Governança em Sistemas Multi-Agentes Abertos - LES - PUC-Rio

Report
Reputação
Andrew Diniz da Costa
Fábio de Azevedo
Sérgio Ciglione
[email protected]
[email protected]
[email protected]
Agenda
• Introdução
• Competição
• Agente finalista
• Desempenho na competição
• Prêmios
• Novos Trabalhos
• Considerações finais
© LES/PUC-Rio
Introdução
• Confiança é a segurança, certeza daquele que tem fé na
probidade (honradez, integridade de caráter, honestidade,
pundonor) de alguém.
• Reputação é um conceito atribuído a uma pessoa por parte
da sociedade em que vive para medir o grau de confiança.
• Em sistemas multi-agentes abertos temos sociedades de
agentes heterogêneos, implementados por diferentes
desenvolvedores, com objetivos semelhantes ou não.
• Importância da existência de mecanismos para identificar
agentes que não se comportam adequadamente.
© LES/PUC-Rio
Introdução
• Por quê modelar confiança e reputação ?
•
agentes devem escolher com quem interagir
•
objetivo de capacitar os agentes a fazer a escolha correta.
• Diversos algoritmos na área de confiança e reputação
• como compará-los ?
• quais as características principais
• ART Testbed
• competição entre agentes
• experimentos independentes
© LES/PUC-Rio
Especificação
• modo de competição
• comparações de diferentes estratégias
• cada participante controla um agente
• várias sessões
• modo de experimentação
• utilizado para medir desempenho (benchmark)
• vc pode definir
• número de agentes
• número de sessões da simulação
• número de categorias (Era)
• ...
© LES/PUC-Rio
Especificação - Domínio: Art Appraisal
Domínio: Art Appraisal
• Agentes são avaliadores de pintura com níveis variados de perícias
em Eras artísticas diferentes
• Clientes solicitam avaliações
para pinturas de Eras diferentes
• Agentes avaliadores podem
pedir opinião de outros
• Agentes avaliadores podem
comprar reputação de outros
avaliadores
• Objetivo de produzir avaliação
mais precisa possível
© LES/PUC-Rio
Novas regras da competição
• O número de sessões será maior que a anterior (100 até
200).
• Graus de conhecimentos das eras podem sofrer mudanças
durante o jogo.
• Alguns ou todos os jogos terão presença de agentes dummy
com diferentes estratégias. Alguns já estão disponíveis.
• Novo ambiente
© LES/PUC-Rio
Modelo Conceitual
© LES/PUC-Rio
Modelo Conceitual do Módulo Estatístico
© LES/PUC-Rio
Testes finais
© LES/PUC-Rio
Testes finais
© LES/PUC-Rio
Competition
• 17 agents (1 didn’t execute) of 13 different institutions
• Two phases
– Preliminary
– Final
• Preliminary phase (May 10-11)
– 8 agents of the different institutions
– 15 agents offered by competition (5 “bad”, 5 “neutral”, 5 “bad”
dummies )
– 100 rounds
• Final phase (May 16-17)
– 5 best agents of the preliminary phase
– 15 agents offered by competition (5 “bad”, 5 “neutral”, 5 “bad”
dummies )
– 200 rounds
© LES/PUC-Rio
Preliminary Phase
© LES/PUC-Rio
Games of the Preliminary Phase
© LES/PUC-Rio
Final Phase
1) Electronics & Computer Science, University of Southampton
2) Department of Math & Computer Science, The University of Tulsa
3) Department of Computer Engineering, Bogazici University
4) Agents Research Lab, University of Girona
5) Pontifícia Universidade Católica do Rio de Janeiro
© LES/PUC-Rio
Games of the Final Phase
© LES/PUC-Rio
Prêmios
• Os finalistas são convidados a publicar o código fonte no site
da competição.
• Direito a uma publicação relacionada a um artigo do ARTTestbed.
• Pequenas lembranças, como uma camisa personalizada.
• Certificado de participação
• Reconhecimento dos colegas 
© LES/PUC-Rio
Trabalhos
• Criação ou extensão de um framework para reputação.
• Aplicação da Bolsa de Valores em sistemas multi-agentes.
• Zé Carioca LES 2
© LES/PUC-Rio
Framework para Reputação
• Criação ou extensão.
• Governance Framework
• Existência de uma série de frameworks de reputação com
diferentes modelos
– Centralizado
– Descentralizado
– Híbrido
© LES/PUC-Rio
Trabalhos Relacionados – Modelo Centralizado
• Os mecanismos de reputação mais famosos são aqueles
utilizados no comércio ou leilão eletrônico.
• Modelos centralizados colecionam e agregam avaliações das
negociações anteriores.
• O sistema centralizado calcula a reputação se baseando na
informação que recebe sobre negociações ocorridas.
• Ebay e Amazon Auctions
• Informar ao comprador a atuação do vendedor em
negociações anteriores.
© LES/PUC-Rio
Modelo Descentralizado
• Os próprios agentes são capazes de calcular a reputação.
• Uso das próprias fontes de informação ou consulta com
outros agentes caso não tenham informação suficiente
disponível.
• Modelos
– Simples - Regret
• Cada agente calcula e armazena as reputações dos agentes com
quem interagiu.
– Baseado em testemunhos - Fire
• Solicitação de reputação para uma testemunha que já interagiu
com um agente anteriormente.
– Baseado em Reputação Certificada
• Coletar avaliações feitas por outros agentes sobre ele.
© LES/PUC-Rio
Modelo Híbrido
• Governance Framework
© LES/PUC-Rio
Bolsa de Valores
• Bolsa de Valores
– Motivação: Ótimo cenário para mapear os conhecimentos
adquiridos na competição
– Cenário mais real, com maiores possibilidades
• Estrutura da Bolsa de Valores
– Empresas de Capital Aberto
– Corretoras de Valores
– Investidores
– Bolsa de Valores
• Tipos de Investimento
– Diversificado
– Conhecimento
© LES/PUC-Rio
Trabalhos Relacionados
• Folhainvest: é um simulador, que não utilizada nenhuma técnica
de sistemas de multi-agentes, promovido pelo caderno de
investimentos do jornal Folha de São Paulo em parceria com a
Bovespa.
© LES/PUC-Rio
Trabalhos Relacionados
• TrAgent: desenvolvido em conjunto pelas universidades
Carbondale e George Manson, nos EUA, o TrAgent é um modelo
baseado em agentes de software para negociação de ações.
© LES/PUC-Rio
MASSES - Simulador para o Mercado de Ações
•
Multi-Agent System for Stock Exchange Simulation (MASSES)
•
Uma aplicação mais real para soluções de reputação e negociação em
sistemas de multi-agentes
• Foram definidas duas abordagens:
– Simulador para aprendizado dos profissionais e investidores interessados em
aplicar na bolsa de valores
• Um ambiente, onde bolsas de valores e empresas de capital aberto poderiam ser
carregadas
• Agentes de software representando as corretoras de valores
• Os investidores escolheriam agentes corretores de valores que fariam as negociações de
compra e venda de ações
– Simulador com o objetivo de estimular a comunidade acadêmica a desenvolver a
tecnologia de sistemas de multi-agentes
• Um ambiente, onde bolsas de valores e empresas de capital aberto poderiam ser
carregadas
• Regras para inserção de agentes de software, desenvolvidos pela comunidade acadêmica,
representando as corretoras de valores.
• Regras para inserção de agentes de software, desenvolvidos pela comunidade acadêmica,
representando os investidores.
© LES/PUC-Rio
MASSES - Processo
Petrobrás
Vale do Rio Doce
Banco do Brasil
Calcula
reputações
para investir
em
empresas
Corretora X
Investidor A
Fornece
opiniões para
investidores
Calcula
reputações
para investir
em
empresas
Calcula
reputações
de corretoras
© LES/PUC-Rio
MASSES - Arquitetura
© LES/PUC-Rio
Estudo de Caso – Simulador para o Mercado de Ações
• As vantagens das duas abordagens mencionadas são:
– O caso de estudo será mais real, tornando a contribuição mais palpável
– A comunidade acadêmica será estimulada a participar do
desenvolvimento dos agentes, sendo assim, aumentando a qualidade
final das abordagens
– Os resultados dos desenvolvimentos podem ser comparados com os
resultados obtidos pela abordagem utilizada na Folhainvest, que não
utiliza sistemas de multi-agentes
• Conclusão
– O mercado de valores como domínio de aplicação será um desafio,
devido à complexidade das simulações de transações de compra e
venda de ações, mas será de grande contribuição e permitirá a
integração e troca de conhecimentos entre áreas distintas, como
tecnologia da informação e economia
© LES/PUC-Rio
Nova Versão do Agente Competidor
• Zé Carioca LES 2.
• Algoritmos mais inteligentes.
• AAMAS 2008 – Lisboa
© LES/PUC-Rio
Trabalhos
• Criação ou extensão de um framework para reputação Andrew
• Aplicação da Bolsa de Valores em sistemas multi-agentes –
Sérgio e Fábio
• Zé Carioca LES 2 - Eduardo
© LES/PUC-Rio
Considerações finais
• Artigo para o SBES 2007 aceito.
• Recrutamento para a próxima competição
• Artigo para AAMAS 2008 do agente Zé Carioca LES
• Multi-Agent System for Stock Exchange Simulation
(MASSES)
© LES/PUC-Rio
Referências
•
•
•
•
•
•
•
Fernanda Duran, Viviane Torres da Silva, and Carlos J. P. de Lucena (2006)
“Using Testimonies to Enforce the Behavior of Agents”.
Guedes, José de Souza Pinto; Silva, Viviane Torres; Lucena, Carlos José
Pereira de: A Reputation Model Based on Testimonies, AOIS200[email protected]
workshop, Luxembourg, Grand-Duchy of Luxembourg, June 6, 2006.
Amazon Site. http://www.amazon.com World Wide Web (2006)
eBay Site. http://www.ebay.com World Wide Web (2006)
Huynh, T. D., Jennings N. R., Shadbolt, N. R.: FIRE: An Integrated Trust
and Reputation Model for Open Multi-Agent Systems. In: Proceedings of
the 16th European Conference on Artificial Intelligence (ECAI) (2004) pp.
18–22
Huynh, T. D., Jennings N. R., Shadbolt, N. R.: Certified Reputation --- How
an Agent Can Trust a Stranger Proc. 5th Int. Conf. on Autonomous Agents
and Multi-Agent Systems, Hakodate, Japan.(2006)
Huynh, T. D., Jennings N. R., Shadbolt, N. R.: Trust in Multi-Agent Systems
The Knowledge Engineering Review 19 (1):1-25. (2004)
© LES/PUC-Rio
Referências
•
ART Testbed Team. Agent Reputation and Trust Testbed.
http://www.lips.utexas.edu/art-testbed/competition_rules.htm
http://www.lips.utexas.edu/art-testbed/pdf/SpecSummary.pdf
• Fullam, K., T. Klos, G. Muller, J. Sabater, A. Schlosser, Z. Topol, K.
S. Barber, J. Rosenschein, L. Vercouter, and M. Voss. (2005) "A
Specification of the Agent Reputation and Trust (ART) Testbed:
Experimentation and Competition for Trust in Agent Societies," The
Fourth International Joint Conference on Autonomous Agents and
Multiagent Systems (AAMAS-2005), Utrecht, July 25-29, pp. 512518
• Fullam, K., T. Klos, G. Muller, J. Sabater, Z. Topol, K. S. Barber, J.
Rosenschein, and L. Vercouter. (2005) "A Demonstration of The
Agent Reputation and Trust (ART) Testbed: Experimentation and
Competition for Trust in Agent Societies," The Fourth International
Joint Conference on Autonomous Agents and Multiagent Systems
(AAMAS-2005) Demonstration Track, Utrecht, July 25-29, pp. 151152.
© LES/PUC-Rio
Referências
• Sen, S., I. Goswami, and S. Airiau. (2006) "Expertise and TrustBased Formation of Effective Coalitions: An Evaluation of the ART
Testbed," The Workshop on Trust in Agent Societies at The Fifth
International Joint Conference on Autonomous Agents and
Multiagent Systems (AAMAS-2006), Hakodate, Japan, May 9, pp.
71-78
• Stranders, R. (2006) Argumentation Based Decision Making for
Trust in Multi-Agent Systems. Master's Thesis, Delft University of
Technology.
• Fullam, K. and K.S. Barber. (2006) "Learning Trust Strategies in
Reputation Exchange Networks," The Fifth International Joint
Conference on Autonomous Agents and Multiagent Systems
(AAMAS-2006), Hakodate, Japan, May 8-12, pp. 1241-1248.
• Kafali, O. and P. Yolum. (2006) "Trust Strategies for ART Testbed,"
The Workshop on Trust in Agent Societies at The Fifth International
Joint Conference on Autonomous Agents and Multiagent Systems
(AAMAS-2006), Hakodate, Japan, May 9, pp. 43-49.
© LES/PUC-Rio
Referências
• Web site Folhainvest, 2007, http://emacao.folha.uol.com.br
• Web site da Bovespa, 2007, http://www.bovespa.com.br
• Tatikunta R., Rahimi S., Shrestha P., Bjursel J. “TrAgent: A
Multi-Agent System for Stock Exchange” 2006
IEEE/WIC/ACM International Conference on Web
Intelligence and Intelligent Agent Technology (WI-IAT 2006
Workshops)(WI-IATW'06) 0-7695-2749-3/06
© LES/PUC-Rio
Fim!

similar documents