artificial intelligence marcos augusto hochuli shmeil shm@ppgia.pucpr.br

ARTIFICIAL INTELLIGENCEARTIFICIAL INTELLIGENCE

Marcos Augusto Hochuli Shmeil

shm@ppgia.pucpr.br

Marcos Augusto Hochuli Shmeil - shm@ppgia.pucpr.br

EnquadramentoEnquadramento Conceitos FundamentaisConceitos Fundamentais A Inteligência Artificial (A Inteligência Artificial (IAIA)) Machine Learning (Machine Learning (MLML)) A Distribuição da Inteligência Artificial (A Distribuição da Inteligência Artificial (IADIAD))

Aplicando metodologias de Aplicando metodologias de IADIAD e e MLML para a para a modelagem de uma Sociedade de Organizações modelagem de uma Sociedade de Organizações ((Organizações ArtificiaisOrganizações Artificiais))

ARTIFICIAL INTELLIGENCEARTIFICIAL INTELLIGENCE

EnquadramentoEnquadramento

Compreensão do mundo em que vivemosCompreensão do mundo em que vivemos

Aprender padrõesAprender padrõesDescobrir padrõesDescobrir padrõesCriar padrõesCriar padrões

Propriedades, comportamentos (relações), ...Propriedades, comportamentos (relações), ...

naturalworld

artificial

...org

org orgorgorg

soc org

conceived byhuman beings

models

created by human beings

models

artifactsworld

São agrupados em São agrupados em SistemasSistemas, os quais , os quais são classificadossão classificados

Segundo o domínio de aplicação:Segundo o domínio de aplicação:SistemasSistemas Aa, Bb, Cc, ...Aa, Bb, Cc, ...

Segundo a finalidade organizacionalSegundo a finalidade organizacionalSistemasSistemas Operacionais OperacionaisSistemas Sistemas Gerenciais - de controleGerenciais - de controleSistemasSistemas de Apoio a decisão, ...de Apoio a decisão, ...

Segundo a representação do conteúdoSegundo a representação do conteúdoSistemasSistemas de Informação de InformaçãoSistemasSistemas baseados em Conhecimento, baseados em Conhecimento,Sistemas Sistemas orientados à objetos, ...orientados à objetos, ...

......

Conceitos FundamentaisConceitos Fundamentais

Quanto a abrangência da Base de dados:Quanto a abrangência da Base de dados:

Bases Bases CCorporativasorporativas

Bases Bases DDepartamentaisepartamentais

Bases Bases EEspecíficasspecíficas

A Inteligência Artificial (IA)A Inteligência Artificial (IA)

É uma parte da Ciência da Computação, É uma parte da Ciência da Computação, interessada na modelagem de Sistemas interessada na modelagem de Sistemas Inteligentes de Computação. (Meados de 1950).Inteligentes de Computação. (Meados de 1950).

A IA é o estudo de como fazer os computadoresA IA é o estudo de como fazer os computadoresrealizarem tarefas, as quais, no momento, são realizarem tarefas, as quais, no momento, são realizadas de forma melhor pelos seres humanos.realizadas de forma melhor pelos seres humanos.

Sistemas InteligentesSistemas Inteligentes::São sistemas que exibem características que nósSão sistemas que exibem características que nósassociamos com a inteligência do comportamentoassociamos com a inteligência do comportamentohumano.humano.

Entender a LinguagemEntender a LinguagemAprendizagemAprendizagemRaciocínioRaciocínioSolução de problemas, ...Solução de problemas, ...

A inteligência requer conhecimentoA inteligência requer conhecimento

Descrição formal de um problema:Descrição formal de um problema:

Definição do Espaço de EstadosDefinição do Espaço de Estados Definir o estado inicialDefinir o estado inicial Definir o estado final ( objetivo)Definir o estado final ( objetivo) Conjunto de operadores que descrevem as açõesConjunto de operadores que descrevem as ações Estratégia de controle - Estratégia de controle - Cause movimentoCause movimento

Seja sistemáticaSeja sistemática

A A heurísticaheurística é uma técnica que melhora a eficiência é uma técnica que melhora a eficiência de um processo de busca no espaço de estados,de um processo de busca no espaço de estados,sacrificando o determinismo e a perfeição.sacrificando o determinismo e a perfeição.

espaçoespaçodede

estadosestados

um estado atualum estado atual

Novo estadoNovo estado

raciocínio (monotônico e raciocínio (monotônico e não monotônico)não monotônico)

Então,Então,

Representação do ConhecimentoRepresentação do Conhecimento

• Lógica de predicadosLógica de predicados

• FramesFrames

• ScriptsScripts

• Redes semânticas, Redes semânticas, ......

• Lógica de predicadosLógica de predicados

conceda crédito PESSOA_P conceda crédito PESSOA_P sesesaldo_médio > X saldo_médio > X eetempo cliente > Y tempo cliente > Y eerenda_mensal > Z.renda_mensal > Z.

pessoa( Maria)pessoa( Maria)saldo_médio ( Maria, x+1)saldo_médio ( Maria, x+1)tempo_cliente (Maria,Y-10)tempo_cliente (Maria,Y-10)renda_mensal (Maria, z+35)renda_mensal (Maria, z+35)

• FramesFramesFrame Frame : Banco: Banco Especialização:Especialização: Banco ComercialBanco Comercial HorárioHorário:: ( 10:00 às 16:00)( 10:00 às 16:00) Sub-divisãoSub-divisão:: AgênciasAgências

Carteiras: Carteiras: Contas_correntesContas_correntes CâmbioCâmbio RuralRural

Recursos_humanosRecursos_humanos: gerentes: gerentes caixascaixas

auxiliaresauxiliaresQtde_de_recursosQtde_de_recursos: [50]: [50]Classe_agênciaClasse_agência: ( pequena,: ( pequena,

média,média,grande)grande)

Ex:Ex:agência_xyzagência_xyz CarteiraCarteira: Contas_correntes: Contas_correntes Recursos_humanosRecursos_humanos: [ gerente qtde = 1]: [ gerente qtde = 1] Classe_agência Classe_agência = pequena= pequena

• ScriptScript

script: script: conceito de uma pessoa (cliente) frente a uma lojaconceito de uma pessoa (cliente) frente a uma loja

condição de entradacondição de entrada:: . identificação da pessoa. identificação da pessoa

condição de saidacondição de saida:: . Conceito da pessoa junto a loja. Conceito da pessoa junto a loja

objetosobjetos:: . Pessoa (consumidor). Pessoa (consumidor) . Loja. Loja

agentesagentes:: . Funcionários da Agência (. Funcionários da Agência (FAFA)) . Funcionários da Loja (. Funcionários da Loja (FLFL))

Cena_1Cena_1: : Contato InicialContato InicialFAFA: contato inicial: contato inicialFA: FA: Solicita falar com um FLSolicita falar com um FLFAFA: Informa identificação da pessoa: Informa identificação da pessoa

Cena_2Cena_2: : Pessoa é consumidora da LojaPessoa é consumidora da LojaFL:FL: Localiza cadastro Localiza cadastroFL: FL: Verifica pontualidade de pagtosVerifica pontualidade de pagtos

Cena_3Cena_3: : Elaboração de conceitoElaboração de conceitoFLFL: contata : contata FAFAFL: FL: informa pontualidade de pgtoinforma pontualidade de pgtoFAFA: recebe a informação: recebe a informaçãoFAFA: atribui conceito segundo critérios: atribui conceito segundo critérios

• Redes semânticasRedes semânticas

cadeiracadeira

móvelmóvel

assentoassentopessoapessoa

is_ais_a is_part_ofis_part_of

is_ais_ais_ais_a

havehave CccccCcccc

Sistemas Especialistas (Expert systems):Sistemas Especialistas (Expert systems):

Componentes:Componentes:

• EspecialistaEspecialista• Engenheiro do ConhecimentoEngenheiro do Conhecimento• InterfacesInterfaces• InferênciaInferência• Base de ConhecimentoBase de Conhecimento

Arquitetura de um sistema a base Arquitetura de um sistema a base de conhecimentosde conhecimentos

Base de conhecimentos

Base de Fatos

Motor deinferência

Sistema Especialista

Mecanismo e estratégia de Mecanismo e estratégia de inferênciainferência

Considerando uma regra:Considerando uma regra:• SeSe as premissas estão contidas na Base de Fatos as premissas estão contidas na Base de Fatos BFBF,, • entãoentão aplica-se a regra aplica-se a regra i.e. insere-se as conclusões BFi.e. insere-se as conclusões BF• senãosenão passa para a próxima regrapassa para a próxima regra• QuandoQuando detecta-se que um objetivo foi atingido ou que detecta-se que um objetivo foi atingido ou que

mais nenhuma regra se aplica, o processo de raciocínio mais nenhuma regra se aplica, o processo de raciocínio é encerradoé encerrado

As variações nesse mecanismo estão relacionadas As variações nesse mecanismo estão relacionadas a escolha da primeira regra, a escolha próxima a escolha da primeira regra, a escolha próxima regra, . . .regra, . . .

Exemplo de inferênciaExemplo de inferênciaRegra 01: SeSe A então B & C Regra 02: SeSe B então D Regra 03: SeSe C então E Regra 04: SeSe D então G

Encadeamento para frente

Encadeamento para traz

Exemplo de base de regrasExemplo de base de regrasRegra 01: Se distância > 5 km,

pegaremos o carroRegra 02: Se distância > 1 km e tempo < 15 minutos,

pegaremos o carroRegra 03: Se distância > 1 km e tempo > 15 minutos,

iremos a péRegra 04: Se iremos de carro e o cinema é no centro da

cidade, pegaremos um taxiRegra 05: Se iremos de carro e o cinema não é no centro

da cidade, pegaremos nosso próprio carro

Regra 06: Se iremos a pé e o tempo está ruim, pegaremos uma impermeável

Regra 07: Se iremos a pé e o tempo está bom, iremos em ritmo de passeio

AA é verdade se é verdade se B B for Verdade,for Verdade, C C for verdade.for verdade.

BB é verdade se é verdade se B1B1 é verdade é verdade B2 B2 é verdade.é verdade.

B1B1 é um fato é um fato conhecidoconhecido

InferênciaInferência Base Conhec.Base Conhec.

Machine Learning (ML)Machine Learning (ML)

A habilidade para A habilidade para aprenderaprender é um dos mais significativos é um dos mais significativosaspectos da inteligência humana.aspectos da inteligência humana.

As As máquinasmáquinas não podem ser chamadas de não podem ser chamadas de inteligentesinteligentesaté que sejam capazes de até que sejam capazes de aprenderaprender a fazer coisas a fazer coisas novas, adaptarem-se a novas situações, no lugar denovas, adaptarem-se a novas situações, no lugar desimplesmente fazerem aquilo que foram mandadas.simplesmente fazerem aquilo que foram mandadas.

Aprendizado sub-simbólicoAprendizado sub-simbólicoRedes neuronais, ...Redes neuronais, ...

Aprendizado simbólicoAprendizado simbólicoAtravés: Através: exemplos, ...exemplos, ...Métodos: Métodos: indutivos, dedutivos, ...indutivos, dedutivos, ...O que: O que: Novos conceitos, árvores de decisão, ...Novos conceitos, árvores de decisão, ...

Aprendendo árvores de decisão:Aprendendo árvores de decisão:

- Critério de avaliação : - Critério de avaliação : EntropiaEntropia

atributos1([inteligencia,beleza,situacao_financeira]).

exemplos1([[inteligencia(sim),beleza(bonito),situacao_financeira(rico),classe(namorar_sim_namora)],[inteligencia(nao),beleza(feio),situacao_financeira(pobre),classe(namorar_nao_namora)],...]).

Namorar ou não namorarNamorar ou não namorar

Apresentar Árvores de Apresentar Árvores de Indução -Indução -

inteligintelig

financfinancnamoranamora

simsimnãonão

popomeme

ñ_namorañ_namora namoranamoranamoranamora

Indução a partir de exemplosIndução a partir de exemplos

EblEbl

A partir de uma teoria e um exemplo ou conjunto deA partir de uma teoria e um exemplo ou conjunto deexemplosexemplos

kill( X, Y)kill( X, Y)

hates(X, Y) has_gun(X) is_depressed(X)hates(X, Y) has_gun(X) is_depressed(X)

hates( John, John).hates( John, John).has_gun( John).has_gun( John).is_depressed( John).is_depressed( John).

A Inteligência Artificial A Inteligência Artificial Distribuída (IAD)Distribuída (IAD)

PROBLEMAS DISTRIBUIDOSPROBLEMAS DISTRIBUIDOS• Solução de problemas de forma distribuídaSolução de problemas de forma distribuída• AgentesAgentes

Dividir paraDividir paraconquistarconquistar

Solução de problemas de forma distribuídaSolução de problemas de forma distribuída

AgentesAgentes

Entidades computacionais, dotadas de capacidadesEntidades computacionais, dotadas de capacidadescognitivas cognitivas (percepção, raciocínio e memória) ou (percepção, raciocínio e memória) ou reativas reativas as quais as quais agemagem ou ou reagemreagem no domínio para as quais foram no domínio para as quais foram concebidas.concebidas.

O comportamento cognitivo é orientado pelos objetivos, O comportamento cognitivo é orientado pelos objetivos, crenças, desejos e intenções. crenças, desejos e intenções.

O reativo é orientado pela função e pela sobrevivência.O reativo é orientado pela função e pela sobrevivência.

AgentesAgentes

Multi-agenteMulti-agente - - Sociedade de agentesSociedade de agentes Cognitivos/ ReativosCognitivos/ ReativosHomogêneos/ HeterogêneosHomogêneos/ HeterogêneosDistribuídos/ CentralizadosDistribuídos/ CentralizadosAutônomos/ Semi-autônomosAutônomos/ Semi-autônomos

Dividir paraDividir paraconquistarconquistar

Solução orientada por AGENTESSolução orientada por AGENTES

AgAg11

AgAg22

AgAg33

AgAgnn

Marcos Augusto Hochuli Shmeil - shm@ppgia.pucpr.brAplicando metodologias de IAD e ML para a Aplicando metodologias de IAD e ML para a

modelagem de uma Sociedade de modelagem de uma Sociedade de OrganizaçõesOrganizações

• Uma Sociedade de OrganizaçõesUma Sociedade de Organizações

• As OrganizaçõesAs Organizações

• Cenário para uma Sociedade de OrganizaçõesCenário para uma Sociedade de Organizações ARTOR ARTOR ((ARTARTificial ificial ORORganizations)ganizations)

• Interação entre Produtores e Fornecedores deInteração entre Produtores e Fornecedores de em um caminho cooperativoem um caminho cooperativo

• Uma Sociedade de OrganizaçõesUma Sociedade de Organizações

protagonistaprotagonista

criadorcriador

naturalnatural

artificialartificial

constantementeconstantementemodificamodifica

mundo realmundo real

naturalnatural

artificialartificial

mundo realmundo real

PercepçãoPercepção

modelos conceituaismodelos conceituais

• Limitações cognitivas e físicas Limitações cognitivas e físicas Entende as vantagens de reunir esforçosEntende as vantagens de reunir esforços

Sociedade e Relações SociaisSociedade e Relações Sociais

Estas Sociedades foram e ainda são estruturadasEstas Sociedades foram e ainda são estruturadasem em ORGANIZAÇÕESORGANIZAÇÕES , nas quais o ser humano , nas quais o ser humanocontribui com suas capacidades e especialidades,contribui com suas capacidades e especialidades,exibindo um comportamento inteligente.exibindo um comportamento inteligente.

Neste cenário social, um Neste cenário social, um Comportamento InteligenteComportamento Inteligentepode ser caracterizado:pode ser caracterizado:

• Percepção do ambientePercepção do ambiente• Tomada de decisãoTomada de decisão• Interações sociais Interações sociais • CoordenaçãoCoordenação• PlanejamentoPlanejamento NASCER, VIVER e MORRER.NASCER, VIVER e MORRER.• AprendizagemAprendizagem

• As OrganizaçõesAs Organizações

entidade socialentidade social

modeladas em termos de Interações Sociaismodeladas em termos de Interações Sociais

intraintra

interinter

innerinner

outerouter

INNERINNERRecursos HumanosRecursos Humanos

Não HumanosNão HumanosEstrutura FísicaEstrutura Física

ConceitualConceitualTarefas finsTarefas fins

suporte (meio) suporte (meio)

INNER/ OUTERINNER/ OUTERObservação - PassivaObservação - Passiva

AtivaAtiva

A sobrevivência de uma Organização depende daA sobrevivência de uma Organização depende dacapacidade do capacidade do INNER INNER perceber e se ajustar para perceber e se ajustar para o o OUTEROUTER

modelagem de uma Sociedade de modelagem de uma Sociedade de Organizações - Organizações - 1o parte

•Cenário para uma Sociedade de OrganizaçõesCenário para uma Sociedade de Organizações

AMBIENTE

consumo

consumidoresindivíduos

distribuição

consumo

co co. . .

con1 2

organização

consumo

distribuição

• em geral pela modelagem de organizações,

• em particular pela relação social de contratação,

• necessidade de processos automatizados,

• pela necessidade de preservar o conhecimento envolvido e aprender com as experiências,

Aplicando metodologias de IAD e ML para a Aplicando metodologias de IAD e ML para a modelagem de uma Sociedade de modelagem de uma Sociedade de

OrganizaçõesOrganizações

•MOTIVAÇÃO

• pelo potencial que o domínio da Inteligência Artificial Distribuída apresenta na modelação de problemas complexos e distribuídos, e

• pela atenção que a comunidade científica tem dispensada no domínio da modelagem das organizações.

•MOTIVAÇÃO

• dois grupos de disciplinas:

(i) as que auxiliam na compreensão do problema a ser estudado e modelado, e

(ii) as que contribuem com conceitos e metodologias.

• COMPREENSÃO

Teoria das OrganizaçõesTeoria Geral da Administração

SociologiaMicroeconomia

Psicologia

sociedade de organizações sociedade de agentes

organização

relações sociais capacidade dos agentes

agente

Domínio de Compreensão Domínio de Realização

Inteligência Artificial DistribuídaSistemas MultiagenteAprendizagem Simbólica Automática

• COMPREENSÃO

modelagem de uma Sociedade de modelagem de uma Sociedade de Organizações - Organizações - 2o parte

. decidir sobre o convite,

Organizações

. detectar conflitos,

. aprender no domínio da negociação.

. negociar os valores dos critérios,

. avaliar as contrapropostas,

. convidar a sociedade a participar,

. efectivar a contratação, e

. avaliar as propostas,

. negociar os valores dos critérios, e

. aprender no domínio da negociação.

Comportamentos: Comportamentos:

•Interação entre Produtores e Fornecedores deInteração entre Produtores e Fornecedores de em um caminho cooperativoem um caminho cooperativo

INDIVÍDUOS

RELAÇÕES

RELAÇÕESRELAÇÕES

SOCIEDADE

RELAÇÕES

NEWS-STAND

RELAÇÕES

não-hierárquica

......

ORGANIZAÇÃO (agente)

hierarquica

RELAÇÕES

não-hierárquica

......

hierarquica

não-hierárquica

......

hierarquica

ARTARTificialificial ORORganizationsganizations

• Agentes (Organizações)

• Quadro-Negro (Quiosque “News Stand”)

Os componentes do sistemaOs componentes do sistema ARTORARTOR

ADMINISTRATOR-AGENT

PLANNING

COORDINATION

LEARNING

INDIVIDUAL KNOWLEDGE (IK)

KNOWLEDGE (CK)CORPORATE

COM. = communication

COVER-AGENT

EXECUTOR-AGENT

EXPERTISE

LEARNING

INDIVIDUAL KNOWLEDGE (IK)

OUTERSM AM

styles

resources, ...

self model

acquaintance model

cover-agents

society

missions

DESCRIPTOR

agenti

agentn

processes

projection

objectrelation

““ARTOR”ARTOR” um modelo computacional para um modelo computacional para

organizações artificiaisorganizações artificiais

um agente gestor é definido pelo par ordenado:

(Ikb, Caa) onde:(i) Ikb é uma base de conhecimento individual, e(ii) Caa é um conjunto de capacidades {planeamento,coordenação, comunicação, aprendizagem}.

um agente executor é definido pelo par ordenado:

(Ikb, Cae) onde:(i) Ikb é uma base de conhecimento individual, e(ii) Cae é um conjunto de capacidades

{especialidade/perícia, comunicação, aprendizagem}.

uma organização é definida por:

Sejam Aas e Eas.Uma organização é uma tripla, tal que Org =(Aas,Eas,Ckb), Aas , Eas , Ckb .

Estruturas:

agenteexecutor

agentegestor

o agente envolvente de menor

granularidade

Estruturas:

ag_exag_ex

Grupo virtual

ouag_ex

organizações virtuais

ag_geag_ex

Ohiw Ohis

Ohis (ii)

Capacidades dos agentes:

ambiente externo a organização

comunicação

agente gestor/ agente executor

base de conhecimentoindividual - Ikb

área de comunicação. mensagens recebidas. mensagens à serem enviadas

ambiente interno a organização

conhecimento

base de conhecimento corporativa - Ckb

ambiente interno a organização

comunicação

recepção

fila_de_espera

gerenciamento

(i) a padronização

(ii) a supervisão direta

(iii) o ajuste mútuo através da argumentação

A Coordenação:

O quiosque "News-Stand" representa um local deafixação pública de informações para os componentesde uma sociedade de organizações

QUIOSQUE - "News_Stand"

acçõesmensagens

AGENTES

oferta de notícias

busca por notícias

oferta de notícias

busca por notícias

afixação

procura

confirmação da oferta de notícias

resultado da busca por notícias

oferta de notícias

busca por notícias

Base deNotícias

Mantenedor

relações públicas

a relação social de seleção e de contratação a relação social de seleção e de contratação de parceiros cooperantes no modelo de parceiros cooperantes no modelo

“ARTOR”“ARTOR”

ocorre através de:

agentes executores dos agentes envolventes, os quaisrespectivamente desempenham; os papéis de:

(i) organizadores, ou

(ii) respondentes,

dependendo dos objectivos de:

(i) buscar cooperação, ou

(ii) estar interessado em cooperar,

lista de critérios (CL) para cada bem/serviço a ser provido.Uma lista de critérios, é formada pela conjunçãounidades denominadas de critérios de seleção (SC) .

seleção:

técnico comercial

preço período depagamento

quantidade

bem/serviço

satisfazem

região dosvalores que

satisfazem maisregiões dosvalores dos

domínios doscritérios

região dosvalores quesatisfazem

C a d a c r ité r io d e s e le c ç ã o (S C ) é u m a 5 -u p la :

[c o r , a z u l, [ [a z u l, p re ta ] , n o n e ] , 1 ,g ro u n d ] , . . .[p e r ío d o _ d e _ p a g a m e n to , 3 0 , [ [v is ta , 3 0 ,6 0 , 9 0 , 1 2 0 ] , r ig h t ] , 3 , g ro u n d ] , . . .

(agentn,, 12, ((color, blue, y), (price, _, y), (payment_period, 60, y)), 10)

AgAg11AgAg22

AgAg33 AgAgnn

ConviteConvite

organizerorganizer

respondentrespondent

respondentrespondentrespondentrespondent

satisfazmais

PS_CL_P1(Dcor,Dpreço,Dperíodo de pagamento,Dquantidade)

preçocor período depagamento

quantidade

Espaço de possibilidades da CL_P1

satisfaz

satisfazmenos

azul, preta

3020 50

8030 vista

artor_org_A

uma sessão de negociação

organizadorrespondente

respondente

estratrégia,táctica

inicialcontra_oferta

inicialoferta

inicialcontra_oferta

oferta_1

estratrégia,táctica

Negociação baseada em:(i) estilo do agente, e(ii) estratégias e táticas

A Oferta_Inicial e a NegociaçãoA Oferta_Inicial e a Negociação

Orientada :Orientada :

Estilo doEstilo doagenteagente

EstratégiasEstratégias TáticasTáticas

Win/WinWin/Win

Win/LoseWin/Lose

A Oferta_inicial e a NegociaçãoA Oferta_inicial e a Negociação

Frame: EstratégiaTipo: 1) DECREMENTAL

2- Próximas_ofertas:

Tipo de Conceito: ECConceito: 1) Considerar 50% das contra_ofertas

Frame:

Estilo do agenteEstilo: win/win Aplicação: negociação

Conceitos: EC...

Frame:

Opção: 1

Negociação, Opção: 1, Conceito

Estilo do agente : win/win ou win/lose Objectivo : decrementar as ofertas

1- Oferta_inicial: ECs com máximo valores

Tácticas: TROCA

Frame: TáticasTipo : 1) TROCA

Objectivo: Troca de ECs 1) Manter ECs com utilidade > 5

Trocar ECs com utilidade =< 5 ...

Frame: operador_decremental...

Negociação, Opção: 1, Conceito

ECs com valores decrementados

O Processo de ValidaçãoO Processo de Validação

desejado

oferta_inicial c_oferta_inicial oferta_1 c_oferta_1 oferta_2

geradarecebida

sequência

valores acima

valores abaixo

cresce/ decresce/ coincide

• Cálculo da distância, Situações de conflito Cálculo da distância, Situações de conflito • Negociação como metodologiaNegociação como metodologia

A AprendizagemA Aprendizagem

EC1.iEC2.iECn.i

EC1.1EC2.1ECn.1

EC1.2EC2.2ECn.2

c_oferta_inicial oferta_1 c_oferta_1 oferta_2 oferta_inicial

ECnEC2EC1

c_EC1.ic_EC2.ic_ECn.i

c_EC1.1c_EC2.1c_ECn.1

sequência

frame_1 frame_2 frame_...

CL- valores desejados

Em referência ao cenário, a táctica de“troca” da estratégia “decremental”,utilizada pelo organizador, passa a sercomplementada com:

(i) para geração da oferta inicial:

(i.ii) incrementar os valores que satisfazem os critérios,para seus valores de utilidade máxima (satisfaz mais)

(ii) para as demais ofertas que não a inicial:

(ii.i) manter o valor de um dos critérios, ocom mais alta utilidade (“Pri”). Caso existamais de um, escolhe-se aleatoriamenteum deles,

(ii.ii) seleccionar o próximo critério demais alta utilidade e passar adecrementar, de uma unidade, o valorrelativo da instância, mantendo osdemais fixos,

(ii.iii) quando todos os valores, do critérioque está sendo decrementado, foramofertados, e a sessão não foi encerrada,retornar ao passo (ii.ii), e

(ii.iv) quando não mais é possível manter o valor docritério escolhido no item (ii.i), decrementar de umaunidade, o valor relativo da instância desse critério, eretornar ao item (ii.ii).

A contratação:A contratação de um respondente, por um organizador,

segue a seguinte prioridade:

(i) o respondente que apresentou a contra-ofertacom a melhor utilidade, independente de ter sido aúltima interacção. Em caso de empate,

(ii) o respondente que antecipou o encerramento dasessão, por igualdade de valores. Em caso de empate,

(iii) o respondente cujo conhecimento que oorganizador possui, em sua base de conhecimento,sobre processos de selecção anteriores, apontamcomo um respondente “win/win”.

Aprendizagem:

oferta inicial contra-ofertainicial

segundaoferta

segundacontra-oferta

terceira oferta terceiracontra-oferta

critérios para“1”

para“2”

de“1”

de“2”

para“1”

para“2”

de“1”

de“2”

para“1”

para“2”

de“1”

de“2”

cor azu=

preço 10

período_de_pagamento

quantidade 50=

------ EXEMPLOS ------------------------> classe = critério prazo

[preco(incr_util),cor(man_util),quantidade(man_util),prazo(incr_util),classe(decr_util_Prazo)],

[preco(man_util),cor(man_util),quantidade(man_util),prazo(decr_util),classe(decr_util_Prazo)],

[preco(man_util),cor(man_util),quantidade(man_util),prazo(decr_util),classe(man_util_Prazo)], ...

------ TREE ----------------------------> preco incr_util--> decr_util_Prazo man_util--> cor man_util--> quantidade man_util--> prazo decr_util--> man_util_Prazo decr_util--> decr_util_Prazo

. para cada agente respondente,

. para cada um dos critérios das contra-ofertas que apresentam variaçõesdurante a sessão de negociação,

. gerar uma árvore de decisão,tendo como classe, o critério dacontra-oferta que apresentou avariação,

. para cada árvore de decisãogerada, obter o nó raiz. Este nó éum critério relevante, causadordas variações nas contra-ofertas,

. os demais critérios que não variaram,são critérios através dos quais osrepondentes relaxam suasrestrições, concordando com osmesmos.

(i) o respondente “artor_org_1_supply_expert”, concentra sua estratégia etáctica de negociação nos critérios quantidade e prazo. O critério preço é ocritério relevante para haver a variação,

/********************************************************/respondente (artor_org_1_supply_expert).concorda_criterios(artor_org_1_supply_expert, 50).discorda_criterios(artor_org_1_supply_expert, 50).criterio_oferta_relevante_variacao(

artor_org_1_supply_expert, [preco]).criterio_contra_oferta_relevante_variacao(

artor_org_1_supply_expert,[quantidade, prazo]).contratado(artor_org_1_supply_expert, nao).

Como pode ser Útil o conhecimento aprendido?Como pode ser Útil o conhecimento aprendido?

• Orientador do planejamento para o processo Orientador do planejamento para o processo de negociaçãode negociação

• Orientador durante a execução do processoOrientador durante a execução do processo de negociaçãode negociação

Definição do sistema “ARTOR”O sistema "ARTOR" é, ao nível mais abstracto, definido

pelo par ordenado:

(Ms, Ls) onde:(i) Ms é a base de conhecimento, e(ii) Ls é o lançador da sociedade.

ARTOR (ARTificial ORganizations)

explicação

sociedade

Base de conhecimento

do_ mundo

do_modelo_"artor"

dos_artefactos

dos_ modelos

do_artefacto_"artor"

Lançador

interface

.explicação

. lança sociedade

. encerra

homem X

descritores

global. escolha. interface

consola

escoha

artefacto

artificial intelligence marcos augusto hochuli shmeil shm@ppgia.pucpr.br

Documents

ursula hochuli freund, raphaela ursprung, walter stotz...

1 corba um padrão industrial para objetos distribuídos...

1 data warehouse professor professor edson emílio scalabrin...

compreensão de diálogo (tratamento de linguagem natural)...

gestão do conhecimento professores: professores: edson e....

introdução sobre memória organizacional edson emílio...

exemplos de sistemas-multi-agente professor edson emílio...

implementando comunicação em java via sockets alcides...

computação evolutiva: estratégias evolutivas luiz eduardo...

projetos prof.: alceu de souza britto jr. laboratório luci...

daniel hochuli - australian agency influencer of the year...

1 sistema de informação professores professores edson e....

plano de aula -...

hochuli · gemäss dem bundesgesetz über bauprodukte...

aprendizagem de máquina (machine learning) marcos augusto...

redes tcp/ip redes prof. edgard jamhour email:...

gestão de múltiplos pontos de vista edson emílio...

computação evolutiva: programação genética luiz eduardo...

csma/cd – csma/ca thiago merege pereira tmp@ppgia.pucpr.br...

asms managementsystem ruth hochuli, generalsecretary...