UNIVERSIDADE FEDERAL DO MARANHÃO – UFMA

CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA - CCET

ANTONIO MARCOS PATRICIO CASTRO

SISTEMAS MULTIAGENTES

São Luís- MA
2023
ANTONIO MARCOS PATRICIO CASTRO

SISTEMAS MULTIAGENTES

Resumo apresentado para disciplina

EECP0008 – INTELIGÊNCIA, CCET da
Universidade Federal do Maranhão – UFMA,
ministrada pelo professor Dr. ALEX OLIVEIRA
BARRADAS FILHO

São Luís- MA
2023
 Resumo

Este trabalho apresenta um resumo a respeito do modelo de Sistemas Multiagentes

(SMA), seus conceitos, estrutura, importância, comunicação entre os agentes e
aplicações. Os SMA são sistemas compostos por diversos agentes autônomos que
interagem entre si e são capazes de perceber, agir e aprender em um ambiente
compartilhado. A autonomia é um dos principais atributos dos agentes. Os SMA podem
ter diferentes capacidades, objetivos e níveis de autonomia. A comunicação entre os
agentes é um dos aspectos mais importantes da estrutura de um SMA. Os SMA são
importantes porque permitem a resolução de problemas complexos que seriam muito
difíceis ou impossíveis de serem resolvidos por um único agente. Além disso, os SMA
têm a capacidade de adaptar-se a ambientes dinâmicos e em constante mudança. Os SMA
são aplicáveis em diversas áreas, como robótica, economia, engenharia, ciência da
computação, entre outras.

Conceitos

Os Sistemas Multiagentes formam uma área emergente da Inteligência Artificial

que fornece os princípios para construção de sistemas complexos envolvendo múltiplos
agentes e os mecanismos de coordenação entre eles (Stone & Veloso, 2000). Eles podem
ser definidos como um grupo de agentes autônomos, interagindo entre si e
compartilhando um mesmo ambiente, que é percebido através de sensores, onde eles
agem realizando ações (VLASSIS, 2007).
Os Sistemas Multiagentes (SMA) são sistemas compostos por múltiplos agentes,
que exibem um comportamento autónomo, mas ao mesmo tempo interagem com os
outros agentes presentes no sistema. Estes agentes exibem duas características
fundamentais: serem capazes de agir de forma autónoma tomando decisões levando à
satisfação dos seus objetivos; serem capazes de interagir com outros agentes utilizando
protocolos de interação social inspirados nos humanos e incluindo pelo menos algumas
das seguintes funcionalidades: coordenação, cooperação, competição e negociação.

2
 Um Sistemas Multiagentes inclui dois ou diversos agentes que interagem ou
trabalham em conjunto, podendo compreender agentes homogéneos ou heterogéneos.
Cada agente é basicamente um elemento capaz de resolução autónoma de problemas e
opera assincronamente, com respeito aos outros agentes. Para que um agente possa operar
como parte do sistema, é necessária a existência de uma infraestrutura que permita a
comunicação e/ou interação entre os agentes que compõe o SMA.
Para garantir uma maior segurança e confiança ao usuário de que o agente vai
representar fielmente seu papel com precisão, é fundamental também um alto grau de
confiabilidade por parte do agente. Isso é necessário para que o agente simule e/ou
represente da maneira mais possivelmente próxima da realidade.
Um agente não precisa ter todas essas características ao mesmo tempo. Existem
agentes que possuem algumas características. Outros que possuem todas, o que é certo é
que atualmente existe pouca concordância sobre a importância dessas propriedades e se
é necessária sua obrigatoriedade para a caracterização de um agente. O consenso é que
essas características tornam o agente muito diferente dos simples programas e objetos. É
possível fazer uma classificação de agentes de acordo com vários aspectos como quanto
à mobilidade, quanto ao relacionamento interagentes e quanto à capacidade de raciocínio.
Outra classificação de agentes, do ponto de vista da inteligência artificial, é que se
pode classificar em três grandes grupos: agentes móveis ou estáticos; agentes reativos ou
proativos; agentes cooperativos, autônomos, com aprendizagem ou com uma mistura
dessas características.
Os sistemas multiagentes com agentes reativos por exemplo são constituídos por
um grande número de agentes. Estes são bastante simples. Não possuem inteligência ou
representação de seu ambiente e interagem utilizando um comportamento de ação/reação.
A inteligência surge conforme esses sistemas trocam de interações entre os agentes e o
ambiente. Ou seja, os agentes não são inteligentes individualmente, mas o comportamento
global tem uma determinada inteligência.

Estrutura

Um SMA é um sistema que possui os seguintes elementos:

3
 • Um ambiente, E
• Um conjunto de objetos O
• Um conjunto de Agentes, A (A ⸦ O)
• Um conjunto de relações R, que liga objetos
• Um conjunto de operações Op.
• Operadores que representam os resultados das operações em Op e as
reações do ambiente a eles.

Consiste de uma coleção de componentes autônomos, com objetivos particulares,

que se interrelacionam de acordo com uma organização. Interagindo, negociando e
coordenando esforços para resolver tarefas.

Figura 1
https://www.teses.usp.br/teses/disponiveis/18/18154/tde-25042012-155841/publico/Filipe.pdf

Os agentes são diferentes de outros programas de software devido as suas

características, sendo elas (WOOLDRIDGE & JENNINGS, 1995)
• Autonomia: os agentes são independentes e tomam suas próprias decisões, sem
intervenções diretas de outros agentes ou seres humanos.
• Reatividade: os agentes reagem as mudanças que ocorrem no ambiente em que
estão situados.
• Proatividade: os agentes agem de maneira direcionada aos objetivos.

4
 • Sociabilidade: os agentes interagem com outros agentes através de algum tipo de
protocolo de comunicação.
Os SMA possuem características que o diferem de outros sistemas, a saber
(VLASSIS, 2007).
• Design do agente: Frequentemente os agentes de um mesmo SMA são projetados
de maneiras diferentes como, por exemplo, na parte comportamental. A heterogeneidade
do agente pode afetar todos os aspectos funcionais de um agente, desde a percepção até a
tomada de decisão.
• Ambiente: Os agentes precisam lidar com ambientes que podem ser estáticos ou
dinâmicos. Em um SMA, a mera presença de múltiplos agentes faz o ambiente parecer
dinâmico do ponto de vista de cada agente.
• Percepção: O fato de os agentes poderem observar coisas diferentes torna o
mundo parcialmente observável para cada agente, o que tem várias consequências na
tomada de decisão dos agentes.
• Controle: Ao contrário dos sistemas de agente único, o controle em um SMA e
tipicamente descentralizado. O controle descentralizado e preferível ao controle
centralizado por razoes de robustez e tolerância a falhas.
• Conhecimento: Em um SMA, os níveis de conhecimento de cada agente sobre o
estado atual do mundo podem diferir substancialmente. Assim cada agente deve tambem
considerar o conhecimento de cada outro agente em sua tomada de decisão.
• Comunicação: A interação e frequentemente associada a alguma forma de
comunicação. A comunicação pode ser usada em vários casos, por exemplo, para
coordenação entre agentes cooperativos ou para negociação entre agentes de interesse
próprio.
A classificação de um SMA é uma questão complexa, pois pode ser feita com base
em vários atributos diferentes como arquitetura, aprendizagem, comunicação e
coordenação. Considerando apenas a arquitetura interna dos agentes que formam um
SMA, esse sistema pode ser classificado em dois tipos (GOKULAN & SRINIVASAN,
2010):

5
 • Estrutura Homogênea: Em uma arquitetura homogênea, todos os agentes que
formam o sistema multiagente tem a mesma arquitetura interna. A arquitetura interna
refere-se aos objetivos locais, capacidades do sensor, estados internos, mecanismos de
inferência e ações possíveis.
• Estrutura Heterogênea: Em uma arquitetura heterogênea, os agentes podem
diferir em capacidade, estrutura e funcionalidade. A arquitetura heterogênea ajuda a
tornar os aplicativos de modelagem muito mais próximos do mundo real.

Comunicação entre os agentes

As mensagens entre os agentes são trocadas via redes de telecomunicações, como

ethernet convencional, redes wi-fi, redes de celulares, etc. (SHOHAM & LEYTON-
BROWN, 2009). Os protocolos de transporte das mensagens são os comumente
encontrados em sistemas web, como o HTTP e XMPP (KUROSE, 2007), MTP
(BELLIFEMINE, CAIRE, & GREENWOOD, 2007) ,entre outros. Quanto a estruturação
das mensagens, a comunidade de desenvolvedores e pesquisadores de sistemas
multiagentes definiu alguns protocolos padrões para esta finalidade, como KQML e FIPA
(WOOLDRIDGE, 2009). Entretanto, outros protocolos comuns da área de
desenvolvimento para web tambem podem ser utilizados, como XML e JSON
(CROCKFORD, 2006).
Um dos meios de comunicação entre os agentes mais comum é regido pela
Foundation for Intelligent Physical Agents (FIPA), uma organização que promove
tecnologias baseadas em agentes e a sua interoperabilidade com outras tecnologias (FIPA,
2002)
O padrão FIPA-Agent Communication Language (FIPA-ACL) é um protocolo
que abrange cerca de 20 tipos de comunicação, baseados no diálogo entre seres
humanos, que agrega algumas propriedades, como:
• Performative: indicador do objetivo da interação do agente;
• Content: o conteúdo da mensagem, análogo ao dito entre uma
conversação por seres humanos;
• Sender e Receiver: remetente e destinatário da mensagem, respectivamente.
6
 As especificações FIPA definem alguns componentes de controle mandatório da
plataforma multiagente, entre estes o Directory Facility (DF) e o Agent Management
System (AMS).
• Directory Facility : é um recurso que tem a funcionalidade de registrar
informações sobre os agentes. O agente posta os seus serviços em tempo de
execução e os mesmos ficam disponíveis para consultas por outros agentes.
• Agent Management System: é uma ferramenta que armazena as
identificações de cada agente existente no sistema, como o seu endereço e
seu nome no universo de agentes. Todo agente deve se conectar ao AMS
para receber uma identidade válida, que é utilizada na comunicação entre
entidades.

Importância

Os sistemas multiagentes apresentam vantagens para modelar a complexidade de

ambientes, devido a um modelo útil e potente que proporcionam facilidade em lidar com
grandes problemas, são capazes de modelar por exemplo os complexos processos de
interação entre as pessoas e os ambientes urbanos que eles mesmos criam. Uma grande
vantagem de usar este tipo de modelo é que fatores extremadamente subjetivos, reais ou
simbólicos podem ser incorporados.
Dentro da área industrial por exemplo, os SMA têm sido usados para o
modelamento de diversos arranjos de processo de manufatura. A tecnologia de
Multiagentes é amplamente utilizada no processo de fabricação, na integração de
sistemas, no sistema de controle, planejamento de produção, desenvolvimento de
negócios, entre outras aplicações

Aplicações

Alguns problemas em que ferramentas computacionais são aplicadas para obtenção

de uma solução de natureza distribuída, seja na obtenção dos dados, no controle ou no
cálculo necessário para o tratamento do mesmo. Para estes casos, existe um domínio de

7
estudos próprios, com teorias, práticas e técnicas desenvolvidas para lidar com estas
características. A essa área dá-se o nome de sistemas distribuídos.
Os sistemas multiagentes (MAS – Multi Agent Systems), segundo Abbas et
al. (2015), são coleções de Agentes autônomos situados em um determinado ambiente
virtual. Estes agentes comunicam-se entre si, de acordo com as mudanças deste ambiente,
com o intuito de conquistar seus objetivos. Também é afirmado que os agentes,
analogamente, assumem um papel abstrato, seja uma atividade ou serviço, com diferentes
níveis hierárquicos.
O SMA é um sistema viável para aplicação na futura e próxima revolução indústria.
É uma aplicação que se encaixa nos requisitos de ambientes industriais avançados, e que
está sendo utilizado em vários projetos, como nas áreas de:

• Educação a Distância
• Software Embarcado
• Aplicações em Dispositivos Móveis
• Simulação/Jogos
• Análise de comportamento Emergente
• Treinamentos
• Aplicações Financeiras
• Negociações
• Leilão
• Data warehouse e Data mining
• Gerenciamento de Cadeia de Suprimentos
• Agentes para Medicina
• Biologia computacional, bioinformática.

8
 É possível comparar agentes operários, com um operador de maquinário em
uma fábrica, onde esses têm a capacidade de manipular determinados equipamentos e
agentes administradores, como responsáveis pela distribuição dos operários dentro de seu
ambiente. Na Figura 2 pode-se observar a configuração de um sistema multiagentes para
a indústria.

Figura 2
http://revista.uergs.edu.br/index.php/revuergs/article/view/2998/543

Alguns campos de aplicações interessantes foram surgindo com a elevação das

pesquisas de IA. Entre eles é interessante destacar o uso de robôs inteligentes e a aplicação
de sistemas multiagentes na manufatura avançada. O conceito de Manufatura Avançada
traz a digitalização como principal aspecto tecnológico. A digitalização é o resultado da
aplicação de Sistemas Ciber Físicos (CPS), de Internet das Coisas (IoT) e de computação
na nuvem permitindo que toda a fábrica seja representada em tempo real no ambiente
digital.
Tais sistemas se tornam viáveis quando se deseja uma interação, troca de
informações rápidas, autonomia, agilidade para resolução de problemas, mudança de
situações (onde o agente pode ter a capacidade de aprender com esses casos). Não existe
um tipo melhor de agente para ser empregado, cada agente trabalha em um tipo de atuação
diferente, mas com a interação deles tornamos sistema complexo, mas com uma grande
capacidade.

9
 Referências

BELLIFEMINE, F. L., CAIRE, G., & GREENWOOD, D. (2007). Developing Multi-Agent Systems with
JADE. Wiley.

CROCKFORD, D. (2006). Json: The fat-free alternative to xml. In: Proc. of XML. .

FIPA. (2002). FIPA Communicative Act Library Specifica-tion. Geneva, Switzerland.:

FOUNDATION FOR INTELLIGENT PHYSICAL AGENTS.

GOKULAN, B., & SRINIVASAN, D. (2010). An introduction to multi-agent systems. p. 1–27.

KUROSE, J. (2007). Redes de computadores ea Internet: uma abordagem top-down. Pearson

Addison Wesley.

Peixoto, J., Soares, A., & Fagundes , R. (2020). Funcionalidades das plataformas de sistema
multiagentes JADE e PADE em aplicações de manufatura industrial. Rev. Elet. Cient. da
UERGS.

SHOHAM, Y., & LEYTON-BROWN, K. (2009). Multiagent systems: Algorithmic, game-theoretic,

and logical foundations. Cambridge Univ Pr.

Stone, P., & Veloso, M. (01 de 06 de 2000). Multiagent Systems: A Survey from a Machine
Learning Perspective. Autonomous Robots.

VLASSIS, N. (2007). A concise introduction to multiagent systems and distributed artificial

intelligence.

WOOLDRIDGE, M. (2009). An introduction to multiagent systems. Wiley.

WOOLDRIDGE, M., & JENNINGS, N. (1995). Intelligent agents: Theory and practice. The
knowledge engineering review.

10