A5. Sistemas multi-agente
102122
2016-17
MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL
4,5
OPTATIVA
Anual
Castellano
El objetivo de la asignatura es el conocimiento del concepto de agente
inteligente y de sistema multi-agente, de las principales teorías y modelos,
así como las diversas arquitecturas y las aplicaciones más relevantes de los
mismos, y la introducción a los conceptos básicos de las tecnologías del
acuerdo, prestando especial atención a los conceptos de acuerdo,
organizaciones virtuales y negociación.
Es de especial interés en esta asignatura la aplicación práctica de los
conceptos aprendidos a la resolución de problemas reales:
Agentes Inteligentes: conceptos fundamentales
Tipología de agentes
Capacidad Social
Sistemas Multiagente
Tecnologías del acuerdo
1. Agentes Inteligentes: conceptos fundamentales
Definición de agente. Agentes e inteligencia artificial. Entornos de agente.
Agentes como sistemas intencionales. Arquitecturas abstractas para agentes
inteligentes. ¿Cómo decirle a un agente lo que tiene que hacer?
2. Agentes Modelos y Arquitecturas
Definición de agente. Arquitecturas de agente. Agentes de Razonamiento
Deductivo. Agentes Reactivos. Agentes Híbridos. Agentes de Razonamiento
Práctico (Arquitecturas BDI, Razonamiento Dirigido por el Objetivo)
3. Capacidad Social
Comunicación (Ontología y Lenguaje de Contenido). Lenguajes de Comunicación
4. Sistemas Multiagente
Definición de Sistema Multi-agente. Plataformas. Aplicaciones y ejemplos
5. Tecnologías del Acuerdo
Introducción a la Negociación Automática. SMA y juegos en forma normal. Juegos
en forma extensiva. Negociación heurística. Argumentación. Confianza y
reputación. Práctica: Negociación
6. Coordinación en Sistemas Multiagente
Modelos de coordinación. Diseño de mecanismos. Elección social. Manipulación
estratégica. Mecanismos directos. Entornos cuasi-lineales. Ejemplo de
aplicación
Unidades
CG1 - Entender los conceptos, los métodos y las aplicaciones de la
inteligencia artificial.
CG2 - Evaluar nuevas herramientas computacionales y de gestión del
conocimiento en el ámbito de la Inteligencia Artificial.
CG3 - Gestionar de manera inteligente los datos, la información y su
representación.
CE1 - Utilizar los diferentes algoritmos de búsqueda basados en la gestión del
conocimiento que sean de aplicación en los problemas que surgen en el ámbito
de la Inteligencia Artificial.
CE4 - Conocer los principales modelos de razonamiento impreciso para valorar
su adecuación a la resolución de problemas que surgen en el ámbito de la
Inteligencia Artificial.
CE5 - Analizar las fuentes documentales propias del ámbito de la investigación
en Inteligencia Artificial para poder determinar cuáles de ellas son
relevantes en la resolución de problemas concretos.
A1 - Sesiones presenciales virtuales: visionado inicial del material
audiovisual (vídeos introductorios, presentaciones, animaciones) que se
elabore en cada una de las materias y que servirán presentación de cada uno de
los temas a los estudiantes (12 horas - 100% presencialidad).
A2 - Trabajos individuales: realización de ejercicios, resolución de
problemas, realización de prácticas y/o trabajos/proyectos individuales (17
horas - 0% presencialidad).
A3 - Trabajo autónomo: estudio del material básico, lecturas
complementarias y otros contenidos y estudio (72 horas - 0% presencialidad).
A4 - Foros y chats: lanzamiento de cuestiones y temas para la discusión
general (5,5 horas - 0% presencialidad).
A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc
(6 horas - 100% presencialidad).
E1 - Valoración de los cuestionarios de evaluación: los
estudiantes realizarán por cada unidad didáctica un cuestionario de evaluación
que será objeto de puntuación en la nota final (ponderación mínima 20% y
máxima 40%).
E2 - Valoración de la participación en foros y chats: se
valorará el nivel de participación/debate de los estudiantes que contará para
la nota final (ponderación mínima 10% y máxima 20%).
E3 - Valoración de los trabajos individuales: se valorarán los
problemas, proyectos, trabajos realizados y entregados a través de la
plataforma, y apoyado en los casos que sea necesario (sobre todo cuando se
trate de desarrollo de código) por plataformas de gestión de código como
GitHub. También se incluirá el video que el alumno deberá enviar al profesor
para cada asignatura (ponderación mínima 40% y máxima 70%).
Las sesiones se desarrollarán en noviembre de 2016.
An Introduction to MultiAgent Sysems. Second Edition. Michael
Wooldrige. Published May 2009 by John Wiley and Sons. ISBN 978-0470519462
Multiagents Systems edited by Gerhard Weiss. MIT Press, 2013, 2nd
edition. ISBN 978-0-262-01889-0
Programming Multi-Agent Systems in AgentSpeak using Jason. Rafael H.
Bordini, Jomi Fred Hübner, Michael Wooldridge. John Wiley and Sons, 2007.
ISBN: 978-0-470-02900-8
Multiagent Systems: Algorithmic, Game-Theoretic and Logical Fundations.
Yoav Shoham and Kevin Leyton-Brown. Cambridge University Press 2009. ISBN
9780521899437
Principles of Automated Negotitation. Shaheen Fatima, Sarit Kraus,
Michael Wooldrige. Cambridge University Press, 2014. ISBN: 9781107002548
Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios. Para su plena validez debe estar sellado por la Secretaría de Estudiantes UIMP.
Descripción no definida
Anual
Créditos ECTS: 4,5
Botti Navarro, Vicente
Catedrático de Ciencias de la Computación e Inteligencia Artificial
Universidad Politécnica de Valencia
Ossowski , Dirk Sascha
Catedrático de Ciencias de la Computación e Inteligencia Artificial
Universidad Rey Juan Carlos de Madrid
Sierra García, Carles
Profesor de Investigación
Instituto de Investigación en Inteligencia Artificial (IIIA)
Consejo Superior de Investigaciones Científicas (CSIC)