Modelo de toma de decisiones y aprendizaje en sistemas multi-agente

Giráldez Betrón, José Ignacio (1999). Modelo de toma de decisiones y aprendizaje en sistemas multi-agente. Tesis (Doctoral), Facultad de Informática (UPM) [antigua denominación].

Descripción

Título: Modelo de toma de decisiones y aprendizaje en sistemas multi-agente
Autor/es:
  • Giráldez Betrón, José Ignacio
Director/es:
  • Borrajo Millán, Daniel
Tipo de Documento: Tesis (Doctoral)
Fecha: 1999
Materias:
Escuela: Facultad de Informática (UPM) [antigua denominación]
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (5MB) | Vista Previa

Resumen

Cuando se dispone de diversos sistemas que resuelven un mismo problema de decisión con distinta calidad de resultados, puede surgir la inquietud de agruparlos en otro sistema complejo con la intención de obtener resultados colectivos de mayor calidad que los individuales. En este trabajo se presenta el modelo IAO (del inglés Intelligent Agent Organization) de Sistema de Decisión MultiAgente (SDMA) que permite esta integración de sistemas de toma de decisión autónomos, y que consta de: una arquitectura, un modelo de agente, un lenguaje de comunicación entre agentes, un algoritmo de toma de decisión distribuida y un algoritmo de aprendizaje de regiones de competencia. El modelo contempla cuatro tipos de agente componentes del (SDMA). El árbitro es un agente que se encarga del control de la ejecución del algoritmo de toma de decisión distribuida y de la interacción con el exterior del sistema. Los agentes trabajadores resuelven problemas del dominio de aplicación. Los agentes consejeros aconsejan sobre qué agente trabajador es el que, en función del modelo de competencias vigente, se espera que proporcione una solución de mayor calidad para un problema concreto. El agente entrenador genera automáticamente problemas de complejidad parametrizada que sirven de entrenamiento al (SDMA). Las decisiones se toman como consecuencia de, primero una consulta a los agentes trabajadores y consejeros, y después una resolución de los posibles conflictos que pudieran surgir. Las competencias de los agentes trabajadores son aprendidas por los agentes consejeros, que luego utilizan este conocimiento para aconsejar a los agentes que se lo soliciten. .El modelo se ha probado experimentalmente en dos aplicaciones. En una, la aplicación EICAP (del inglés Environmentally Induced CAncer Prevention), se resuelve un problema de desenlace inmediato, mientras que en la otra, DAMAS, se resuelve un problema de desenlace pospuesto. Los resultados obtenidos de ambas aplicaciones muestran que, bajo ciertas condiciones, la calidad de los resultados de los (SDMA) superan la de cualquiera de sus componentes.

Más información

ID de Registro: 1255
Identificador DC: http://oa.upm.es/1255/
Identificador OAI: oai:oa.upm.es:1255
Depositado por: Archivo Digital UPM
Depositado el: 05 Dic 2008
Ultima Modificación: 20 Abr 2016 06:45
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM