Automatización de la construcción de agentes deliberativos utilizando un sistema de razonamiento basado en casos

  1. LAZA FIDALGO, ROSALÍA
Dirigida por:
  1. Juan Manuel Corchado Rodríguez Director

Universidad de defensa: Universidade de Vigo

Fecha de defensa: 14 de octubre de 2003

Tribunal:
  1. Luis Alonso Romero Presidente
  2. Florentino Fernández Riverola Secretario/a
  3. Emilio Santiago Corchado Rodríguez Vocal
  4. Eladio Sanz García Vocal
  5. José Manuel Molina López Vocal

Tipo: Tesis

Teseo: 106550 DIALNET

Resumen

En este trabajo se presenta una metodología que permite la definición y construcción de agentes deliberativos (en concreto agentes BDI Belief-Desire-Intention) de forma automática. Estos agentes pueden actuar en entornos cambiantes, por lo que su comportamiento es difícil de determinar, impredicible hasta cierto punto. En estas situaciones, se ha constatado que un sistema de razonamiento basado en casos, en un sistema adecuado para construir este tipo de agentes y además dotarlos de capacidad de aprendizaje tan necesaria en los entornos en los que van a desarrollar su actividad. El modelo de razonamiento basado en casos incorpora una estructura adaptativa de nodos, y un sistema difuso de tipo Sugeno y un sistema de inferencia neuro-difuso adaptable; con el objeto de que el razonamiento en los agentes deliberativos sea el adecuado y el resultado que determinen sea el más preciso posible. Cada una de estas técnicas, se utiliza en las diferentes etapas del ciclo de vida del sistema de razonamiento basado en casos para recuperar experiencias pasadas, adaptarlas al problema actual y proponer una solución. La justificación de la hipótesis defendida en este trabajo se hace de forma experimental, presentando la aplicación de una gente, construido con la metodología propuesta, al problema de automatizar la elaboración de planes de explotación de los recursos marisqueros que deben presentar las cofradías gallegas ante la Xunta de Galicia. Los resultados obtenidos a partir de los experimentos realizados con el agente propuesto, se comparan con distintas técnicas de inteligencia artificial y varios modelos estadísticos, lo que permite el análisis cuantitativo y cualitativo del grado de adaptación del agente desarrollado al problema propuesto. Por último, y a la vista de los resultados obtenidos, se concluye que los agentes BDI con capacidad de aprendizaje son especial interés en entornos cambiantes; en los cuales es necesar