1 Simulação baseada em multiagentes – aplicação em educação Roteiro Objetivos do curso Conteúdo Exigências Pontuação para as atividades Referência bibliográfica

1

Simulação baseada em multiagentes – aplicação em educação

RoteiroObjetivos do cursoConteúdoExigências Pontuação para as atividades Referência bibliográfica CalendárioIntrodução

2


Objetivos do curso

Explorar e discutir problemas no âmbito de sistemas complexos através de uma abordagem de Sistemas Multiagente. Fazer uso de ambiente de simulação e do trabalho cooperativo na exploração e construção de modelos que envolvam problemas não lineares, emergência e sistemas descentralizados.

Discutir e construir modelos de simulação baseado em multiagente.

3


Conteúdo

•Sistemas Multiagente;

•Resolução de problemas;

•Uso de modelos e Simulação;

•Sistemas complexos;

•Ambientes de simulação;

•Simulação baseada em sistemas multiagente.

4


Exigências do curso:

• ativa participação nas aulas;• discussão das atividades complementares;• participação no grupo de discussão;• avaliação sobre os tópicos discutidos durante o curso;• ao final do curso, apresentar um modelo sobre um fenômeno complexo, bem como a análise de seu comportamento (seminário)

5


Pontuação para as atividades

•apresentação modelo (seminário) – 50%•participação em sala – 20%•participação no grupo de discussão e avaliação – 30%

6


Referência bibliográfica Azevedo, Lívia Lopes; AProSiMa – Um ambiente para resolução cooperativa de problemas baseado em simulação multiagente; Exame de qualificação doutorado em engenharia elétrica – UFES, 2006, httt://inf.ufes.br/~liviaufmt/qualificacaoBlikstein, P., Abrahamson, D., Wilensky, U., NetLogo: Where We Are, Where We’re Going, To appear in the proceedings of Interaction Design & Children, Boulder, Colorado, 2005. http://ccl.northwestern.edu/papers/Blikstein, P., Wilensky, U., Less is More: Agent-Based Simulation as a Powerful Learning Tool in Materials Science, Proceedings of the IV International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS 2005), Utrecht, Holland. (Manuscript in press) (2005) http://ccl.northwestern.edu/papers/Bordini, R.H., Vieira, R., Moreira, A.F., JAI - Fundamentos de Sistemas Multiagentes. In: Carlos Eduardo Ferreira. (Org.). As Tecnologias da informação e a questão social. Anais do XXI Congresso da SBC. Fortaleza, jul/ago de 2001.Conte R., Gilbert N. e Sichman J. S., MAS and Social Simulation: A Suitable Commitment, Proceedings of the First International Workshop on Multi-Agent Based Simulation, Springer- Verlag, LNAI 1534, pp. 1-9, 1998. http://citeseer.ist.psu.edu/conte98mas.htmlDurfee E. H. e Rosenschein J. S., 1994, Distributed Problem Solving and Multi-Agent Systems: Comparisons and Examples, Proceedings of the International Workshop on Distributed Artificial Intelligence, 1994. (acesso: fev/07) http://citeseer.ist.psu.edu/article/durfee94distributed.html Ferber, J., Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence. Addison-Wesley, 1999Marietto, M. B.; David, N.; Coelho, H.; Sichman, J.S.; Proposta de uma Nova Classificação para a Área de Inteligência Artificial Distribuída: Focos de Interesse e Sistemas Computacionais; 2002; Disponível em http://www.lti.pcs.usp.br/SimCog/Doc/Pub/Papers/MariettoIBERAMIA02.pdf; Menezes, C. S., Práticas pedagógicas e prática docente: Parte II – Análise de ecossistemas, não publicado.Resnick, M., Turtles, termites, and traffic jams: explorations in massively parallel microwords, The MIT Press, Massachusetts, USA, 1991.Resnick, M., Wilensky, U., Beyond the deterministic, centralized mindsets: New thinking for new sciences, Presented at the annual conference of the American Educational Research Association, Atlanta, GA., 1993.Tisue, S., Wilensky, U., NetLogo: A Simple Environment for Modeling Complexity, International Conference on Complex Systems, Boston, May 16 - 21, 2004. http://ccl.northwestern.edu/papers/Tisue, S., Wilensky, U., NetLogo: Design and Implementation of a Multi-Agent Modeling Environment, Proceedings of Agent 2004, Chicago, October 2004. (This is a combined, revised, and updated version of our ICCS and SwarmFest papers from earlier this year.) http://ccl.northwestern.edu/papers/

7


Calendário

8


Roteiro aulas:

1ª - Apresentação disciplina. Apresentação de vários problemas – analise dos métodos de resolução – motivação para conteúdo: sistemas complexos (levantar questões) - Caracterização dos elementos e comportamento.2ª - Retomar exemplos anteriores e exploração de modelos de sistemas complexos – caracterizar os componentes – definição de sistemas complexos 3ª -Estabelecimento dos elementos empregados – Abordagem de sistemas multiagente (apanhado geral) Simulação – técnicas. Simulação baseada em agentes – levantamento dados. Modelar fenômenos de sistemas complexos com simulação e SMA 4ª - Simulação – técnicas. Simulação baseada em agentes – levantamento dados. Modelar fenômenos de sistemas complexos com simulação e SMA;5ª - Retomar um dos problemas analisados e definir um modelo de simulação – meta-modelo 6ª - Feriado

9


Roteiro aulas (cont)

7ª - Construção de modelos de simulação usando o NetPlay – Descrição de todas as ferramentas oferecidas no NetPlay e sua forma de programação

8ª - construção de modelos de simulação – resolução de problemas e tomada de decisão;

9ª - construção de modelos de simulação – resolução de problemas e tomada de decisão;

10ª - Ferramenta NetPlay – analise funcionalidades (considerações)

11ª - Ferramenta NetLogo – construção de modelos;

12ª Ferramenta NetLogo – construção de modelos

13ª - Comparação entre as ferramentas;

14ª - Proposição de trabalho e justificativa;

15ª - Construção do modelo;

16ª - Seminário – apresentação do modelo e considerações grupo – considerações;

17ª - Seminário – apresentação do modelo e considerações grupo – considerações;

10


1. Problema

O primeiro problema que iremos abordar explora a estabilidade presa/predador num ecossistema.

Tais sistemas são chamados:

• instáveis - quando eles tendem a resultados que levam a extinção de uma ou mais espécies envolvidas;

• estáveis - quando tendem a se manter no decorrer do tempo, apesar das flutuações ocorridas nas populações.

11


O modelo que iremos abordar procura mostrar as oscilações que ocorrem nas populações de herbívoros (presas) e carnívoros (predadores) em um sistema.

Podemos observar:

•Quanto ao crescimento dos herbívoros (presas)?

•Quanto ao crescimento dos carnívoros (predadores)?

•Ao diminuir o número de presas, afeta o sistema?

Vários parâmetros podem ser levantados neste problema. O modo simplificado não retrata a realidade dos sistema.

O importante é perceber que mesmo que a fonte seja constante o sistema oscila devido a defasagem entre produção e consumo.

12


Suponha um modelo de presa predador, onde duas espécies interagem: uma como presa e outra como predador. Este modelo é representado por um par de equações diferenciais, não lineares e de primeira ordem, denominada equações de Lotka-Volterra.

)(

)(

xydtdy

yxdt

dx

y é o número de indivíduos de algum predador (exemplo lobo);x é o número da indivíduos da sua presa (exemplo ovelha);t representa o crescimento das duas populações no tempo; eα, β, γ e λ são parâmetros representando a interação entre as duas espécies.

13


Simplificando a situação.

A população das presas é dada por

a população dos predadores é dada por

Nós estamos interessados no comportamento das duas populações.

)(tx

)(ty

14


Se considerarmos o sistema no qual não haja predadores, isto é, ausência de predadores. Temos que a população de presas cresce exponencialmente.

0 algum para ' aaxx

15


Se considerarmos o sistema no qual não haja presa, a população dos predadores tende a extinção, ou seja, a eliminação total da espécie devido à

ausência de alimento.

0 algum para ' bbyy

16


Como não estamos considerando morte ou nascimento de qualquer uma das espécies, bem como outras variáveis, temos:

byty

axtx

)(

)(

Esse sistema pode ser facilmente resolvido através de equações diferenciais.

17


bt

at

ey

ex

tyb

txa

dtby

dy

dtaxdx

dtby

dy

dtaxdx

bydtdy

axdtdx

ln

ln

18


Entretanto, se olharmos o sistema com os demais elementos: • taxa de reprodução;• morte dos elementos; • ganho de energia com alimentação; • razão de reposição da grama, entre outros.

19


Considere as seguintes situações: • “os ricos estão cada vez mais ricos e os pobres cada vez mais pobres”; • “uma fofoca se espalha como fogo na mata”; • “os pássaros de um mesmo bando estão sempre juntos”.

Cada uma dessas situações descreve um fenômeno diferente, eles compartilham alguma característica comum?

20


Características

• descrevem sistemas que estão expostos a mudanças;

• são sistemas compostos, geralmente, por muitos indivíduos que apresentam uma variedade de comportamentos;• exibem um modelo comum no grupo;• o comportamento individual é geralmente simples;

21


Ao observar esses modelos podemos perceber:

• Não há nenhum condutor dirigindo ou liderando os indivíduos durante o processo de mudança;

• São exemplos bem familiares e pertencentes ao cotidiano;

• Se retirarmos alguns elementos do modelo não afetará o fenômeno como um todo;

• Existe uma certa organização no modelo;

Esses sistemas compõem uma classe denominada de “sistemas complexos”

22


Conceituação

O estudo de sistemas complexos busca um meio de estimar qual a probabilidade de um conjunto de variáveis ou elementos em interação se auto-organizarem. O determinismo do sistema não é visto como puramente matemático ou probabilístico, mas sim organizacional.O comportamento não linear dos sistemas complexos significa que o uso de abordagens matemáticas e probabilísticas é problemático, isto é, não basta um conjunto de equações para desenvolver o sistema. Geralmente, uma maneira de trabalhar efetivamente o sistema, explorando o comportamento não linear, é através da simulação.

23


Características dos sistemas complexos• muitos elementos (agentes);• controle descentralizados;• auto-organizado;• interação entre os muitos elementos;• comportamento definido por regras simples;• imprevisibilidade;• autopoiese - capacidade de um sistema de organizar de tal forma que o único produto seja ele mesmo;

24


Propriedade dos sistemas complexos

• emergência – capacidade de se organizar sem um princípio organizacional centralizado;• o estudo de partes separadas do sistema não leva ao entendimento do todo;• o sistema não será definível pela soma de suas partes, mas por uma propriedade que emerge deste seu funcionamento;•São identificados pelo que eles fazem;

25


Além da propriedade de emergência é possível verificar também:

• Propriedade 1 – um sistema complexo é fundamentalmente não determinístico. É impossível antecipadamente prever o comportamento do sistema, mesmo conhecendo as funções que o compõem;• Propriedade 2 – um sistema complexo tem uma estrutura dinâmica. É difícil, se não impossível, estudar suas propriedades através da decomposição de suas partes. As interações permanentes com o ambiente e sua capacidade de auto-organização possibilitam a sua reestruturação. • Propriedade 3 – um sistema complexo possui propriedades semelhantes aos sistemas distribuídos (em sentido conexionista), isto é, algumas de suas funções não podem precisamente ser localizadas. Além disso, os relacionamentos existentes entre os elementos de um sistemas complexos são de curto e longo alcance, não-lineares e possui feedback (positivo e negativo) simultaneamente. • Propriedade 4 - o estudo sobre fenômenos complexos envolve uma exploração interdisciplinar antes que um estudo num campo bem definido.

26


Encaminhamento para a próxima aula.

Elaborar um problema que se caracterize como um problema complexo e para isto:Elencar os agentes;Elencar suas propriedades;Elencar seus comportamentos;Elencar suas interaçõesDefinir porque esse modelo faz parte da classe de sistemas complexos,

27


Referência Bibliográfica

Azevedo, Lívia Lopes; AProSiMa – Um ambiente para resolução cooperativa de problemas baseado em simulação multiagente; Exame de qualificação doutorado em engenharia elétrica – UFES, 2006, httt://inf.ufes.br/~liviaufmt/qualificacaoBordini, R.H., Vieira, R., Moreira, A.F., JAI - Fundamentos de Sistemas Multiagentes. In: Carlos Eduardo Ferreira. (Org.). As Tecnologias da informação e a questão social. Anais do XXI Congresso da SBC. Fortaleza, jul/ago de 2001.Conte R., Gilbert N. e Sichman J. S., MAS and Social Simulation: A Suitable Commitment, Proceedings of the First International Workshop on Multi-Agent Based Simulation, Springer- Verlag, LNAI 1534, pp. 1-9, 1998. http://citeseer.ist.psu.edu/conte98mas.htmlDurfee E. H. e Rosenschein J. S., 1994, Distributed Problem Solving and Multi-Agent Systems: Comparisons and Examples, Proceedings of the International Workshop on Distributed Artificial Intelligence , 1994. (acesso: fev/07) http://citeseer.ist.psu.edu/article/durfee94distributed.html Ferber, J., Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence. Addison-Wesley, 1999Marietto, M. B.; David, N.; Coelho, H.; Sichman, J.S.; Proposta de uma Nova Classificação para a Área de Inteligência Artificial Distribuída: Focos de Interesse e Sistemas Computacionais; 2002; Disponível em http://www.lti.pcs.usp.br/SimCog/Doc/Pub/Papers/MariettoIBERAMIA02.pdf; Menezes, C. S., Práticas pedagógicas e prática docente: Parte II – Análise de ecossistemas, não publicado.Resnick, M., Turtles, termites, and traffic jams: explorations in massively parallel microwords , The MIT Press, Massachusetts, USA, 1991.Resnick, M., Wilensky, U., Beyond the deterministic, centralized mindsets: New thinking for new sciences, Presented at the annual conference of the American Educational Research Association, Atlanta, GA., 1993.

Documents

1 Simulação baseada em multiagentes – aplicação em educação Roteiro Objetivos do curso Conteúdo Exigências Pontuação para as atividades Referência bibliográfica