Introducción a los sistemas multiagente para simulación
En estos momentos los agentes y sistemas multiagente tienen gran importancia en la construcción de arquitecturas distribuidas y colaborativas, con aplicaciones en diferentes campos como: manejo y control de la información en redes computacionales, redes de sensores, sistemas de tiempo real, robótica, manejo de recursos, aplicaciones de tráfico aéreo entre muchas otras.
Uno de los campos en los que los sistemas multiagente tienen mucho que aportar es en simulación. La simulación se puede aplicar a su vez a muchos campos dispares, como pueden ser sociología, economía, urbanismo, procesos de producción…
La simulación trabaja con modelos del sistema real. Los modelos son simplificaciones de la realidad. Muchas veces experimentar con el sistema real puede ser costoso, peligroso e incluso imposible
Los agentes son objetos con un conjunto de estados asociados y que están situados dentro de un ambiente computacional en el cual pueden sentir y actuar conjuntamente, pueden realizar acciones flexibles y autónomas. Los agentes actúan según una red de comportamiento. Lo realmente importante es que a pesar de que un agente tenga un conjunto de comportamientos pequeño, cuando varios agentes actúan conjuntamente la apariencia externa es de un sistema complejo que evoluciona con el tiempo. Un modelo basado en agentes (MBA) es un tipo de modelo computacional que permite la simulación de acciones e interacciones de individuos autónomos dentro de un entorno, y permite determinar qué efectos producen en el conjunto del sistema.
Por ejemplo podemos simular una colonia de hormigas en un entorno con cantidades dispares de comida. Cada agente se corresponde con una hormiga, las hormigas deben de buscar comida y si la encuentran toman una porción y llevan otra al hormiguero. Las hormigas deben comunicar a otras hormigas la posición de la comida, en este punto es en donde se diferencian unas de otras; algunas darán bien la posición, otras se equivocarán por poco y otras por mucho. Esto último puede llevar a que unas hormigas no confíen en otras. Los resultados de esta simulación son: Si existe poca comida los agentes compiten, mienten y existe mucha desconfianza. Por el contrario, si existe mucha comida no hay necesidad de mentir, las hormigas dejan de mentir, la confianza aumenta y la comunicación aumenta entre las hormigas.
En siguientes entradas del blog nos introduciremos en los distintos campos de la simulación usando sistemas multiagente, ilustrando éstos con ejemplos de aplicaciones. También presentaremos competiciones entre distintos sistemas como la RobocCup, en donde robots compiten en partidos de fútbol contra otros equipos, o la RoboCup Rescue, en donde se hacen simulaciones de catástrofes.
Uno de los campos en los que los sistemas multiagente tienen mucho que aportar es en simulación. La simulación se puede aplicar a su vez a muchos campos dispares, como pueden ser sociología, economía, urbanismo, procesos de producción…
La simulación trabaja con modelos del sistema real. Los modelos son simplificaciones de la realidad. Muchas veces experimentar con el sistema real puede ser costoso, peligroso e incluso imposible
Los agentes son objetos con un conjunto de estados asociados y que están situados dentro de un ambiente computacional en el cual pueden sentir y actuar conjuntamente, pueden realizar acciones flexibles y autónomas. Los agentes actúan según una red de comportamiento. Lo realmente importante es que a pesar de que un agente tenga un conjunto de comportamientos pequeño, cuando varios agentes actúan conjuntamente la apariencia externa es de un sistema complejo que evoluciona con el tiempo. Un modelo basado en agentes (MBA) es un tipo de modelo computacional que permite la simulación de acciones e interacciones de individuos autónomos dentro de un entorno, y permite determinar qué efectos producen en el conjunto del sistema.
Por ejemplo podemos simular una colonia de hormigas en un entorno con cantidades dispares de comida. Cada agente se corresponde con una hormiga, las hormigas deben de buscar comida y si la encuentran toman una porción y llevan otra al hormiguero. Las hormigas deben comunicar a otras hormigas la posición de la comida, en este punto es en donde se diferencian unas de otras; algunas darán bien la posición, otras se equivocarán por poco y otras por mucho. Esto último puede llevar a que unas hormigas no confíen en otras. Los resultados de esta simulación son: Si existe poca comida los agentes compiten, mienten y existe mucha desconfianza. Por el contrario, si existe mucha comida no hay necesidad de mentir, las hormigas dejan de mentir, la confianza aumenta y la comunicación aumenta entre las hormigas.
En siguientes entradas del blog nos introduciremos en los distintos campos de la simulación usando sistemas multiagente, ilustrando éstos con ejemplos de aplicaciones. También presentaremos competiciones entre distintos sistemas como la RobocCup, en donde robots compiten en partidos de fútbol contra otros equipos, o la RoboCup Rescue, en donde se hacen simulaciones de catástrofes.
0 Response to "Introducción a los sistemas multiagente para simulación"
Publicar un comentario