La tesis enfoca el control inteligente de sistemas multiagente. Tales sistemas están compuestos por agentes simples, reactivos, autónomos y con una capacidad de comunicación limitada. Se realiza un enfoque multidisciplinario que combina técnicas de inteligencia artificial, biología y robótica. La principal contribución es la incorporación de técnicas de aprendizaje por refuerzo, que permite a los agentes cooperar para resolver eficientemente una tarea de recogida y almacenamiento de objetos en ambientes desconocidos y cambiantes. Se incluyen una amplia gama de experimentos, con los análisis estadísticos, correspondientes, que confirman la validez de la arquitectura de aprendizaje propuesta. La arquitectura de cada agente es una red conexionista modular que codifica comportamientos. Algunos de los comportamientos se modifican por aprendizaje, de modo que los agentes aprenden estrategias de cooperación que benefician al colectivo. Los experimentos muestran que el aprendizaje mejora el rendimiento del sistema, dando lugar a especialización y altruismo.
© 2008-2024 Fundación Dialnet · Todos los derechos reservados