Sistemas Multi-agentes & CSCW
David Camacho Fernández Departamento de Ingeniería Informática EPS, Universidad Autónoma de Madrid
Programa de Doctorado en Ingeniería Informática y de Telecomunicación
Sistemas Colaborativos
2
Índice
1.
Agentes Inteligentes
2.
Sistemas Multiagente
3.
Estándares
4.
Sistemas Multiagente & CSCW
Agentes Inteligentes
Índice
1. Un poco de historia
2. Conceptos básicos de agentes
3. Arquitecturas de agentes:
Lógicas vs Deliberativas vs Reactivas vs Híbridas
Agentes Inteligentes
Origen de las tecnologías de agentes:
Tecnología de Objetos (software)
Inteligencia Artificial
Sistemas Distribuidos (computación)
Sociedades, Psicología
...
5
Agentes Inteligentes
Tecnología de Objetos
Mensajes entre objetos
Encapsulamiento, independencia
Clases, herencia
6
Agentes Inteligentes
Inteligencia Artificial
Conocimiento (representación del mundo)
Razonamiento
Aprendizaje
Enfoque de agente:
)Sensores
)Proceso inteligente
)Efectores
7
Agentes Inteligentes
Sistemas Distribuidos
Distribución de datos y procesos
Conectividad, Redes, Protocolos
Interoperabilidad
Internet
8
Agentes Inteligentes
Sociedades, Psicología
Historias de hormigas y abejas
Interacciones entre humanos, roles
Conductismo, Gestalt, Cognitivismo
9
Agentes Inteligentes
¿Qué es un agente?
Proceso de larga vida (permanente)
Independencia, autonomía
Inteligencia
10
Agentes Inteligentes
Definiciones de agente
Entidad “activa” situada en algún entorno:
Perciveinformación a través de sensores
Actuasobre el entorno con algún tipo de
“actuador” (effectors)
Transformalas percepciones en acciones
Realiza algún tipo de tarera que le permite alcanzar sus objetivos
Agentes Inteligentes
Definiciones de agente
percepciones
acciones
entorno
Agentes Inteligentes
Definiciones de agente
Un agente es un sistema informático, situado en algún entorno, que percibe el entorno (entradas sensibles de su entorno) y a partir de tales percepciones determina (mediante técnicas de resolución de problemas) y ejecuta acciones (de forma autónoma y flexible) que le permiten alcanzar sus objetivos y que pueden cambiar el entorno
13
Agentes Inteligentes
Definiciones de agente
No existe una definición comúnmente aceptada
Wooldridge:
Cualquier proceso computacional dirigido por un conjunto de objetivoscapaz de interaccionar con su entorno de forma flexible y robusta
Flexibilidad: Reactivo, proactivo, social
14
Agentes Inteligentes
Clasificación de los agentes
Agentes Naturales
Seres vivos, entorno natural
Medidas: supervivencia, reproducción
Agentes Artificiales
Agentes Hardware(robots)
)entorno: interactúan con un entrono físico
)sensores: camaras, infrarrojos, etc.
)actuadores: ruedas/brazos, manipuladores, etc.
Agentes Software(softbots)
)entorno: de tipo electrónico (Internet)
)sensores/actuadores: dependientes del dominio
15
Agentes Inteligentes
Características básicas de un agente
Autonomía: capacidad de actuar sin intervención humana directa o de otros agentes
Sociabilidad: capacidad de interaccionar con otros agentes, utilizando como medio algún lenguaje de comunicación entre agentes
Reactividad: un agente está inmerso en un determinado entorno (habitat), del que percibe estímulos y ante los que debe reaccionar en un tiempo preestablecido
16
Agentes Inteligentes
Características básicas de un agente
Iniciativa(proactividad): un agente no sólo debe reaccionar a los cambios que se produzcan en su entorno, sino que tiene que tener un carácter emprendedor y tomar la iniciativa para actuar guiado por los objetivos que debe de satisfacer
Movilidad: habilidad de trasladarse en una red de comunicación informática
17
Agentes Inteligentes
Características básicas de un agente
Veracidad: no comunica información falsa intencionadamente
Benevolencia: no tiene objetivos contradictorios y siempre intenta realizar la tarea que se le solicita
Racionalidad: tiene unos objetivos específicos y siempre intenta llevarlos a cabo
Otras???
18
Agentes Inteligentes
¿QuéNOes un agente?
Agente vs. Objetos
Agente como sucesor del paradigma de objetos (Jennings)
Objeto: No tiene control sobre su estado interno
Agentes Inteligentes
¿QuéNOes un agente?
Agente vs. Objetos
Parunak [PAAM’99]:
)Un agente es:
• Un objeto con iniciativa
• Un objeto con actitud u orientación
• Un objeto que puede decir “No” (o “Adelante”)
• Un objeto pro-activo
Wooldridge [Weiss 1999]
)“Los objetos lo hacen gratis, los agentes lo hacen por dinero”
)(objects do it for free, agents do it for money).
Agentes Inteligentes
¿QuéNOes un agente?
Agente vs. Objetos
Algunas diferencias básicas:
)METAS: un agente puede mostrar un comportamiento “proactivo”
)CONCURRENCIA: un agente puede tener control sobre su propia ejecución
21
Agentes Inteligentes
Arquitecturas de agentes: 1ª clasificación
Acceso a los sensores y actuadores de las capas de control:
Horizontal Vertical
percepción
capa N
….
capa 3 capa 2 capa 1
acción
22
Agentes Inteligentes
Arquitecturas de agentes: 2ª clasificación
Tipo de procesamiento:
)Arquitecturas Basadas en la Lógica
)Arquitecturas Deliberativas
)Arquitecturas Reactivas
)Arquitecturas Híbridas
23
Agentes Inteligentes
Arquitecturas basadas en la Lógica
Representación de el estado interno según un conjunto de sentencias lógicas de primer orden
Reglas de deducción lógica para tomar decisiones
Ventajas:
)Representación clara y elegante
Desventajas:
)Complejidad temporal elevada
)Difícil encontrar una representación simbólica para entidades y
procesos del mundo real 24
Agentes Inteligentes
Arquitecturas deliberativas
Son aquellas arquitecturas que utilizan modelos de representación simbólica del conocimiento. Suelen estar basadas en la teoría clásica de planificación, donde existe un estado inicialde partida, un conjunto de planesy un estado objetivoa satisfacer
En estos sistemas parece aceptada la idea de que un agente contenga algún sistema de planificaciónque sea el encargado de determinar que paso debe de llevar a cabo para conseguir su objetivo
25
Agentes Inteligentes
Arquitecturas deliberativas
Por tanto un agente deliberativo (o con una arquitectura deliberativa) es aquel que contiene un modelo simbólicodel mundo, explícitamente representado, en donde las decisiones se toman utilizando
mecanismos de razonamiento lógicobasados en la concordancia de patrones y la manipulación simbólica
26
Agentes Inteligentes
Arquitecturas deliberativas
Arquitectura B.D.I.:
Creencias – B (Believes)
)Conocimiento del agente sobre el entorno
Deseos – D (Desires)
)Metas del agente
Intenciones – I (Intentions)
)Manejan y conducen a acciones dirigidas hacia las metas
)Persisten
)Influyen las creencias
Agentes Inteligentes
Arquitecturas deliberativas
Arquitectura B.D.I.:
Agentes Inteligentes
Arquitecturas deliberativas
Arquitectura B.D.I.:
Ventajas
)Modelo Intuitivo
Inconvenientes
)Difícil equilibrar una conducta del agente que tenga al mismo tiempo iniciativa y reactividad
29
Agentes Inteligentes
Arquitecturas reactivas
No incluye un modelo del mundo simbólico
No usa razonamiento simbólico complejo
Modelo Estímulo – Respuesta
Procesamiento Ascendente (bottom-up):
Patrones que se activan bajo ciertas condiciones de los sensores y tienen un efecto directo en los actuadores
Arquitecturas verticales
Estímulos externos procesados por capas
especializadas que responden con acciones y pueden inhibir las capas inferiores
30
Agentes Inteligentes
Arquitecturas reactivas
Las arquitecturas reactivas, se caracterizan por no tener como elemento central de razonamiento un modelo simbólico y por no utilizar razonamiento simbólico complejo (Brooks, 1991)
Un ejemplo típico de estas arquitecturas es la propuesta de Roodney Brooks, conocida como arquitectura de subsunción (Brooks, 1991)
31
Agentes Inteligentes
Arquitecturas reactivas
Principales Arquitecturas Reactivas:
Reglas Situadas
Arquitecturas de Subsunción y autómatas de estado finito
Tareas Competitivas
Redes Neuronales
32
Agentes Inteligentes
Arquitecturas reactivas
Ventajas:
)Respuesta inmediata del agente
)No problema de la representación simbólica
Inconvenientes:
)Difícil diseñar agentes puramente reactivos que puedan aprender de la experiencia
)Interacciones difíciles de entender en agentes con muchas conductas
33
Agentes Inteligentes
Arquitecturas híbridas
Para la construcción de agentes no es del todo acertado utilizar una arquitectura totalmente deliberativa, o totalmente reactiva, se han propuesto sistemas híbridos que pretenden combinar aspectos de ambos modelos
34
Agentes Inteligentes
Arquitecturas híbridas
Agentes formados por dos o más subsistemas
)Deliberativo:
• Modelo del mundo simbólico
• Determinar acciones a realizar para satisfacer los objetivos locales y cooperativos de los agentes (genera planes)
)Reactivo:
• Procesar los estímulos que no necesitan deliberación (centrado en reaccionar a los eventos que tengan lugar en el entorno y que no requiera un mecanismo de razonamiento Complejo)
Agentes Inteligentes
Arquitecturas híbridas
Capas organizadas jerárquicamente con información sobre el entorno
Diferentes niveles de abstracción:
)Reactivo
)Conocimiento
)Social
Comportamiento global del agente definido por la interacción entre estos niveles
Sistemas Multi-Agente
Índice
1. Agentes vs SMA 2. Historia de los SMA 3. ¿Cuándo utilizar SMA?
4. Características básicas de los SMA 5. Arquitectura de los SMA 6. Comunicación entre agentes
37
Sistemas Multi-Agente
Agentes vs SMA
Sistema Basado en Agentes
) Utiliza como mecanismo de abstracción los agentes, pero aún siendo modelizado en términos de agentes, podría ser implementado sin ninguna estructura software correspondiente a éstos
Sistemas Multi-agente
) Es diseñado e implementado como varios agentes interactuando entre sí, para así lograr la funcionalidad deseada
38
Sistemas Multi-Agente
Historia
Los sistemas compuestos de múltiples agentes, comenzaron a utilizarse en la Inteligencia Artificial Distribuida(O'hare et al.., 1996), que tradicionalmente se ha dividido en dos campos:
) La Resolución de Problemas distribuidos (DPS)
) Los Sistemas Multiagente (MAS)
39
Sistemas Multi-Agente
Áreas de la IAD
Autonomous Agents (AA)
) agentes: centrados en sus propias acciones
) interesado en las propiedades “microscópicas”
Multiagent Systems (MAS)
) agentes: interesados en sus acciones “dentro de la sociedad” (competición, cooperación, negociación)
) interesado en las propiedades “macroscópicas”
Distributed problem-solving (DPS)
) agentesbenevolentes: cooperación
) interesado en las propiedades “macroscópicas”
40
Sistemas Multi-Agente
Áreas de la IAD
Autonomous Agents Multi-agent Systems Distributed Problem Solving
41
Sistemas Multi-Agente
Historia
La Resolución de Problemas distribuidos (DPS): un problema particular puede resolverse por un número de nodos que cooperan en dividir y compartir conocimiento sobre el problema y su solución.
Las tareas que cada agente realiza están prefijadas de antemano, cada agente tiene una conducta fija, y el sistema se centra en el comportamiento global
42
Sistemas Multi-Agente
Historia
Los Sistemas Multiagente (MAS): agentes autónomos trabajan juntos para resolver problemas, caracterizado porque cada agente tiene una información o capacidad incompleta para solucionar el problema, no hay un sistema global de control, los datos están descentralizados y la computación es asíncrona.
Los agentes pueden decidir dinámicamente qué tareas deben realizar y quien realiza cada tarea
Sistemas Multi-Agente
¿Cuándo utilizar SMA?
Problemas grandes, distribuidos
Ambientes abiertos y dinámicos
Ventajas:
Software flexible, interoperable, eficiente, mantenible, confiable, robusto, ...
Sistemas Multi-Agente
Líneas de investigación
Interoperabilidad: lograr que sistemas heterogéneos trabajen juntos
) Lenguajes de comunicación de agentes
) Ontologías
) Servicios
Diseño de políticas de Coordinación, Negociación, Cooperación, etc…
Ingeniería del Sw basada en agentes: de la POO a la POA
Interacción Humanos-agentes: avatares
CSCW, Ambient Intelligence…
45
Sistemas Multi-Agente
Objeciones a los SMA
Los SMA no son mas que otra forma de Sistemas Distribuídos Sí, pero añaden “autonomía” Y “racionalidad”
coordinación (sincronización) no prefijadas en tiempo de diseño
Objetos activos + presunción de no benevolencia
Los SMA no son mas que otra forma de Sistemas Expertos (IA) Sí, pero añaden “interoperabilidad” Y “sociabilidad”
percepción, planificación, razonamiento, aprendizaje, … trabajan de forma unísona para forma el agente
interaciones sociales: negociación, acuerdos, confianza, …
46
Sistemas Multi-Agente
Características básicas de los SMA
Interacción de varios agentes similares o heterogéneos
Sin control global
Datos descentralizados
Alcance y punto de vista individuales y limitados
47
Sistemas Multi-Agente
Problemas de los SMA
Descomposición del problema
Comunicación entre agentes
Coherencia en las actuaciones
Representación del conocimiento de otros agentes
Coordinación de acciones
Gestionar el uso de recursos
Evitar comportamientos globales no deseados
Diseño de MAS: metodología y desarrollo
48
Sistemas Multi-Agente
Coordinación y comportamiento de un conjunto de agentes que evolucionan en una sociedad [Stone,Veloso97]
Principales características :
Organización Social [Wooldridge,Jennings94]
Coordinación [Decker,Lesser95]
Cooperación [Plaza97]
Negociación [Müller96]
Comunicación [Finin94]
49
Sistemas Multi-Agente
Arquitecturaampliamente utilizada (Retsina, [Sycara]):
AI solving techniques
AI extraction/gathering techniques
50
Sistemas Multi-Agente
Comunicación entre agentes
Se presupone comunicación física y de protocolos básicos (p.ej. TCP/IP)
Sintaxis: Estándar KQML (Knowledge Query and Management Language)
Actos de habla (performatives): tell, ask deny, perform, …
Implementaciones (JAT, LALO, …)
Sistemas Multi-Agente
Comunicación entre agentes
Lenguajes: Agento, KMQL, FIPA-ACL, OAA-ACL, basados en XML, etc…
Semántica: KIF, Ontologías
Clases estándares, reutilizar
Ontolingua
Sistemas Multi-Agente
Comunicación entre agentes: protocolos
Representan los patrones que modelan las posibles comunicaciones
Los participantes en la conversación deben conocer el protocolo
Definido formalmente
Implemetaciones
) FIPA ACL
) Pre- y post- condiciones (Labrou & Finin)
53
Estándares
Necesidad de estándares:
Sistemas de agentes desarrollados desde cero y cada equipo de desarrollo ha usado soluciones diferentes e independientes
¿Problemas de este tipo de aproximación?
54
Estándares
Necesidad de estándares:
¿Problemas de este tipo de aproximación?
)Carencia de una definición estándar
)Duplicación de esfuerzos
)Incapacidad para satisfacer los fuertes requisitos de la industria
)Incompatibilidad y pérdida de portabilidad
55
Estándares
FIPA
FIPA: www.fipa.org
TheFoundation forIntelligentPhysicalAgents (1996)
Especificaciones para: arquitecturas, gestión de agentes, lenguajes y protocolos de comunicación, representación, ontologías, …
Evolución: FIPA 97, FIPA98, FIPA2000, FIPA2002
Lenguajes y Protocolos de agentes: FIPA ACL
56
Estándares
FIPA
Plataforma de agentes en FIPA
Definición “Plataforma”: Infraestructura en la cual los agentes pueden ser desarrollados y utilizados (Hardware o software)
Define sólo el comportamiento externo (interfaz)
Puede estar distribuida entre diferentes máquinas
57
Estándares
FIPA
Plataforma de agentes en FIPA
Sist. Abierto
)Los sistemas Heterogéneos pueden interactuar
Establece el modelo lógico referente a:
)Creación de agentes
)Destrucción de agentes
)Registro de agentes
)Localización de agentes
)Comunicación de agentes
58
Estándares
Agent Platform (FIPA)
Estándares
FIPA Agent Communication Language (ACL)
Sintaxis: define la estructura del mensaje (gramática)
Semántica: define el significado del contenido de un mensaje, utilización de ontologías dependientes del dominio
Pragmática: define la meta (intención) del mensaje
Ejemplo: Sonia le pide a Jorge: “Guarda tus juguetes”
Semántica: una serie de objetos deben ser almacenados en algún sitio, la acción debe realizarla un agente concreto
Pragmática: Sonia quiere que Jorge realice un conjunto de tareas específicas
Estándares
FIPA Agent Communication Language (ACL)
La comunicación entre agentes puede ser entendida como la ejecución de Actos de Comunicación (AC)
Speech Acts(Searle, 1969)
Cada mensaje puede ser visto como una acción del emisor, que trata de modificar el “estado mental” del receptor(y por lo tanto sus acciones)
FIPA estandariza un conjunto de performativas(actos de comunicación)
61
Estándares
FIPA Agent Communication Language (ACL)
Estructura de un mensaje FIPA-ACL
)performative, contenido, emisor, receptor: obligatorios
)El resto de elementos son opcionales
)Ejemplo:
Protocol (FIPA IPL) Identificador Ontología
Content language (FIPA CLL) Contenido proposicional Performative (message type)
(FIPA CAL) (inform
:sender agent1 :receiver agent2
:in-reply-to price-request :reply-with bid-1 :ontology stock-market :language FIPA-SL0 :protocol FIPA-query :content (price BT 1000)
) 62
Estándares
FIPA Agent Communication Language (ACL)
FIPA Communicative Act Library (CAL)
Objetivos:
)Crear un catálogo general de AC aplicables a cualquier dominio
)Balanceo entre expresividad, reusabilidad e interoperabilidad
Actualmente existen 22 actos diferentes:
)accept-proposal, agree, cancel, cfp, confirm, disconfirm, failure, inform, inform-if, inform-ref, not-understood, propagate, propose, proxy, query-if, query-ref, refuse, reject-proposal, request, request- when, request-whenever, subscribe
63
Estándares
FIPA Agent Communication Language (ACL)
Ejemplo
Agent i pregunta al agente j, si j está registtrado en el servidor de dominios d1
)(query-if
:sender (agent-identifier :name i) :receiver (set (agent-identifier :name j)) :content ((registered (server d1) (agent j))) :reply-with r09)
El agente j contesta que no lo está
)(inform
:sender (agent-identifier :name j) :receiver (set (agent-identifier :name i)) :content ((not (registered (server d1) (agent j)))) :in-reply-to r09)
64
Estándares
FIPA Agent Communication Language (ACL)
Ejemplo
El agent i le pide al agente j que le diga (tell) quién es el primer ministro en el Reino Unido:
)(request
:sender (agent-identifier :name i) :receiver (set (agent-identifier :name j)) :content ((action (agent-identifier :name j)
(inform-ref
:sender (agent-identifier :name j) :receiver (set (agent-identifier :name i)) :content "((iota ?x (UKPrimeMinister ?x)))"
:ontology world-politics :language FIPA-SL))) :reply-with query0
:language FIPA-SL)
65
Estándares
FIPA Agent Communication Language (ACL)
Conversaciones
Uno, o varios agentes, pueden involucrarse en una conversación, los AC que se producen por el agente pueden depender de:
)Algún tipo de razonamiento social basado en la semántica de los AC
)Debidos a que implementan (de mutuo acuerdo) un determinado protocolo de comunicación: (parameter :protocol in an ACL message)
FIPA IPL: estandariza un conjunto (estensible) de protocolos
FIPA-propose, FIPA-query, FIPA-subscribe, FIPA-request, FIPA-request-when, FIPA-contract-net, FIPA-iterated-contract-net, FIPA-auction-english, FIPA- auction-dutch, FIPA-brokering, FIPA-recruiting
66
Estándares
FIPA Agent Communication Language (ACL)
FIPA IPL Query Protocol
Estándares
FIPA Agent Communication Language (ACL)
FIPA IPL Contract-Net Protocol
SMA & CSCW
Índice
CSCW, Groupware, Communityware…
Analogías con los SMA
Técnicas de coordinación en SMA
Modelos de negociación en SMA
69
SMA & CSCW
CSCW: Computer Supported Cooperative Work
"CSCW a generic term which combines the understanding of the way people work in groupswith the enabling technologies of computer networking, and associated hardware, software, services and techniques” [Wilson 1991]
GroupWare
“Intentional group processes and proceduresto achieve specific purposesplus software tools designed to support and facilitate the group's work" [Johnson-Lenz, et.al., 1981]
70
SMA & CSCW
Características fundamentales en CSCW
Comunicación
Cooperación
Coordinación
¿Negociación?
71
SMA & CSCW
Problemas en el desarrollo de sistemas de groupware (CSCW)
Sistemas de archivos distribuidos
Interfaces de usuarios
Comunicaciones
Plataformas distribuidas
72
SMA & CSCW
Equipos y comunidades virtuales
Equipo: "un grupo pequeño de individuos perfectamente identificados, comprometidos con un objetivo común, claro y que se puede medir, que requiere su coordinación y esfuerzo interdependientepor el cual se tienen como responsables los unos a los otros, y están juntos por un tiempo finito" [Ferrán- Urdaneta, 1999]
Comunidad: "está compuesta por un gran número de personas con objetivos reconocidos comunes que satisfacen algunas de sus necesidades individuales, que necesitan poca coordinaciónpero con un gran número de vínculos entre ellos, donde ningún miembro es crítico para la supervivencia del grupo o la realización de los objetivos comunes" [Ferrán-Urdaneta, 1999]
73
SMA & CSCW
Analogías (sociales) con los SMA
Sociedades heterogéneas de agentes
Comunidades (communityware)
Sociedades de agentes de propósito específico Organizaciones
Interacción humanos-agentes Usuarios humanos
Formación, control de equipos (team)
Equipos, grupos (groupware)
Agentes (sw, hw) Individuos, personas, actores,
MAS CSCW
74
SMA & CSCW
Analogías (funcionales) con los SMA
Técnicas de…(CNP) Negociación
Técnicas de…(centralizada, distribuida, objetiva, subjetiva..) Coordinación
Descubrimento de servicios (DF),…
Matchmaking,…
Técnicas de…(coop. estructural) Cooperación
Comunicación ACL
MAS CSCW
SMA & CSCW
Problemas en CSCW y los SMA
Plataformas de agentes Plataformas distribuidas
Lenguajes de comunicación de agentes (ACL)
Comunicaciones
Agentes de interfaz Interfaces de usuarios
Gestión distribuida del conocimiento (visión local del agente) Sistemas de archivos
distribuidos
MAS CSCW
SMA & CSCW
Coordinación en SMA
“La coordinación es la integración y el ajuste del trabajo individual con el fin de alcanzar una meta mayor” (B. Singh)
77
SMA & CSCW
Coordinación en SMA
Diferentes perspectivas en función del objetivo a alcanzar:
) Diseño a nivel micro: en un entorno abierto con múltiples agentes, diseñar un agente adicional con características deseadas
) Diseño a nivel macro: construir sistemas de múltiples agentes con características deseadas
78
SMA & CSCW
Coordinación a nivel macro
Resolución distribuida de problemas
) agentes de resolución de problemas
• cada agente es responsable de una parte del problema
• genera planes alternativos de señalización local y los comunica al agente coordinador
) agente coordinador
• resuelve las interdependencias entre los planes locales
• envía los planes locales adaptados a los agentes para su ejecución
79
SMA & CSCW
Coordinación a nivel macro: Sociedades de agentes
Ejemplo: Comercio Electrónico (Rosenschein y Zlotkin):
) asignación de llamadas telefónicas a compañías de telecomunicación
) objetivo: evitar comportamiento estratégico entre compañías
Mecanismo de subasta:
) un agente usuario comunica las características de la llamada a los distintos agentes empresa
) cada agente empresa contesta con una oferta (precio por minuto)
) el agente usuario elige una oferta en base a una convención
80
SMA & CSCW
Mecanismos de coordinación
Centralizado vs. descentralizado:
grado de distribución de las tareas de coordinación
coordinación centralizada: agente coordinador destacado
coordinación descentralizada: “coordinación emergente”
81
SMA & CSCW
Modelos de negociación
Objetivo:
determinar (las condiciones de) un acuerdo entre al menos dos agentes
Tipos de negociación:
Subastas
) Adjudicar productos y tareas a través de un “mercado”
) n participantes, transacción entre 2
Regateo
) Llegar a un acuerdo entre todos los participantes
Argumentación
) Resolver (supuestos) conflictos a través del debate
82
SMA & CSCW
Modelos de negociación: subastas
Mecanismo estructurado para forjar acuerdos
) Protocolo: semi-distribuido, con diferentes roles
• 1 subastador
• N subasteros ) Estrategias:
• “pujes” de los subasteros
• Precio inicial, precio de reserva, etc., del subastador
No muy frecuentes en la realidad, pero sí bastante populares en Comercio Electrónico (p.e. eBay)
SMA & CSCW
Modelos de negociación: subasta inglesa
Inicio:
) el subastador ofrece un producto a un precio inicial (usualmente por debajo de un precio mínimo privado)
Apuestas:
) los subasteros van ofertando precios (ninguna, una, o varias veces)
) cada oferta tiene que superar todas las anteriores
) el ciclo de apuestas termina cuando no hay más ofertas
Adjudicación:
) si la última oferta alcanza el precio mínimo (privado) del subastador, el producto es adjudicado al subastero de la oferta más alta
) de lo contrario no se vende el producto
SMA & CSCW
Modelos de negociación: subasta holandesa
Se usa en mercados de flores holandesas para determinar el precio de una cantidad de flores
Inicio:
) el subastador ofrece una cantidad de un producto a un precio inicial (usualmente por encima de un precio mínimo privado)
Apuestas:
) cada tiempo (∆t) disminuye el precio en una cantidad (∆$) ) cada oferta especifica la cantidad del producto a comprar al precio actual ) el subastador determina el final de la subasta (o bien porque toda la cantidad ha sido
adjudicada, o bien porque se alcanza el precio mínimo privado)
Adjudicación:
) la adjudicación de cada oferta a los subastaros es directa el subastador informa del final de la subasta
85
SMA & CSCW
Modelos de negociación
Plataformas para subastas
Fishmarket:
http://www.iiia.csic.es/Projects/fishmarket/
Trading Agent Competition (TAC):
) http://www.sics.se/tac/
) http://tac.eecs.umich.edu/
86
SMA & CSCW
Modelos de negociación: regateo
Regateo como proceso de oferta y contraoferta
Regateo como proceso de concesiones mutuas
87
SMA & CSCW
Modelos de negociación: regateo
La propuesta inicial
Leo Baekeland sold the rights to his invention, Velox photographic printing paper, to Eastman Kodak in 1899. It was the first commercially successful photographic paper and he sold it to Eastman Kodak for $1 million. Baekeland had planned to ask $50.000 and to go down to $25.000 if necessary, but fortunately for him, Eastman spoke first.
(Asimov, 1982)
88
Bibliografía
Wooldridge, M. and Jennings, N. R. Intelligent agents: Theory and practice. The Knowledge Engineering Review, 10(2):115–152, 1995
Ferber, Jacques. 1998. Multi-Agent Systems: Towards a Collective Intelligence. Reading, MA: Addison-Wesley
Huhns, Michael N., and Munindar P. Singh, editors. 1997
Readings in Agents. San Francisco: Morgan Kaufmann
Franklin, S.; Graesser, A.: “Is it an Agent or just a Program?”.
Intelligent Agents III. LNAI 1193, Springer, pp. 21-36
Alessandro Ricci. “Reconciling Co-operative Planning and Automated Co-ordination in Multiagent Systems”
89
Bibliografía
Jeremy Pitt and Abe Mamdani,A Protocol-Based Semantics for an Agent Communication Language", 486—491. In Dean Thomas (ed.), Proceedings of the 16th International Joint Conference on Artificial Intelligence,1999
J. Odell and H. Parunak and B. Bauer, Extending UML for Agents. In Proceedings of the Agent- Oriented Information Systems Workshop at the 17th National conference on Artificial Intelligence, 2000
S. Paurobally, J. Cunningham, and N. R. Jennings (2004) "Verifying the contract net protocol: A case study in interaction protocol and agent communication semantics" . Proc. 2nd Int.
Workshop on Logic and Communication in Multi-Agent Systems , Nancy, France, 98-117
90
Bibliografía
Weiss, G. Multiagent Systems. A Modern Approach to Distributed Artificial Intelligence, Julio, 2000. ISBN 0-262-73131-2
Russell, S.; Norvig, P.: Artificial Intelligence: A Modern Approach (2nd ed.).
Prentice Hall, 2003. Chapter 2
Wooldridge, M.: An Introduction to Multiagent Systems, Wiley, 2002.
Chapters 1 and 2
Bradshaw, Jeffrey, editor. 1997. Software Agents. Cambridge, MA: AAAI Press/MIT Press
Rosenschein, J.; Zlotkin, G.: Rules of Encounter. MIT Press,1994.
Kraus, S.: Negotiation and cooperation in multi-agent environments. Artificial Intelligence 94. 1997, págs. 79-107
Bibliografía
Omicini, A.; Ossowski, S. (2003): Objective versus Subjective Coordination in the Engineering of Agent Systems. Intelligent Information Agents – The European AgentLink Perspective (Klusch, Bergamaschi, Edwards y Petta, editores). Springer, pp.179-202
Ossowski, S.: Coordination in Artificial Agent Societies. Springer, 1999.
Chapter 1
Gmytrasiewicz, P.; Durfee, E.; Wehe, D. (1991): The Utility of Communication in Co-ordinating Intelligent Agents. Proc. Nat. Conf. on Artificial Intelligence (AAAI-91), pp. 166–172
Fernández Gil, A.; Ossowski, S. “El estándar FIPA para sistemas inteligentes basados en agentes: una panorámica”. ALI Base Informática, Nº 38, págs.
43-53. 2002
Web sites
http://www.aaai.org/AITopics/html/agents.html
FIPA: http://www.fipa.org/
UMBC agent Web: http://agents.umbc.edu/
AI on the Web: Intelligent Agents: http://aima.cs.berkeley.edu/ai.html#agents
AgentLink: http://www.agentlink.org/
The Intelligent Software Agents Lab (CMU): http://www.cs.cmu.edu/~softagents/
Agentcities:http://www.agentcities.org/
Sistemas Multi-agentes & CSCW
David Camacho Fernández Departamento de Ingeniería Informática EPS, Universidad Autónoma de Madrid
Programa de Doctorado en Ingeniería Informática y de Telecomunicación
