simulac - 2012 - trabajo colaborativo 03 (resultado) - unad (col) - (16págs)

16
APORTE INDIVIDUAL DEL TRABAJO COLABORATIVO 3 CURSO DE SIMULACIN 299310 - 04 Presentado por: CARLOS HARVEY NEZ MART˝NEZ CC 79694866 OSCAR ANDRS FIGUEROA CERN COD 83043036 A: WILSON ALMANZA MANIGUA Tutor UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD). BOGOT` DC. NOVIEMBRE DE 2012.

Upload: elver-gomez-torva

Post on 19-Feb-2015

68 views

Category:

Documents


1 download

TRANSCRIPT

Page 1: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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.

Page 2: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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.

Page 3: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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

Page 4: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

AUTÓMATAS CELULARES INTELIGENCIA DE ENJAMBRES

ÁRBOL DE DECISIÓN SISTEMAS MULTIAGENTE

Page 5: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

REPRESENTACIÓN DEL CONOCIMIENTO RECONOCIMIENTO DE PATRONES

HORMIGAS VIRTUALES SISTEMAS COMPLEJOS

Page 6: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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.

Page 7: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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:

Page 8: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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

Page 9: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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.

Page 10: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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

Page 11: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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

Page 12: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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.

Page 13: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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.

Page 14: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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

Page 15: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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

Page 16: Simulac - 2012 - Trabajo Colaborativo 03 (Resultado) - UNAD (COL) - (16Págs)

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.