View
70
Download
1
Category
Preview:
Citation preview
APORTE INDIVIDUAL DEL TRABAJO COLABORATIVO 3
CURSO DE SIMULACIÓN
299310 - 04
Presentado por:
CARLOS HARVEY NÚÑEZ MARTÍNEZ
CC 79694866
OSCAR ANDRÉS FIGUEROA CERÓN
COD 83043036
A:
WILSON ALMANZA MANIGUA
Tutor
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD).
BOGOTÁ DC.
NOVIEMBRE DE 2012.
EXPLORACIÓN DE LA BIBLIOTECA VIRTUAL
Recurso: elibro
Título: Bioinformática: simulación, vida artificial e inteligencia artificial Autor: Lahoz-Beltrá, Rafael Año: 2012 Páginas: 613 Materia: COMPUTERS / Intelligence (AI) & Semantics ISBN: 9788479781811 Impresor: Ediciones Díaz de Santos : España Idioma: es
Ver Texto Completo:
http://site.ebrary.com/lib/unadsp/docDetail.action?adv.x=1& d=all& f00=all& f01=& f02=& hitsPerPage=500& p00=Colonias+de+hormigas%2C+modelo+real%2C+modelo+virtual& p01=& p02=& page=1& id=10527028
eISBN: 9788479781811 pISBN: 9788479786458
Temas encontrados:
AUTÓMATAS CELULARES.
ÁRBOLES DE DECISIÓN.
HORMIGAS VIRTUALES.
SISTEMAS COMPLEJOS.
Recurso: elibro
Título: Metaheurísticas Autor: Duarte Muñoz, Abraham Año: 2008 Páginas 244
Materia: Programación de computadoras. Matemáticas. Algoritmos. Heuristic programming. Mathematical optimization.
ISBN: 9781449207922 Impresor: Dykinson : España Idioma: es
Ver Texto
Completo:
http://site.ebrary.com/lib/unadsp/docDetail.action?adv.x=1& d=all& f00=all& f01=& f02=& hitsPerPage=500& p00=Sistemas+complejos%2C+agentes+y+algoritmos+bioinspirados& p01=& p02=& page=1& id=10228049
eISBN: 9781449207922 pISBN: 9788498490169 N. Biblioteca del
Congreso:
T57.84 -- D812 2007eb
Temas
encontrados: INTELIGENCIA DE ENJAMBRES.
Recurso: elibro
Título: Inteligencia artificial: métodos, técnicas y aplicaciones Autor: Palma Méndez, José Tomás Autor Adic./ Editor: Marín Morales, Roque Año: 2008 Páginas: 1050 Materia: Inteligencia artificial. Artificial intelligence. ISBN: 9788448174019 Impresor: McGraw-Hill España : España Idioma: es
Ver Texto
Completo:
http://site.ebrary.com/lib/unadsp/docDetail.action?adv.x=1& d=all& f00=all& f01=& f02=& hitsPerPage=500& p00=Sistema+multiagente& p01=& p02=& page=1& id=10491454
eISBN: 9788448174019 pISBN: 9788448156183 N. Biblioteca del
Congreso: Q335 -- I611 2008eb
Temas
encontrados:
SISTEMAS MULTIAGENTE.
REPRESENTACIÓN DEL CONOCIMIENTO.
Recurso: ebrary
Título: Principios de sistemas de información Autor: Stair, Ralph M. Autor Adic./ Editor: Reynolds, George W. Año: 2010 Páginas: 706 Materia: computación e informática ISBN: 9786074814446
Impresor: Cengage Learning Editores S.A. de C.V. : Mexico, Distrito Federal, México
Idioma: es
Ver Texto
Completo:
http://site.ebrary.com/lib/unad/docDetail.action?adv.x=1& d=all& f00=all& f01=& f02=& hitsPerPage=500& p00=Eficiencia+en+sistemas+de+reconocimiento+de+patrones& p01=& p02=& page=1& id=10417197
eISBN: 9786074814446 pISBN: 9786074812671 Temas
encontrados: RECONOCIMIENTO DE PATRONES
AUTÓMATAS CELULARES INTELIGENCIA DE ENJAMBRES
ÁRBOL DE DECISIÓN SISTEMAS MULTIAGENTE
REPRESENTACIÓN DEL CONOCIMIENTO RECONOCIMIENTO DE PATRONES
HORMIGAS VIRTUALES SISTEMAS COMPLEJOS
Recurso: elibro
Título: Bioinformática: simulación, vida artificial e inteligencia artificial
Autor: Lahoz-Beltrá, Rafael
Año: 2012
Páginas: 613
Materia: COMPUTERS / Intelligence (AI) & Semantics
http://site.ebrary.com/lib/unadsp/docDetail.action?adv.x=1&
Ver Texto Completo: d=all& f00=all& f01=& f02=& hitsPerPage=500&
p00=Colonias+de+hormigas%2C+modelo+real%2C+modelo+
virtual& p01=& p02=& page=1& id=10527028
AUTÓMATAS CELULARES.
Temas encontrados: ÁRBOLES DE DECISIÓN.
HORMIGAS VIRTUALES.
SISTEMAS COMPLEJOS.
Recurso: elibro
Título: Metaheurísticas
Autor: Duarte Muñoz, Abraham
Año: 2008
Páginas 244
Materia: Programación de computadoras. Matemáticas. Algoritmos.
Heuristic programming. Mathematical optimization.
http://site.ebrary.com/lib/unadsp/docDetail.action?adv.x=1&
Ver Texto d=all& f00=all& f01=& f02=& hitsPerPage=500&
Completo: p00=Sistemas+complejos%2C+agentes+y+algoritmos+bioinsp
irados& p01=& p02=& page=1& id=10228049
Temas INTELIGENCIA DE ENJAMBRES.
encontrados:
Inteligencia artificial: Métodos, técnicas y aplicaciones
José Tomás Palma Méndez
Roque Marín Morales
ISBN: 8448156188
Copyright year: 2008
I INTRODUCCIÓN 1 Aspectos conceptuales de la IA y la IC II REPRESENTACIÓN DE CONOCIMIENTO E INFERENCIA 2 Lógica y representación del conocimento 3 Sistemas basados en reglas 4 Redes semánticas y marcos 5 Ontologías 6 Sistemas basados en modelos probabilísticos 7 Conjuntos borrosos III TÉCNICAS 8 Introducción a las técnicas de búsqueda 9 Técnicas basadas en búsquedas heurísticas 10 Problemas de satisfacción de restricciones (CSP) 11 Computación Evolutiva IV TAREAS 12 Diagnosis 13 Planificación 14 Control V APRENDIZAJE Y MINERÍA DE DATOS 15 Redes neuronales 16 Técnicas de agrupamiento 17 Aprendizaje de árboles y reglas de decisión 18 Técnicas de extracción de reglas VI ASPECTOS METODOLÓGICOS Y APLICACIONES 19 Ingeniería del Conocimiento 20 Sistemas multiagentes 21 Verificación y validación de sistemas inteligentes 22 Razonamiento basado en casos 23 Reconocimiento de Formas
AGENTE DE SOFTWARE
Agente de software, es una parte del software que actúa para un usuario u otro programa
como agente. El agente tiene la autoridad de decidir cuándo una acción es apropiada (y si es
apropiada). La idea es que los agentes no son estrictamente invocados para un tarea, sino que se activan ellos mismos. Concepto más formal
El término "agente" describe una abstracción de software, una idea o concepto, similar a los
métodos, funciones y objetos en la programación orientada a objetos. El concepto de un
agente provee una forma conveniente y poderosa de describir una compleja entidad de software, que es capaz de actuar con cierto grado de autonomía, para cumplir tareas en
representación de de personas. Pero a diferencia de los objetos (que son definidos por
métodos y atributos), un agente es definido por su propio comportamiento. Varios autores han propuesto diferentes definiciones de agentes, estos incluyen generalmente conceptos como: - Persistencia: el código no es ejecutado bajo demanda sino que se ejecuta continuamente y
decide por sí mismo cuándo debería llevar a cabo alguna actividad. - Autonomía: los agentes tienen la capacidad de seleccionar tareas, priorizarlas, tomar
decisiones sin intervención humana, etc. - Capacidad o habilidad social: los agentes son capaces de tomar otros componentes, a través coordinación y comunicación, que puedan colaborar en una tarea. - Reactividad: los agentes perciben el contexto en el cual operan y reaccionan a éste
apropiadamente. Conceptos relacionados y derivados son: -Agentes inteligentes (agentes que utilizan Inteligencia Artificial, como aprendizaje y razonamiento) -Agentes autónomos (agentes capaces de modificar la forma en que ellos llevan a cabo sus
objetivos). -Agentes distribuidos (agentes que son ejecutados en distintas máquinas). -Sistemas multiagentes (agentes distribuidos que no tienen la capacidad de alcanzar sus objetivos solos y por esto deben comunicarse). -Agentes móviles (agentes que pueden trasladar su ejecución a diferentes procesadores). Ejemplos de agentes Agente de compras: aquellos agentes que ayudan a los usuarios a navegar por internet para encontrar productos y servicios. Por ejemplo, cuando se encuentra un artículo, se muestran
artículos relacionados seleccionados de forma inteligente. Agente de usuario (agente personal): estos agentes están hechos para automatizar tareas al usuario. Por ejemplo, ordenar emails de acuerdo a las preferencias del usuario, reunir reportes de noticias personalizados o llenar formularios con información del usuario
previamente almacenada.
Agente de monitoreo y vigilancia predictiva: son usados para observar y reportar sobre un equipo. Por ejemplo, los agentes que monitorizan el nivel de inventarios de una compañía,
aquellos que observan los precios de la competencia y los informan, etc. Otros agentes inteligentes son los robots (arañas) de los buscadores de internet, los
filtradores de spam, etc. Qué no es agente Un agente no es un programa tradicional, pues reaccionan al entorno, tiene autonomía y
persistencia. Un agente no es un objeto, porque son más autónomos que estos, son más flexibles
(reactivos, proactivos y sociales). Un agente no es un sistema experto, porque los sistemas expertos no se acoplan a su entorno, no están diseñados para tener comportamientos reactivos ni proactivos, ni tampoco
tienen habilidad social.
Lenguajes para la representación del conocimiento
En el caso de los sistemas basados en conocimiento, el lenguaje en el que se expresa la ontología debe reunir características que a veces (dependiendo del dominio) no es fácil
compatibilizar:
Sintaxis formalizada, para poder diseñar sobre bases sólidas un procesador (lo que en
sistemas expertos se llama tradicionalmente «motor de inferencias» , Apartado 1.2).
Semántica bien definida y que permita la implementación procedimental en el procesador de algoritmos de razonamiento eficientes.
Desde el punto de vista pragmático, expresividad suficiente para representar de la
manera menos forzada posible el conocimiento. Esto significa que, para una determinada conceptuación, el lenguaje con el que se construyen los modelos en el
nivel simbólico debe permitir una interpretación declarativa (Figura 1.5) que represente todos los aspectos de esa conceptuación. En la práctica puede ocurrir
que no encontremos el lenguaje «ideal» , y tengamos que «forzar» la conceptuación
para que se ajuste al lenguaje elegido.
Hay lenguajes formales, o «teóricos» , que satisfacen en mayor o menor grado esas
condiciones y lenguajes de implementación, o «prácticos» , que, siguiendo el modelo de
algún lenguaje formal, están adaptados para mecanizar la construcción de ontologías. Nos
centraremos en los primeros, que son relativamente «estables» , y sobre los que se basan
los segundos, algunos muy «volátiles» . Por ejemplo:
Prolog es un lenguaje de implementación de la lógica de primer orden, que en sus
versiones más recientes incluye también construcciones para la programación con
restricciones. El Capítulo 4 se dedica a la lógica de primer orden; un resumen de
Prolog se da en el Apéndice A.
OWL (Web Ontology Language) es un lenguaje de ontolologías para la web basado en una lógica de descripciones (en realidad, son tres sublenguajes). Procede de la fusión de otros dos elaborados independientemente alrededor del año 2000: DAML
(DARPA Agent Markup Language, de la Agencia de proyectos del Ministerio de Defensa U.S.A) y OIL (Ontology Inference Layer, de un consorcio formado en el marco de los programas de la U.E.). En 2001 se formó un comité conjunto que hizo
una propuesta al Consorcio Web (W3C), y éste publicó el estándar («Proposed
Recommendation» en la terminología del W3C) en 2003, modificado el 10 de
febrero de 2004. Existen numerosas propuestas de mejoras y modificaciones. En el Apéndice B se resume la versión actual.
Hasta la segunda mitad de los años 80 se estaban utilizando diversos lenguajes que
podían clasificarse en dos tipos:
Lenguajes basados en la lógica de predicados de primer orden, con sintaxis y semántica formalizadas, con una base rigurosa para el razonamiento, pero con
grandes dificultades para implementar algoritmos de razonamiento eficientes, con una rigidez sintáctica que impide ciertas conceptuaciones «naturales» y con pocas
posibilidades de modularización.
Lenguajes basados en modelos de psicología que, al estar derivados del estudio de la
mente humana, permiten conceptuaciones más naturales y algoritmos de
razonamiento más eficientes, pero que tienen una sintaxis menos formalizada y carecen de una definición semántica precisa (a pesar de que uno de ellos se llama
«redes semánticas» ).
INTELIGENCIA DE ENJAMBRE
¿QUE SE CONOCE COMO INTELIGENCIA DE ENJAMBRE?
De acuerdo a los Dres. Marco Dorigo y Mauro Birattari, de la Université Libre de Bruxelles,
Bélgica, se llama así a �la disciplina que trata con sistemas naturales y artificiales
compuestos de muchos individuos que se coordinan utilizando control descentralizado y auto-organización. En particular, la disciplina se enfoca en las conductas colectivas que
resultan de las interacciones locales de los individuos entre sí y con el ambiente. Ejemplos de
los sistemas estudiados por la inteligencia de enjambres son colonias de hormigas y termitas, bancos de peces, bandadas de pájaros, manadas de animales terrestres. Algunos artefactos
humanos también caen en el dominio de la inteligencia de enjambre, notablemente algunos
sistemas multi-robot, y también ciertos programas de computadoras que se han escrito para
abordar problemas de optimización y análisis de datos�. http://www.scholarpedia.org/article/Swarm_intelligence
HISTORIA DEL TERMINO
El término Inteligencia de Enjambre fue introducido por Gerardo Beni y Jing Wang en 1989 en un trabajo sobre Sistemas Celulares Robóticos.http://en.wikipedia.org/wiki/Swarm_intelligence
Los sistemas de Inteligencia de Enjambre están constituidos por agentes simples que interactúan localmente unos con otros y con el ambiente. Siguen reglas simples y sin tener
un control centralizado, como resultado de sus interacciones se produce la �emergencia� de
una conducta global inteligente. ¿CÓMO FUNCIONA ESTE TIPO DE INTELIGENCIA EN LAS HORMIGAS?
Para encontrar el camino más corto desde el sitio donde está su colonia hacia la fuente de alimentos, las hormigas envían varias exploradoras en diferentes direcciones. Cada hormiga
va emitiendo una substancia química: feromona, que atrae a otras hormigas. Cuando
encuentran alimento, las hormigas regresan a su colonia. La hormiga que encontró alimento
regresa primero al hormiguero, ése será el camino más corto, y la ruta utilizada tendrá
entonces el doble de feromona (viaje de ida y vuelta) que las demás rutas, ya que las demás
hormigas aún no regresan a la colonia. Sus hormigas compañeras serán atraídas por el
camino que tiene más feromonas, y al pasar por ese camino, lo impregnarán con más
feromonas, y lo harán todavía más atractivo para las restantes hormigas.
En este caso las reglas simples que han conducido a la conducta beneficiosa para toda la colonia de hormigas son dos: emita feromonas y siga el camino con más feromonas.
Este método ha sido adaptado y seguido por empresas tales como France Telecom., British Telecom y MCI WorldCom en sus redes de comunicaciones.
Otro ejemplo de la inteligencia de enjambre, es la división del trabajo que tienen las abejas.
Los individuos se especializan en ciertas tareas, pero cuando las circunstancias lo exigen, por ejemplo, cuando el alimento está escaso, ellos tienen flexibilidad y pueden asumir tareas
diferentes.
La regla de Utilizar Reglas Simples, es considerada también como una de las formas más
poderosas e inteligentes que podemos aprovechar del comportamiento de los insectos. Bonabeau y Meyer nos informan de cómo la compañía Capital One ha utilizado esta regla
para asegurar que todos en su organización trabajen orientados a las mismas metas.
En esa compañía se emitieron las siguientes guías:
�1. Siempre alinee actividades de tecnología de información con el negocio (mantenga en su
mente las metas globales de la compañía)
2. Use buen juicio económico (gaste el dinero como si fuera el suyo propio).
3. Sea flexible (no se encierre en un solo patrón de pensamiento).
4. Tenga empatía para otros en la organización (cuando las personas le pidan que usted
haga algo con lo que usted no está de acuerdo, póngase en sus zapatos). El Ejecutivo Principal de esta compañía dice que estas simples reglas han empoderado a su
personal a tomar sus propias decisiones en el trabajo, y la tasa de pérdida de clientes es
menor del 4%, comparada con el 20% que existe en toda la industria de tecnología de la
información. VENTAJAS DE LA INTELIGENCIA DE ENJAMBRE
1. Flexibilidad. El grupo se adapta con rapidez a un ambiente cambiante.
1. Robustez. Incluso cuando uno o más individuos fallan, el grupo todavía puede realizar
sus tareas.
1. Auto-organización. El grupo requiere poca supervisión o control de arriba hacia
abajo.
SISTEMAS MULTIAGENTES
El dominio del sistema multiagente o de inteligencia artificial distribuida es una ciencia y una técnica que trata con los sistemas de inteligencia artificial en red.
El bloque fundamental de construcción de un sistema multiagente, como es de esperarse,
son los agentes.
Aunque no existe una definición formal y precisa de lo que es un agente, éstos son por lo
general vistos como entidades inteligentes, equivalentes en términos computacionales a un
proceso del sistema operativo, que existen dentro de cierto contexto o ambiente, y que se pueden comunicar a través de un mecanismo de comunicación interproceso, usualmente un
sistema de red, utilizando protocolos de comunicación.
En cierto modo, un sistema multiagente es un sistema distribuido en el cual los nodos o elementos son sistemas de inteligencia artificial, o bien un sistema distribuido donde la conducta combinada de dichos elementos produce un resultado en conjunto inteligente.
Hay que notar que los agentes no son necesariamente inteligentes. Existen como en todo el resto del dominio de la inteligencia artificial, dos enfoques para construir sistemas multiagentes:
El enfoque formal o clásico, que consiste en dotar de los agentes de la mayor
inteligencia posible utilizando descripciones formales del problema que resolver y de hacer reposar el funcionamiento del sistema en tales capacidades cognitivas. Usualmente la inteligencia es definida utilizando un sistema formal (por ejemplo, sistemas de inferencia lógica) para la descripción, raciocinio, inferencia de nuevo conocimiento y planificación de acciones a realizar en el medio ambiente.
El enfoque constructivista, que persigue la idea de brindarle inteligencia al conjunto de todos los agentes, para que a través de mecanismos ingeniosamente elaborados de
interacción, el sistema mismo genere comportamiento inteligente que no necesariamente estaba planeado desde un principio o definido dentro de los agentes mismos (que pueden ser realmente simples). Este tipo de conducta es habitualmente llamado comportamiento emergente.
Características
Los agentes en un sistema multiagente tienen varias características importantes:4
Autonomía: los agentes son al menos parcialmente autónomos Visión local: ningún agente tiene una visión global del sistema, o el sistema es
demasiado complejo para un agente para hacer un uso práctico de esos
conocimientos Descentralización: no hay un agente de control designado (o el sistema se reduciría
a un sistema monolítico)5
Normalmente la investigación de sistemas multiagente se refiere a agentes de software. Sin embargo, los agentes en un sistema multiagente también podrían ser robots,
6 seres humanos o equipos humanos
Auto-organización y auto dirección
Los sistemas multiagente pueden manifestar autoorganización, así como auto-dirección y
otros paradigmas de control y comportamientos complejos relacionados, incluso cuando las estrategias individuales de todos sus agentes son simples.
Cuando los agentes pueden compartir su conocimiento usando cualquier lenguaje acordado, dentro de los límites del protocolo de comunicación del sistema, el enfoque puede conducir a
una mejora común. Ejemplo de lenguajes son Knowledge Query and Manipulation Language (KQML) o Agent Communication Language
El estudio de sistemas multiagente
El estudio de los sistemas multiagente está "interesado en el desarrollo y análisis de
resoluciones a problemas sofisticados de IA y arquitecturas de control tanto para sistemas con un único agente como sistemas multiagente�.7 Los temas de investigación en SMA�s son:
ingeniería de software orientado a agentes creencias, deseos e intenciones (en inglés Beliefs, Desires and Intentions, BDI) cooperación y coordinación organización comunicación negociación resolución de problemas distribuída apredizaje de multiagentes comunidades científicas fiabilidad y tolerancia a fallos
CONCLUSIÓN
Definitivamente redondeo mi idea de que la biblioteca virtual de la UNAD es de difícil manejo y muy poco práctica. Tarde más de 5 horas en encontrar lo poco que encontré, hubo temas
que ni siquiera hallé, quizás estén, pero el buscador es deficiente, tanto así que no acepta
búsquedas binarias, algo que en Google es pan de cada día.
Sigo pensando que lo mejor que es inviertan la platica que la UNAD se gasto en éste
servicio, en crear material propio, quizás en reforzar la editorial de la universidad.
CARLOS HARVEY NÚÑEZ MARTÍNEZ.
Recommended