Agentes e Inteligência Artificial Distribuída

Código:

EIC0033

Sigla:

AIAD

Áreas Científicas
Classificação	Área Científica
OFICIAL	Inteligência Artificial

Ocorrência: 2017/2018 - 1S

Ativa?	Sim
Página Web:	http://paginas.fe.up.pt/~eol/AIAD/aiad1718_i.html
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Mestrado Integrado em Engenharia Informática e Computação

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MIEIC	140	Plano de estudos a partir de 2009/10	4	-	6	56	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

A unidade curricular assume-se como de Engenharia (evidenciando apenas a teoria essencial para se entender as aplicações práticas) e proporciona uma perspetiva global das técnicas associadas à especificação e desenvolvimento de Agentes computacionais bem como realça a sua relevância prática apresentando exemplos de aplicação.

A Programação Orientada a Agentes é apresentada como uma nova metáfora para a descrição e programação de sistemas computacionais distribuídos. Os conhecimentos sobre Agentes e Sistemas Multi-Agente são apreendidos quer usando formalismos lógicos quer através da utilização de ferramentas de software. Para consolidar os conhecimentos ministrados nas aulas teóricas incentiva-se a realização de pequenos projetos, apoiados nas aulas práticas, ilustrativos dos tópicos abordados na disciplina. O OBJETIVO principal é, assim, que os estudantes saibam especificar e implementar sistemas distribuídos e descentralizados usando o paradigma dos Sistemas Multi-Agente.

Resultados de aprendizagem e competências

No final da unidade curricular, o estudante deverá apresentar competência para:

• Conhecer a especificidade dos Agentes de software

 

• Reconhecer e caracterizar as classes de problemas mais adequados à utilizaçao de Agentes e Sistemas Multi-Agente

 

• Especificar, através de formalismos lógicos, comportamentos dos Agentes

 

• Explorar ferramentas de construção de Agentes e Sistemas Multi-Agente

 

• Definir e incluir estratégias de decisão inteligente em Agentes de Software.

 

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

É útil o conhecimento de técnicas de Inteligência Artificial.

Programa

1. A Inteligência Artificial Distribuída e Sistemas Multi-Agente

• Objetivos e Enquadramento

2. Agentes

• Definições, Arquiteturas básicas

• Representação de Conhecimento e Lógicas para Agentes.

• Arquiteturas avançadas. Subsumpção e Agentes reativos; Tipo mentalista e Agentes Deliberativos

• Agentes com Aprendizagem. Aprendizagem por reforço; Aprendizagem não supervisionada

3. Interação em SMA

• Coordenação e Cooperação. Estratégias de Cooperação; Conhecimento para a Cooperação

• Suporte da Comunicação. Linguagens de comunicação KQML e ACL; Ontologias: conceitos, linguagens (XML, RDF), ferramentas; Plataformas de comunicação: (JATLite), JADE, Brahms o Mobilidade de Agentes (AGLETS)

4. Engenharia de Software orientada a Agentes. Aperfeiçoamento da Metodologia GAIA

5. Negociação entre Agentes

• Protocolos Rede Contratual e baseados no mercado

• Comércio Eletrónico. Leilões Abertos e fechados; SMA e Mercados Eletrónicos; Estratégias de Aprendizagem

• Teoria do Jogo e Domínios de Negociação. Conceitos da Economia; Caracterização de domínios de Negociação: TOD e WOD

• Técnicas de Negociação e Teoria do Jogo. Planeamento Conjunto de Agentes; Acordos, Coligações e Utilidade

• Argumentação e Sistemas de Diálogo

• Modelos Computacionais de "Confiança" (Trust) em Redes de Agentes

6. Arquiteturas de Agentes baseados em Emoções

• Lógica EBDI

7. Exemplos de Aplicação de SMA

• Modelo ARCHON

• Aplicação à gestão de recursos (MACIV)

• Sistema Distribuído de Manutenção da Coerência

• Instituição Eletrónica - ForEV

• E-Brokering - BIAS

Bibliografia Obrigatória

Eugénio Oliveira ; 'Cópias dos quadros tópicos das Aulas',
Michael Wooldridge; An introduction to multiagent systems. ISBN: 978-0-470-51946-2 (2nd Edition, 2009)

Bibliografia Complementar

Eds.M.Luck et al; Multi-Agent Systems and Applications, Springer, 2001
S. Russel and P. Norvig; 'Artificial Intelligence: A Modern Approach', Prentice Hall, 2003

Métodos de ensino e atividades de aprendizagem

Exposição com Interação nas aulas teóricas. Ensino de métodos de Implementação de Aplicações (uso de ferramentas de especificação e de plataformas de comunicação). Acompanhamento da realização dos Trabalhos distribuídos para o semestre, nas aulas práticas. Exigência de relatório intercalar e final dos trabalhos. Aprendizagem orientada por Projeto.

Software

Plataforma de Sistemas Multi-Agente JADE
Ambiente de Simulação REPAST
Plataforma JADEX

Palavras Chave

Ciências Tecnológicas > Engenharia > Engenharia do conhecimento

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	50,00
Participação presencial	5,00
Trabalho escrito	25,00
Trabalho laboratorial	20,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	44,00
Frequência das aulas	56,00
Trabalho laboratorial	62,00
Total:	162,00

Obtenção de frequência

Não exceder o número limite de faltas (máximo de faltas permitido corresponde a 25% das aulas TP previstas) e obter nota >= 35% na avaliação distribuída (AD)

Fórmula de cálculo da classificação final

CF (classificação final) = 0.5*CD + 0.5*CE

CE : Classificação do Exame (com consulta a material impresso do próprio)

CD : Classificação Distribuída, inclui:

- Relatório Intercalar com demonstração: 15%

- Relatório Final: 10%

- Desenvolvimento do projecto e apresentação: 20%

- Participação nas aulas: 5%

A aprovação implica obtenção de nota >= 35% em cada uma das duas componentes de avaliação, classificação distribuída (CD) e exame (CE).

Provas e trabalhos especiais

A avaliação dos estudantes em exame de época especial é composta por: realização de um trabalho prático e respetivo relatório (CT) (peso=50%), e realização de exame (CE) (peso=50%).

A aprovação implica a necessidade de nota >=35% em qualquer uma das parcelas de avaliação (CT e CE).

Avaliação especial (TE, DA, ...)

A classificação distribuída é para todos os estudantes, independentemente do seu regime de inscrição. Os estudantes inscritos ao abrigo de regimes especiais sem frequência de aulas práticas devem acordar com os docentes o trabalho a realizar e as datas de avaliação (intercalar e final). Estes estudantes não estão sujeitos à componente de avaliação "Participação nas aulas"

Melhoria de classificação

melhoria do exame E/OU melhoria de trabalho