1 / 18

BDI Agents From Theory to Practice

BDI Agents From Theory to Practice. Anand S. Rao & Michael P. Georgeff Australian Artificial Intelligence Institute April , 1995. Miguel García-Serrano González 20/10/2009. Índice. 1. Introduction 2. The System and its Environment 3. Decision Trees to Possible Worlds

gad
Download Presentation

BDI Agents From Theory to Practice

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. BDI AgentsFromTheorytoPractice Anand S. Rao & Michael P. Georgeff Australian Artificial IntelligenceInstitute April, 1995 Miguel García-Serrano González 20/10/2009

  2. Índice 1. Introduction 2. TheSystem and itsEnvironment 3. DecisionTreestoPossibleWorlds 4. BDI Logics 5. AbstractArchitecture 6. Applications

  3. 1. Introduction • Problemas con un alto nivel de control y gestión en entornos dinámicos complejos son cada vez más frecuentes: • Redes de telecomunicaciones • Procesos de negocio • Sistemas de control de tráfico aéreo • Etc.

  4. 1. Introduction • Difícilmente implementables con la Ing. SW. tradicional: • Necesario descomponer el problema en un conjunto múltiple de componentes (agentes) independientes, con capacidad de interactuar de forma dinámica e imprevista. • Necesaria regulación de interacciones (mecanismos organizativos y sociales). • No se piensa en objetos y métodos, sino en agentes y objetivos.

  5. 1. Introduction • Otros problemas inherentes a la IS: • No pueden predecirse todas las posibles interacciones entre agentes en tiempo de diseño. • Implementación de mecanismos que permitan la toma de decisiones en tiempo de diseño. • Descomposición del sistema complejo en funciones/acciones/procesos en vez de datos/objetos. • Conllevaría gran dificultad (y coste) construir, verificar y mantener el sistema sin metodología de agentes.

  6. 1. Introduction • Gran trabajo realizado en la formalización e implementación de agentes BDI: • ¿Optimalidad de estas tres actitudes? • ¿Utilidad práctica de la lógica BDI?

  7. 2. TheSystem and itsEnvironment • Arquitectura BDI es muy apropiada para agentes en entornos reales complejos y muy dinámicos • E.g., cálculo del ETA de aeronaves y su ordenación de acuerdo a complejos criterios. • Justificación de las tres actitudes en dicho problema. • El ejemplo propuesto propicia la adecuación de las tres actitudes (BDI) y sólo esas tres.

  8. 2. TheSystem and itsEnvironment • ¿Qué actitudes son apropiadas para representar agentes?

  9. 2. TheSystem and itsEnvironment • Informationattitudes: Información del agente sobre el entorno que ocupa. • Pro-attitudes: Actitudes que guían las acciones del agente. • Un agente debe estar representado por: • Al menos una informationattitude. • Al menos una pro-attitude.

  10. 2. TheSystem and itsEnvironment • ¿Qué combinación de actitudes es la más apropiada? Asunto polémico: • Investigadores en planificación y teoría de decisión clásica: B, D e I son demasiadas actitudes. • Investigadores en sociología e IA distribuida: La deliberación en agentes no puede conseguirse sólo con estas tres.

  11. 3. DecisionTreestoPossibleWorlds • Base teórica para describir de forma proposicional creencias, deseos e intenciones. • Uso de árboles de decisión: • Chance Nodes: Cambios no controlados del entorno. • ChoiceNodes: Acciones del sistema. • Según sus creencias existen N mundos posibles. • Para éstos, pueden existir un número arbitrario de mundo deseables. • Cada uno de ellos tendrá una ruta que podrá seguir intencionalmente.

  12. 3. DecisionTreestoPossibleWorlds • Coste computacional elevado. • Memoria y procesamiento. • Agentes complejos podrían requerir: • Gran número de árboles. • Árboles de gran tamaño. • Sistemas multiagentes complejos pueden estar compuestos por decenas de agentes.

  13. 4. BDI Logics • Si estimación de probabilidades y recompensas no puede estimarse con exactitud: • Lógica BDI  Lógica está fundamentada. • Reducimos sus posibles valores a 0 ó 1. • La utilidad de las lógicas BDI se ha puesto en entredicho: poca relevancia desde el punto de vista práctico. • Pobre definición de preferencias • Rango de valores dicotómico. • Coste de implementación.

  14. 5. AbstractArchitecture • Idealización teórica: • Difícil implementación. • Métodos no satisfacen demandas de tiempo real.

  15. 5. AbstractArchitecture • Idealización teórica: • Difícil implementación. • Métodos no satisfacen demandas de tiempo real. • Idea: desarrollar simplificaciones • ProceduralReasoningSystem (PRS) • DistributedMulti-AgentReasoningSystems (dMARS) • Debido a las simplificaciones, las implementaciones carecen de base teórica.

  16. 6. Applications • Gestión tráfico aéreo es un problema complejo. • Arquitectura Reactiva no apropiada: • Información local insuficiente para cumplir los objetivos del problema. • Dificultad para construir agentes con comportamientos altamente complejos (gran cantidad de acciones posibles y percepciones). • Dificultad para construir con AR un problema con objetivos concretos. • Arquitectura Deliberativa: • Problema que implica un razonamiento y/o planificación a medio y largo plazo.

  17. 6. Applications • Los agentes entran en conflicto por la existencia de recursos limitados (tiempo): • Han de coordinarse. • Posibilidades de coordinación: • Directa • A través de mediador • Sistemas federados • Objetivo de la coordinación: evitar conflictos entre agentes y mejorar el rendimiento global.

  18. Turno de Preguntas

More Related