Estudio de la influencia de topologías de comunicación en sistemas multiagente bioinspirados
Abstract
El estudio de las redes de comunicaciones ha sufrido un importante crecimiento en las ´ultimas décadas en diferentes ´áreas de investigación como Inteligencia Artificial, Biología, Medicina y Psicología entre otras. Gran parte de esos trabajos estudian problemas de sobrecarga en las comunicaciones, la conectividad dentro de las redes, o protocolos de comunicación. Desde el punto de vista de la Inteligencia Artificial o Sistemas Multi-Agente, estas redes de comunicaciones están constituidas por un conjunto de nodos, o agentes, que pueden ser tanto software como hardware. Los problemas de saturación en redes de comunicaciones pueden aparecer en dos niveles diferentes: a nivel de nodos y a nivel de red. La saturación a nivel de agentes se produce cuando los agentes reciben más mensajes que los que ellos son capaces de procesar. Por otro lado, cuando los agentes envían más mensajes de los soportados por la red se produce la saturación a nivel de red. Este trabajo fin de máster tiene como objetivo la reducción de la sobrecarga en Sistemas Multi-Agente. Para reducir la sobrecarga a nivel de agente, estos están dotados de un sistema de discriminación de información bio-inspirado que les permite analizar los mensajes recibidos dependiendo del emisor de los mismos. Para reducir la sobrecarga en la red, el trabajo estudia la topología de comunicación ´óptima para la cual el número de mensajes enviados es el mínimo. Esta topología ´optima se caracteriza por la utilización de una probabilidad de redirección de los enlaces, de manera que se introducen atajos en la red inicial. Una vez que todos los enlaces han sido analizados usando esta probabilidad de redirección, se inicia la ejecución del Sistema Multi-Agente y la topología no vuelve a cambiar. Los resultados muestran una importante reducción en el número de mensajes enviados y además, se ha podido determinar los valores de los parámetros en los cuales los sistemas logran su mejor rendimiento. Con estos valores fijados, se han analizado varios sistemas compuestos por un mayor número de agentes y los resultados obtenidos de estos nuevos experimentos muestran que los valores fijados de los parámetros son extrapolables en grandes sistemas sin influir significativamente en el rendimiento de estos.
Antonio Gonzalez-Pardo
Associate Professor
Lecturer at the Computer Science Department. Main research interests are related to Computational Intelligence and Metaheuristics applied to Social Networks Analysis, and the optimization of graph-based problems.