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.

1. Simulación basada en
agentes y simulación
basada en multi-agentes

2. ¿Qué es un agente?
 Un agente inteligente percibe su entorno por medio de sensores y actúa
racionalmente sobre su entorno por medio de actuadores.
 Un agente es incapaz de exhibirse alguna forma de inteligencia y actuar de
manera independiente con el objeto beneficiar a su usuario.
 Es un sistema que es capaz de realizar acciones autónomas de manera
flexible en dominio dinámicos e impredecibles.
 Un agente es cualquier cosa que pueda ver en su entorno a través de
sensores y actuar en su entorno a través de efectores.
 Un agente es un sistema computacional que está situado en algún ambiente,
y que es capaz de actuar autónomamente en dicho ambiente con el fin de
cumplir sus objetivos.

3. Ejemplos de Agentes
 Sistemas de control
o Termostato
o Alarma
o Software deamons

4. Un agente es un sistema que esta:
 Localizado: es decir, inmerso en algún entorno( físico, software, etc.) en el
que puede:
Sentir (a través de sensores físicos, por medio de mensajes, detención de
eventos)
Actuar( envió de mensaje o generalización de evento)
 Reactivo: responde a mensajes, eventos y datos recibidos por medio de
sensores, de forma que monitorea activamente el estado de su entorno.
 Autónomo: opera sin intervención directa de humanos u otros agentes,
con control independiente de sus acciones y de su estado interno.

5. Tareas Especializadas.
Pueden jugar un papel importante en situaciones donde, por sus necesidades o
alto riesgo, resultan imposibles o no aconsejables para humanos.
En aplicaciones donde los datos, control o recursos son distribuidos.
El sistema puede estar conceptualizado como una colección de cooperantes.
Como herramientas para comprender las sociedades humanas.
Proporcionan una nueva herramienta para simular sociedades, que pueden arrojar
luz nueva sobre varios tipos de procesos sociales (donde los experimentos reales son
inviables).
Como herramientas para formalizar y experimentar con ciertas teorías cognitivas.
Como paradigmas de ingeniería del software. Permiten incrementar la complejidad
del software, destacando la importancia de la independencia entre componentes y
la interacción entre ellos.

6. Agente Inteligente
 Autonomía, movilidad, iniciativa, adaptabilidad, inteligencia.
 En IA se persigue estudiar y obtener agentes que exhiban
características de la inteligencia humana.
 Construimos agentes inteligentes cuando:
 Describimos su comportamiento y el ambiente mediante
“conocimiento”.
 Dispone de iniciativa de explorar el ambiente.
 Incrementa su conocimiento basándose en la experiencia.
 Evalúa la consecución de las metas que se le planteen.

7. Un agente inteligente es un agente capaz de ejecutar flexiblemente
acciones autónomas con el fin de cumplir sus objetivos”, donde flexibilidad
significa:
 Reactividad: capacidad de percibir su ambiente, y responder sin
demoras a cambios que ocurren en él.
 Pro-actividad: capacidad de exhibir un comportamiento dirigido a
objetivos, tomando la iniciativa.
 Habilidad social: capacidad de interactuar con otros agentes (y
posiblemente humanos) a través de un lenguaje de comunicación.

8. Ejemplo
Características Termostato
Autonomía Si
Reactividad Si
Pro-actividad No
Habilidad social No

9. Agente Racional
 La racionalidad le permite al agente hacer en cada momento “lo correcto”.
 “Lo correcto” son las acciones que conducen al mejor desempeño de su misión,
descrita en términos de:
 Meta.
 Utilidad.
 Para ser racional necesita ser capaz de
 Medir el desempeño de su misión.
 Tener algún criterio de medida.
 Incorporar los resultados como conocimiento nuevo.
 Racionalidad ≠ Omnisciencia.

10. Arquitectura de Agentes
Con respecto a la forma de abordar la construcción del agente, puede ser:
 Arquitectura reactiva
 Agentes reactivos.
 Agente con representación del mundo.
 Arquitectura deliberativa
 Agentes basados en metas.
 Agentes basados en la utilidad.

11. Arquitectura Reactiva y Deliberativa
 Un razonamiento explícito sobre los efectos producidos por acciones de bajo
nivel es demasiado costoso para producir una conducta en tiempo real.
 El comportamiento inteligente se generará sin tener que usar modelos
simbólicos, y emergerá en ciertos sistemas complejos.
 Estas arquitecturas manejan jerarquías de tareas en función de niveles de
abstracción.
 Expresa el comportamiento y el ambiente en términos de conocimiento
representado simbólicamente. Las decisiones se toman empleando
mecanismos deductivos:
 En estos términos, las componentes del agente se deben representar en
términos lógicos. Un ejemplo exitoso: BDI (Belief, Desire, Intention)
 Creencias: modelo del mundo y del resto de agentes.
 Deseos: metas.
 Intenciones: plan de acción.

12. Arquitectura Híbrida
 Combinan agentes de tipo reactivo y deliberativo.
 Reactivo: reacciona a los eventos del entorno sin invertir razonamiento.
 Deliberativo: planifica (distribuye las metas más simples) y realiza tareas de nivel de
abstracción superior. Este tipo de tareas se agrupan típicamente en dos niveles:
 de manipulación de la información a nivel abstracto, con una representación
simbólica del ambiente,
 de comportamiento social y planificación de alto nivel.
 Se organizan:
 Horizontalmente: las capas tienen acceso a sensores y actuadores.
 Verticalmente: una capa actúa de interfaz con sensores y actuadores.

13. Descentralización de los agentes
 Un agente puede ser un ente pro-activo, con iniciativa propia que
 monitoriza el ambiente
 ejerce cambios en el ambiente y se comunica con otros agentes.
 Es útil en sistemas donde aparecen procesos autónomos.
 Los sistemas descentralizados permiten mayores tasas de fiabilidad y robustez
que los sistemas centralizados.
 Los sistemas basados en agentes animan a la reutilización:
 es posible modificar sistemas basados en agentes sobre la marcha pieza a
pieza.
 ciertos tipos de descentralización desacoplan las dependencias de los
agentes.

14. ¿Que es sistema multi-agente?
 Sistema Multi-agente (MAS): conjunto de agentes autónomos, generalmente
heterogéneos y potencialmente independientes, que trabajan en común
resolviendo un problema.
 Características de estos agentes, vinculado con la noción de agente Inteligente:
 capaces de tomar la iniciativa
 capaces de compartir conocimiento
 capaces de cooperar y negociar,
 capaces de comprometerse con metas comunes.
 El estudio de MAS se encuadra dentro de la Inteligencia Artificial Distribuida (DAI).

15. Inteligencia Artificial Distribuida
 Rama de la IA que estudia la solución de problemas mediante
procesamiento descentralizado.
 Resolución distribuida de problemas (DPS): Se descompone el problema
en procesos cooperantes que comparten conocimiento para un
problema concreto.
 Inteligencia Artificial Paralela (PAI): Desarrollo de algoritmos y
aplicaciones paralelas, con énfasis en prestaciones.

16. Sistemas Multiagente
 Un sistema multiagente es un sistema compuesto de múltiples agentes inteligentes,
capaces de cumplir objetivos que son difíciles de alcanzar por un sistema individual.
EJEMPLOS
No controladores
No organizadores
Auto-organización
Reglas simples
Mantener distancia
Ser sociables
Comportamiento complejo

17. EJEMPLO
 Información privada
 Confianza
 Competitividad
 Reputación

18. Ejemplos
La sociedad humana es un modelo útil para obtener Sistemas Multi-
agente.
 La mayoría de las actividades humanas relacionadas con el
comportamiento inteligente son de carácter social, al menos en
origen.
 El ser humano necesita la sociedad para vivir mejor.
 Está en continua interacción con el resto.
 La mayor parte del conocimiento es colectivo.
 Los modelos teórico/prácticos de MAS permiten estudiar
fenómenos sociales reales.

19. La auto-organización, auto-
adaptación, robustez, propiedades
emergentes, etc. En segundo lugar,
la capacidad de las hormigas para
resolver problemas complejos de
una manera eficiente es fascinante,
sobre todo teniendo en cuenta sus
características individuales
limitadas. El ejemplo más conocido
y mejor modelado por el momento
es el uso que hacen de la feromona
para encontrar caminos mínimos
entre los nidos y las fuentes de
comida.