1 Sistemas Inteligentes Aula: Agentes Inteligentes Flávia Barros.
1 Agentes e Engenharia de Software Agentes Inteligentes e Sistemas Multi-agente Introdução às...
-
Upload
matheus-lombardi-alvaro -
Category
Documents
-
view
221 -
download
3
Transcript of 1 Agentes e Engenharia de Software Agentes Inteligentes e Sistemas Multi-agente Introdução às...
1
Agentes e Engenharia de Software
Agentes Inteligentes e Agentes Inteligentes e Sistemas Multi-agenteSistemas Multi-agente
Introdução às Introdução às Metodologias para a Metodologias para a
Construção de AgentesConstrução de Agentes
IST- 2003/2004IST- 2003/2004Ana PaivaAna Paiva
A. Paiva
Criação de Software baseado em Agentes
Objectivo de desenhar e construir sistemas de elevada qualidade
Desafio da complexidade de requisitos, desenho, programação, verificação
Continua-se à procura de técnicas e métodos que resolvam os problemas da construção de Software...
A. Paiva
Aproximação por Agentes?
Experiência não existem análises quantificadas da eficácia
Argumentos baseados em 10 anos de utilização de agentes para construção de aplicações no mundo real
Potencialidades das características dos agentes
A. Paiva
Porquê Agentes?
Sistemas reais complexos, com as seguintescaracterísticas:
• hierárquicos compostos por subsistemas interrelacionados
• componentes primitivas dependem do objectivo do observador
• interacções dentro do subsistema são mais frequentes do que entre 2 subsistemas distintos
A. Paiva
Visão Canónica dos Sistemas
Para lidar com estacomplexidade sãousadas :
• decomposição• abstracção• organização
A. Paiva
Resolução com Agentes
Particionar o problema decompondo-o por agentes
Abstracção dos agentes é um meio natural de • modelar sistemas
complexos• identificar e gerir relações
organizacionais • lidar com as dependências
e interacções que existem num sistema complexo
A. Paiva
Metodologias de Agentes
Métodos formais para AOSE Análise e Desenho Orientada a Agentes
A. Paiva
Metodologias Formais
Como orientar o desenvolvimento de software a agentes?• Especificação formal• Implementação computacional concreta• Verificação
A. Paiva
Metodologias Formais: especificação
Especificar formalmente agentes capazes de representar os seguintes aspectos:• Crenças que os agentes têm sobre a
informação do seu ambiente, podem estar incorrectas ou incompletas
• Acções que os agentes realizam e os efeitos destas acções
• Objectivos que os agentes persegue • Interacção que os agentes tem e como os
agentes interagem entre si e o seu ambiente ao longo do tempo
A. Paiva
Metodologias Formais: Implementação
Consiste em implementar a especificação numa forma computacional concreta, tem 2 aproximações:• Execução: executar ou animar a especificação
abstracta • Tradução ou Compilação: traduzir ou compilar a
especificação usando uma técnica de tradução automática
A. Paiva
Implementação: Execução Directa
TEORIA tratar a especificação como
executável e interpretá-la directamente de modo a gerar o comportamento do agente
Interpretação: pode ser vista como uma prova de satisfação, onde se demonstra que a especificação é satisfatória para construir um modelo para ela
A construção do modelo pode ser vista como a execução da especificação
PRATICA Exemplo: Linguagem Current
MetateM - os agentes são programados dando uma especificação em lógica temporal do comportamento que devem exibir
Os modelos para a lógica temporal em que os agentes são especificados na linguagem MetateM são sequências lineares de estados e a execução da especificação do agente consiste na construção da sequência dos estados.
A. Paiva
Implementação: Compilação
A especificação abstracta é transformada num modelo computacional concreto através de um processo de síntese automático.
A. Paiva
Implementação: Compilação (2)Desvantagens mesmo a computação feita off-line
(na compilação) torna-se custosa. Os sistemas gerados desta forma
podem não dispor de capacidade de aprendizagem (não adaptam o seu programa em runtime)
Tal como com a execução directa, os frameworks de especificação de agentes tendem a não ter uma interpretação computacional concreta, tornando a síntese impossível
Vantagens maior velocidade na
execução em tempo real
A. Paiva
Análise e Desenho Orientado a Agentes
As metodologias podem ser divididas em 2 grupos• Inspirados no ambiente de desenvolvimento orientado
a objectos, estendendo as metodologias ou adaptando-as para propósitos AOSE (AAII, Gaia, AUML)
• Adaptados da Engenharia do Conhecimento ou outras técnicas (DESIRE, Cassiopeia, Agentes em Z)
A. Paiva
Metodologia AAIIKinny et al
“Object-Oriented” extendida com noções de agentes Oferece modelos internos e externos
• Modelo Externo: ao nível do sistema, os componentes principais são os agentes e as suas relações. Contém:
- Modelo de agentes- Modelo de interacção
• Modelo Interno: descreve os agentes, as crenças, desejos e intenções - semelhante a implementar um agente PRS
A. Paiva
Metodologia AAII Modelo Externo
• Modelo do agente (classes e instâncias) • Modelo da interacção
(estes 2 modelos definem agentes e as classes de agentes e relacionam as classes via herança, agregação e instanciação)
Modelo Interno• Modelo de crenças• Modelo com objectivos• Modelo de planos
A. Paiva
Metodologia AAII
Metodologia• Identificar roles no domínio da aplicação e desenvolver
uma hierarquia de classes de agentes com base nestes• Identificar responsabilidades associadas a cada role,
serviços prestados e requeridos pelo role e determinar os objectivos associados a cada serviço
• Para cada objectivo, determinar planos condições de contexto por plano para o atingir
• Determinar a estrutura de crenças do sistema e os requisitos de informação para cada plano e objectivo
Resultado: modelo com correspondência na arquitectura PRS
A. Paiva
AAII – Modelo dos Agentes
Baseado no diagrama de classes de UML
Tipos e instâncias Conjuntos de crenças
conjunto de objectivos Conjunto inicial de
crenças e conjunto inicial de objectivos
A. Paiva
AAII – Modelo de crenças
A. Paiva
AAII – Modelo de objectivos Expressos com predicados em Lógica de 1ª
ordem com operadores modais (achieve(X), test(X), verify(X))
Directamente ligados às crenças 3 tipos:
• Achievement goals• Test goals• Verify goals
A. Paiva
AAII – Modelo de Planos Plano = nós + transições 3 tipos de nós
• Nós de inicio• Nós internos• Nós finais (success, fail)
As transições são originadas por um evento, se uma dada condição for satisfeita.
A. Paiva
AAII Muito baseada na construção de agentes
deliberativos Centrada na arquitectura PRS Distinção entre modelo externo e interno
(interessante)
A. Paiva
Metodologia GaiaWooldridge et al
Metodologia• Obtém-se o desenho do sistema a partir de uma
série de requisitos escritos• Baseados em terminologia e notações orientadas
a objectos, mas oferece um suporte um conjunto de conceitos de agentes para o desenvolvimento de um sistema complexo
• A aproximação para a construção de desenho deve ser semelhante à de o desenho de uma organização
A. Paiva
Metodologia GaiaWooldridge et al
Os conceitos principais enquadram-se em duas categorias:• Abstractas usadas na análise para fazer a concepção
do sistema, mas não tem uma concretização directa no sistema. Conceitos: roles, permissões, responsabilidades, protocolos, actividades, propriedades de acção, propriedades de segurança
• Concretas usadas no processo de desenho e tipicamente tem correspondência num sistema real. Conceitos: Tipos de agentes, serviços, conhecimentos entre agentes
A. Paiva
Metodologia GaiaWooldridge et al
Exemplo:• capturar a organização Federação Portuguesa de Futebol• tem uma colecção de roles como seleccionador nacional,
jogador• estes roles são instanciados a indivíduos, por exemplo,
António Oliveira assume o role de seleccionador nacional, Luis Figo assume o role de jogador
• No entanto~: A instanciação não é estática! Por exemplo: Scolari assume o role de seleccionador nacional
• Vários indivíduos podem assumir o mesmo role, por exemplo, Luis Figo e Rui Costa assumem o role jogador
• Um indivíduo pode assumir vários roles, por exemplo,Madaíl assume o role de presidente e o role de vítima de conspiração
A. Paiva
Metodologia GaiaWooldridge et al
Exemplo:• Responsabilidades do role seleccionador nacional - ex:
guiar equipa no campeonato- propriedades liveness: asseguram que algo positivo
acontece - a selecção vai à frente no campeonato- propriedades safety: asseguram que nada de negativo
acontece - garantir que a equipa se mantém no campeonato• Para cumprir as responsabilidades o role seleccionador
nacional tem - conjunto de permissões: por exemplo, ter acesso a
informação sobre a condição física dos jogadores- actividades privadas: são actividades sem a interacção dos
outros roles, por exemplo, definir uma estratégia de jogo- protocolos: formas de interagir com os outros roles, por
exemplo, dar ordens, conselhos aos jogadores
A. Paiva
Linguagem Agente UML (AUML) Odell et al
Estender a linguagem para representar os agentes, incluindo• Baseia-se numa ferramenta conhecida dos
Software Engineers - UML• Suporte para expressar as threads concorrentes
de interacção permitindo ao UML modelar os protocolos de agentes do tipo Contract Net
• Uma noção de role que extende a existente no UML e, em particular, permite a modelação de um agente que desempenha vários “roles”
• Aguardam-se novos desenvolvimentos pois o Object Management Group (OMG) e a FIPA estão a suportar do desenvolvimento de notações UML para modelar sistemas de agentes
A. Paiva
Framework DESIRE Treur et al
Framework para o desenho e especificação formal de
sistemas compostos.
Tem notação gráfica para a especificação e está associado a um editor gráfico para suportar o desenvolvimento dos
sistemas
A. Paiva
Metodologia CassiopeiaCollinot et al
Por oposição ao Gaia e a metodologia AAII, Cassiopeia tem uma natureza bottom upbottom up. Essencialmente, com o método Cassiopeia, inicia-se nos comportamentos desejados para realizar uma tarefa.
Metodologia:• Identificar os comportamentos elementares
implicados pela tarefa do sistema• Identificar as relações entre os comportamentos
elementares• Identificar os comportamentos organizacionais do
sistema, por exemplo, a forma como os agentes formam grupos
Foi desenvolvido um exemplo para o RoboCup
A. Paiva
Comparação
Tipo Top/Bottom Base OO Entidades ImplementaçãoAAII Metodologia Top Down Sim Roles PRSGAIA Metodologia Top Down Sim RolesCassiopeia Metodologia Bottom Up Não Comportam. RobocupAUML Linguagem Sim RolesDESIRE Framework NãoAgentes Z Framework Sim Entidades
A. Paiva
Os Prós dos Agentes
Classes de aplicações específicas aproximação por agentes pode melhorar o processo de desenvolvimento de Engenharia de Software
Modelos expressam realidade organizacional: interacções, thread de controlo independente, protocolos de coordenação
Visão Dinâmica dos sistemas e adaptabilidade dos agentes a novos papéis
Melhorar as práticas state of the art da Engenharia de Software
Alargar o número de aplicações cuja complexidade pode ser ultrapassada
A. Paiva
Os Contras dos Agentes Confundir Marketing com concretização e aplicabilidade dos
agentes Silver bullet acreditar que com agentes o alvo nunca é falhado Incapacidade para avaliar potencialidades dos agentes Esquecer que se está a desenvolver software e que a
experiência tem de ser adquirida Esquecer que o sistema é multi-threaded e tem a
complexidade clássica da execução concorrente e distribuída Natureza do Problema se for de execução única, não devem
ser usados agentes Desenhar nova arquitectura para o problema deve-se
estudar as arquitecturas já existentes Demasiada IA sem benefícios para a solução final
A. Paiva
Referências
Agent Oriented Software Engineering: The State of The Art by Michael Wooldridge, Paolo Ciarcarini
Agent Oriented Software Engineering by Nicholas R. Jennings and Michael Wooldridge
A Methodology for Agent-Oriented Analysis and Design by Michael Wooldridge, Nicholas R. Jennings and David Kinny
A. Paiva
AAII – Exemplo de um modelo de planos