Sistema multiagente

A Sistema multiagente ()MAS o "sistema autoorganizado") es un sistema computarizado compuesto por múltiples agentes inteligentes interactuando. Los sistemas multiagent pueden resolver problemas que son difíciles o imposibles para un agente individual o un sistema monolítico para resolver. La inteligencia puede incluir enfoques metódicos, funcionales, de procedimiento, búsqueda algoritmo o aprendizaje de refuerzo.

A pesar de la considerable superposición, un sistema multiagente no siempre es lo mismo que un modelo basado en agentes (ABM). El objetivo de un ABM es buscar una visión explicativa del comportamiento colectivo de los agentes (que no necesariamente tienen que ser "inteligentes") que obedecen reglas simples, típicamente en sistemas naturales, en lugar de resolver problemas. problemas prácticos o de ingeniería específicos. La terminología de ABM tiende a usarse con más frecuencia en ciencia y MAS en ingeniería y tecnología. Las aplicaciones en las que la investigación de sistemas multiagente puede ofrecer un enfoque adecuado incluyen el comercio en línea, la respuesta a desastres, la vigilancia de objetivos y el modelado de estructuras sociales.

Concepto

Los sistemas multiagente constan de agentes y su entorno. Normalmente, la investigación de sistemas multiagente se refiere a agentes de software. Sin embargo, los agentes en un sistema multiagente podrían ser igualmente robots, humanos o equipos humanos. Un sistema de múltiples agentes puede contener equipos combinados de agentes humanos.

Los agentes se pueden dividir en tipos que van desde simples hasta complejos. Las categorías incluyen:

• Agentes pasivos o "agentes sin metas" (como obstáculo, manzana o clave en cualquier simulación simple)
• Agentes activos con metas simples (como pájaros en el rebaño, o lobo – ovejas en modelo depredador de presas)
• Agentes cognitivos (cálculos complejos)

Los entornos de agentes se pueden dividir en:

• Virtual
• Discreta
• Continua

Los entornos de los agentes también se pueden organizar según propiedades como la accesibilidad (si es posible recopilar información completa sobre el entorno), el determinismo (si una acción causa un efecto definido), la dinámica (cuántas entidades influyen en el entorno en el entorno). momento), discreción (si el número de acciones posibles en el entorno es finito), episodicidad (si las acciones del agente en ciertos períodos de tiempo influyen en otros períodos) y dimensionalidad (si las características espaciales son factores importantes del entorno y el agente considera el espacio en su toma de decisiones). Las acciones de los agentes suelen estar mediadas por un middleware adecuado. Este middleware ofrece una abstracción de diseño de primera clase para sistemas multiagente, proporcionando medios para gobernar el acceso a los recursos y la coordinación de los agentes.

Características

Los agentes en un sistema multiagente tienen varias características importantes:

• Autonomía: agentes al menos parcialmente independientes, autoconocidos, autónomos
• Vistas locales: ningún agente tiene una visión global completa, o el sistema es demasiado complejo para que un agente explota ese conocimiento
• Descentralización: ningún agente es designado como controlador (o el sistema se reduce efectivamente a un sistema monolítico)

Autoorganización y autodirección

Los sistemas multiagentes pueden manifestar la autoorganización, así como la autodirección y otros paradigmas de control y comportamientos complejos relacionados incluso cuando las estrategias individuales de todos sus agentes son simples. Cuando los agentes pueden compartir conocimientos utilizando cualquier idioma acordado, dentro de las limitaciones del protocolo de comunicación del sistema, el enfoque puede conducir a una mejora común. Los idiomas de ejemplo son Lenguaje de Manipulación de Consultas de Conocimiento (KQML) o Lenguaje de Comunicación de Agentes (ACL).

Paradigmas del sistema

Muchos MAS se implementan en simulaciones por computadora, haciendo avanzar el sistema a través de "pasos de tiempo" discretos. Los componentes MAS se comunican normalmente utilizando una matriz de solicitud ponderada, p.

 Speed-VERY_IMPORTANTE: min=45 mph,
Longitud del camino-MEDIUM_IMPORTANCE: max=60 esperadoMax=40,
Max-Weight-UNIMPORTANTE
Prioridad del contrato-REGULAR

y una matriz de respuesta ponderada, p.e.

 Speed-min:50 pero sólo si el tiempo soleado,
Longitud del camino:25 para soleado / 46 para la lluvia
Prioridad del contrato-REGULAR
nota – la ambulancia anulará esta prioridad y tendrá que esperar

Un esquema de contrato de desafío-respuesta es común en los sistemas MAS, donde

• Primera "¿Quién puede?" se distribuye la cuestión.
• Sólo los componentes pertinentes responden: "Puedo, a este precio".
• Por último, se establece un contrato, generalmente en varios pasos cortos de comunicación entre las partes,

considerando también otros componentes, la evolución de los "contratos" y los conjuntos de restricciones de los algoritmos componentes.

Otro paradigma comúnmente utilizado con MAS es la "feromona", donde los componentes dejan información para otros componentes cercanos. Estas feromonas pueden evaporarse/concentrarse con el tiempo, es decir, sus valores pueden disminuir (o aumentar).

Propiedades

Los MAS tienden a encontrar la mejor solución a sus problemas sin intervención. Aquí hay una gran similitud con los fenómenos físicos, como la minimización de energía, donde los objetos físicos tienden a alcanzar la energía más baja posible dentro del mundo físicamente limitado. Por ejemplo: muchos de los coches que entran en una metrópoli por la mañana estarán disponibles para salir de esa misma metrópoli por la tarde.

Los sistemas también tienden a evitar la propagación de fallas, autorrecuperarse y ser tolerantes a fallas, principalmente debido a la redundancia de componentes.

Investigación

El estudio de los sistemas multiagente "se ocupa del desarrollo y análisis de sofisticadas arquitecturas de control y resolución de problemas de IA para sistemas de un solo agente y de múltiples agentes". Los temas de investigación incluyen:

• ingeniería de software orientada al agente
• creencias, deseos e intenciones (BDI)
• cooperación y coordinación
• optimización de restricciones distribuidas (DCOPs)
• organización
• comunicación
• negociación
• solución de problemas
• aprendizaje multiagente
• Agente minero
• comunidades científicas (por ejemplo, sobre el rebaño biológico, la evolución del lenguaje y la economía)
• fiabilidad y tolerancia a la falla
• robótica, sistemas multirobot (MRS), clusters robóticos
• Los sistemas multiagentes también presentan posibles aplicaciones en microrobotics, donde se explota la interacción física entre los agentes para realizar tareas complejas como la manipulación y montaje de componentes pasivos.

Marcos

Han surgido marcos que implementan estándares comunes (como los estándares FIPA y OMG MASIF). Estos marcos, p. JADE, ahorra tiempo y ayuda en la estandarización del desarrollo de MAS.

Sin embargo, actualmente no se mantiene activamente ningún estándar de FIPA u OMG. Los esfuerzos para un mayor desarrollo de agentes de software en el contexto industrial se llevan a cabo en el comité técnico de IEEE IES sobre Agentes Industriales.

Aplicaciones

Los MAS no sólo se han aplicado en la investigación académica, sino también en la industria. Los MAS se aplican en el mundo real a aplicaciones gráficas como juegos de computadora. Los sistemas de agentes se han utilizado en películas. Se recomienda ampliamente su uso en redes y tecnologías móviles, para lograr un equilibrio de carga automático y dinámico, alta escalabilidad y redes con capacidad de recuperación automática. Se están utilizando para sistemas de defensa coordinados.

Otras aplicaciones incluyen transporte, logística, gráficos, fabricación, sistemas de energía, redes inteligentes y SIG.

Además, la Inteligencia Artificial de Sistemas Multiagente (MAAI) se utiliza para simular sociedades, siendo de ayuda en los campos del clima, energía, epidemiología, gestión de conflictos, abuso infantil,.... Algunas organizaciones trabajan en el uso Los modelos de sistemas multiagente incluyen el Centro de Modelado de Sistemas Sociales, el Centro de Investigación en Simulación Social, el Centro de Modelado de Políticas, la Sociedad Internacional de Modelado y Simulación.

El tráfico de vehículos con vehículos autónomos controlados se puede modelar como un sistema multiagente que involucra dinámicas de multitudes. Hallerbach et al. discutió la aplicación de enfoques basados en agentes para el desarrollo y validación de sistemas de conducción automatizados a través de un gemelo digital del vehículo bajo prueba y una simulación microscópica del tráfico basada en agentes independientes. Waymo ha creado el entorno de simulación multiagente Carcraft para probar algoritmos para vehículos autónomos. Simula las interacciones de tráfico entre conductores humanos, peatones y vehículos automatizados. El comportamiento de las personas es imitado por agentes artificiales basados en datos del comportamiento humano real.