Made available in DSpace on 2014-12-17T14:55:05Z (GMT). No. of bitstreams: 1
AlbertoS_TESE.pdf: 2680432 bytes, checksum: d2f2fd640ed137e3f09bc41cd4afd853 (MD5)
Previous issue date: 2012-08-17 / Simulations based on cognitively rich agents can become a very intensive computing
task, especially when the simulated environment represents a complex system. This situation
becomes worse when time constraints are present. This kind of simulations would
benefit from a mechanism that improves the way agents perceive and react to changes
in these types of environments. In other worlds, an approach to improve the efficiency
(performance and accuracy) in the decision process of autonomous agents in a simulation
would be useful.
In complex environments, and full of variables, it is possible that not every information
available to the agent is necessary for its decision-making process, depending indeed, on
the task being performed. Then, the agent would need to filter the coming perceptions
in the same as we do with our attentions focus. By using a focus of attention, only the
information that really matters to the agent running context are perceived (cognitively
processed), which can improve the decision making process.
The architecture proposed herein presents a structure for cognitive agents divided into
two parts: 1) the main part contains the reasoning / planning process, knowledge and
affective state of the agent, and 2) a set of behaviors that are triggered by planning in
order to achieve the agent s goals. Each of these behaviors has a runtime dynamically
adjustable focus of attention, adjusted according to the variation of the agent s affective
state.
The focus of each behavior is divided into a qualitative focus, which is responsible
for the quality of the perceived data, and a quantitative focus, which is responsible for the
quantity of the perceived data. Thus, the behavior will be able to filter the information
sent by the agent sensors, and build a list of perceived elements containing only the information
necessary to the agent, according to the context of the behavior that is currently
running.
Based on the human attention focus, the agent is also dotted of a affective state. The
agent s affective state is based on theories of human emotion, mood and personality. This
model serves as a basis for the mechanism of continuous adjustment of the agent s attention
focus, both the qualitative and the quantative focus. With this mechanism, the agent
can adjust its focus of attention during the execution of the behavior, in order to become
more efficient in the face of environmental changes.
The proposed architecture can be used in a very flexibly way. The focus of attention
can work in a fixed way (neither the qualitative focus nor the quantitaive focus one
changes), as well as using different combinations for the qualitative and quantitative foci
variation. The architecture was built on a platform for BDI agents, but its design allows
it to be used in any other type of agents, since the implementation is made only in the
perception level layer of the agent.
In order to evaluate the contribution proposed in this work, an extensive series of experiments
were conducted on an agent-based simulation over a fire-growing scenario. In
the simulations, the agents using the architecture proposed in this work are compared
with similar agents (with the same reasoning model), but able to process all the information
sent by the environment. Intuitively, it is expected that the omniscient agent would
be more efficient, since they can handle all the possible option before taking a decision.
However, the experiments showed that attention-focus based agents can be as efficient as
the omniscient ones, with the advantage of being able to solve the same problems in a
significantly reduced time. Thus, the experiments indicate the efficiency of the proposed
architecture / Simula??es baseadas em agentes cognitivos podem se tornar tarefas computacionalmente
intensivas, especialmente quando o ambiente de simula??o ? um sistema complexo.
Este panorama se torna pior na medida em que restri??es de tempo s?o adotadas. Simula??es
desse tipo seriam beneficiadas por um mecanismo que melhorasse o modo pelo
qual os agentes percebem e reagem a mudan?as nesses tipos de ambiente. Ou seja, uma
abordagem para melhorar a efici?ncia (desempenho e acur?cia) no processo de decis?o de
agentes aut?nomos em uma simula??o, seria ?til.
Em ambientes complexos e repletos de vari?veis, ? poss?vel que nem todas as informa??es
dispon?veis para o agente sejam necess?rias para o seu processo de decis?o,
dependendo, ? claro, da tarefa que esteja sendo executada. O agente precisaria filtrar as
informa??es que lhe chegam, assim como n?s o fazemos com o nosso foco de aten??o.
Com a utiliza??o de um foco de aten??o, somente as informa??es importantes ao contexto
de execu??o do agente s?o percebidas (processadas cognitivamente), o que pode melhorar
o processo de decis?o.
A arquitetura proposta neste trabalho apresenta uma estrutura de agentes cognitivos
dividida em duas partes: 1) uma parte principal contendo o racioc?nio/planejamento, o
conhecimento e o estado afetivo do agente e, 2) um conjunto de comportamentos que
ser?o acionados pelo planejamento com o intuito de atingir os objetivos do agente. Cada
um desses comportamentos possui um foco de aten??o ajust?vel dinamicamente durante
o tempo de execu??o do agente, de acordo com a varia??o do seu estado afetivo.
O foco de aten??o presente em cada comportamento ? dividido em foco qualitativo,
o qual ? respons?vel pela qualidade dos dados percebidos, e foco quantitativo, o qual ?
respons?vel pela quantidade dos dados percebidos. Desse modo, o comportamento ser?
capaz de filtrar as informa??es enviadas pelos sensores dos agentes e construir uma lista
de elementos, contendo somente as informa??es necess?rias ao agente, dependendo do
contexto do comportamento em execu??o no momento.
Com base no mecanismo de foco de aten??o humano, o agente tamb?m ? dotado de
um estado afetivo. O estado afetivo do agente ? baseado nas teorias humanas da emo??o,
humor e personalidade. Esse modelo atua como base para o mecanismo de ajuste cont?nuo
do foco de aten??o do agente, tanto da parte qualitativa, como da parte quantitativa. Com
esse mecanismo, o agente pode ajustar o seu foco de aten??o durante a execu??o do
comportamento, de forma a tornar-se mais eficiente perante as mudan?as ocorridas no
ambiente.
A arquitetura proposta pode ser utilizada de forma bastante flex?vel. O foco de aten??o
pode trabalhar tanto de forma fixa (onde nem o foco qualitativo e nem o quantitativo variam),
quanto com diferentes combina??es entre a varia??o ou n?o dos focos qualitativo e
quantitativo. A arquitetura foi desenvolvida sobre uma plataforma para agentes BDI, mas
o seu projeto permite que seja usada em qualquer outro tipo de agente, pois as altera??es
s?o feitas apenas no n?vel da percep??o do agente.
Para avaliar a contribui??o do trabalho, uma s?rie extensa de experimentos foram
realizados sobre uma simula??o baseada em agentes num cen?rio de inc?ndio. Nas simula??es,
agentes utilizando a arquitetura proposta neste trabalho s?o comparados com
agentes similares (com o mesmo modelo de racioc?nio), por?m capazes de processar todas
as informa??es que lhes s?o enviadas pelo ambiente (agentes oniscientes). Intuitivamente,
? de se imaginar os agentes oniscientes seriam mais eficiente que os com filtros de percep??o,
uma vez que eles podem processar todas as op??es poss?veis antes de tomar uma
decis?o. Por?m, os experimentos mostram que os agentes com foco de aten??o podem
ser t?o eficientes quanto os oniscientes, levando vantagem por?m na capacidade de resolverem
o mesmo problema em um tempo significativamente menor. Os experimentos
indicam, portanto, a efici?ncia da arquitetura proposta
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15194 |
Date | 17 August 2012 |
Creators | Signoretti, Alberto |
Contributors | CPF:31510230700, http://lattes.cnpq.br/8215124502137579, Burlamaqui, Aquiles Filgueira de Medeiros, CPF:03420818459, http://lattes.cnpq.br/8670475877813913, Canuto, Anne Magaly de Paula, CPF:66487099449, http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8, Ramalho, Geber Lisboa, CPF:06135913420, http://lattes.cnpq.br/9783292465422902, Chaimowicz, Luiz, CPF:62830732634, http://lattes.cnpq.br/4499928813481251, Campos, Andr? Mauricio Cunha, Fialho, S?rgio Vianna |
Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica, UFRN, BR, Automa??o e Sistemas; Engenharia de Computa??o; Telecomunica??es |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf |
Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds