Sistemas Multiagente

Código:

PRODEI012

Sigla:

SMA

Áreas Científicas
Classificação	Área Científica
OFICIAL	Sistemas Inteligentes

Ocorrência: 2020/2021 - 1S

Ativa?	Sim
Página Web:	http://paginas.fe.up.pt/~eol/SMA/sma.html
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Programa Doutoral em Engenharia Informática

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
PRODEI	10	Plano de estudos Oficial	1	-	6	28	162

Língua de trabalho

Inglês

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 computação baseada em agentes, explorando, por um lado, a modelação e simulação de sistemas complexos baseadas em agentes computacionais, e também o desenvolvimento de aplicações de agentes inteligentes e de sistemas multi-agente com capacidade de adaptação.
A Programação e a Engenharia de Software Orientada a Agentes são apresentadas como uma nova metáfora para a descrição e programação de sistemas computacionais distribuídos. 

Os conhecimentos adquiridos serão consolidados através da utilização de ferramentas de software apropriadas, com as quais os estudantes são incentivados a elaborar pequenos projetos de desenvolvimento. O objetivo principal é que os estudantes saibam especificar e implementar sistemas complexos, adaptativos, distribuídos e descentralizados usando o paradigma dos sistemas multi-agente.

Resultados de aprendizagem e competências

No final da unidade curricular, os estudantes deverão ser capazes de:

• Modelar sistemas complexos recorrendo a agentes computacionais
• Projetar sistemas distribuídos e descentralizados seguindo o paradigma dos sistemas multi-agente
• Desenvolver agentes de software inteligentes, seguindo diferentes arquiteturas
• Avaliar a execução de uma simulação baseada em agentes ou de um sistema multi-agente distribuído
• Desenvolver sistemas multi-agente com mecanismos de adaptabilidade

Modo de trabalho

Presencial

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

É útil o conhecimento de técnicas de Inteligência Artificial

Programa

1. Computação baseada em agentes

• Objetivos e enquadramento
• Simulação baseada em agentes vs sistemas multi-agente
• Ferramentas para desenvolvimento de sistemas multiagente e para simulação baseada em agentes: JADE e Repast

2. Agentes inteligentes

• Definições
• Agentes e ambientes
• Tipos básicos de agentes
• Arquiteturas de agentes. Raciocício dedutivo. Raciocínio prático: agentes BDI. Agentes reativos: arquitetura de subsumpção.

3. Sistemas multi-agente

• Definições
• Comunicação. Atos de discurso. ACL. Standards FIPA. Protocolos de interação. JADE.
• Engenharia de Software Orientada a Agentes

4. Tomada de decisão multiagente

• Teoria de jogos. Utilidades e preferências. Estratégias dominantes. Equilíbrio de Nash. Ótimo de Pareto. Incerteza. Jogos cooperativos.
• Desenho de mecanismos. Teoria da escolha social.
• Leilões. Protocolos de leilão. Leilões combinatórios. Leilões duplos.
• Negociação. Attributos da negociação. Táticas de negociação:tempo e comportamento. Negociação para alocação de tarefas. Acordos e utilidades. Acordos Pareto-ótimos e individualmente racionais. Protocolo de concessão monótona. Negociação na alocação de recursos.

5. Introdução à simulação baseada em agentes

7. Aprendizagem por reforço

• Agentes com aprendizagem.
• Aprendizagem por reforço. Funções de reforço e valor. Processos de decisão de Markov. Tarefas episódicas e contínuas. Aprendizagem por diferença temporal. Q-learning.
• Deep reinforcement learning

Bibliografia Obrigatória

Michael Wooldridge; An introduction to multiagent systems. ISBN: 978-0-470-51946-2 (2nd Edition)

Bibliografia Complementar

Yoav Shoham; Multiagent systems. ISBN: 978-0-521-89943-7
Stuart Russel, Peter Norvig; Artificial Intelligence: A modern Approach.
Richard S. Sutton, Andrew G. Barto; Reinforcement Learning: An Introduction, A Bradford Book, 2018. ISBN: 978-0262039246 (2nd Edition)

Observações Bibliográficas

Apontamentos do docente da cadeira estão disponíveis. Artigos selecionados serão fornecidos para os capítulos mais avançados. Notes published by the instructor are available. Specific scientific papers can be provided for the most advanced topics.

Métodos de ensino e atividades de aprendizagem

Exposição com interação nas aulas. 
Acompanhamento da realização de um projeto. Aprendizagem orientada por projetos.

Software

REPAST
JADE

Palavras Chave

Ciências Físicas > Ciência de computadores > Arquitectura de computadores > Computação distribuída
Ciências Tecnológicas > Tecnologia > Tecnologia da informação
Ciências Físicas > Ciência de computadores > Cibernética > Inteligência artificial

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho laboratorial	70,00
Trabalho escrito	30,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	28,00
Elaboração de relatório/dissertação/tese	20,00
Frequência das aulas	28,00
Trabalho de investigação	36,00
Trabalho laboratorial	50,00
Total:	162,00

Obtenção de frequência

Um aluno inscrito obtém frequência se cumprir a assiduidade às aulas teórico-práticas (máximo de faltas permitido corresponde a 25% das aulas previstas).

Fórmula de cálculo da classificação final

A Avaliação Distribuída inclui:

• apresentação intermédia de um projeto individual ou em grupo: 20%
• implementação de um projecto individual ou em grupo: 50%
• escrita de um artigo científico relativo ao projecto: 30%

A obtenção de aprovação implica nota >=35% em cada uma das componentes indicadas acima.

Provas e trabalhos especiais

Avaliação inclui:

• implementação de um projecto individual ou em grupo: 70%


• escrita de um artigo científico relativo ao projecto: 30%

A obtenção de aprovação implica nota >=35% em cada uma das componentes indicadas acima.

Avaliação especial (TE, DA, ...)

Os estudantes inscritos ao abrigo de regimes especiais devem efectuar todos os pontos de avaliação.

A avaliação dos estudantes em exame de época especial obdece às mesmas ponderações e regras da avaliação em época normal.

Melhoria de classificação

A melhoria de classificação é realizada na edição seguinte da unidade curricular.