Em cenários onde agentes inteligentes atuam e percebem dados de ambientes com cada vez mais informações, identificar somente as percepções relevantes aos objetivos pode ser crucial para que o ciclo de raciocínio do programa seja realizado em tempo hábil. Como uma solução a este problema, o presente trabalho criou um modelo de filtragem de percepções baseado no modelo DBR (Data-oriented Belief Revision) para ser aplicado em agentes BDI (Belief Desire Intention). Para isto, o trabalho estendeu e formalizou parte dos conceitos do modelo DBR tornando-o computacionalmente aplicável. Entre as contribuições deste trabalho estão a extensão da definição dos processos de Foco (seleção de dados percebidos) e Esquecimento de dados inativos; a definição e formalização de modelos de cálculo da Relevância de percepções, que permitem filtrar ou descartar dados em função dos planos do agente e de suas valorações de importância; e as definições dos modelos de armazenamento de Dados Inativos capazes de suportar diferentes cenários de utilização de agentes BDI. O resultado foi um filtro de percepções, genérico e automatizado, orientado aos objetivos de agentes BDI. Para operacionalizar o modelo criado, ele foi implementado na plataforma de desenvolvimento de agentes Jason. Análises empíricas foram realizadas para avaliar a corretude e os impactos relacionados ao tempo de pro- cessamento após a aplicação do modelo. Os experimentos realizados indicaram que o modelo de filtragem de percepções proposto neste trabalho contribui no desempenho computacional de agentes expostos a ambientes com muitos ruídos. / In scenarios where intelligent agents act and perceive data of environments with much information, identify only perceptions relevant to goals can be crucial for the agent reasoning cycle to be performed in time. As a solution to this problem, this work creates a model to filter perceptions based on DBR (Data-oriented Belief Revision) model to be applied at BDI (Belief Desire Intention) agents. In order to do it, this work has extended and formalized some of the DBR model concepts making it applicable in computer programs. Among this work contributions are the extension and definition of the processes Focus (selection of perceived data) and Oblivion of inactive data; definition and formalization of perception Relevance models, calculations that allow to filter or discard data based on agent plans and their importance values;definition of Inactive Data storage models able to support different usage scenarios of BDI agents. The result was a generic and automated perception filter oriented to the goals of BDI agents. To opera- tionalize the model, it was implemented in the agent development plataform Jason. Empirical analysis have been done to assess the correctness and identify the impact on the processing time after the model application. The results indicate that the perception filtering model proposed in this work contributes to the computational performance of agents exposed to environments with much noise.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.utfpr.edu.br:1/1896 |
| Date | 27 August 2015 |
| Creators | Mendes, Guilherme Firmino |
| Contributors | Tacla, Cesar Augusto, Lugo, Gustavo Giménez Alberto, Tacla, Cesar Augusto, Enembreck, Fabrício, Ramos, Milton Pires, Fabro, João Alberto Fabro |
| Publisher | Universidade Tecnológica Federal do Paraná, Curitiba, Programa de Pós-Graduação em Computação Aplicada, UTFPR, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UTFPR, instname:Universidade Tecnológica Federal do Paraná, instacron:UTFPR |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds