Agente de reputação
para ART Testbed
Andrew Diniz da Costa
[email protected]
Agenda
• Introdução
• Agente Avaliador
• Passo a passo
– Primeira sessão
– A partir da segunda sessão
• Considerações finais
• Referências
© LES/PUC-Rio
Introdução
• Agent Reputation and Trust Testbed (ART-Testbed)
© LES/PUC-Rio
Introdução
• Reputações
Reputação do
agente C por
favor.
Agente C tem
reputação 0,1
(mentiroso).
Agente C
Agente B
Agente A
• Opiniões
Qual
Show!!
sua
opinião
Me diga
sobre
sua a
pintura
avaliação
X da
era1?
Ah!! Eu
Meuavalio
por
conhecimento
R$1000,00.
é 0,8 .
Agente A
Agente B
© LES/PUC-Rio
Agente Avaliador
pintura
*
1
era
Agente LES
p*=∑i(wi . pi)
∑ i(wi)
era1
1,0
...
era2
0,1
era9
0,5
era10
0,7
wi = peso
pi = Avaliação
da opinião
Agente Competidor 2
Agente Competidor 1
era1
era2
...
era9
era10
era1
© LES/PUC-Rio
era2
...
era9
era10
Agente Avaliador com Governance Framework
Agente LES
era1
Role
Reputations
Role
Reputations
Agente
competidor 1
Agente
competidor 2
era2
...
era9
...
era10
© LES/PUC-Rio
Role
Reputations
Agente
competidor n
Agente Avaliador com Governance Framework
• Norma
– Opinião da pintura ajude na avaliação final do agente.
• Violação de Norma
– Não ajuda na avaliação final do agente LES
• Agente
– Testemunha
– Juiz
• Reputação de Papel
– Cada agente possui um conjunto de reputações de papel (role
reputations)
– 1 era – 1 papel de reputação
© LES/PUC-Rio
Mentira legal
Era5
é 0,5
Agente Competidor 1
Agente LES
Opinião da pintura X (era5)
Grau de conhecimento da era5 é 0,1
Eu quero
R$ 9.000,00
Valor real da
pintura X é
R$ 10.000,00
© LES/PUC-Rio
Verdade ruim
Era5
é 0,5
Agente Competidor 2
Agente LES
Opinião da pintura X (era5)
Grau de conhecimento da era5 é 0,1
Eu quero
R$ 1000,00
Valor real da
pintura X é
R$ 10.000,00
© LES/PUC-Rio
Primeira Sessão
• Cada agente não possui informações sobre os outros
agentes avaliadores.
• Permitido verificar apenas opiniões da sessão anterior.
• Como política adotamos para a 1ª rodada:
Se grauAgenteLes >= 0,5
grau dos outros agentes = 0,0
Senão
grau dos outros agentes = 0,5
© LES/PUC-Rio
A partir da segunda Sessão - Juiz
• (I) Cada opinião de uma era
blamePercentage = ValueAppraised / TrueValue
• (II) Média das n blamePercentage
averageBlamePercentage =
∑ blamePercentage
.
N (nº de opiniões da era)
• (III) Verificar violação de norma
Se averageBlamePercentage >= grau do agente LES
então
inocente
Senão
culpado
© LES/PUC-Rio
Reputação de papel
• (IV) Atualizar reputação de papel
newRoleReputation = [ (2 * oldRoleReputation) +
(averageBlamePercentage * powerNorm) ] / 3
– OldRoleReputation
– AverageBlamePercentage
– PowerNorm (1.0)
• (V) Atribuir pesos
© LES/PUC-Rio
Atribuição de peso
• Possibilidade de incrementos e decrementos nos pesos
• Exemplo:
Agente 1 e agente 2 = peso 0,1 (R$ 1.000)
AgentLes = peso 0,9 (R$ 9.000)
Valor verdadeiro da pintura = R$ 10.0000
p*=∑i(wi . pi)
∑ i(wi)
Caso 1: (0,1 * 1000) + (0,1 * 1000) + (0,9 * 9000) =
0,1 + 0,1 + 0,9
= 7545, 45
Caso 2: (0,0 * 1000) + (0,0 * 1000) + (1,0 * 9000) =
0,0 + 0,0 + 1,0
= 9.000
© LES/PUC-Rio
Ruim
Melhor
Atribuição de peso / Políticas
• Incremento
– Um agente possui grau de perícia muito superior aos outros.
– Minoria dos agentes possui grau superior.
• Decremento
– Agente Les possui grau muito pequeno em relação aos
avaliadores.
– Conjunto de agentes com graus pequenos, porém um avaliador
possui um bom grau de perícia.
• Se graus são muito parecidos há risco alto nas mudanças.
© LES/PUC-Rio
Reputação
• Requisitar reputação de algum avaliador (?)
– Verdades / mentiras
– Gasto de dinheiro
– Com as opiniões o agente LES consegue determinar quem
mente e quem diz a verdade
– Grande parte dos agentes competidores (2006) não requisitam
reputações
© LES/PUC-Rio
Considerações finais
• Implementação de um estudo de caso para o Governance
Framework .
• Implementação de um agente para o domínio ART-Testbed,
explorando as características do domínio.
• Avaliação do Governance Framework.
• Realização da monografia.
© LES/PUC-Rio
Referências
•
ART Testbed Team. Agent Reputation and Trust Testbed.
http://www.lips.utexas.edu/˜kfullam/competition/, 2006.
•
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. 512-518
•
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. 151-152.
•
Sen, S., I. Goswami, and S. Airiau. (2006) "Expertise and Trust-Based 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
© LES/PUC-Rio
Referências
•
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 (AAMAS2006), Hakodate, Japan, May 9, pp. 43-49.
•
Fernanda Duran, Viviane Torres da Silva, and Carlos J. P. de Lucena (2006)
“Using Testimonies to Enforce the Behavior of Agents”.
•
José de S. P. Guedes Viviane Torres da Silva, and Carlos J. P. de Lucena
(2006) “A Reputation Model Based on Testimonies”.
© LES/PUC-Rio
Fim!