Examinando por Materia "SISTEMAS MULTIAGENTES"
Mostrando 1 - 4 de 4
Resultados por página
Opciones de ordenación
Tesis de doctorado Contribución al estudio de la ingeniería inversa de comportamientos emergentes en sistemas multi-agente(c2012) Parpaglione, María Cristina; Santos, Juan Miguel"Cada vez que se necesita resolver un problema utilizando un sistema multi-agente se deben responder dos preguntas respecto de los agentes involucrados en el mismo: 1. ¿Qué capacidad de censado debe tener cada uno de ellos? 2. ¿Qué acciones individuales debe tener cada agente para resolver el problema de manera eficiente? Responder cada una de estas preguntas es una tarea difícil cuando se esta resolviendo un problema. Cuando se conocen la capacidad de censado y los comportamientos, el problema a ser resuelto es solamente uno de los posibles comportamientos emergentes del sistema multi-agente en cuestión. El propósito de esta tesis es encontrar un método que permita descubrir cual es la respuesta a cada una de las preguntas anteriores, en orden de obtener un comportamiento emergente dado. Es decir, poder resolver un problema con un grupo de agentes simples con muy baja comunicación entre ellos. Para alcanzar este objetivo, la capacidad de censado de cada agente es modelada con una función parametrizable, encontrando el valor de estos parámetros usando una técnica de optimización, tal como Algoritmos Genéticos. Después de obtener estos valores, cada agente es entrenado utilizando Aprendizaje por Refuerzo para obtener los apropiados comportamientos individuales. Esta tesis propone un método para obtener tanto la capacidad de censado como los comportamientos que debe tener cada agente en un enjambre para alcanzar el comportamiento emergente deseado, dentro del grupo de problemas de formación de patrones. Es decir, resolver esta clase de problema utilizando el paradigma ant-robotic."Ponencia en Congreso Discovering sensing capability in multi-agent systems(2010) Parpaglione, María Cristina; Santos, Juan Miguel"What should be the sensing capabilities of agents in a Multi-Agent System be to solve a problem efficiently, quickly and economicly? This question often appears when trying to solve a problem using Multi-Agent Systems. This paper introduces a method to find these sensing capabilities in order to solve a given problem. To achieve this, the sensing capability of an agent is modeled by a parametrized function and then Genetic Algorithms are used to find the parameters’ values. The individual behavior of the agents are found with Reinforcement Learning."Proyecto final de Grado Drones bomberos: combate automatizado de incendios forestales con drones(2021-05-31) Camisay, Santiago; Ramele, Rodrigo"Este trabajo describe el desarrollo de un simulador de enjambres de drones bomberos y tanques proveedores de agua que extinguen incendios forestales. Este proyecto determina y evalúa las interacciones de las tres partes que componen el sistema (drones, fuegos y tanques) y su impacto en el proceso de extinción."Ponencia en Congreso Learning by knowledge sharing in autonomous intelligent systems(2006) García Martínez, Ramón; Borrajo, Daniel; Maceri, Pablo; Britos, Paola Verónica"Very few learning systems applied to problem solving have focused on learning operator definitions from the interaction with a completely unknown environment. In order to achieve better learning convergence, several agents that learn separately are allowed to interchange each learned set of planning operators. Learning is achieved by establishing plans, executing those plans in the environment, analyzing the results of the execution, and combining new evidence with prior evidence. Operators are generated incrementally by combining rote learning, induction, and a variant of reinforcement learning. The results show how allowing the communication among individual learning (and planning) agents provides a much better percentage of successful plans, plus an improved convergence rate than the individual agents alone."