Sistema Anty (Agente Inteligenet de Enjambre)

477 views

Published on

El comportamiento básico de los agentes simples son los siguientes: buscar alimentos; pedir ayuda, siempre que se necesite, al resto de agentes para trasladar el alimento; trasladar el alimento a la base.
La detección de objetos (obstáculos o alimentos) se podrá hacer de las siguientes maneras: revisando las casillas adyacentes en la que se encuentre el agente o permitir que el agente tenga una “visión” más amplia del entorno, dotándole de la capacidad de visualizar objetos más allá de una casilla desde su posición en el entorno o tablero. La elección del método de detección de objetos se determinará en función de los progresos que se consigan en el proyecto.
la comunicación de los agentes estará limitada en un radio de acción, definido por una variable, para que sólo acudan en su ayuda aquellos agentes que se encuentren más cerca y no se abandone la búsqueda del resto de agentes que se encuentran más alejados. De esta manera se formarán grupos de trabajo alrededor de un alimento encontrado, permitiendo que el resto de agentes siga en la búsqueda de nuevos alimentos, lo que beneficiará al colectivo a cumplir con su labor más rápido.

Published in: Technology
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
477
On SlideShare
0
From Embeds
0
Number of Embeds
6
Actions
Shares
0
Downloads
6
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Sistema Anty (Agente Inteligenet de Enjambre)

  1. 1. Agentes Inteligentes ANTY Antony Vittorio Russo Cabrera Laeticia Dos Santos
  2. 2. Mapa de conceptos 1.  El problema 2.  Conceptos Previos 3.  Materiales que necesitamos 4.  Detalles importantes I 5.  Detalles importantes II 6.  Detalles importantes III 7.  Corre, corre que te pillo 8.  ¿Que vamos a encontrar? a.  Def.nls b.  Ant.nls c.  Setup.nls d.  Ants.nlogo 9.  ¿Hormigueamos un poco? 10. Problemas encontrados 11. Versión 2.0 12. Conclusiones 13. Dudas y preguntas 14. Referencias
  3. 3. El problema Se pretende resolver el problema de evitar obstáculos, localizar alimentos y trasladarlos a un punto base, que requerirá el empleo de múltiples agentes y la colaboración entre ellos para desempeñar la labor. •  •  •  Comportamiento. Detección de objetos. Comunicación El fin de la ejecución de la aplicación se alcanzará cuando todos los alimentos, cuyo número estará establecido por una variable, hayan sido trasladados al nido.
  4. 4. Conceptos previos ¿Que es la Inteligencia de Enjambre? Inteligencia de Enjambre es el comportamiento colectivo de los sistemas descentralizados, autoorganizados , naturales o artificiales. El concepto se emplea en los trabajos sobre inteligencia artificial. ¿Como se forman? Los sistemas de Inteligencia de Enjambres están típicamente formados por una población de agentes simples que interactúan localmente entre ellos y con su medio ambiente. La inspiración proviene a menudo de la naturaleza, especialmente de los sistemas biológicos. Los agentes siguen reglas muy simples, y aunque no existe una estructura de control centralizado que dicta cómo deben comportarse los agentes individuales, locales, y en un grado determinado al azar, las interacciones entre tales agentes conducen a la aparición de "inteligente" comportamiento global. Como ejemplos naturales se incluyen las colonias de hormigas, aves, el pastoreo de animales y el crecimiento bacteriano. ¿Como se usan en Agentes Inteligentes? La aplicación de los principios de enjambre de robots se llama enjambre robótico, mientras que "inteligencia de enjambre" se refiere al conjunto más general de los algoritmos. 'Predicción de Enjambres' se ha utilizado en el contexto de los problemas de previsión.
  5. 5. Materiales que necesitamos Netlogo ¿Por qué? Netlogo es particularmente útil para modelar sistemas complejos que evolucionan en el tiempo. Los implementadores de modelos pueden dar instrucciones a cientos o miles de agentes para que todos ellos operen de manera independiente, entre sí y con el entorno. Esto hace posible explorar la relación entre el comportamiento a bajo nivel de los individuos y los patrones que surgen a partir de la interacción de muchos individuos entre sí.
  6. 6. Detalles importantes I Nuestro cuadro de mandos:
  7. 7. Detalles importantes II Tenemos 3 visiones del tablero al ejecutar:
  8. 8. Detalles Importantes III A la hora de buscar tenemos 2 visiones priorizadas para olfatear las casillas. Así permitimos a la hormiga determinar cuál de ellas es más adecuada de seguir: 1.  mayor rastro de comida 2.  mayor rastro químico Pero si no tenemos ningún estimulo ejecutaremos de manera aleatoria.
  9. 9. Corre, corre que te pillo •  Penaliza las casilla por las que se haya pasado más de 3 veces con comida, quitandole fuerza al rastro hacia el hormiguero. •  Comprueba la energía actual de la hormiga y actúa en consecuencia.
  10. 10. ¿Que vamos a encontrar? Def.nls Ant.nls Ants.nlogo Setup.nls
  11. 11. Def.nls Se encuentra la definición de los agentes que actualmente vamos a utilizar. Agentes creados: Agentes Hormigas Agentes Comida •  • 
  12. 12. Ant.nls Podremos encontrar todas las acciones programadas para el agente Hormiga.
  13. 13. Setup.nls En este fichero le damos forma a la hormiga para poder definir cada una de las características. ‘especiales’ que queremos crear y el entorno personalizado que le hemos dado.
  14. 14. Ants.nlogo Fichero que contiene la funcionalidad go que permite ejecutarlo de manera continuada o de manera pausada a selección del usuario.
  15. 15. ¿Hormigueamos un poco?
  16. 16. Problemas encontrados 1.  Duplicado de los pesos al intentar crear montículos unificados de comida. 2.  Resolver la situación de problemas en esquinas hace que debamos buscar caminos alternativos. 3.  La muerte de las hormigas hace que la comida quede ‘in situ’ por lo tanto se machacan los valores de los agentes comida anteriores.
  17. 17. Versión 2.0 1.  Procesos para que la comida sea indivisible. 2.  Porteadores reinas. 3.  Aprendizaje de entrenamiento. 4.  Incluir amenazas a la colonia.
  18. 18. Conclusiones •  La comunicación entre agentes en ocasiones ha supuesto un handicap al replicar la información. •  Aunque muchos de nuestros individuos hayan muerto en el proceso vemos como el resultado grupal se ve beneficiado para alcanzar el objetivo
  19. 19. ¿Dudas y Preguntas?
  20. 20. Referencias •  Netlogo en español https://sites.google.com/site/ manualnetlogo/ •  Wikipedia: http://es.wikipedia.org/wiki/ Algoritmo_de_enjambre •  Diccionario de Netlogo: ccl.northwestern.edu/netlogo/docs/ dictionary.html
  21. 21. Muchas gracias por su atencion.

×