Multi-agent simulations and ecosystem management: a

Propaganda
F. Bousquet, C. Le Page
MULTI-AGENT SIMULATIONS AND
ECOSYSTEM MANAGEMENT: A
REVIEW
Sumário
 Introdução
 Sistemas multi-agentes, ecologia, ciências




sociais e gerência de um ecossistema
SMA: Ferramentas computacionais para
modelagem de um ecossistema
Discussão no uso de SMA para gerência de
ecossistema
Algumas perspectivas
Conclusão
Introdução
 Revisão e discussão baseada em artigos
 Ecossistemas
 Gerência de recursos
 SMA
 Sistemas sociais e naturais
Sistemas multi-agentes,
ecologia, ciências sociais e
gerência de um ecossistema
 Definição de sistemas multi-agente
 É composto por
 Um ambiente (E), que é geralmente um espaço
 Um conjunto de objetos (O), associados a uma posição
em E
 Um conjunto de agentes (A), que são objetos e
representam entidades ativas no sistema
 Um conjunto de relações (R), que liga objetos a outros
 Um conjunto de operações (Op), permitindo agentes
perceber, produzir, transformar e manipular objetos
 Operadores para representar a aplicação das operações e
a reação do mundo na tentativa de modificação
Sistemas multi-agentes,
ecologia, ciências sociais e
gerência de um ecossistema
 SMA e IBM
 IBM (individual-based models)
 Surgiu no fim dos anos 80
 Desenvolvido por ecologistas
 Enfoque no indivíduo
 Suas singularidades genéticas
 Aonde está situado
 Suas interações
 SMA
 Influenciada pelas ciências da computação e sociais
 Enfoque no tomada de decisões e organizações sociais
 Agente não necessariamente um individuo
Sistemas multi-agentes,
ecologia, ciências sociais e
gerência de um ecossistema
 Crescimento rápido de SMA na área de
ciências sociais
 Interação entre indivíduos e grupo
 Estímulo a gerência de ecossistemas
 Similaridade no tratamento do indivíduo
 Gerência de ecossistemas
 Simulações usando SMA
SMA: Ferramentas
computacionais para
modelagem de um ecossistema
 Arquiteturas
 Baseadas na metáfora evolucionista
 Algoritmos genéticos
 Para tarefas competitivas
 Decisões baseadas diretamente pela percepção de
estímulos
 Tarefas escolhidas com base no peso da tarefa e a
intensidade do estímulo
SMA: Ferramentas
computacionais para
modelagem de um ecossistema
 Arquiteturas
 Baseada em redes neurais
 Ênfase na capacidade de aprendizagem do agente
 Utilizável com algoritmos genéticos
 Funções parametrizadas
 Decisões do agente podem ser expressas em termos de
forças físicas e de cálculos matemáticos
SMA: Ferramentas
computacionais para
modelagem de um ecossistema
 Arquiteturas
 BDI (belief-desire-intention)
 Pouco utilizado
 Pesquisas tradicionais focam em entender as relações
dos agentes com o ambiente
SMA: Ferramentas
computacionais para
modelagem de um ecossistema
 Interações
 Por comunicação entre agentes
 Raro em aplicações ecológicas
 Físicas
 Agentes exercem ações físicas sobre outros
 Mediadas pelo ambiente
 Efeitos das ações de um agente em um ambiente
SMA: Ferramentas
computacionais para
modelagem de um ecossistema
 Ferramentas
 Plataformas genéricas
 Swarm
 Simulações ecológicas e sociais
 Ecosim
 Plataformas dedicadas para aplicações específicas
 Arboscape – Modelar a dinâmica de florestas com
ênfase na diversidade
Discussão no uso de SMA para
gerência de ecossistema
 Organização
 Dimensões espaciais
 Freqüentemente mencionada
 Envolve problemas de busca
 Redes de interação
 Combinação de ambas
Discussão no uso de SMA para
gerência de ecossistema
 Propósitos
 Princípios da Vida Artificial - Estudo da “vida como
poderia ser em vez de como ela é”
 Propósitos teóricos
 Simulação de problemas referentes a ciências
sociais e da vida
 Entendimento da dinâmica existente ou que existiu
Discussão no uso de SMA para
gerência de ecossistema
 Pontos de interesse a cientistas da
computação
 Conceituar algoritmos, protocolos, sistemas de
visualização e arquiteturas
 Teorização
 SMA criados a partir de modelos matemáticos
 Auxilia o entendimento e a definir novas teorias
Algumas perspectivas
 Tomada de decisão
 Teste de modelos teóricos
 Surgimento de modelos através da observação do
mundo real
 Novas pesquisas interdisciplinares em processos
de aprendizagem
Algumas perspectivas
 Uso da Teoria da Hierarquia em simulações
 Diferentes agentes atuando em diferentes níveis
 Criação dinâmica de grupos
 Promover um melhor entendimento desta teoria
 Não existe aplicações desse gênero para gerência
de ecossistemas
Algumas perspectivas
 Credibilidade dos modelos
 Prover representações formais de estruturas de
modelos
 AUML
 Redes Petri
 Comparar os resultados obtidos com outros tipos
de modelo (equações diferenciais)
 Dificuldades em validar em situações complexas
Algumas perspectivas
 Credibilidade dos modelos
 Comparação de dados simulados com dados
observados
 Avaliar a relevância da hipótese do modelo
 Representação do comportamento dos agentes e
suas interações
 Testar a acurácia das suposições atravez de
abordagens experimentais ou role-playing games
Conclusão
 Ciência da computação é um item chave para
o aprimoramento dessa área
 Exploração de conceitos de ciências naturais e
sociais para o comportamento de indivíduos e
para sistemas de interação entre agentes e
ambientes
 Aprimoramento no processo de aprendizagem,
com base na observação de mundos artificiais
Fim
 Dúvidas ?
 Comentários ?
SMA e a gerência de um
ecossistema: As mudanças de
paradigma
 De “dinâmica sob restrições” para Interações
 Problema ao acesso e uso de recursos naturais e
renováveis
 Cientistas precisam examinar a interação entre a
dinâmica ecológica e social
 Por vários anos, somente era analisado cada um
desses pontos isoladamente
SMA e a gerência de um
ecossistema: As mudanças de
paradigma
 Do ponto de vista sistemático para o
organizacional
 Focaliza na conectividade dos elementos de um
ecossistema
 Suas interações
 Suas organizações em várias escalas
Download