26 No.1, 1994, p. 87-119
McCarthy 79, McCarthy, J. "Ascribing
Mental Qualities to Machines". Tech.
Rep. Memo 326, Stanford University, AI
Lab, 1979
Moulin et al. 96, Molin, B. Chaib-Draa,
B. "An Overview of Distributed Arti cial
Intelligence". O'Hare et al. 96], 1996, p.
3-56
Muller 96, Muller, H. "Negotiation Princi-
ples". O'Hare 96], 1996, p. 211-225
Neches et al. 91 Neches, R. Fikes, R.
Finin, T. Gruber, T. Patil, R. Sena-
tor, T. Swartout, W. "Enabling Techno-
logy for Knowledge Sharing". AI Magazi-
ne, 1991, p. 36-56
Newell 93, Newell, A. "Re ections on the
Knowledge Level". Arti cial Intelligence
59, 1993, p. 31-38
Nwana 96, Nwana, H. "Software Agents:
An Overview". Knowledge Engineering
Review, 1996
O'Hare et al. 96, O'Hare, G. Jennings,
N. "Foundations of Distributed Arti cial
Intelligence". Wiley Sons, 1996
Ossowski 98, Ossowski, S.: On the Func-
tionality of Social Structure in Arti cial
Agent Societies. Se publicara en la serie
LNAI, Springer
Parunak 88 , Parunak, H. "Distributed Ar-
ti cial Intelligence Systems". Kusiak 88],
1988, p. 225-251
Rao et al. 95, Rao, A. George , M. "BDI
Agents: From Theory to Practice". Proc.
ICMAS-95, 1995, p. 312-319
Rosenschein et al. 94, Rosenschein, J.
Zlotkin, G. "Rules of Encounter: Desig-
ning Conventions for Automated Negotia-
tion among Computers". MIT Press, 1994
Russell et al. 95 , Russell, S. Norvig,
P. "Arti cial Intelligence: A Modern Ap-
proach". Prentice-Hall, 1995
Sandholm 98, Sandholm, T. `Distributed
Rational Decision Making'. To appear in
`Introduction to Distributed Arti cial Inte-
lligence'. Weiss and Sen (eds.) AAAI/MIT
Press, 1998
8. Searle 69 , Searle, J. `Speech Acts'. Cam-
bridge University Press, 1969
Shi 91, Shi, Z. `Distributed Arti cial Inte-
lligence' p.113-120
Shoham 93, Shoham, Y. `Agent-oriented
Programming'. Arti cial Intelligence 60,
1993, p. 51-92
Shoham et al. 95, Shoham, Y. Tennen-
holz, M. `On Social Laws for Arti cial
Agent Societies: O -line Design'. Arti -
cial Intelligence 73, 1995, p. 231-252
Sichman et al. 95, Sichman, J. Demazeau,
Y. 'Exploiting Social Reasoning to Deal
with Agency Level Inconsistencies'. Proc.
ICMAS-95, 1995, p. 352-359
Smith 80, Smith, R. `The Contract Net
Protocol: High-Level Communication and
Control in a Distributed Problem Solver'.
IEEE Trans. on Computers, Vol. C29,
No.12, 1980, p.1104-1113
Steels 95, Steels, L. (Ed.). `The Biology
and Technology of Intelligent Autonomous
Agents'. Springer, 1995
Ste k 86, Ste k, M. `The Next Knowledge
Medium'. AI Magazine, Vol. 7, No. 1,
1986, p. 34-46
Tuomola 96, Tuomola, R. `Philosophy and
Distributed Arti cial Intelligence: The Ca-
se of Joint Intentions'. O'Hare et al. 96],
1996, p. 487-504
Wooldridge M., Jennings, N. `Agent Theo-
ries, Architectures and Languages: A sur-
vey'. ECAI'94, Amsterdam.
Wooldridge et al. 95, Wooldridge, M. Jen-
nings, N. `Intelligent Agents: Theory and
Practice'. Knowledge Engineering Review,
Vol. 10, No. 2, 1995, p. 115-152
Wooldridge, 98, Wooldridge, M.: `Intelli-
gent Agents". To appear in "Introduc-
tion to Distributed Arti cial Intelligence'.
Weiss and Sen (eds.) AAAI/MIT Press,
1998
Yang et al. 96, Yang, H. Zhang, C. `De -
nition and Application of a Comprehensi-
ve Frameworkfor Distributed Problem Sol-
ving'. Zhang et al. 96], 1996, p. 1-15
Zhang et al. 96, Zhang, C. Lukose, D.
`Distributed Arti cial Intelligence Archi-
tecture and Modellin'". Springer, LNAI
1087, 1996