Exportação concluída — 

Bayesian BDI agents and approaches to desire selection

Detalhes bibliográficos
Ano de defesa: 2013
Autor(a) principal: Luz, Bernardo Martins da
Orientador(a): Vicari, Rosa Maria
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Inteligência artificial
Redes bayesianas
Palavras-chave em Inglês:
Selection
Desires
Nondeterministic
Desire selection
Uncertainty
Bayes
Bayesian network
Agent
BDI agent
Bias
Link de acesso: http://hdl.handle.net/10183/78473
Resumo: O raciocínio realizado em agentes BDI envolve essencialmente manipular três estruturas de dados representando suas crenças, desejos e intenções. Crenças de agentes BDI tradicionais não representam incerteza, e podem ser expressas como um conjunto fechado de literais ground. As restrições que indicam se um dado desejo é viável e pode ser adotado como uma intenção em agentes BDI tradicionais podem ser representadas como expressões lógicas sobre crenças. Dado que Redes Bayesianas permitem que representem-se informações com incerteza probabilisticamente, agentes BDI bayesianos as empregam para suportar incerteza em suas crenças. Em agentes BDI bayesianos, crenças representadas em Redes Bayesianas referem-se a estados de variáveis de eventos, possuindo probabilidades dinâmicas individuais que referem-se à incerteza. Os processos the constituem o raciocínio neste modelo de agente requerem mudanças a fim de acomodar esta diferença. Dentre estes processos, este trabalho concentra-se especificamente na seleção de desejos. Uma estratégia prévia para seleção de desejos é baseada em aplicar um limiar a probabilidades de crenças. Entretanto, tal abordagem impede que um agente selecione desejos condicionados em crenças cujas probabilidades estejam abaixo de um certo limiar, mesmo que tais desejos pudessem ser atingidos caso fossem selecionados. Para lidar com esta limitação, desenvolvemos três abordagens alternativas para seleção de desejos sob incerteza: Ranking Probabilístico, Loteria Viciada e Seleção Multidesejos Aleatória com Viés. Probability Ranking seleciona um desejo usando uma lista de desejos ordenados em ordem decrescente de probabilidade de pré-condição. Loteria Viciada seleciona um desejo usando um valor numérico aleatório e intervalos numéricos – associados a desejos – proporcionais às probabilidades de suas pré-condições. Seleção Multidesejos Aleatória com Viés seleciona múltiplos desejos usando valores numéricos aleatórios e considerando as probabilidades de suas pré-condições. Apresentamos exemplos, incluindo o agente Vigia, assim como experimentos envolvendo este, para mostrar como essas abordagens permitem que um agente às vezes selecione desejos cujas crenças pré-condições possuem probabilidades muito baixas.
id URGS_5a8540665ab204113565b559b9e14380
oai_identifier_str oai:www.lume.ufrgs.br:10183/78473
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Luz, Bernardo Martins daVicari, Rosa Maria2013-10-01T01:46:50Z2013http://hdl.handle.net/10183/78473000900255O raciocínio realizado em agentes BDI envolve essencialmente manipular três estruturas de dados representando suas crenças, desejos e intenções. Crenças de agentes BDI tradicionais não representam incerteza, e podem ser expressas como um conjunto fechado de literais ground. As restrições que indicam se um dado desejo é viável e pode ser adotado como uma intenção em agentes BDI tradicionais podem ser representadas como expressões lógicas sobre crenças. Dado que Redes Bayesianas permitem que representem-se informações com incerteza probabilisticamente, agentes BDI bayesianos as empregam para suportar incerteza em suas crenças. Em agentes BDI bayesianos, crenças representadas em Redes Bayesianas referem-se a estados de variáveis de eventos, possuindo probabilidades dinâmicas individuais que referem-se à incerteza. Os processos the constituem o raciocínio neste modelo de agente requerem mudanças a fim de acomodar esta diferença. Dentre estes processos, este trabalho concentra-se especificamente na seleção de desejos. Uma estratégia prévia para seleção de desejos é baseada em aplicar um limiar a probabilidades de crenças. Entretanto, tal abordagem impede que um agente selecione desejos condicionados em crenças cujas probabilidades estejam abaixo de um certo limiar, mesmo que tais desejos pudessem ser atingidos caso fossem selecionados. Para lidar com esta limitação, desenvolvemos três abordagens alternativas para seleção de desejos sob incerteza: Ranking Probabilístico, Loteria Viciada e Seleção Multidesejos Aleatória com Viés. Probability Ranking seleciona um desejo usando uma lista de desejos ordenados em ordem decrescente de probabilidade de pré-condição. Loteria Viciada seleciona um desejo usando um valor numérico aleatório e intervalos numéricos – associados a desejos – proporcionais às probabilidades de suas pré-condições. Seleção Multidesejos Aleatória com Viés seleciona múltiplos desejos usando valores numéricos aleatórios e considerando as probabilidades de suas pré-condições. Apresentamos exemplos, incluindo o agente Vigia, assim como experimentos envolvendo este, para mostrar como essas abordagens permitem que um agente às vezes selecione desejos cujas crenças pré-condições possuem probabilidades muito baixas.The reasoning performed in BDI agents essentially involves manipulating three data structures representing their beliefs, desires and intentions. Traditional BDI agents’ beliefs do not represent uncertainty, and may be expressed as a closed set of ground literals. The constraints that indicate whether a given desire is viable and passive to be adopted as an intention in traditional BDI agents may be represented as logical expressions over beliefs. Given that Bayesian Networks allow one to represent uncertain information probabilistically, Bayesian BDI agents employ Bayesian Networks to support uncertainty in their beliefs. In Bayesian BDI agents, beliefs represented in Bayesian Networks refer to states of event variables, holding individual dynamic probabilities that account for the uncertainty. The processes that constitute reasoning in this agent model require changes in order to accomodate this difference. Among these processes, this work is specifically concerned with desire selection. A previous strategy for desire selection is based on applying a threshold on belief probabilities. However, such an approach precludes an agent from selecting desires conditioned on beliefs with probabilities below a certain threshold, even if those desires could be achieved if they were selected. To address this limitation, we develop three alternative approaches to desire selection under uncertainty: Probability Ranking, Biased Lottery and Multi-Desire Biased Random Selection. Probability Ranking selects a desire using a list of desires sorted in decreasing order of precondition probability. Biased Lottery selects a desire using one random numeric value and desire-associated numeric intervals proportional to the probabilities of the desires’ preconditions. Multi-Desire Biased Random Selection selects multiple desires using random numeric values and considering the probabilities of their preconditions. We present examples, including theWatchman agent, as well as experiments involving the latter, to show how these approaches allow an agent to sometimes select desires whose belief preconditions have very low probabilities.application/pdfengInteligência artificialRedes bayesianasSelectionDesiresNondeterministicDesire selectionUncertaintyBayesBayesian networkAgentBDI agentBiasBayesian BDI agents and approaches to desire selectionAgentes BDI bayesianos e abordagens para seleção de desejos info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2013mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000900255.pdf000900255.pdfTexto completo (inglês)application/pdf1742405http://www.lume.ufrgs.br/bitstream/10183/78473/1/000900255.pdf9174e4173904f443316aaf29d7067d2dMD51TEXT000900255.pdf.txt000900255.pdf.txtExtracted Texttext/plain286857http://www.lume.ufrgs.br/bitstream/10183/78473/2/000900255.pdf.txt7d893c8d06459207affdf6820b833185MD52THUMBNAIL000900255.pdf.jpg000900255.pdf.jpgGenerated Thumbnailimage/jpeg1014http://www.lume.ufrgs.br/bitstream/10183/78473/3/000900255.pdf.jpg4c7e9e50c543330bd64887e408167d18MD5310183/784732021-05-26 04:45:43.520063oai:www.lume.ufrgs.br:10183/78473Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-05-26T07:45:43Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Bayesian BDI agents and approaches to desire selection
dc.title.alternative.pt.fl_str_mv Agentes BDI bayesianos e abordagens para seleção de desejos
title Bayesian BDI agents and approaches to desire selection
spellingShingle Bayesian BDI agents and approaches to desire selection
Luz, Bernardo Martins da
Inteligência artificial
Redes bayesianas
Selection
Desires
Nondeterministic
Desire selection
Uncertainty
Bayes
Bayesian network
Agent
BDI agent
Bias
title_short Bayesian BDI agents and approaches to desire selection
title_full Bayesian BDI agents and approaches to desire selection
title_fullStr Bayesian BDI agents and approaches to desire selection
title_full_unstemmed Bayesian BDI agents and approaches to desire selection
title_sort Bayesian BDI agents and approaches to desire selection
author Luz, Bernardo Martins da
author_facet Luz, Bernardo Martins da
author_role author
dc.contributor.author.fl_str_mv Luz, Bernardo Martins da
dc.contributor.advisor1.fl_str_mv Vicari, Rosa Maria
contributor_str_mv Vicari, Rosa Maria
dc.subject.por.fl_str_mv Inteligência artificial
Redes bayesianas
topic Inteligência artificial
Redes bayesianas
Selection
Desires
Nondeterministic
Desire selection
Uncertainty
Bayes
Bayesian network
Agent
BDI agent
Bias
dc.subject.eng.fl_str_mv Selection
Desires
Nondeterministic
Desire selection
Uncertainty
Bayes
Bayesian network
Agent
BDI agent
Bias
description O raciocínio realizado em agentes BDI envolve essencialmente manipular três estruturas de dados representando suas crenças, desejos e intenções. Crenças de agentes BDI tradicionais não representam incerteza, e podem ser expressas como um conjunto fechado de literais ground. As restrições que indicam se um dado desejo é viável e pode ser adotado como uma intenção em agentes BDI tradicionais podem ser representadas como expressões lógicas sobre crenças. Dado que Redes Bayesianas permitem que representem-se informações com incerteza probabilisticamente, agentes BDI bayesianos as empregam para suportar incerteza em suas crenças. Em agentes BDI bayesianos, crenças representadas em Redes Bayesianas referem-se a estados de variáveis de eventos, possuindo probabilidades dinâmicas individuais que referem-se à incerteza. Os processos the constituem o raciocínio neste modelo de agente requerem mudanças a fim de acomodar esta diferença. Dentre estes processos, este trabalho concentra-se especificamente na seleção de desejos. Uma estratégia prévia para seleção de desejos é baseada em aplicar um limiar a probabilidades de crenças. Entretanto, tal abordagem impede que um agente selecione desejos condicionados em crenças cujas probabilidades estejam abaixo de um certo limiar, mesmo que tais desejos pudessem ser atingidos caso fossem selecionados. Para lidar com esta limitação, desenvolvemos três abordagens alternativas para seleção de desejos sob incerteza: Ranking Probabilístico, Loteria Viciada e Seleção Multidesejos Aleatória com Viés. Probability Ranking seleciona um desejo usando uma lista de desejos ordenados em ordem decrescente de probabilidade de pré-condição. Loteria Viciada seleciona um desejo usando um valor numérico aleatório e intervalos numéricos – associados a desejos – proporcionais às probabilidades de suas pré-condições. Seleção Multidesejos Aleatória com Viés seleciona múltiplos desejos usando valores numéricos aleatórios e considerando as probabilidades de suas pré-condições. Apresentamos exemplos, incluindo o agente Vigia, assim como experimentos envolvendo este, para mostrar como essas abordagens permitem que um agente às vezes selecione desejos cujas crenças pré-condições possuem probabilidades muito baixas.
publishDate 2013
dc.date.accessioned.fl_str_mv 2013-10-01T01:46:50Z
dc.date.issued.fl_str_mv 2013
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/78473
dc.identifier.nrb.pt_BR.fl_str_mv 000900255
url http://hdl.handle.net/10183/78473
identifier_str_mv 000900255
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/78473/1/000900255.pdf
http://www.lume.ufrgs.br/bitstream/10183/78473/2/000900255.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/78473/3/000900255.pdf.jpg
bitstream.checksum.fl_str_mv 9174e4173904f443316aaf29d7067d2d
7d893c8d06459207affdf6820b833185
4c7e9e50c543330bd64887e408167d18
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831315934985322496

Registros relacionados