Multibody dynamics plays the key role in the modeling, simulation, design, and control of many engineering problems. In practice, such problems may be encountered with the existence of uncertainty in the system's parameters and/or excitations. As the complexity of these problems in terms of the number of the bodies and kinematic loops (chains) increases, the effect of uncertainty in the system becomes even more significant due to the accumulation of inaccuracies. Therefore, considering uncertainty is inarguably a crucial aspect of performance analysis of a multibody problem. In fact, uncertainty needs to be propagated to the system kinematics and dynamics for the better understanding of the system behavior. This will significantly affect the design and control process of such systems. For this reason, this research presents a detailed investigation on the use of the Polynomial Chaos Expansion (PCE) method for both control and kinematic analysis of nondeterministic multibody systems.

No description available.

No description available.

O trabalho constitui-se numa investigação teórica da estrutura ordenada e intuitiva dos espaços coerentes, introduzidos por Girard [GIR 86], na definição do modelo de máquina geométrica para construção e interpretação de estados e processos computacionais rotulados por posições de um espaço geométrico. Esta interpretação poderá ser aplicada às construções determinísticas, incluindo dois tipos especiais de paralelismo - o espacial, com memória e processos infinitos definidos por estruturas matriciais, que operam sobre dimensões independentes, de forma sincronizada; e o temporal, na versão genérica do modelo, com memória global transfinita e processos distribuídos num conjunto enumerável de máquinas geométricas, sincronizadas no tempo. O modelo contempla interpretação para computações não-determinísticas e prevê a aplicação de operadores exponenciais na interpretação do espaço funcional. A noção mais intuitiva deste trabalho está na definição da relação de coerência, que define o grafo sobre o qual se constrói este domínio semántico. Sobre o conjunto de pontos compatíveis de tais grafos, a coerência estrita interpreta a condição implícita para modelar o paralelismo - a concorrência entre posições de memória. Na construção dual, justificada pela presença da negação involutiva no grafo complementar, a incoerência interpreta a condição para o não-determinismo - o conflito de acesso à memória. Para os demais construtores, o produto sequencial e a soma determinística, consideram-se os endofunctores produto e soma direta da categoria CospLin dos espaços coerentes e funções lineares. A estrutura ordenada deste modelo é formalizada pelo espaço coerente D∞ de todos os processos, construído em níveis a partir do espaço coerente D∞ dos processos elementares, seguindo a metodologia proposta por Scott [SCO 76]. Neste sentido, cada nível da construção está identificado por um subespaço Dn que reconstrói todos os objetos do nível anterior, preservando suas propriedades e relações, além de construir os novos objetos. Compatível com a abordagem algébrica, o relacionamento entre os níveis é expresso por funções lineares denominadas imersões e projeções, interpretanto os construtores de processos e seus destrutores, respectivamente. Pelo procedimento de completação, assegura-se a existência do menor ponto fixo para equações recursivas definidas pela composição infinita destes morfismos. Além disso, as interpretações para processos infinitos, construídos por prefixação, apresentadas em D→∞ comprovam que este modelo é compatível com a diversidade dos construtores. O espa¸co coerente D∞2 dos processos transfinitos generaliza a construção e define a estrutura ordenada do modelo de máquina geométrica distribuída. Seus objetos são subconjuntos coerentes de tokens rotulados por posições do espaço geométrico e indexados por subconjuntos isomorfos aos ordinais transfinitos. O espaço coerente S S dos traços lineares de funções definidas sobre o espaço coerente S dos estados computacionais constitui-se no modelo semântico para análise do comportamento associado a cada processo interpretado em D∞. A definição da função de representação introduz um domínio de expressões que formaliza uma linguagem capaz de expressar, de forma mais operacional, as interpretações obtidas neste modelo de m´aquina. Cada uma das expressões válidas na linguagem é compatível com uma expressão gráfica. / This work presents a theoretical investigation of the constructive, intuitive and ordered structure of the coherence spaces, introduced by Girard, in order to define the geometric machine model for interpretation of computational states and processes labelled by positions of a geometric space. This interpretation can be applied to deterministic process constructions, including two special types of parallelism - the temporal parallelism, with infinite memory and infinite processes defined over array structures, that operate over independent dimensions in a synchronized way; and the spatial parallelism, in a generic version of the model, with a transfinite global memory shared by transfinite processes distributed in a enumerable set of geometric machines, synchronized in the time. The work also provides interpretation to the non-deterministic computations and applies the exponential operators in the interpretation of the functional space. The most basic notion of this work is the definition of the coherence relation as the admissibility of parallelism between basic operations (elementary processes). That relation defines the web over which the coherence space of the whole set of deterministic and non-deterministic processes is step-wise and systematically build. Over the set of the compatible points of such graph, the strict coherence interprets the implicity condition to model parallelism - the true concurrence. In the dual construction, justified by the presence of involutive negation in the complementary graph, the incoherence interprets the condition that models non-determinism - the conflict of memory accesses. The other constructors, the sequential product and the deterministic sum, are defined by the endofunctors in the CospLin category of the coherence spaces and linear functions. The ordered structure of this model is formalized by the coherence space D∞ of all processes, constructed by levels from the coherence space D0 of the elementary processes, following the Scott’s methodology [SCO 76]. In this sense, each level is identified by a subspace Dn, which reconstructs all the objects from the level before, preserving their properties and relations, and drives the construction of the new objects. Compatible with the algebraic-theoretic approach to computational processes, the relationship between the levels is expressed by linear functions called embedding and projection-functions, which interpret constructors and destructors of processes, respectively. The completion procedure guarantees the existence of the least fixed point to the recursive equations, defined by infinite composition of these morphisms. In addition, the interpretation for infinite processes constructed by prefix is presented in D→∞ , confirms that the ordered structure of these model is compatible with the diversity of constructors. The coherence space D∞2 of transfinite processes generalizes the construction and defines the ordered structure of the distributed geometric machine model. Its objects are coherent subsets of tokens labelled by the positions of a geometric space and indexed by isomorphic subsets related to the transfinite ordinal numbers. In order to analyze the behavior related to the interpretations in D∞, the coherence space S S of the linear traces of functions, defined over the coherence space S of the computational states, is introduced. The definition of the representation-function induces the construction of the domain Ω of valid expressions and formalizes a (graphic) language which is able to express, in an more operational way, the interpretations obtained in the geometric machine model.

O raciocínio realizado em agentes BDI envolve essencialmente manipular três estruturas de dados representando suas crenças, desejos e intenções. Crenças de agentes BDI tradicionais não representam incerteza, e podem ser expressas como um conjunto fechado de literais ground. As restrições que indicam se um dado desejo é viável e pode ser adotado como uma intenção em agentes BDI tradicionais podem ser representadas como expressões lógicas sobre crenças. Dado que Redes Bayesianas permitem que representem-se informações com incerteza probabilisticamente, agentes BDI bayesianos as empregam para suportar incerteza em suas crenças. Em agentes BDI bayesianos, crenças representadas em Redes Bayesianas referem-se a estados de variáveis de eventos, possuindo probabilidades dinâmicas individuais que referem-se à incerteza. Os processos the constituem o raciocínio neste modelo de agente requerem mudanças a fim de acomodar esta diferença. Dentre estes processos, este trabalho concentra-se especificamente na seleção de desejos. Uma estratégia prévia para seleção de desejos é baseada em aplicar um limiar a probabilidades de crenças. Entretanto, tal abordagem impede que um agente selecione desejos condicionados em crenças cujas probabilidades estejam abaixo de um certo limiar, mesmo que tais desejos pudessem ser atingidos caso fossem selecionados. Para lidar com esta limitação, desenvolvemos três abordagens alternativas para seleção de desejos sob incerteza: Ranking Probabilístico, Loteria Viciada e Seleção Multidesejos Aleatória com Viés. Probability Ranking seleciona um desejo usando uma lista de desejos ordenados em ordem decrescente de probabilidade de pré-condição. Loteria Viciada seleciona um desejo usando um valor numérico aleatório e intervalos numéricos – associados a desejos – proporcionais às probabilidades de suas pré-condições. Seleção Multidesejos Aleatória com Viés seleciona múltiplos desejos usando valores numéricos aleatórios e considerando as probabilidades de suas pré-condições. Apresentamos exemplos, incluindo o agente Vigia, assim como experimentos envolvendo este, para mostrar como essas abordagens permitem que um agente às vezes selecione desejos cujas crenças pré-condições possuem probabilidades muito baixas. / The reasoning performed in BDI agents essentially involves manipulating three data structures representing their beliefs, desires and intentions. Traditional BDI agents’ beliefs do not represent uncertainty, and may be expressed as a closed set of ground literals. The constraints that indicate whether a given desire is viable and passive to be adopted as an intention in traditional BDI agents may be represented as logical expressions over beliefs. Given that Bayesian Networks allow one to represent uncertain information probabilistically, Bayesian BDI agents employ Bayesian Networks to support uncertainty in their beliefs. In Bayesian BDI agents, beliefs represented in Bayesian Networks refer to states of event variables, holding individual dynamic probabilities that account for the uncertainty. The processes that constitute reasoning in this agent model require changes in order to accomodate this difference. Among these processes, this work is specifically concerned with desire selection. A previous strategy for desire selection is based on applying a threshold on belief probabilities. However, such an approach precludes an agent from selecting desires conditioned on beliefs with probabilities below a certain threshold, even if those desires could be achieved if they were selected. To address this limitation, we develop three alternative approaches to desire selection under uncertainty: Probability Ranking, Biased Lottery and Multi-Desire Biased Random Selection. Probability Ranking selects a desire using a list of desires sorted in decreasing order of precondition probability. Biased Lottery selects a desire using one random numeric value and desire-associated numeric intervals proportional to the probabilities of the desires’ preconditions. Multi-Desire Biased Random Selection selects multiple desires using random numeric values and considering the probabilities of their preconditions. We present examples, including theWatchman agent, as well as experiments involving the latter, to show how these approaches allow an agent to sometimes select desires whose belief preconditions have very low probabilities.

O raciocínio realizado em agentes BDI envolve essencialmente manipular três estruturas de dados representando suas crenças, desejos e intenções. Crenças de agentes BDI tradicionais não representam incerteza, e podem ser expressas como um conjunto fechado de literais ground. As restrições que indicam se um dado desejo é viável e pode ser adotado como uma intenção em agentes BDI tradicionais podem ser representadas como expressões lógicas sobre crenças. Dado que Redes Bayesianas permitem que representem-se informações com incerteza probabilisticamente, agentes BDI bayesianos as empregam para suportar incerteza em suas crenças. Em agentes BDI bayesianos, crenças representadas em Redes Bayesianas referem-se a estados de variáveis de eventos, possuindo probabilidades dinâmicas individuais que referem-se à incerteza. Os processos the constituem o raciocínio neste modelo de agente requerem mudanças a fim de acomodar esta diferença. Dentre estes processos, este trabalho concentra-se especificamente na seleção de desejos. Uma estratégia prévia para seleção de desejos é baseada em aplicar um limiar a probabilidades de crenças. Entretanto, tal abordagem impede que um agente selecione desejos condicionados em crenças cujas probabilidades estejam abaixo de um certo limiar, mesmo que tais desejos pudessem ser atingidos caso fossem selecionados. Para lidar com esta limitação, desenvolvemos três abordagens alternativas para seleção de desejos sob incerteza: Ranking Probabilístico, Loteria Viciada e Seleção Multidesejos Aleatória com Viés. Probability Ranking seleciona um desejo usando uma lista de desejos ordenados em ordem decrescente de probabilidade de pré-condição. Loteria Viciada seleciona um desejo usando um valor numérico aleatório e intervalos numéricos – associados a desejos – proporcionais às probabilidades de suas pré-condições. Seleção Multidesejos Aleatória com Viés seleciona múltiplos desejos usando valores numéricos aleatórios e considerando as probabilidades de suas pré-condições. Apresentamos exemplos, incluindo o agente Vigia, assim como experimentos envolvendo este, para mostrar como essas abordagens permitem que um agente às vezes selecione desejos cujas crenças pré-condições possuem probabilidades muito baixas. / The reasoning performed in BDI agents essentially involves manipulating three data structures representing their beliefs, desires and intentions. Traditional BDI agents’ beliefs do not represent uncertainty, and may be expressed as a closed set of ground literals. The constraints that indicate whether a given desire is viable and passive to be adopted as an intention in traditional BDI agents may be represented as logical expressions over beliefs. Given that Bayesian Networks allow one to represent uncertain information probabilistically, Bayesian BDI agents employ Bayesian Networks to support uncertainty in their beliefs. In Bayesian BDI agents, beliefs represented in Bayesian Networks refer to states of event variables, holding individual dynamic probabilities that account for the uncertainty. The processes that constitute reasoning in this agent model require changes in order to accomodate this difference. Among these processes, this work is specifically concerned with desire selection. A previous strategy for desire selection is based on applying a threshold on belief probabilities. However, such an approach precludes an agent from selecting desires conditioned on beliefs with probabilities below a certain threshold, even if those desires could be achieved if they were selected. To address this limitation, we develop three alternative approaches to desire selection under uncertainty: Probability Ranking, Biased Lottery and Multi-Desire Biased Random Selection. Probability Ranking selects a desire using a list of desires sorted in decreasing order of precondition probability. Biased Lottery selects a desire using one random numeric value and desire-associated numeric intervals proportional to the probabilities of the desires’ preconditions. Multi-Desire Biased Random Selection selects multiple desires using random numeric values and considering the probabilities of their preconditions. We present examples, including theWatchman agent, as well as experiments involving the latter, to show how these approaches allow an agent to sometimes select desires whose belief preconditions have very low probabilities.

O trabalho constitui-se numa investigação teórica da estrutura ordenada e intuitiva dos espaços coerentes, introduzidos por Girard [GIR 86], na definição do modelo de máquina geométrica para construção e interpretação de estados e processos computacionais rotulados por posições de um espaço geométrico. Esta interpretação poderá ser aplicada às construções determinísticas, incluindo dois tipos especiais de paralelismo - o espacial, com memória e processos infinitos definidos por estruturas matriciais, que operam sobre dimensões independentes, de forma sincronizada; e o temporal, na versão genérica do modelo, com memória global transfinita e processos distribuídos num conjunto enumerável de máquinas geométricas, sincronizadas no tempo. O modelo contempla interpretação para computações não-determinísticas e prevê a aplicação de operadores exponenciais na interpretação do espaço funcional. A noção mais intuitiva deste trabalho está na definição da relação de coerência, que define o grafo sobre o qual se constrói este domínio semántico. Sobre o conjunto de pontos compatíveis de tais grafos, a coerência estrita interpreta a condição implícita para modelar o paralelismo - a concorrência entre posições de memória. Na construção dual, justificada pela presença da negação involutiva no grafo complementar, a incoerência interpreta a condição para o não-determinismo - o conflito de acesso à memória. Para os demais construtores, o produto sequencial e a soma determinística, consideram-se os endofunctores produto e soma direta da categoria CospLin dos espaços coerentes e funções lineares. A estrutura ordenada deste modelo é formalizada pelo espaço coerente D∞ de todos os processos, construído em níveis a partir do espaço coerente D∞ dos processos elementares, seguindo a metodologia proposta por Scott [SCO 76]. Neste sentido, cada nível da construção está identificado por um subespaço Dn que reconstrói todos os objetos do nível anterior, preservando suas propriedades e relações, além de construir os novos objetos. Compatível com a abordagem algébrica, o relacionamento entre os níveis é expresso por funções lineares denominadas imersões e projeções, interpretanto os construtores de processos e seus destrutores, respectivamente. Pelo procedimento de completação, assegura-se a existência do menor ponto fixo para equações recursivas definidas pela composição infinita destes morfismos. Além disso, as interpretações para processos infinitos, construídos por prefixação, apresentadas em D→∞ comprovam que este modelo é compatível com a diversidade dos construtores. O espa¸co coerente D∞2 dos processos transfinitos generaliza a construção e define a estrutura ordenada do modelo de máquina geométrica distribuída. Seus objetos são subconjuntos coerentes de tokens rotulados por posições do espaço geométrico e indexados por subconjuntos isomorfos aos ordinais transfinitos. O espaço coerente S S dos traços lineares de funções definidas sobre o espaço coerente S dos estados computacionais constitui-se no modelo semântico para análise do comportamento associado a cada processo interpretado em D∞. A definição da função de representação introduz um domínio de expressões que formaliza uma linguagem capaz de expressar, de forma mais operacional, as interpretações obtidas neste modelo de m´aquina. Cada uma das expressões válidas na linguagem é compatível com uma expressão gráfica. / This work presents a theoretical investigation of the constructive, intuitive and ordered structure of the coherence spaces, introduced by Girard, in order to define the geometric machine model for interpretation of computational states and processes labelled by positions of a geometric space. This interpretation can be applied to deterministic process constructions, including two special types of parallelism - the temporal parallelism, with infinite memory and infinite processes defined over array structures, that operate over independent dimensions in a synchronized way; and the spatial parallelism, in a generic version of the model, with a transfinite global memory shared by transfinite processes distributed in a enumerable set of geometric machines, synchronized in the time. The work also provides interpretation to the non-deterministic computations and applies the exponential operators in the interpretation of the functional space. The most basic notion of this work is the definition of the coherence relation as the admissibility of parallelism between basic operations (elementary processes). That relation defines the web over which the coherence space of the whole set of deterministic and non-deterministic processes is step-wise and systematically build. Over the set of the compatible points of such graph, the strict coherence interprets the implicity condition to model parallelism - the true concurrence. In the dual construction, justified by the presence of involutive negation in the complementary graph, the incoherence interprets the condition that models non-determinism - the conflict of memory accesses. The other constructors, the sequential product and the deterministic sum, are defined by the endofunctors in the CospLin category of the coherence spaces and linear functions. The ordered structure of this model is formalized by the coherence space D∞ of all processes, constructed by levels from the coherence space D0 of the elementary processes, following the Scott’s methodology [SCO 76]. In this sense, each level is identified by a subspace Dn, which reconstructs all the objects from the level before, preserving their properties and relations, and drives the construction of the new objects. Compatible with the algebraic-theoretic approach to computational processes, the relationship between the levels is expressed by linear functions called embedding and projection-functions, which interpret constructors and destructors of processes, respectively. The completion procedure guarantees the existence of the least fixed point to the recursive equations, defined by infinite composition of these morphisms. In addition, the interpretation for infinite processes constructed by prefix is presented in D→∞ , confirms that the ordered structure of these model is compatible with the diversity of constructors. The coherence space D∞2 of transfinite processes generalizes the construction and defines the ordered structure of the distributed geometric machine model. Its objects are coherent subsets of tokens labelled by the positions of a geometric space and indexed by isomorphic subsets related to the transfinite ordinal numbers. In order to analyze the behavior related to the interpretations in D∞, the coherence space S S of the linear traces of functions, defined over the coherence space S of the computational states, is introduced. The definition of the representation-function induces the construction of the domain Ω of valid expressions and formalizes a (graphic) language which is able to express, in an more operational way, the interpretations obtained in the geometric machine model.

O trabalho constitui-se numa investigação teórica da estrutura ordenada e intuitiva dos espaços coerentes, introduzidos por Girard [GIR 86], na definição do modelo de máquina geométrica para construção e interpretação de estados e processos computacionais rotulados por posições de um espaço geométrico. Esta interpretação poderá ser aplicada às construções determinísticas, incluindo dois tipos especiais de paralelismo - o espacial, com memória e processos infinitos definidos por estruturas matriciais, que operam sobre dimensões independentes, de forma sincronizada; e o temporal, na versão genérica do modelo, com memória global transfinita e processos distribuídos num conjunto enumerável de máquinas geométricas, sincronizadas no tempo. O modelo contempla interpretação para computações não-determinísticas e prevê a aplicação de operadores exponenciais na interpretação do espaço funcional. A noção mais intuitiva deste trabalho está na definição da relação de coerência, que define o grafo sobre o qual se constrói este domínio semántico. Sobre o conjunto de pontos compatíveis de tais grafos, a coerência estrita interpreta a condição implícita para modelar o paralelismo - a concorrência entre posições de memória. Na construção dual, justificada pela presença da negação involutiva no grafo complementar, a incoerência interpreta a condição para o não-determinismo - o conflito de acesso à memória. Para os demais construtores, o produto sequencial e a soma determinística, consideram-se os endofunctores produto e soma direta da categoria CospLin dos espaços coerentes e funções lineares. A estrutura ordenada deste modelo é formalizada pelo espaço coerente D∞ de todos os processos, construído em níveis a partir do espaço coerente D∞ dos processos elementares, seguindo a metodologia proposta por Scott [SCO 76]. Neste sentido, cada nível da construção está identificado por um subespaço Dn que reconstrói todos os objetos do nível anterior, preservando suas propriedades e relações, além de construir os novos objetos. Compatível com a abordagem algébrica, o relacionamento entre os níveis é expresso por funções lineares denominadas imersões e projeções, interpretanto os construtores de processos e seus destrutores, respectivamente. Pelo procedimento de completação, assegura-se a existência do menor ponto fixo para equações recursivas definidas pela composição infinita destes morfismos. Além disso, as interpretações para processos infinitos, construídos por prefixação, apresentadas em D→∞ comprovam que este modelo é compatível com a diversidade dos construtores. O espa¸co coerente D∞2 dos processos transfinitos generaliza a construção e define a estrutura ordenada do modelo de máquina geométrica distribuída. Seus objetos são subconjuntos coerentes de tokens rotulados por posições do espaço geométrico e indexados por subconjuntos isomorfos aos ordinais transfinitos. O espaço coerente S S dos traços lineares de funções definidas sobre o espaço coerente S dos estados computacionais constitui-se no modelo semântico para análise do comportamento associado a cada processo interpretado em D∞. A definição da função de representação introduz um domínio de expressões que formaliza uma linguagem capaz de expressar, de forma mais operacional, as interpretações obtidas neste modelo de m´aquina. Cada uma das expressões válidas na linguagem é compatível com uma expressão gráfica. / This work presents a theoretical investigation of the constructive, intuitive and ordered structure of the coherence spaces, introduced by Girard, in order to define the geometric machine model for interpretation of computational states and processes labelled by positions of a geometric space. This interpretation can be applied to deterministic process constructions, including two special types of parallelism - the temporal parallelism, with infinite memory and infinite processes defined over array structures, that operate over independent dimensions in a synchronized way; and the spatial parallelism, in a generic version of the model, with a transfinite global memory shared by transfinite processes distributed in a enumerable set of geometric machines, synchronized in the time. The work also provides interpretation to the non-deterministic computations and applies the exponential operators in the interpretation of the functional space. The most basic notion of this work is the definition of the coherence relation as the admissibility of parallelism between basic operations (elementary processes). That relation defines the web over which the coherence space of the whole set of deterministic and non-deterministic processes is step-wise and systematically build. Over the set of the compatible points of such graph, the strict coherence interprets the implicity condition to model parallelism - the true concurrence. In the dual construction, justified by the presence of involutive negation in the complementary graph, the incoherence interprets the condition that models non-determinism - the conflict of memory accesses. The other constructors, the sequential product and the deterministic sum, are defined by the endofunctors in the CospLin category of the coherence spaces and linear functions. The ordered structure of this model is formalized by the coherence space D∞ of all processes, constructed by levels from the coherence space D0 of the elementary processes, following the Scott’s methodology [SCO 76]. In this sense, each level is identified by a subspace Dn, which reconstructs all the objects from the level before, preserving their properties and relations, and drives the construction of the new objects. Compatible with the algebraic-theoretic approach to computational processes, the relationship between the levels is expressed by linear functions called embedding and projection-functions, which interpret constructors and destructors of processes, respectively. The completion procedure guarantees the existence of the least fixed point to the recursive equations, defined by infinite composition of these morphisms. In addition, the interpretation for infinite processes constructed by prefix is presented in D→∞ , confirms that the ordered structure of these model is compatible with the diversity of constructors. The coherence space D∞2 of transfinite processes generalizes the construction and defines the ordered structure of the distributed geometric machine model. Its objects are coherent subsets of tokens labelled by the positions of a geometric space and indexed by isomorphic subsets related to the transfinite ordinal numbers. In order to analyze the behavior related to the interpretations in D∞, the coherence space S S of the linear traces of functions, defined over the coherence space S of the computational states, is introduced. The definition of the representation-function induces the construction of the domain Ω of valid expressions and formalizes a (graphic) language which is able to express, in an more operational way, the interpretations obtained in the geometric machine model.

O raciocínio realizado em agentes BDI envolve essencialmente manipular três estruturas de dados representando suas crenças, desejos e intenções. Crenças de agentes BDI tradicionais não representam incerteza, e podem ser expressas como um conjunto fechado de literais ground. As restrições que indicam se um dado desejo é viável e pode ser adotado como uma intenção em agentes BDI tradicionais podem ser representadas como expressões lógicas sobre crenças. Dado que Redes Bayesianas permitem que representem-se informações com incerteza probabilisticamente, agentes BDI bayesianos as empregam para suportar incerteza em suas crenças. Em agentes BDI bayesianos, crenças representadas em Redes Bayesianas referem-se a estados de variáveis de eventos, possuindo probabilidades dinâmicas individuais que referem-se à incerteza. Os processos the constituem o raciocínio neste modelo de agente requerem mudanças a fim de acomodar esta diferença. Dentre estes processos, este trabalho concentra-se especificamente na seleção de desejos. Uma estratégia prévia para seleção de desejos é baseada em aplicar um limiar a probabilidades de crenças. Entretanto, tal abordagem impede que um agente selecione desejos condicionados em crenças cujas probabilidades estejam abaixo de um certo limiar, mesmo que tais desejos pudessem ser atingidos caso fossem selecionados. Para lidar com esta limitação, desenvolvemos três abordagens alternativas para seleção de desejos sob incerteza: Ranking Probabilístico, Loteria Viciada e Seleção Multidesejos Aleatória com Viés. Probability Ranking seleciona um desejo usando uma lista de desejos ordenados em ordem decrescente de probabilidade de pré-condição. Loteria Viciada seleciona um desejo usando um valor numérico aleatório e intervalos numéricos – associados a desejos – proporcionais às probabilidades de suas pré-condições. Seleção Multidesejos Aleatória com Viés seleciona múltiplos desejos usando valores numéricos aleatórios e considerando as probabilidades de suas pré-condições. Apresentamos exemplos, incluindo o agente Vigia, assim como experimentos envolvendo este, para mostrar como essas abordagens permitem que um agente às vezes selecione desejos cujas crenças pré-condições possuem probabilidades muito baixas. / The reasoning performed in BDI agents essentially involves manipulating three data structures representing their beliefs, desires and intentions. Traditional BDI agents’ beliefs do not represent uncertainty, and may be expressed as a closed set of ground literals. The constraints that indicate whether a given desire is viable and passive to be adopted as an intention in traditional BDI agents may be represented as logical expressions over beliefs. Given that Bayesian Networks allow one to represent uncertain information probabilistically, Bayesian BDI agents employ Bayesian Networks to support uncertainty in their beliefs. In Bayesian BDI agents, beliefs represented in Bayesian Networks refer to states of event variables, holding individual dynamic probabilities that account for the uncertainty. The processes that constitute reasoning in this agent model require changes in order to accomodate this difference. Among these processes, this work is specifically concerned with desire selection. A previous strategy for desire selection is based on applying a threshold on belief probabilities. However, such an approach precludes an agent from selecting desires conditioned on beliefs with probabilities below a certain threshold, even if those desires could be achieved if they were selected. To address this limitation, we develop three alternative approaches to desire selection under uncertainty: Probability Ranking, Biased Lottery and Multi-Desire Biased Random Selection. Probability Ranking selects a desire using a list of desires sorted in decreasing order of precondition probability. Biased Lottery selects a desire using one random numeric value and desire-associated numeric intervals proportional to the probabilities of the desires’ preconditions. Multi-Desire Biased Random Selection selects multiple desires using random numeric values and considering the probabilities of their preconditions. We present examples, including theWatchman agent, as well as experiments involving the latter, to show how these approaches allow an agent to sometimes select desires whose belief preconditions have very low probabilities.

The 3-satisfiability Problem (3-SAT) is a demanding combinatorial problem that is of central importance among the nondeterministic polynomial (NP) complete problems, with applications in circuit design, artificial intelligence, and logistics. Even with optimized algorithms, the solution space that needs to be explored grows exponentially with the increasing size of 3-SAT instances. Thus, large 3-SAT instances require excessive amounts of energy to solve with serial electronic computers. Network-based biocomputation (NBC) is a parallel computation approach with drastically reduced energy consumption. NBC uses biomolecular motors to propel cytoskeletal filaments through nanofabricated networks that encode mathematical problems. By stochastically exploring possible paths through the networks, the cytoskeletal filaments find possible solutions. However, to date, no NBC algorithm for 3-SAT has been available. Herein, an algorithm that converts 3-SAT into an NBC-compatible network format is reported and four small 3-SAT instances (with up to three variables and five clauses) using the actin–myosin biomolecular motor system are experimentally solved. Because practical polynomial conversions to 3-SAT exist for many important NP complete problems, the result opens the door to enable NBC to solve small instances of a wide range of problems.