UNIVERSIDADE CATÓLICA DE PELOTAS
ESCOLA DE INFORMÁTICA
PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA
Avaliação Fuzzy dos Valores de Trocas
Sociais em Agentes Baseados em
Personalidades
por
André Vinícius dos Santos
Trabalho Individual I
TI-2007/1-02
Orientadora: Prof. Dra . Graçaliz Pereira Dimuro
Co-orientador: Prof. Dr. Benjamín René Callejas Bedregal
Colaborador: Prof. Dr. Antônio Carlos da Rocha Costa
Pelotas, julho de 2007
Este trabalho é dedicado à minha irmã e segunda mãe, Andréa, que nunca deixou de me
incentivar sempre com uma palavra de carinho e motivação.
AGRADECIMENTOS
A professora Graçaliz Pereira Dimuro que é mais que uma orientadora, é uma
grande amiga e sabe como poucos motivar e estimular nossos trabalhos. Um pesquisador
é uma pedra em constante lapidação, e o incentivo da professora Graçaliz faz com que o
meu aperfeiçoamento dentro das atividades acadêmicas se tornem constante.
Agradeço também em especial, ao professor Antônio Carlos da Rocha Costa,
pela força que recebi e por ver nele um exemplo de professor, pesquisador e cidadão de
bem. Com certeza as breves conversas que tivemos e ainda teremos são extremamente
importante para o meu futuro acadêmico e para compreender um pouco sobre o mistério
que é a ciência em geral.
Não posso deixar de agradecer ao professor Benjamín René Callejas Bedregal,
por ser também um grande incentivador em relação a pesquisa acadêmica, por dedicar
grande parte do seu tempo para trabalhamos juntos neste e futuros trabalhos.
Um agradecimento especial ao Pai Celestial, que está sempre do lado dos homens
de bem. À minha mãe, Dagmar e ao meu irmão, Marcos André por serem o meu porto
seguro e que me procuram sempre a compreensão, incentivo, suporte e carinho, se eu
estou nesta jornada é graças ao apoio destas pessoas.
Com muito gratidão não posso deixar de lembrar da Kátia, secretária do
PPGINF e uma grande pessoa que é muito importante para o nosso curso e para nós
mestrandos. Agradeço aos colegas de pesquisa, Luciano, Diego e Rogério por estarem
sempre dispostos a colaborar, criar, discutir para o melhor andamento de nossos trabalhos.
À todos os colegas, professores e funcionários da Escola de Informática da
Universidade Católica de Pelotas.
À FAPERGS e ao CNPq pelo apoio financeiro.
"Prefiro ser essa
metamorfose ambulante
Do que ter aquela velha
opnião formada sobre tudo..."
— R AUL S EIXAS
SUMÁRIO
LISTA DE FIGURAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
LISTA DE TABELAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
LISTA DE ABREVIATURAS E SIGLAS . . . . . . . . . . . . . . . . . . . . .
9
RESUMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
ABSTRACT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
1
12
INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 AGENTES E SISTEMAS MULTIAGENTES .
2.1
Classificação de Agentes . . . . . . . . . . .
2.1.1
Agentes Inteligentes . . . . . . . . . . . . .
2.1.2
Agentes Móveis . . . . . . . . . . . . . . .
2.1.3
Agentes Autônomos . . . . . . . . . . . . .
2.1.4
Agentes Coordenados . . . . . . . . . . . .
2.1.5
Agentes Aprendizes e Adaptativos . . . . .
2.1.6
Agentes Reativos . . . . . . . . . . . . . .
2.1.7
Agentes Cognitivos . . . . . . . . . . . . .
2.2
Sistemas Multiagentes - SMA . . . . . . . .
2.2.1
Níveis de Organização . . . . . . . . . . .
2.2.2
A Arquitetura BDI . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
15
17
17
19
19
19
20
20
20
20
21
22
3 O MODELO DE TROCAS SOCIAIS . .
3.1
Teoria de Homans . . . . . . . . . . .
3.2
Teoria de Piaget de Valores de Trocas .
3.2.1
Interações como trocas sociais . . . .
3.2.2
Trocas Sociais e Equilibrio Social . .
3.2.3
Valores de Troca Material e Virtual . .
3.2.4
Regras Sociais . . . . . . . . . . . . .
3.2.5
Estrutura de uma Troca Social . . . .
3.3
Organizações Sociais . . . . . . . . . .
3.4
Trabalhos Relacionados . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
24
24
24
26
26
27
28
28
30
31
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4 PERSONALIDADES EM AGENTES . . . . . . . . . . . . . . . . . . . . .
4.1
A Caracterização Interna dos Agentes . . . . . . . . . . . . . . . . . . .
4.1.1
Traços de personalidades relacionados às trocas sociais . . . . . . . . . .
4.1.2
Traços de personalidades relacionados à postura com relação ao mecanismo de regulação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.3
Traços de personalidades relacionados à avaliação de resultados de trocas
virtuais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
33
33
5 LÓGICA FUZZY . . . . . . . . . . . . . . .
5.1
Conjuntos Fuzzy . . . . . . . . . . . . . .
5.2
Tipos de Funções de Pertinência . . . . .
5.3
Operações Básicas entre Conjuntos Fuzzy
5.3.1
Exemplos Gráficos . . . . . . . . . . . .
5.4
Sistema Fuzzy . . . . . . . . . . . . . . . .
5.5
Trabalhos Relacionados . . . . . . . . . .
.
.
.
.
.
.
.
36
38
39
40
41
41
43
AVALIAÇÃO FUZZY DOS VALORES DE TROCAS BASEADOS EM
PERSONALIDADES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1
Caracterização de um Serviço em um Processo de Trocas . . . . . . . .
6.1.1
Abordagem 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.2
Abordagem 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.3
Abordagem 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
44
44
45
47
7
CONCLUSÕES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
34
35
6
LISTA DE FIGURAS
Figura 2.1
Figura 2.2
Figura 2.3
Interação agente-ambiente . . . . . . . . . . . . . . . . . . . . . . .
Modelo Geral de um Agente . . . . . . . . . . . . . . . . . . . . . .
Arquitetura BDI genérica . . . . . . . . . . . . . . . . . . . . . . . .
16
17
22
Figura 3.1
Figura 3.2
Sistema em Equilíbrio ou Desequilíbrio . . . . . . . . . . . . . . . .
Estágios de trocas sociais . . . . . . . . . . . . . . . . . . . . . . . .
27
29
Figura 5.1
Figura 5.2
Figura 5.3
Figura 5.4
Figura 5.5
Figura 5.6
Figura 5.7
Idéia simplificada de um sistema baseado na lógica fuzzy . . . . .
Gráfico da função de pertinência dos números inteiros “pequenos”
Variáveis e Termos Lingüísticos . . . . . . . . . . . . . . . . . .
União entre subconjuntos fuzzy . . . . . . . . . . . . . . . . . .
Intersecção entre subconjuntos fuzzy . . . . . . . . . . . . . . .
Complementar de um conjunto fuzzy . . . . . . . . . . . . . . .
Arquitetura de um Sistema Fuzzy . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
38
39
40
41
42
42
42
Figura 6.1
Figura 6.2
Figura 6.3
Figura 6.4
Figura 6.5
Figura 6.6
Figura 6.7
Escala comum de valores . . . . . . . . . . . . . . . . .
Diferentes avaliações de acordo com cada personalidade
Agente Altruísta . . . . . . . . . . . . . . . . . . . . .
Agente Egoísta . . . . . . . . . . . . . . . . . . . . . .
Atributo duração . . . . . . . . . . . . . . . . . . . . .
Atributo esforço . . . . . . . . . . . . . . . . . . . . .
Avaliação do Investimento . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
45
45
46
46
47
47
48
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
LISTA DE TABELAS
Tabela 5.1
Tabela 5.2
Grau de pertinência dos números inteiros considerados “pequenos” .
Propriedades das operações básicas entre conjuntos fuzzy . . . . . .
38
41
LISTA DE ABREVIATURAS E SIGLAS
IA
Inteligência Artificial
IAD
Inteligência Artificial Distribuída
SMA
Sistemas Multiagentes
BDI
Beliefs, Desires and Intentions
RESUMO
Neste trabalho foi realizado um estudo sobre os sistemas multiagentes, onde as
interações são analisadas como processos de trocas sociais, com base na teoria dos valores de trocas de Jean Piaget. Foi realizado também um estudo dos conceitos principais
da Lógica Fuzzy, com o objetivo de analisar a viabilidade de aplicação no processo de
avaliação dos valores de trocas em sistemas multiagentes baseados em personalidades.
A Teorias das Trocas Sociais de Piaget permite modelar interações entre agentes
entendidas como trocas de serviços entre eles, com a respectiva avaliação destes serviços.
Os valores de trocas derivados desta avaliação são de natureza qualitativa, valores subjetivos com os quais os agentes avaliam o investimento na realização de um serviço ou
a satisfação por ter recebido um determinado serviço, e os respectivos débitos e créditos
que são gerados a partir da realização de serviços.
Neste trabalho, considera-se que os agentes assumem diferentes traços de personalidades, que os induzem a diferentes atitudes com relação às trocas que optam por
realizar, ou as formas como avaliam as trocas realizadas, ou as formas como administram
seus débitos e créditos.
Por outro lado, a Lógica Fuzzy tem como objetivo modelar de forma aproximada o
raciocínio humano, de forma a auxiliar a tomada de decisões em um ambiente complexo
de incerteza e imprecisão. Permite inferir uma resposta aproximada para uma questão
baseada em um conhecimento que é inexato, incompleto ou não confiável.
A partir de uma definição provisória de serviço como uma estrutura composta
por vários atributos, identificados como variáveis lingüísticas, propõem-se três abordagens diferentes para a avaliação fuzzy de valores associados a serviços: (i) escala de
valores comum a todos os agentes, cada agente realizando uma avaliação de acordo com
sua personalidade, (ii) cada agente possui uma escala de valores compatível com sua
personalidade, (iii) a personalidade do agente é definida por regras de inferência, cada
personalidade determinada por um conjunto de regras.
Palavras-chave: Sistemas Multiagentes, Valores de Trocas Sociais, Personalidades em
Agentes, Lógica Fuzzy.
TITLE: “FUZZY EVALUATION OF THE VALUES OF SOCIAL EXCHANGES IN
AGENTS BASED ON PERSONALITIES”
ABSTRACT
In this work we present a study about multiagent systems, where the interactions
are analyzed as processes of social exchanges, on the basis of the theory of exchange
values of Jean Piaget. A study of the main concepts of the Fuzzy Logic is also presented
with the objective to analyze the viability of its applications in the process of evaluation
of the exchange values in personality-based multiagent systems.
The Theory of Social Exchanges of Piaget allows the modeling of interactions
between agents, as understood exchanges of services between them, with the respective
evaluation of those services. The values of exchanges derived from this evaluation are
of qualitative nature, subjective values with which the agents evaluate the investment in
the accomplishment of a service or the satisfaction for having received one definitive
service, and the respective debits and credits that are generated from the accomplishment
of services.
In this work, we consider that the agents may assume different personality traits,
which induce different attitudes with regard to the exchanges that they opt to carrying
through, or the forms as they evaluate the performed exchanges, or the forms that they
manage its debits and credits. On the other hand, the Fuzzy Logic has as objective the
modeling of human reasoning, helping in the decision making problem in a complex
environment of uncertainty and imprecision. It allows infer an approximate solution for a
problem based on a knowledge that is inexact, incomplete or not trustworthy.
From a provisory definition of a service as a structure composed by several attributes, identified as linguistics variables three different approaches for the fuzzy evaluation of values associated to services: (i) a common scale of values to all agents, each
agent carrying through an evaluation in accordance with its personality, (ii) each agent
has a scale of values compatible with its personality, (iii) the personality of the agent is
defined by inference rules, each personality determined by a set of rules.
Keywords: Multiagent Systems, Social Exchanges Values, Personality-based agents,
Fuzzy Logic.
12
1
INTRODUÇÃO
Sistemas Multiagentes (WOOLDRIDGE, 2002; LESSER, 1999) podem ser
definidos como sistemas computacionais compostos por entidades de software autônomas, denominadas agentes. Os agentes interagem em um ambiente compartilhado por
outros agentes de uma sociedade, e atuam sobre esse ambiente, alterando seu estado.
Para alcançar seus objetivos, agentes autônomos cooperam uns com os outros. O
fato dos agentes trocarem informações para alcançar um determinado objetivo caracteriza
uma relação entre agentes, em outras palavras, uma forma de interação social. É de extrema importância que os agentes envolvidos em um sistema multiagente sejam capazes
de agir socialmente. Agir socialmente pode significar uma extensão de vantagens particulares, por meio de leis e decretos, à sociedade inteira. Desenvolvimento do sentimento
coletivo, da solidariedade social e do espírito de cooperação nos indivíduos associados e,
por fim um processo de integração mais intenso dos indivíduos no grupo.
O fato de os agentes interagirem socialmente faz com que eles articulem seus
comportamentos de acordo com os comportamentos dos outros agentes. Um agente social
deve ter a capacidade de raciocinar sobre o processo de interação com outro agente e
também raciocinar sobre as interações entre os agentes. Esta idéia pode ser utilizada
como característica não prescindível para um agente social.
Através de estudos sociais em pequenos grupos surge uma abordagem para o
raciocínio social baseada na idéia de que os processos de decisão nas interações devem
ser influenciados principalmente pelas avaliações das relações sociais entre indivíduos.
Um dos primeiros trabalhos na área de trocas sociais em sistemas multiagentes
desenvolvido pelo Grupo de Pesquisa em Inteligência Artificial (GPIA) e pelo Grupo
de Pesquisa em Matemática e Fundamentos da Computação (GMFC) da Escola de Informática da Universidade Católica de Pelotas foi apresentado em (DIMURO; COSTA;
PALAZZO, 2005). Neste trabalho, é apresentada a idéia dos Sistemas de Valores de
Trocas como uma ferramenta para organização de Sistemas Multiagentes, com base na
Teoria de Trocas Sociais desenvolvida por Jean Piaget (PIAGET, 1995) e Caspar Homans
(HOMANS, 1950). Neste trabalho é proposto um modelo de organização social, onde
relações sociais são realizadas através de valores de trocas.
Em (DIMURO; COSTA, 2006) foi desenvolvida uma álgebra especial para tratar
dos valores de trocas qualitativos, em uma abordagem baseada na Aritmética Intervalar
(MOORE, 1979).
Em (DIMURO et al., 2006) é utilizada a Matemática Intervalar nos modelos
para simulação social dentro do contexto de sistemas multiagentes. Este trabalho utiliza
agentes baseados em personalidades e estas personalidades são modeladas como funções
13
de transições probabilísticas, onde as probabilidades são representadas por probabilidades
intervalares que servem para medir a incerteza que está contida na probabilidade calculada. O modelo de regulação das trocas sociais é baseado no conceito do supervisor do
equilíbrio, que pode recomendar as trocas mais adequadas que os agentes podem executar
com o objetivo de conseguir o equilíbrio do sistema. Também é utilizado um Processo de
Decisão de Markov Qualitativo Intervalar para a modelagem do supervisor. O trabalho apresenta uma abordagem baseada em Modelos Ocultos de Markov Intervalares, permitindo
assim que o agente supervisor possa raciocinar sobre trocas sociais que envolvem agentes
não transparentes.
Um Processo de Decisão de Markov Qualitativo Intervalar para resolver o problema de coordenação entre os agentes supervisores de equilíbrio social é apresentado em
(DIMURO; COSTA, 2005)
É importante destacar à avaliação e manipulação dos balanços dos valores de troca,
uma particularidade é que estes valores são de natureza qualitativa, em outras palavras,
são valores subjetivos (alto, médio, pequeno, etc.). Valores subjetivos não podem ser
representados através de uma escala quantitativa. Freqüentemente será utilizada a palavra
subjetiva ou suas derivações gramaticais, é possível definir subjetividade (qualidade ou
caráter de subjetivo) quando algo tem um valor para um determinado sujeito e este valor
só pertence a ele devido ao fato deste valor integrar o domínio das atividades psíquicas,
sentimentais, emocionais, volativas, etc. deste sujeito.
A Lógica Fuzzy (ZADEH, 1965), utilizada para a modelagem de raciocínio com
incertezas, permite descrever de forma aproximada e efetiva as características de sistemas
complexos ou que não podem ser definidos de forma exata. Os relacionamentos entre
elementos e conjuntos seguem uma transição entre pertinência e não pertinência que é
gradual, representados por valores de pertinência intermediários entre o verdadeiro e o
falso da lógica clássica. Uma variável lingüística tem valor expresso qualitativamente por
um termo lingüístico e, quantativamente, por uma função de pertinência.
Este trabalho utiliza a Lógica Fuzzy para avaliação de serviços entre agentes, apresentando um mecanismo intuitivo para o processo de atribuição de valores para trocas
realizadas. Os aspectos considerados na avaliação de um serviço são denominados de
atributos (esforço, duração, etc.). Uma função de medida, que define um valor subjetivo
a um atributo, pode ser representada por uma função de pertinência que constitui uma
escala de valores comum a todos os agentes, originando diferentes avaliações de acordo
com as suas personalidades.
Conceitos de autores renomados e citações de trabalhos com grande importância
no contexto de Agentes e Sistemas Multiagentes são apresentados no capítulo 2. Como
este trabalho utiliza os valores de trocas sociais de Piaget nos processos entre os agentes
então é descrito no capítulo 3 um breve comentário sobre a Teoria de Homans (teoria
comportamental) e enfatiza a Teoria dos Valores de Trocas de Piaget. O capítulo 4 mostra
um estudo sobre traços de personalidades em agentes, vários tipos de personalidades estão definidos e trabalhos de grande importância, que servem de base para a construção
deste capítulo são os artigos de Cristiano Castelfranchi. O capítulo 5 mostra os principais
conceitos e definições da Lógica Fuzzy e seu caráter subjetivo, devido a esta subjetividade da Lógica Fuzzy é que surge o embasamento para realizar este trabalho. O capítulo
6 mostra três abordagens diferentes que utilizam a Lógica Fuzzy nos valores de trocas e
na representação das personalidades dos agentes. Por fim, o capítulo 7 contém um resumo dos resultados alcançados de acordo com os objetivos propostos e são apresentados
14
perspectivas de trabalhos futuros.
15
2
AGENTES E SISTEMAS MULTIAGENTES
Segundo (RUSSELL; NORVIG, 2003) um agente é tudo o que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente
por intermédio de atuadores.
Em (FERBER, 1999) a definição de um agente é um pouco mais específica. Ele
diz que um agente é uma entidade física ou virtual com algumas propriedades:
• Capaz de agir em um ambiente;
• Pode se comunicar diretamente com outros agentes;
• É guiado por um conjunto de tendências (na forma de objetivos individuais ou de
uma função de satisfação que ele deve otimizar);
• Possuí recursos próprios;
• É capaz de perceber fatos em um ambiente;
• Possuí somente uma representação parcial do ambiente;
• Possuí habilidades e pode oferecer serviços;
Por exemplo, é possível ter um agente robótico. Este agente poderia ter câmeras e
detectores de faixa de infravermelho funcionando como sensores e vários motores como
atuadores. Um agente de software recebe seqüências de teclas digitadas, conteúdo de
arquivos e pacotes de rede como entradas sensórias e atua sobre o ambiente exibindo algo
na tela, gravando arquivos e enviando pacotes de rede.
O conceito do termo percepção serve para fazer referência às entradas perceptivas
do agente em qualquer momento dado. A seqüência de percepções do agente é a história
completa de tudo que o agente já percebeu.
Em termos matemáticos, é possível afirmar que o comportamento do agente é descrito por uma função de agente, que mapeia qualquer seqüência de perfeicões específica
para uma ação.
A Figura 2.1 mostra o processo de interação de um agente em um ambiente por
meio de sensores e atuadores.
Uma outra definição de agente adotada por (J.S. SICHMAN; BOISSIER, 1992),
diz que um agente é uma entidade virtual ou real, que pode representar parcialmente e
perceber seu ambiente, possuí a capacidade de comunicação com outros agentes e seu
comportamento é autônomo, sendo conseqüência de suas observações, de seus conhecimentos e de suas interações com outros agentes.
16
Figura 2.1: Interação agente-ambiente
Já, (WOOLDRIDGE, 2002) conceitualiza um agente como uma entidade encapsulada capaz de resolver problemas. De acordo com este autor são definidas as seguintes
propriedades:
Autonomia (Autonomy): atua sem intervenção e possuí algum tipo de controle sobre
suas ações e seu estado interno.
Reatividade (Reactivity): percebe o próprio ambiente e respondem a estímulos que neles ocorrem.
Pró-atividade (Proactiveness): não é limitado a agir em resposta ao ambiente, mas possuí a capacidade de exibir comportamentos dirigidos por objetivos, sendo capaz de
tomar iniciativa apropriada.
Habilidade Social (Social ability): interação com outros agentes e, possivelmente, com
seres humanos através de algum tipo de linguagem de comunicação.
Além das propriedades citadas, (WOOLDRIDGE, 2002) e (JENNINGS, 1996)
definem um agente como uma entidade cognitiva com consciência, capaz de exibir sentimentos, percepções e emoções, assim como os seres humanos. Partindo destas definições
novas propriedades são válidas:
• Benevolência: não possuir objetivos conflitantes e deve sempre procurar fazer
aquilo que lhe seja solicitado por outro agente.
• Mobilidade: capacidade de movimentação de um lugar para outro.
• Conhecimento: capacidade de raciocínio sobre uma determinada função.
• Crença: representa a noção atual que possui sobre determinado fato.
• Intenções: objetivos a longo prazo Obrigações: compromissos que o agente assumiu em um determinado momento.
17
• Racionalidade: hipótese de que irá agir de forma a atingir os seus objetivos.
Outra definição de agente pode ser encontrada em (JAYATILLEKE; PADGHAM;
WINIKOFF, 2005) que é uma entidade, que está inserida em um ambiente, podendo
perceber, agir, ser persistente nas suas metas e comunicar-se com outros agentes assumindo comportamentos autônomos.
De acordo com estas propriedades é possível definir que um agente é um sistema
computacional, situado em um determinado ambiente, que tem percepções desse ambiente através de sensores, tem liberdade para tomar decisões, age de forma autônoma
nesse ambiente através de atuadores e possui capacidade de comunicação de alto nível
com outros agentes e/ou seres humanos, de forma a desempenhar uma dada função para
o qual foi projetado.
A Figura 2.2 mostra aspectos importantes de um agente, apresentando o modelo
geral de um agente proposto por (WOOLDRIDGE, 2002) e contido em (WEISS, 1999).
Figura 2.2: Modelo Geral de um Agente
2.1
Classificação de Agentes
Cada agente deve atender a algumas características específicas. Com base nestas
características classificaram-se os agentes em diversos tipos. Uma destas características
é referente à aplicação que o agente está inserido e o modo como ele irá agir. Existem
basicamente duas categorias principais de agentes: agentes cognitivos e agentes reativos.
Neste trabalho são citadas algumas classes de agentes e suas definições:
2.1.1
Agentes Inteligentes
Agentes são entidades que realizam um conjunto de operações em favor do
usuário, ou outro programa com algum grau de independência ou autonomia, e assim,
empregam algum conhecimento ou representação dos objetivos ou aspirações do usuário
(O’CONNOR et al., 1996).
Agentes inteligentes podem ser descritos em termos de espaço definido por três
dimensões de agência, inteligência e mobilidade, como apresentado por (O’CONNOR
et al., 1996).
18
Agência é o grau de autonomia e autoridade colocado no agente, e pode ser medido pelo menos qualitativamente pela natureza da interação entre o agente e outra entidade no sistema. No mínimo, um agente precisa funcionar assincronamente. O grau de
agência é realçado, aumentado se um agente representa um usuário em algum meio. Um
agente mais avançado pode interagir com outras entidades tal como, dados, aplicações ou
serviços. Agentes avançados, além disso, colaboram e negociam com outros agentes.
Inteligência é o grau de raciocínio e comportamento sábio: a habilidade do
agente para aceitar a declaração de objetivo do usuário e realizar a tarefa delegada a ele.
No mínimo, deve haver algumas declarações de preferências, talvez na forma de regras,
com uma engenharia de inferência ou algum outro mecanismo de raciocínio para atuar
sobre essas preferências. Níveis altos de inteligência incluem um modelo de usuário ou
alguma outra forma de compreender e raciocinar sobre o que o usuário deseja fazer, e
planejar o meio para atingir estes objetivos. Mais adiante, numa escala de inteligência
estão os sistemas de aprendizagem e adaptação ao seu ambiente, em termos de objetivos
do usuário, e em termos de recursos avaliáveis para o agente.
A mobilidade aparece numa terceira dimensão, quando a aplicação do agente
é projetada para atuar em uma rede. Mobilidade é o grau para o qual agentes por si
próprios navegam pela rede. Alguns agentes podem ser estáticos, outros residem numa
máquina cliente (para gerenciar a interface do usuário, por exemplo) ou instanciado no
servidor. Roteiro móvel pode ser composto sobre uma máquina e remetido a outro para
execução num ambiente apropriadamente seguro; nesse caso, o programa navega antes da
execução, assim não expõe dados que precisam ser anexados. Mobilidade traz a questão
de seguridade, privacidade e o desafio do gerenciamento.
Se uma parte do agente fica sobre e à direita do limiar da agência inteligente no
plano Agência/Inteligência, então ele é um agente inteligente sob esta definição. Por exemplo, sistemas especialistas que não são agentes podem ficar abaixo do limiar, e agente
com funções fixas tal como sistemas tradicionais podem ficar à esquerda do limiar. Esse
gráfico pode ser usado para desenhar comparações qualitativas aproximadas entre agente
inteligente e softwares ofertados.
Segundo (BORDINI; VIEIRA, 2003) são mencionados a seguir alguns aspectos
importantes para a compreensão do que é um agente no contexto de SMA cognitivos. Um
agente nesta concepção é um sistema computacional capaz de:
Percepção: o agente é capaz de perceber alterações no ambiente (conforme ilustrado na
2.2);
Ação: as alterações no ambiente são provenientes das ações que os agentes realizam
constantemente no ambiente; um agente age sempre com o intuito de atingir seus
objetivos (motivação), ou seja, com o intuito de transformar o ambiente de seu
estado atual em um outro estado desejado pelo agente;
Comunicação: uma das ações possíveis de um agente é comunicar-se com outros agentes
da sociedade (i.e., que compartilham o mesmo ambiente); como os agentes precisam coordenar suas ações, a comunicação entre eles é essencial;
Representação: o agente possui uma representação simbólica explícita daquilo que
acredita ser verdade em relação ao ambiente e aos outros agentes que compartilham daquele ambiente;
19
Motivação: como em SMA os agentes são (ou podem ser) autônomos, é essencial que
exista não só uma representação do conhecimento do agente, mas também uma representação dos desejos ou objetivos (i.e., aspectos motivacionais) daquele agente;
em termos práticos, isto significa ter uma representação de estados do ambiente que
o agente almeja alcançar; como conseqüência o agente age sobre o ambiente por
iniciativa própria para satisfazer esses objetivos.
Deliberação: dada uma motivação e uma representação do estado atual do ambiente em
que se encontra o agente, esse tem que ser capaz de decidir, dentre os estados de
ambientes possíveis de ocorrerem no futuro, quais de fatos serão os objetivos a
serem seguidos por ele;
Raciocínio e aprendizagem: técnicas de IA clássicas para, por exemplo, raciocínio e
aprendizagem podem ser estendidos para múltiplos agentes, aumentando significativamente o desempenho desses, por exemplo, no aspecto de deliberação; note que
nem sempre se esperam estas características de raciocínio e aprendizagem de quaisquer agentes; a criação de mecanismos de aprendizagem específicos para ambientes
multiagentes é uma área de pesquisa que ainda requer muita investigação.
2.1.2
Agentes Móveis
É observado que a tecnologia de agentes estáticos tem sido utilizada nas últimas
décadas em muitas áreas de aplicações, como, Interface Gráfica (Windows 95 Wizards),
Aplicações (Assistente Ortográfico do Word Microsoft), Sistemas Especialistas. Entretanto, o uso da tecnologia de agentes móveis é novo.
Não houve muitas aplicações desenvolvidas utilizando tecnologia de agentes
móveis. Porém, há alguns candidatos, como, Down loaded applets (Sun Microsoft Java
applets ou Microsoft OLE controls), Agentes de viagem (General Magic Corporation’s
Telescript agentes) e Agentes de colaboração comercial (Crystaliz, Inc.’s MuBot agentes).
Na literatura pode-se encontrar ainda algumas linguagens para criação de agentes móveis:
Java da Sun; Telescript da General Magic; Safe-Tcl da Sun e Object Rexx da IBM.
2.1.3
Agentes Autônomos
Agentes autônomos são sistemas capazes de apresentarem autonomia, propondose a agir no mundo real. Um agente autônomo é um sistema situado dentro e em uma parte
de um ambiente que sente o ambiente e age sobre ele, através do tempo, em perseguição
de sua própria agenda e para efetuar o que ele sente no futuro (FRANKLIN; GRAESSER,
1996).
2.1.4
Agentes Coordenados
Coordenação é o ato de gerenciar interdependências entre atividades. Uma conduta de coordenação envolve o mais básico comportamento de um agente, assim como
regras seguintes, criação de organização, comunicação de informação e negociação, ou
outros mecanismos de resolução de conflitos. A coordenação pode ser dividida em três
partes: agente apresenta comportamentos de especificação (a criação de objetivos compartilhados), comportamento de planejamento (expressando conjunto de tarefas ou estratégias para acompanhamento dos objetivos) e comportamento de seqüenciamento (dis-
20
tribuindo tarefas para grupos e indivíduos, criando planos e seqüências compartilhadas,
alocando recursos, etc.).
Agentes podem ser humanos, computacionais ou âmbos. Há algumas aplicações
que requerem comportamento coordenado. Um exemplo de aplicação é o seqüenciamento
de manufatura ágil. Atualmente, sistemas de manufatura estão mudando de flexíveis para
ágeis. Sistemas de seqüenciamento de fábricas distribuídas podem operar em dois níveis:
entre companhias (por exemplo, empreiteiro ou fornecedor de relacionamentos, manufatura JIT, integração da indústria) e dentro da companhia (NADOLI; BIEGEL, 1993).
2.1.5
Agentes Aprendizes e Adaptativos
Um agente aprendiz observa as ações do usuário em background, encontra padrões
repetitivos e automatiza-os sob aprovação. O paradigma de agente aprendiz usa a metáfora de assistente pessoal. Agentes aprendizes são, em particular, aplicáveis quando o
domínio da aplicação contém comportamento repetitivo significante e, ainda quando o
comportamento repetitivo difere através do espectro do usuário. Pode ainda ser treinado
pelo usuário com exemplos específicos (MAES, 1994).
2.1.6
Agentes Reativos
Agentes Reativos são baseados em modelos de organização biológica/etológica,
como uma colônia de insetos. A principal idéia é que um comportamento complexo
inteligente pode emergir de uma coleção de muitas entidades simples.
Um simples inseto não aparenta ser muito inteligente, mas a colônia de insetos
atuam com uma entidade inteligente, por exemplo quando procurando por alimento. Um
agente reativo comporta-se num modo estímulo-resposta, isto é, ele não tem memória da
ação realizada no passado nem qualquer previsão da ação a ser tomada no futuro. Sociedades de agentes reativos têm usualmente um grande número de membros (FERBER;
ERCEAU, 1991) (DEMAZEAU; SICHMAN; BOISSIER, 1992).
2.1.7
Agentes Cognitivos
Agentes cognitivos são baseados em modelos de organizações sociais, no senso
de sociedades humanas (grupos, hierarquias, comércios). Com os agentes, há uma representação explícita de ambiente e de membros da sociedade. Eles podem raciocinar sobre
as ações tomadas no passado e planejar as ações a serem tomadas no futuro. Do ponto de
vista de uma sociedade, ela é geralmente composta de um número pequeno de membros
(FERBER; ERCEAU, 1991) (DEMAZEAU; SICHMAN; BOISSIER, 1992). Um exemplo de agente Cognitivo pode ser observado em (DEMAZEAU; SICHMAN; BOISSIER,
1992).
2.2
Sistemas Multiagentes - SMA
De acordo com (BORDINI; VIEIRA, 2003) a área de Sistemas Multiagente
ocupa-se da construção de sistemas computacionais a partir da criação de entidades de
software autônomas, denominadas agentes. Os agentes interagem através de um ambiente compartilhado por outros agentes de uma sociedade, e atuam sobre esse ambiente,
alterando seu estado.
21
Cada agente possui um conjunto limitado de capacidades especificas e objetivos
próprios em relação aos estados do ambiente que se quer atingir, para isso mecanismos
para a interação e coordenação dessas entidades são necessários, pois, na maioria das
vezes os agentes não conseguem atingir todos os seus objetivos isoladamente.
Segundo (FERBER, 1999) os componentes de um Sistema Multiagente podem ser
definidos na seguinte forma:
1. Um ambiente (ε) é um espaço volumétrico;
2. Um conjunto de objetos (θ). Estes objetos estão dispostos em determinados pontos
do ambiente ε, e podem ser percebidos, criados, destruídos e modificados pelos
agentes;
3. Um conjunto de agentes (α), que são objetos específicos (α ⊆ θ), representando as
entidades ativas do sistema;
4. Um conjunto de relações (δ), que conectam objetos (conseqüentemente agentes)
com outros objetos;
5. Um conjunto de operações (σρ ) que fazem com que os agentes de α percebam,
produzam, consumam, transformam e manipulem objetos de θ;
6. Operadores encarregados de representar a aplicação destas operações e a reação do
mundo quanto à sua modificação, que são denominadas leis do universo.
Foram substituídos os símbolos que representavam os conjuntos em (FERBER,
1999) por símbolos gregos similares devido a mais fácil manipulação dos conjuntos.
2.2.1
Níveis de Organização
Em (FERBER, 1999) é possível encontrar uma classificação para a organização de
SMA, baseado no estudo de Rocher (ROCHER, 1968). É possível distinguir três níveis
de organização em Sistemas Multiagente:
1. O Nível Micro-Social é onde se interessa essencialmente nas interações entre os
agentes e as várias formas de comunicação existentes entre um pequeno número de
agentes. É neste nível que a muitos estudos da Inteligência Artificial Distribuída
têm sido compreendidos.
2. O Nível de Grupos se interessa nas estruturas intermediárias que intervém na composição de uma organização mais completa. Neste nível são estudadas as variações
das regras e atividades dos agentes. A emergência das estruturas organizacionais
entre agentes é um problema geral de agregação de agentes durante a constituição
da organização.
3. O Nível das Sociedades Globais (populações) tem como principal interesse o estudo
da dinâmica de um grande número de agentes, juntamente com a estrutura geral de
um sistema e seu processo evolutivo. Grande parte das pesquisas em Inteligência
Artificial está focada neste nível.
22
2.2.2
A Arquitetura BDI
Um agente inteligente possuí algumas características particulares, dentre estas características é importante ressaltar a deliberação. Agentes com esta característica podem
ser denominados de agentes deliberativos. O agente deve ter percepção e possuir um
modelo interno do ambiente em que ele se encontra, este modelo interno do ambiente
permite que o agente tire suas próprias conclusões. Os agentes deliberativos são capazes
de reagir a mudanças no ambiente.
A idéia de deliberação está incluída no conceito de um agente cognitivo. As
arquiteturas mais importantes de agentes deliberativos são baseadas em um modelo de
cognição fundamentado em três principais atitudes mentais que são as crenças, os desejos,
e as intenções (abreviado por BDI, iniciais das palavras beliefs, desires e intentions).
Segundo (WOOLDRIDGE, 2000) o modelo BDI é baseado na tradição filosófica
de compreender o raciocínio pratico em seres humanos. O raciocínio prático é direcionado
para ações, por este motivo é importante fazer a distinção entre o raciocínio prático e o
raciocínio teórico, que é direcionado para as crenças.
O raciocínio humano prático é formado, pelo menos, por duas atividades distintas.
A primeira idéia é sobre decidir sobre qual estado do sistema se quer alcançar, a segunda
idéia é como alcançar os estados do sistema. O processo de decidir que estados do sistema
serão alcançados se enquadra na idéia de deliberação.
Um modelo BDI combina três estruturas distintas: um componente filosófico; um
componente de arquitetura de software e um componente lógico. A fundamentação filosófica para essa concepção de agentes deriva do trabalho de Dennet (DENNETT, 1987),
que fala sobre sistemas intencionais, e do trabalho de Bratman (BRATMAN, 1987) sobre raciocínio prático. Baseado nestes trabalhos foi criado a linguagem de programação
AgentSpeak(L) (RAO; GEORGEFF, 1992; RAO, 1996a). Esta linguagem caracteriza-se
pela utilização de arquiteturas abstratas de agentes baseadas no modelo BDI, bem como
na concepção de lógicas BDI (RAO, 1996b).
A Figura 2.3 representa a arquitetura de um agente BDI.
Figura 2.3: Arquitetura BDI genérica
Lógicas BDI são lógicas multimodais com um operador modal para cada uma das
atitudes mentais do modelo BDI, além dos operadores usuais da lógica temporal de tempo
ramificado e da lógica de ação. Em resumo, uma lógica BDI se baseia em lógicas modais
23
que tem por intenção representar argumentos que envolvem essencialmente os conceitos
de necessidade e possibilidade.
De acordo com (HÜBNER J. F. ; BORDINI, 2004), é possível resumir esta arquitetura da seguinte forma:
As crenças representam o que o agente conhece sobre o estado do ambiente e
dos agentes que estão envolvidos neste ambiente (inclusive conhecimentos sobre ele
próprio). Os desejos representam os estados do mundo que o agente quer atingir, em
outras palavras, são representações daquilo que ele quer que se torne verdadeiro no ambiente. As intenções são ações seqüenciais específicas que um agente se compromete
a realizar com o intuito de chegar a um objetivo específico. A Função de Revisão de
Crenças - FRC recebe a informação perceptiva, ou seja, percebe propriedades do ambiente e, consultando as crenças anteriores do agente acontece um processo de atualização
destas crenças para que elas assimilem o novo estado do ambiente
24
3
O MODELO DE TROCAS SOCIAIS
A psicologia (WATSON, 1913), tal como a interpreta o comportamentista, é um
ramo puramente objetivo e experimental da ciência natural. Seu objetivo teórico é a
predição e o controle do comportamento. A introspecção não é parte essencial de seus
métodos, nem o valor científico de seus dados depende da facilidade com que podem ser
interpretados através da consciência. O comportamentismo, em seu esforço para conseguir um esquema unitário da resposta animal, não reconhece linha divisória entre o
homem e os animais irracionais. O comportamento do homem, com todo o seu refinamento e toda a sua complexidade, constitui apenas uma parte do esquema total de pesquisa
do comportamentista.
3.1
Teoria de Homans
São diversas as teorias que generalizam a troca para diferentes campos da atividade humana. Em (HOMANS, 1950), por exemplo, é definida a noção de troca como a
forma básica de todo comportamento social, derivado a partir da psicologia behaviorista
(comportamental).
Na teoria de Homans a idéia principal é o aspecto psicológico das interações sociais com o objetivo de descrever os processos de decisão utilizado por indivíduos nas
interações.
O interesse era em explicar o comportamento dos indivíduos em trocas sociais. Os
valores de trocas foram um estímulo para continuar (ou interromper) o comportamento
social, então foi adotado o conceito de lucro, definido como lucro = benefício - custo.
Benefício e custo são definidos de forma muito parecida como na teoria do Piaget. Lucro,
neste sentido qualitativo, é visto como elemento que pode ter o papel de estímulo: um
maior lucro significa um estímulo mais forte de continuar o comportamento atual. O
lucro menor significa um estímulo mais forte de interromper o comportamento atual.
A busca pela maximização do lucro pode não conduzir aos melhores resultados
para os indivíduos que participam das interações, especificamente quando se observa a
questão de equilíbrio social.
3.2
Teoria de Piaget de Valores de Trocas
O trabalho de Jean Piaget no qual se baseia este trabalho é referente à (PIAGET,
1995). De acordo com (RODRIGUES, 2003), a teoria sociológica de Piaget é baseada na
idéia de coletividade, como está escrito na passagem:
25
“O todo coletivo não é a soma dos indivíduos que o compõem, pois este todo
exerce sobre as consciências uma coação que as modifica. Neste caso, o todo não é
equivalente à soma dos indivíduos. A partir de dois indivíduos, uma interação que acarreta modificações duráveis pode ser considerada como fato social, e a sociedade seria a
expressão do conjunto destas interações entre ‘n’ indivíduos.” (PIAGET, 1995)
Em (RODRIGUES, 2003) são apresentados duas condições básicas existenciais,
na concepção do sistema de valores de trocas:
• Condição 1: É necessário que exista entre os indivíduos α e α0 uma escala comum
de valores, de forma a tornar compatíveis as avaliações de α e α0 . Para esse fim, a
escala comum deve con ter dois aspectos complementares:
1. uma linguagem comum de comunicação (sistema de sinais ou símbolos) que
exprima os valores qualitativos nas trocas;
2. um sistema de noções definidas que permita aos indivíduos traduzir as noções
de um no sistema do outro.
• Condição 2: Deve haver reconhecimento das proposições assumidas como válidas
(não contradição) e conservação dos valores de troca. Essa conservação é obtida
por meio de um sistema de regras, que podem ser de dois tipos: regras de ordem
moral e regras de ordem jurídica.
Se estas duas condições forem verdadeiras, o sistema de valores pode ser visto
como um mecanismo de regulação (coordenação) das interações entre indivíduos de uma
sociedade, garantindo a continuidade das mesmas.
No conceito de sociedade existem três parâmetros fundamentais: regras, valores e
sinais. As regras constituem o sistema de obrigações, os valores aplicam-se nos sistemas
de troca e os sinais formam o sistema de símbolos convencionais que expressam as regras
e os valores.
De acordo com (COSTA, 2003) Piaget dá uma dupla definição da noção de valor.
Por um lado, valor é “qualquer coisa que dê lugar a uma troca”. Por outro lado, Piaget
define como valores os construtos mentais de caráter qualitativo, que se associam mentalmente, no momento de uma troca, aos elementos que são valores no primeiro sentido, e
que servem ao propósito de avaliar esses elementos. Os valores são caracterizados como
elementos qualitativos porque deles não se exige mais que uma estrutura extensiva de
ordem total, sem caráter métrico, que satisfaça a exigência mínima de permitir que seja
definida uma relação assimétrica de maior ou menor. Quando se trata da noção de troca,
por uma questão de simplificação do problema e permitir uma formalizarão operatório do
mesmo, Piaget restringiu-se à questão da troca de serviços entre sujeitos (no qual mutuamente vamos utilizar agentes para participarem deste processo). Então, a definição de
troca de Piaget é:
Troca é qualquer seqüência de ações entre dois sujeitos, tal que um dos sujeitos, pela
realização de suas ações, preste um serviço para o outro.
A principal contribuição da abordagem dos valores de trocas sociais é a introdução da possibilidade de assimilar valores subjetivos que são avaliados pelo processo
de trocas como por exemplo, valores do tipo bom, ruim, médio, melhor que, pior que,
26
etc. Observa-se que estes valores não podem ser representados com fidelidade quantativamente devido a falta de uma medição precisa. A característica principal dos valores
de trocas do Piaget é exatamente a natureza dos valores, que são de natureza qualitativa (como mencionado anteriormente), porém valores quantitativos aparecem em casos
especiais como, por exemplo, a modelagem de trocas envolvendo valores econômicos
(RODRIGUES; ROCHA COSTA; BORDINI, 2003).
Os sistemas de valores de trocas servem como ferramentas úteis para resolver
problemas na área de Sistemas Multiagentes, porém existem outros trabalhos que abordam valores em sistemas multiagentes mas não os valores de trocas de Piaget.
Em resumo, como um psicólogo cognitivo Piaget deu muito menos atenção em
seu trabalho aspectos sociais e afetivos (no que se refere ao comportamento humano) do
que os aspectos cognitivos.
3.2.1
Interações como trocas sociais
Em (DIMURO; COSTA; PALAZZO, 2005) é possível encontrar com maiores detalhes a idéia geral da Teoria de Piaget.
No que se relaciona a sociedade humana, Piaget adotou uma abordagem relacional
tal que a estrutura de uma sociedade é definida como uma estrutura onde os relacionamentos entre os indivíduos são estabelecidos por trocas sociais entre eles. Então, interações
são compreendidas como trocas de serviços entre indivíduos envolvendo não somente a
realização desse serviço por alguns indivíduos em favor de outros, mas também a avaliação de tais serviços (em vários pontos de vista) pelos indivíduos envolvidos nas trocas.
Um serviço não é uma simples ação ou uma interferência na ação de outro indivíduo.
Para ser considerado como um serviço, uma ação executada por um indivíduo pode ser
compreendida por todos os indivíduos envolvidos na ação como uma ação intencional em
direção a um outro indivíduo permitindo assim uma avaliação que pode ser benéfica ou
prejudicial. Um serviço é um ação feita pensada, decidia e intencional.
A avaliação de um serviço por um indivíduo tem como base uma escala de valores que são de natureza qualitativa, então estes valores expressam avaliações subjetivas.
Uma escala de valores de trocas é um conjunto de valores qualitativos e ordinais (ordinais
porque existe uma ordem entre estes valores), que podem ser comparados por suas magnitudes (menor que, igual, maior que), mas não podem ser operados de forma algébrica. Por
exemplo, valores podem ser adicionados ou subtraídos: se a < b e a < c então a < b + c.
Agora é possível analisar que a subtração não pode ser realizada: se a < b e c < d não é
possível mostrar que b − a < d − c ou b − a = d − c, ou ainda b − a > d − c.
3.2.2
Trocas Sociais e Equilibrio Social
Valores de trocas provém um valor econômico qualitativo de trocas sociais, isto
acontece quando um indivíduo adquiri créditos por um serviço que ele mesmo desenvolveu. Este indivíduo adquiri também um débito por um serviço que foi prestado a ele
mesmo por outro indivíduo. Os balanços dos valores de troca permitem ao indivíduo
observar o estado de equilíbrio da troca social e reagir de acordo com cada situação específica, de acordo com cada estado. Por exemplo, um indivíduo a recebe vantagens sobre
um indivíduo b então o indivíduo a pode fazer com que estas vantagens diminuam então,
o sistema estará mais equilibrado.
O balanço dos valores de troca é que vai forçar a dinâmica da sociedade. A
27
dinâmica da continuidade das interações, é proporcional justamente pela análise desse
balanço. As regras sociais, das mais diferentes variedades, que podem ser formal ou informal, moral, econômica, jurídica, incluindo as regras organizacionais, podem freqüentemente ser entendidas como meio de colocar em operação um esforço que garante que o
balanço geral dos valores é mantido em certo equilíbrio (ou desequilíbrio). Por exemplo,
quando uma pessoa a executa um serviço para uma pessoa b, então é natural que a pessoa
b adquiria uma dívida para com a pessoa a.
Um aspecto importante para que seja possível compreender corretamente a Teoria
do Piaget é a clara diferença entre a idéia de equilíbrio social e ordem social (estabilidade social). Equilíbrio Social pode ser compreendido como um tipo de igualdade na
distribuição dos valores entre os agentes que participam na troca, ou seja, ninguém sai em
vantagem ou desvantagem no sistema.
Ordem Social, ou Estabilidade Social é entendida como a temporal continuidade
do conjunto estabelecido de trocas sociais, observa-se que este conceito ocorre no tempo.
Os dois conceitos são ortogonais no sentido que qualquer troca pode ser tanto equilibrada
quanto desequilibrada e também pode ser tanto estável quanto instável. Por outro lado
elas são dependentes, pois cada uma pode causar a outra como mostra a Figura 3.1.
Figura 3.1: Sistema em Equilíbrio ou Desequilíbrio
Como exemplo é possível analisar a situação da nossa sociedade. Não temos uma
sociedade equilibrada e sim estabilizada. Nossa sociedade não é equilibrada pois a desigualdade social brasileira é muito ampla, porém estabilizada pois estamos habituados a
conviver com esta situação.
A idéia de supervisor de equilíbrio, mostrada em (DIMURO; COSTA; PALAZZO,
2005) tem como função escolher e manter regras sociais para que os agentes fiquem em
estado de equilíbrio ou desequilíbrio.
3.2.3
Valores de Troca Material e Virtual
Piaget classifica as trocas em duas categorias, as trocas imediatas e as trocas
postergadas. Nas trocas imediatas indivíduos trocam serviços e são avaliados durante
a sua realização, serviço por serviço, permitindo a cada indivíduo regular a quantidade e
a qualidade do serviço que ele executa.
28
Dois tipos de valores estão associados as trocas imediatas, que correspondem ao
investimento, custo necessário para executar um serviço e outro valor é a satisfação que é
causada no cliente. Tais valores são chamados de valores materiais.
As trocas postergadas envolvem uma separação no tempo entre agentes de uma
troca de serviço, e origina os valores de troca virtuais. Estes valores são conhecidos como
crédito e débito.
Depois de um indivíduo α executar um serviço para o indivíduo β, o β ficará com
um débito para com o indivíduo α, conseqüentemente o α ficará com crédito em relação
ao β. O termo valor virtual se refere a serviços que ainda não foram executados, que serão
executados futuramente.
3.2.4
Regras Sociais
As regras sociais são facilmente modificadas à medida que o tempo passa. Por
exemplo, futuramente é possível que um indivíduo α não se sinta na obrigação de retribuir
um serviço que um indivíduo β fez para α em um passada muito distante. Então pode
acontecer de que a importância deste serviço tenha se perdido ao passar do tempo, e o
indivíduo α não se sinta na obrigação de pagar este débito pois a importância agora é com
a situação atual do sistema. O problema dos valores virtuais é que eles podem perderem
a sua importância com o passar do tempo.
Além de servirem ao propósito de regular reações individuais, as regras sociais
também tem a função de ser meios de evitar que estes valores virtuais se percam, associando tais valores a comportamentos que tem o objetivo de conservar e fazer com que
eles sejam executadas. Para que estes valores virtuais não se percam no tempo são criadas
as regras sociais.
Regras sociais para a preservação dos valores virtuais são, ou regras morais, historicamente criadas por um grupo ou contratos privados, espontâneamente estabelecido
por indivíduos envolvidos nesta troca. As regras morais são regras da sociedade que todos os indivíduos desta sociedade deveriam seguir, os contratos são entre dois indivíduos
especificamente.
3.2.5
Estrutura de uma Troca Social
Uma troca social entre dois agentes, α e β, é realizada em dois estágios, como
mostra a Figura 3.2. No estágio I o agente α presta um serviço para o agente β. No
estágio II, o agente α cobra de β um crédito por um serviço previamente realizado.
Em resumo, uma interação entre dois agentes/indivíduos pode ser interpretada
como trocas de serviços. Quando um serviço é executado então é possível que este seja
avaliado, tanto pelo prestador (valor de seu investimento), como o receptor (valor de sua
satisfração). Posteriormente, são gerados valores de débito (do receptor) e de crédito (do
prestador), que são levados em conta em trocas futuras. Na representação deste modelo
são utilizadas as seguintes variáveis:
• r representa o valor de um investimento na realização de um serviço;
• s representa o valor de satisfação por um serviço recebido;
• t corresponde ao valor de débito adquirido por ter recebido um serviço;
• v corresponde ao valor de crédito adquirido por ter prestado um serviço.
29
Figura 3.2: Estágios de trocas sociais
A modelagem das trocas sociais possuí uma abstração algébrica através de estruturas algébricas para que seja possível realizar as operações nas trocas, estas estruturas
servem como base para a formalização das regras que determinam o equilibrio das trocas.
Esta idéia pode ser visualizada adiante:
• Regra Iαβ : (rIαβ = sIβα ) ∧ (sIβα = tIβα ) ∧ (tIβα = vIαβ )
• Regra IIαβ : (vIIαβ = tIIβα ) ∧ (tIIβα = rIIβα ) ∧ (rIIβα = sIIαβ )
• Regra Iαβ IIβα : vIαβ = vIIαβ
A Regra Iαβ condiciona para um equilíbrio interno no estágio Iαβ , implicando que
o investimento feito por um agente α no desenvolvimento de um serviço para o agente β é
o crédito que o agente β assume para com o agente α, como pode ser visto pelo resultado
final da regra:
Regra Iαβ ⇒ rIαβ = vIαβ
A Regra IIαβ condiciona para um equilíbrio interno no estágio IIαβ , implica que
o crédito adquirido por um agente α sobre β é igual a satisfação que o agente α recebe
com o retorno do serviço desenvolvido pelo agente β, isto é:
Regra IIαβ ⇒ vIIαβ = sIIαβ
A Regra Iαβ IIβα condiciona um equilíbrio externo entre dois estágios, Iαβ e IIαβ
implicando que o investimento inicial realizado por um agente α é igual a satisfação final
proveniente da interação com o agente β, isto é:
Regra Iαβ IIβα ⇒ rIαβ = sIIαβ
As regras de equilíbrio possuem um papel importante na teoria do Piaget que explica a dinâmica de uma organização social e a identificação de situações de desequilíbrio.
O desenvolvimento de regras morais está associado as regras de equilíbrio, e é exatamente
um dos principais objetivos destas regras como dito anteriormente.
Em (DIMURO; COSTA; PALAZZO, 2005) é introduzido a idéia do agente supervisor de equilíbrio. O papel principal deste supervisor é indicar quais comportamentos
devem ser analisados a cada momento pelos agentes.
30
3.3
Organizações Sociais
A noção de organização não possuí somente uma forma de interpretação. Existem
pelo menos dois sentidos em que a idéia de organização é utilizada: o senso funcional e o
senso estrutural.
No senso funcional a organização é uma invariante funcional, isto é, a função
é sempre a mesma. Nesta abordagem são caracterizados todas as formas de sistemas
dinâmicos autônomos. No senso estrutural, a organização de um sistema dinâmico
autônomo é uma estrutura relacional que permite a interação entre os componentes do
sistema.
Segundo (DIMURO; COSTA; PALAZZO, 2005), a organização de uma sociedade
S em um dado tempo t, pode ser estruturada da seguinte forma
OSt = (AtS , ESt )
onde AtS é o conjunto de agentes de uma sociedade em um tempo t, e ESt é o
conjunto de trocas sociais que acontecem neste tempo t, portanto é possível deduzir que
ESt ⊆ AtS × AtS .
3.3.0.1
Funções, papéis sociais, valores de troca e Regras Sociais
A estrutura social apresentada em (DIMURO; COSTA; PALAZZO, 2005) apresenta quatro conceitos fudamentais para compreender a estrutura da proposta. Estes conceitos são funções sociais, regras sociais, valores de troca e regras sociais.
• As funções sociais são os serviços que os agentes (ou conjunto de agentes) desenvolvem para outros agentes (ou conjunto de agentes) na sociedade. Esta função justifica a existência de uma sociedade, pois se os agentes fossem auto-suficientes eles
não precisariam viver em sociedade. Somente agentes que necessitam de serviços
de outros agentes convivem na sociedade;
• Os papéis sociais são os elementos relacionais que estabelecem as interações entre os agentes. Estes elementos relacionais são as funções sociais executadas e o
comportamento que o agente assume a fim de executar suas funções de maneira
adequada;
• Os valores de troca é uma forma que os agentes utilizam para avaliar os serviços
prestados e recebidos, estes são avaliados pelos membros da sociedade (incluindo o
próprio e outros agentes envolvidos na troca), de modo que o balaço resultante dos
valores de troca possa ser utilizado pelas regras sociais, para compensar os desvios
de comportamento;
• As regras sociais são os meios que os agentes (dadas as funções sociais que vão
ser executadas na sociedade, e a forma que os papéis sociais foram atribuídos aos
agentes) são obrigados a se comportar em determinadas situações e como não se
comportar em outras situações.
3.3.0.2
Definição de uma Organização Social
A noção de organização social pode ser definida da seguinte forma
31
Definição 3.1 A organização de uma sociedade é uma estrutura O
=
(A, F, Ro, E, BV, Ru) onde: A é o conjunto de agentes; F é o conjunto de serviços
(funções) de um agente ou um conjunto de agentes; Ro é o conjunto de papéis sociais
que podem ser atribuídos aos agentes; E é o conjunto de trocas sociais que os agentes
podem desenvolver entre eles; BV é o conjunto dos balanços de trocas, através destes
balanços os agentes podem definir como avaliar as trocas sociais; Ru é o conjunto de
regras sociais que regulam os comportamentos dos agentes.
Para complementar a Definição 3.1 alguns elementos devem ser adicionados para
que a dinâmica da organização possa ser explicada:
• O conjunto IBeh de todos os possíveis comportamentos individuais dos agentes de
uma sociedade, de forma que cada agente corresponda a um conjunto de comportamentos individuais que é capaz de realizar, definido por IB : A → IBeh;
• A forma que o conjunto E, de todas as trocas sociais possíveis, é relacionado ao
subconjunto dos agentes que são capazes de realiza-los, dado por Cap : ℘(A) → E;
• Como uma função social é implementada por um conjunto de agentes na forma de
uma troca social dada por I : F × ℘(A) → E;
• A maneira que cada papel social determina o comportamento individual do agente
em relação ao desempenho de uma função social, dada pela função P : F × Ro →
IBeh;
• A forma que cada agente avalia o desempenho de uma troca, dado por uma função
Ev : E × A → BV ;
• Quando uma regra social determinada o tipo de comportamento permitido (obrigatórios e proibidos) para os agentes em uma troca social, de acordo com o balanço
dos valores de trocas atribuídos à troca social, a respeito do desempenho de uma
função social definida por Ru : F × A × E → ℘(IBeh×{p,o,f })
3.4
Trabalhos Relacionados
Em (DIMURO; COSTA; PALAZZO, 2005) é apresentado um sistema de valores
de trocas como ferramenta para organização de sistemas multiagentes. Sistemas de valores de trocas são definidos baseados na teoria das trocas sociais, desenvolvida por Piaget
e Homans. Este trabalho ainda propõe um modelo de organização social, apresentando a
idéia de um supervisor de equilíbrio social como um mecanismo centralizador que resolve
o problema do equilíbrio de uma organização.
O responsável pelo processo de decisão é um agente supervisor de equilíbrio, que
é encarregado de indicar para cada par de agentes sobre as trocas mais viáveis de serem
realizadas objetivando a manutenção ou o estabelecimento do equilíbrio. O supervisor faz
recomendações para pares de agentes sendo que estas recomendações estejam de acordo
com as regras sociais consideradas.
Em resumo, nesta abordagem o supervisor escolhe ações para recomendar aos
agentes com o objetivo de manter ou estabelecer o equilíbrio social.
32
Observa-se que características internas e/ou externas dos agentes podem interferir
nos processos de trocas que os agentes optam por realizar, tais como: personalidades,
níveis de poder, estratégias de negociação, níveis de aderência ao supervisor etc. Uma
modelagem considerando personalidades de agentes foi apresentada em (DIMURO et al.,
2006a,b).
33
4
PERSONALIDADES EM AGENTES
O processo de modelagem de traços de personalidades humanas descrito em
(CARBONELL, 1980) serve para o desenvolvimento do caráter de um agente. O caráter
de um agente é um importante aspecto que deve ser considerado em um Sistema Multiagente, pois é a partir deste caráter que o agente irá se comportar em um SMA.
Segundo (CASTELFRANCHI et al., 1998) um dos maiores objetivos da Inteligência Artificial como ciência é a modelagem da Inteligência Natural. Na natureza e na sociedade agentes possuem personalidades que formam a questão psicológica de um agente
através da representação de emoções ou bases cognitivas que reproduzem de forma mais
precisa aspectos de uma interação humana.
Em (DIMURO et al., 2006b) é apresentada uma modelagem de traços de personalidades possíveis para aplicação em trocas sociais em SMA, na qual baseia-se este
trabalho.
4.1
A Caracterização Interna dos Agentes
Com o objetivo de realizar simulações sociais mais realísticas, é possível definir
características que diferenciam os agentes entre si.Como, por exemplo, traços de personalidades (CASTELFRANCHI et al., 1997), níveis de poder e obediência, estratégias de
negociação, entre outras. Nos trabalhos (CASTELFRANCHI et al., 1997, 1998) existem
possibilidades de aplicações e vantagens de interações em sistemas multiagentes baseados
em personalidades.
Estes trabalhos têm alta relevância no estudo de interações em sistemas multiagentes baseados em personalidades, neles são discutidas as vantagens e possíveis aplicações. É possível considerar uma sociedade de agentes onde as trocas sociais são
baseadas em traços de personalidades de agentes que serão caracterizados através de
funções definidas sobre os balanços de trocas materiais.
4.1.1
Traços de personalidades relacionados às trocas sociais
Traços de personalidades são caracterizados por induzirem diferentes atitudes dos
agentes em relação às trocas que optam por realizar. Estes traços podem ser considerados
em diferentes pontos de vista. Por exemplo, na idéia dos possíveis lucros com as trocas
sociais é possível classificar os seguintes traços de personalidades:
• Egoísmo: o agente tem alta probabilidade de realizar trocas que lhe trazem lucros;
34
• Altruísmo: o agente tem alta probabilidade de realizar trocas que geram lucro ao
outro agente;
• Fanatismo: O agente busca sempre o estado de equilíbrio, evitando grandes lucros
e perdas no processo de valores de trocas;
• Tolerante: O agente com traço de personalidade tolerante modela um processo de
troca mais aberto, aceitando tanto trocas favoráveis, quanto desfavoráveis, aceitando lucros e perdas no processo dos valores de trocas.
Observando a postura perante o tamanho dos valores envolvidos nas trocas, é possível considerar os seguintes traços de personalidades:
• Arrojo: o agente tem alta probabilidade de realizar trocas cujos valores envolvidos
são altos;
• Cautela: o agente tem baixa probabilidade de realizar trocas cujos valores envolvidos são altos.
Outro ponto de vista é relacionado à disponibilidade para se envolver em situações
de troca. Podem ser considerados os seguintes traços de personalidades:
• Cooperatividade: o agente tem alta probabilidade de propor trocas e/ou aceitar participar em trocas propostas;
• Isolacionismo: o agente tem baixa probabilidade de propor trocas e/ou aceitar participar em trocas propostas;
• Inovatividade: o agente tem alta probabilidade de criar novas possibilidades de
trocas;
• Conservadorismo: o agente tem baixa probabilidade de criar novas possibilidades
de trocas.
4.1.2
Traços de personalidades relacionados à postura com relação
ao mecanismo de regulação
Os agentes podem apresentar traços de personalidades que determinam diferentes
posturas assumidas pelo agente em relação ao mecanismo de regulação, como por exemplo:
• Obediência cega: o agente segue sempre as recomendações do supervisor (aceita
100% das recomendações);
• Obediência eventual: o agente segue ou não as recomendações de acordo com uma
probabilidade (aceita 50% das recomendações);
• Desconsideração total das recomendações: o agente não considera as recomendações do supervisor (aceita 0% das recomendações).
35
4.1.3
Traços de personalidades relacionados à avaliação de resultados de trocas virtuais
Como discutido anteriormente, os valores relacionados às trocas sociais assumem
dois tipos: valores materiais (valores do investimento e da satisfação associados à realização imediata de uma troca entre dois agentes) e valores virtuais (débitos e créditos
adquiridos em trocas anteriores).
Uma importante consideração é que os agentes podem assumir diferentes traços
de personalidades e conseqüentemente os agentes podem assumir atitudes diferentes relacionado à avaliação de seus resultados virtuais. Os agentes relatam estas avaliações para
os outros agentes, e podem ser observadas pelo supervisor. Exemplos deste tipo de traços
de personalidades são:
• Realismo: o agente tem alta probabilidade de realizar avaliações realistas de débitos
e créditos;
• Super-avaliação: o agente tem alta probabilidade de relatar que possui altos créditos
e alta probabilidade de relatar que possui baixos débitos;
• Sub-avaliação: o agente tem alta probabilidade de relatar que possui altos débitos e
alta probabilidade de relatar que possui baixos créditos.
36
5
LÓGICA FUZZY
A lógica tradicional, como é conhecida, foi inicialmente desenvolvida por
Aristóteles (Lógica Aristotélica) e aprimorada ao longo do tempo, principalmente por
filósofos. A preocupação com o estudo da lógica está diretamente relacionada com problemas filosóficos no âmbito da ciência. Por exemplo, que domínios do conhecimento
devem ser considerados ciências?
Não é pretendido abordar a lógica como questão filosófica, porém é necessária
uma introdução a este assunto para que seja possível compreender a utilização da lógica
difusa (Fuzzy) no contexto deste trabalho.
A divisão entre argumentos válidos e inválidos é apenas uma das idéias que concretizam a lógica tradicional e a lógica clássica em sua teoria. Os estudos em relação à
lógica formal passam por cálculos sentenciais e de predicados, regras precisas e padrões
puramente formais, de validade. Em (HAACK, 2002) é utilizada uma classificação de
tipos de lógicas1 enfatizando que a lógica formal não necessariamente é aquela derivada
da idéia tradicional, o fato relevante é considerar lógica formal algo que é bem definido
segundo seus valores particulares.
• Lógica Tradicional: silogísta aristotélica;
• Lógica Clássica: cálculo sentencial bivalente, cálculo de predicados; Lógicas Ampliadas: lógicas modais, temporais, deônticas, epistêmicas, lógicas de preferência,
lógicas imperativas e lógicas erotéticas (interrogativas);
• Lógicas Alternativas: lógicas polivalentes, lógicas intuicionistas, lógicas quânticas
e lógicas livres;
• Lógicas Indutivas.
Muitos autores insistiram que as línguas naturais são inteiramente vagas e não
poderia ser considerado lógico algo que parte de um princípio vago, porém não foi apresentado nenhum argumento convincente mostrando que a precisão seria impossível tendo
critérios subjetivos. Conceitos subjetivos como “estático” e “adaptativo” fizeram com
que Zadeh desse um primeiro passo para uma lógica revisada com critérios vagos. Em
(ZADEH, 1965) concluiu-se um trabalho mostrando que o pensamento difuso (fuzzy) pode
1
Na citação bibliográfica estão todas as definições conceituais de cada uma das lógicas apresentadas. A
questão principal desta discussão é se um sistema formal deve ser considerado como uma lógica ou não é,
ela própria, uma questão que envolve problemas filosóficos bastante profundos e difíceis.
37
não ser deplorável, afinal de contas, se ele torna possível a solução de problemas que são
complexos demais para uma análise precisa.
A partir de agora utilizaremos o termo lógica fuzzy ao invés de lógica difusa somente por critérios de padronização. Em relação aos tipos de lógicas apresentados, Zadeh
recomenda que uma lógica não-clássica seja adotada, mas sua lógica fuzzy representa um
distanciamento muito mais radical da lógica clássica.
A idéia da lógica fuzzy, portanto é baseada em inferir conclusões e gerar respostas
baseadas em informações vagas, ambíguas e qualitativamente incompletas e imprecisas.
Neste aspecto, os Sistemas Fuzzy possuem a propriedade de trabalhar de forma semelhante ao pensamento humano. Seu comportamento é representado de maneira muito simples e natural, levando à construção de sistemas compreensíveis e de fácil manutenção. Na
lógica fuzzy é permitido valores que estão em um nível intermediário entre o verdadeiro
e o falso.
Uma pessoa pode ser caracterizada como alta ou baixa (utilizando o critério
tamanho da pessoa). Através da lógica clássica é possível dizer que ela é alta em um
grau 0,7, ou então é alta em um grau 0,8 e não é levado em consideração o conceito de
limites. Utilizando a lógica fuzzy neste caso é possível dizer que a pessoa é alta com
grau 0,8 e baixa com grau 0,2. Facilmente é observado que justamente os critérios de
imprecisão da lógica fuzzy resultam em uma solução de melhor qualidade.
A lógica fuzzy é baseada na Teoria dos Conjuntos Fuzzy (ZADEH, 1965) onde
todo objeto do universo de discurso “pertence” a um conjunto com algum nível (grau de
pertinência). Na Teoria dos Conjuntos Clássica um objeto do universo de discurso apenas pertence ou não pertence a um conjunto. Em (JAFELICE; BARROS; BASSANEZI,
2005) é mostrado um exemplo que caracteriza a utilização da lógica fuzzy para modelar o problema que representa se a característica de alguém é ser fumante, dependendo
de inúmeras variáveis como quantidade de cigarros que se fuma por dia, qualidade dos
cigarros fumados, intermitência do ato de fumar, etc. Com base nestas variáveis é possível caracterizar o grau de um indivíduo ser fumante e não simplesmente se o indivíduo
é fumante ou não. Se um indivíduo não for fumante seu grau de pertinência é zero, se um
indivíduo fumar três carteiras de cigarros por dia seu grau de pertinência é um, em outras
palavras este indivíduo é fumante. E se este indivíduo fumar dez carteiras de cigarros por
dia, o quanto ele será fumante? Esta subjetividade, ser fumante, pode ser caracterizada
pela teoria dos conjuntos fuzzy.
A percepção humana em relação ao mundo real é repleta de conceitos que não são
bem definidos, são conceitos subjetivos. É possível dizer que estes conceitos não possuem limites bem definidos. Por exemplo, quando o cérebro humano pensa na palavra
“livro” vem logo a mente a idéia várias páginas, capa, sumário, forma geométrica retangular. Porém, a subjetividade é facilmente encontrada diariamente nas atividades do ser
humano. Como exemplo de idéias que não possuem limites bem definidos é possível citar
muitos, alto, muito maior do que, jovens, etc. O conceito destas palavras são verdadeiros
em algum grau e também são falsos em algum grau complementar. O ser humano projeta conceitos a todo o momento com incerteza, imprecisão, subjetividade, ambigüidade,
etc. Um sistema baseado na lógica fuzzy aceita dados imprecisos e idéias vagas, como
pequeno, médio, alto e aponta soluções que auxiliam em um futuro processo de tomada
de decisão, como é mostrado na Figura 5.1.
38
Figura 5.1: Idéia simplificada de um sistema baseado na lógica fuzzy
Tabela 5.1: Grau de pertinência dos números inteiros considerados “pequenos”
5.1
n∈N
grau de pertinência
1
2
3
4
5
6
7
8
9
10
15
20
1
0,5
0,33
0,25
0,2
0,16
0,14
0,125
0,111
0,1
0,06
0,05
Conjuntos Fuzzy
A abordagem de conjuntos fuzzy proposta em (ZADEH, 1965), generaliza o conceito de conjunto quando a idéia de pertinência de um elemento a um conjunto deixa de
ser um conceito primitivo como no caso clássico. Por exemplo, seja F o “conjunto” dos
números inteiros positivos “pequenos”, isto é,
F ={x ∈ N : x é pequeno }.
Os números 5 e 20 pertencem a F? Intuitivamente é possível afirmar que se 20 ∈ F
então 5 ∈ F. Com esta idéia é fácil perceber que o número 5 teria um grau de pertinência
maior que o grau do número 20 em relação ao conjunto F. A atribuição de um grau
de pertinência de cada elemento a um conjunto passa então a ser uma caracterização do
próprio conjunto.
Considerando que a função u : N → [0, 1], dada por u(n) = n1 define o grau de
pertinência a F. De acordo com esta função afirma-se que 5 ∈ F com grau de pertinência
0, 2, já o número inteiro 20 ∈ F com grau de pertinência 0, 05. Em uma forma geral este
exemplo mostra que, n ∈ F com grau de pertinência n1 . O atributo pequeno para x ∈ N
é subjetivo no sentido que seria possível ter uma infinidade de funções u : N → [0, 1]
definindo o grau de pertinência de cada elemento de F.
A tabela 5.1 mostra os graus de pertinência de alguns números inteiros considerados “pequenos”, de acordo com a função mostrada no exemplo.
39
O gráfico mostrado na Figura 5.2 representa a função de pertinência do exemplo
que aborda os números inteiros considerados “pequenos” de acordo com a função apresentada anteriormente. Os valores apresentados no gráfico estão de acordo com a tabela
5.1.
Figura 5.2: Gráfico da função de pertinência dos números inteiros “pequenos”
Seja X um conjunto (clássico).
Definição 5.1 Um subconjunto fuzzy F em X é um conjunto de pares ordenados
F ={(x, uF (x)) : x ∈ X } onde uF : X → [0, 1] é uma função chamada grau de
pertinência de x em F, com os graus 1 e 0 representando, respectivamente, a pertinência
completa e a não pertinência do elemento ao conjunto fuzzy.
A Figura 5.3 mostra em um exemplo gráfico o que são as variáveis e os termos
lingüísticos.
5.2
Tipos de Funções de Pertinência
A representação de um conjunto fuzzy pode ser representada por tipos de curvas
diferentes, o especialista é o responsável por traçar a curva mais aproximada do comportamento da variável em questão. Em (SILVEIRA, 2002) são apresentados os principais
tipos de curvas para representação de um conjunto fuzzy, um breve resumo sobre estas
representações são apresentados a seguir.
Representação Linear Este tipo de representação é bastante simples e uma boa alternativa para aproximar conceitos de difícil compreensão.
Representação em Curva-S (Sigmóide/Logística) Esta forma de representação referese aos tipos de curvas não lineares crescentes (Curva-S) e decrescentes (Curva-Z).
Esta representação de um conjunto fuzzy é a mais adequada para a modelagem
do conhecimento, segundo (SILVEIRA, 2002) é imprecisamente condicional, em
outras palavras é o tipo do conhecimento utilizado para representar o pensamento
humano.
Representações em Curvas Tipo Sino Este tipo de reprodução é baseado na representação da estimativa (avaliação) de um valor central e são graficamente visualizadas
40
Figura 5.3: Variáveis e Termos Lingüísticos
como uma curva do tipo sino. Três importantes categorias desse tipo de curvas
merecem destaque: as curvas PI, Beta e Gaussiana. Duas importantes variações
das representações em curvas tipo sino são a Representação Trapezoidal e a Representação Triangular.
5.3
Operações Básicas entre Conjuntos Fuzzy
Sejam A e B subconjuntos fuzzy pertencentes a um mesmo conjunto universo
U. As funções de pertinência que representam os conjuntos fuzzy união, intersecção e
complementar de conjuntos fuzzy são dadas respectivamente por:
A ∪ B : uA∪B (x) = max{uA (x), uB (x)}
(5.1)
A ∩ B : uA∩B (x) = min{uA (x), uB (x)}
(5.2)
Ā : uĀ (x) = 1 − uA (x)
(5.3)
As operações básicas entre conjuntos fuzzy obedecem às propriedades que estão
contidas na Tabela 5.2.
Sejam A e B subconjuntos fuzzy pertencentes a um mesmo conjunto universo U.
As funções de pertinência que representam a igualdade e inclusão dos conjuntos fuzzy
representadas respectivamente por:
41
Tabela 5.2: Propriedades das operações básicas entre conjuntos fuzzy
Propriedade
Representação 1
Representação 2
Idempotência
Absorção
Comutatividade
Associatividade
Distributividade
Lei De Morgan’s
Dupla Negação
A∪A=A
A ∪ (A ∩ B) = A
A∪B =B∪A
(A ∪ B) ∪ C = A ∪ (B ∪ C)
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
A∩B =A∪B
∼∼ A = A
A∩A=A
A ∩ (A ∪ B) = A
A∩B =B∩A
(A ∩ B) ∩ C = A ∩ (B ∩ C)
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
A∪B =A∩B
A =∼∼ A
5.3.1
A = B ⇔ uA (X) = uB (X), ∀X X ∈ X.
(5.4)
A ⊂ B ⇔ uA (X) ≤ uB (X), ∀X ∈ X.
(5.5)
Exemplos Gráficos
A Figura 5.4 representa gráficamente a união entre dois subconjuntos fuzzy, a
Figura 5.5 mostra a intersecção entre estes subconjuntos fuzzy e a Figura 5.6 mostra o
complementar de um subconjunto fuzzy.
Figura 5.4: União entre subconjuntos fuzzy
5.4
Sistema Fuzzy
Na arquitetura padrão de um Sistema Fuzzy apresentada na Figura 5.7 é possível
observar os componentes que fazem parte deste sistema. A seguir é apresentado uma
breve descrição sobre cada um dos componentes da arquitetura padrão de um sistema
fuzzy.
Fuzzificador: Nesta etapa estão contidas as funções de pertinência das variáveis lingüísticas de entrada. É recebido um valor do universo de discurso e retornado os graus
42
Figura 5.5: Intersecção entre subconjuntos fuzzy
Figura 5.6: Complementar de um conjunto fuzzy
Figura 5.7: Arquitetura de um Sistema Fuzzy
43
de pertinência aos respectivos conjuntos fuzzy. O tipo e a quantidade de funções de
pertinência utilizados em um sistema dependem de alguns fatores tais como: precisão, estabilidade, facilidade de desenvolvimento, etc. Para colaborar com a construção das funções de pertinências para a descrição de uma determinada entrada é
importante a atuação de um especialista na área do que poderá ser modelado.
Máquina de inferência: Neste componente do sistema as proposições (regras) são
definidas e depois são examinadas paralelamente, é na máquina de inferência que
são realizadas as operações com conjuntos fuzzy propriamente ditas. Para realizar
estas operações existem métodos de inferência fuzzy, os dois mais importantes tipos
de métodos de inferência fuzzy são o Método de Mandani (MAMDANI; ASSILIAN, 1975) e o Método Takagi-Sugeno-Kang (ISHII; SUGENO, 1985).
Gerente de Informações: Obtêm da base de regras as regras aplicáveis para entradas
específicas.
Base de Regras: A base de regras fuzzy é composta por um conjunto de condições IF
(usando conectivos and, or ou not), uma conclusão THEN, uma conclusão opcional
ELSE (regras condicionais básicas). Estas regras são aplicadas nas variáveis por
intermédio de um processo denominado propagação. As regras podem ser fornecidas por especialistas, em forma de sentenças linguísticas, e se constituem em um
aspecto fundamental no desempenho de um sistema de inferência fuzzy.
Defuzzificador: Processo utilizado para converter o conjunto fuzzy de saída em um valor
de saída do sistema. No processo de defuzzificação estão contidas as funções de
pertinências das variáveis lingüísticas de saída. No defuzzificador é que acontece a
etapa de relação funcional entre as regiões Fuzzy e o valor esperado. Existem vários
métodos de defuzzificação, dentre os mais conhecidos destacam-se: (i) Centróide,
(ii) Média dos máximos, (iii) Critério Máximo, (iv) Método da altura, (v) Barras
verticais, etc.
5.5
Trabalhos Relacionados
Em (SILVEIRA; BEDREGAL, 2001) é apresentado uma abordagem que une a
Teoria dos Intervalos (MOORE, 1979) e a Lógica Fuzzy. Um dos problemas relacionados à modelagem fuzzy é referente ao mapeamento das informações nebulosas onde o
especialista necessita desenvolver uma função fuzzy atribuindo aos valores do domínio,
por exemplo, um número real para seu grau de certeza. Para o especialista é complicado
saber se o grau de certeza é 0.5 ou 0.501, como citado em (SILVEIRA; BEDREGAL,
2001), por exemplo. A resolução deste tipo de problema é abordada com a Teoria Fuzzy
Intervalar, que une os conjuntos fuzzy com a noção de intervalos.
44
6 AVALIAÇÃO FUZZY DOS VALORES
DE TROCAS BASEADOS EM PERSONALIDADES
6.1
Caracterização de um Serviço em um Processo de
Trocas
Provisoriamente foi estabelecida uma definição que acredita-se ser importante
para inicializar uma abordagem relacionada ao conceito de serviço no processo de trocas sociais. Esta definição provisória é descrita da seguinte forma:
Um serviço é definido como uma tupla S =< a1 , a2 , . . . , an >, onde a1 , a2 , . . . , an
são variáveis lingüísticas denominadas de atributos do serviço, que são os aspectos que
são levados em consideração para a avaliação dos valores relacionados à troca gerada
por aquele serviço.
Exemplo de atributos de um determinado serviço: esforço, duração, qualidade do
produto, etc.
6.1.1
Abordagem 1
Nesta abordagem os aspectos considerados são:
• Uma escala comum de valores para todos os agentes;
• Personalidades dos agentes reconhecidas na etapa de fuzzificação;
• Os atributos (parâmetros que constituem um serviço) são variáveis lingüísticas de
entrada;
• O valor do serviço (investimento, satisfação) realizado constituí a variável lingüística de saída.
O método utilizado nesta esta abordagem é definido da seguinte forma:
Considera-se uma função de medida, que define um valor subjetivo a cada
atributo de uma ocorrência de serviço, representada por uma função de pertinência que
constitui uma escala de valores comum a todos os agentes.
45
Exemplo: Considere o atributo duração com termos lingüísticos lento, médio e
rápido. A escala mostrada na Figura 6.1 pode ser a mesma para todos os agentes.
Figura 6.1: Escala comum de valores
De acordo com as personalidades, os agentes podem classificar diferentes avaliações para um mesmo valor de um serviço. A Figura 6.2 mostra dois tipos de personalidades diferentes avaliando um mesmo serviço.
Figura 6.2: Diferentes avaliações de acordo com cada personalidade
6.1.2
Abordagem 2
Diferente da Abordagem 1, a Abordagem 2 possuí as seguintes características:
• Cada agente possui uma escala de valores coerente com sua personalidade;
• Personalidades previamente determinadas na etapa de fuzzificação;
46
O método a ser aplicado nesta abordagem é definido na seguinte forma:
Consideram-se funções de medida, que definem valores subjetivos a cada
atributo, representadas por funções de pertinência que constituem diversas escalas de
valores baseadas em personalidades.
Exemplo: Considere o atributo duração com termos lingüísticos lento, médio e
rápido, avaliado em diferentes escalas.
Figura 6.3: Agente Altruísta
Figura 6.4: Agente Egoísta
As Figuras 6.3 e 6.4 mostram agentes com personalidades diferentes realizando
uma avaliação diferente, principalmente pelo fato de cada escala de valores são baseadas
nas personalidades.
47
6.1.3
Abordagem 3
A Abordagem 3 possuí as seguintes características:
• Escala baseada no senso comum;
• Atributos dos serviços são avaliados de acordo com esta escala;
• A personalidade do agente é definida por regras de inferência, cada personalidade
determinada por um conjunto de regras;
A avaliação de um serviço (p. ex. investimento) pode ser composto de dois atributos (p. ex. duração e esforço). A composição destes atributos é o que vai resultar no valor
deste serviço.
As Figuras 6.5 e 6.6 representam a avaliação de um agente com uma determinada
personalidade para os atributos duração e esforço.
Figura 6.5: Atributo duração
Figura 6.6: Atributo esforço
48
• Aplicando regras condicionais em relação aos atributos duração e esforço;
• Forma-se uma base de regras que podem ser consideradas de acordo com o senso
comum:
– Exemplo: Se duração é “médio” e esforço é “médio” então investimento é
“médio”
A Figura 6.7 mostra a avaliação de um serviço, que neste caso é utilizado como
exemplo o valor de um investimento.
Figura 6.7: Avaliação do Investimento
• Um agente egoísta avaliaria este serviço da seguinte forma:
– Se duração é “médio” e esforço é “médio” então investimento é “baixo”
• Um agente altruísta avaliaria este serviço da seguinte forma:
– Se duração é “médio” e esforço é “médio” então investimento é “alto”.
49
7
CONCLUSÕES
A Lógica Fuzzy utiliza regras que conseguem tratar de conceitos imprecisos, ambíguos, vagos, etc. Uma grande desvantagem é que Sistemas Fuzzy precisam de um
número maior de testes e necessitam de um aprimoramento maior antes de ser aprovado
definitivamente.
Devido ao caráter subjetivo da Lógica Fuzzy, nota-se que é uma teoria que pode
representar de forma mais realista os valores de trocas sociais devido à natureza qualitativa
destes valores. Um outro fator positivo é a avaliação da influência de personalidades em
agentes através de funções de pertinência fuzzy. A flexibilidade da Lógica Fuzzy faz com
que seja mais realista a avaliação das personalidades em interações multiagentes.
Em um primeiro momento pretendíamos mostrar que a Abordagem 1, apresentada
na seção 6.1.1 e a Abordagem 2, discutida na seção 6.1.2 poderiam ou não convergir para
um mesmo resultado. Caso as abordagens convergissem então teríamos um teorema para
ser provado. Este teorema não chegou a ser provado devido a outros estudos que foram se
integrando a este trabalho, porém é uma das perspectivas de trabalhos futuros desenvolver
métodos mais elaborados para tratar destas duas abordagens e analisar o comportamento
de ambas.
Durante o período de estudo, desenvolvimento e discussões deste trabalho surgiu
a idéia da Abordagem 3, apresentada na seção 6.1.3. Esta abordagem, até o presente
momento parece ser a mais intuitiva, com uma representação mais adequada dos valores
de trocas sociais e faz uma analise das personalidades dos agentes através da utilização
de regras condicionais para cada agente e de um conjunto de regras que representam
um senso comum em uma determinada sociedade. Ainda em fase de estudo procura-se
mostrar a inclusão destas regras nas crenças ou na função de revisão de crenças de agentes
BDI.
50
REFERÊNCIAS
BORDINI, R. H.; VIEIRA, R. Linguagens de programação orientadas a agentes: uma
introdução baseada em AgentSpeak(L). Revista de Informatica Teórica e Aplicada,
Porto Alegre, RS, Brasil, v.10, p.7–38, 2003.
BRATMAN, M. Intentions, Plans, and Practical Reason. [S.l.]: Harvard University
Press, 1987.
CARBONELL, J. G. Towards a Process Model of Human Personality Traits. Artificial
Intelligence, [S.l.], v.15, n.1,2, p.49–74, 1980.
CASTELFRANCHI, C.; ROSIS, F.; FALCONE, R.; PIZZUTILO, S. A Testbed for investigating personality-based multiagent cooperation. In: SYMPOSIUM ON LOGICAL
APPROACHES TO AGENT MODELING AND DESIGN, 1997, Aix-en-Provence. Proceedings. . . [S.l.: s.n.], 1997.
CASTELFRANCHI, C.; ROSIS, F.; FALCONE, R.; PIZZUTILO, S. Personality traits
and social attitudes in multiagent cooperation. Applied Artif. Intelligence, [S.l.], v.12,
p.649–675, 1998.
COSTA, A. C. R. The Piagetian Theory of Social Exchanges and its Application to Learning Enviromnent. In: INFORMáTICA NA EDUCAçãO: TEORIA E PRáTICA, 2003,
Porto Alegre. Anais. . . PGIE/UFRGS, 2003. v.6, n.2, p.77–900.
DEMAZEAU, Y.; SICHMAN, J. S.; BOISSIER, O. When can Knowledge-based Systems be Called Agents? XII Congresso da Sociedade Brasileira de Computação - IX
Simpósio Brasileiro de Inteligência Artificial, [S.l.], p.172–185, 1992.
DENNETT, D. The Intentional Stance. Cambridge, MA, USA: MIT Press/Bradford
Books, 1987.
DIMURO, G. P.; COSTA, A. C. R. Qualitative Markov Decision Processes and the Coordination of Social Exchanges in Multi-Agent Systems. In: WORKSHOP ON GAME
THEORETIC AND DECISION THEORETIC AGENTS (AT IJCAI’05), 2005, Edinburgh. Proceedings. . . [S.l.: s.n.], 2005.
DIMURO, G. P.; COSTA, A. C. R. Exchange Values and Self-Regulation of Exchanges
in Multi-Agent Systems: the provisory, centralized model. In: WORK. ON ENGINEERING SELF-ORGANIZING APPLIC., UTRECHT, 2005, 2006, Berlin. Proceedings. . .
Springer, 2006. n.3910, p.75–89. (LNAI).
51
DIMURO, G. P.; COSTA, A. C. R.; GONçALVES L. V., H. A. B. L. V. C. M. A.;
KREINOVICH, V. Interval-Valued Hidden Markov Models for Recognizing Personality
Traits in Social Exchanges in Open Multiagent Systems. In: GAMM - IMACS INTERNATIONAL SYMPOSIUM ON SCIENTIFIC COMPUTING, COMPUTER ARITHMETIC AND VALIDATED NUMERICS, 2006, DUISBURG, 12., 2006, Duisburg. Proceedings. . . University of Duisburg-Essen, 2006.
DIMURO, G. P.; COSTA, A. C. R.; GONçALVES, L. V.; HÜBNER, A. Centralized
Regulation of Social Exchanges between Personality-based Agents. In: WORKSHOPS
ON COORDINATION, ORGANIZATION, INSTITUTIONS AND NORMS IN AGENT
SYSTEMS, COIN@ECAI’06, RIVA DEL GARDA, 2006, REVISED SELECTED PAPERS, 2006, Berlin. Anais. . . Springer, 2006. p.(to appear). (LNAI).
DIMURO, G. P.; COSTA, A. C. R.; GONçALVES, L. V.; HÜBNER, A. Regulating
Social Exchanges Between Personality-Based Non-transparent Agents. In: MEXICAN
INTL. CONF. ON ARTIFICIAL INTELLIGENCE, MICAI’06, APIZACO, 2006, 5.,
2006, Berlin. Anais. . . Springer, 2006. n.4293, p.1105–1115. (LNAI).
DIMURO, G. P.; COSTA, A. C. R.; PALAZZO, L. A. M. Systems of Exchange Values
as Tools for Multi-Agent Organizations. Journal of the Brazilian Computer Society,
[S.l.], v.11, n.1, p.31–50, 2005. (Special Issue on Agents’ Organizations).
FERBER, J. Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence.
Boston, MA, USA: Addison-Wesley Longman Publishing Co., Inc., 1999.
FERBER, J.; ERCEAU, J. L’Intelligence Artificielle Distribuée. Revista La Recherche,
[S.l.], v.22, n.233, p.750–758, Junho 1991.
FRANKLIN, S.; GRAESSER, A. Is it an Agent, or just a Program?: A Taxonomy for
Autonomous Agents. In: THIRD INTERNATIONAL WORKSHOP ON AGENT THEORIES, ARCHITECTURES, AND LANGUAGES, PUBLISHED AS INTELLIGENT
AGENTS III, 1996. Proceedings. . . Springer-Verlag, 1996. p.21–35.
HAACK, S. Filosofia das Lógicas. 1.ed. [S.l.]: UNESP, 2002. Tradução: Cezar Augusto
Mortari e Luiz Henrique de Araújo Dutra.
HÜBNER J. F. ; BORDINI, R. H. . V. R. Introdução ao Desenvolvimento de Sistemas
Multiagentes com Jason. In: XII ESCOLA REGIONAL DE INFORMÁTICA, 2004,
Guarapuava - PR, Brasil. Anais. . . UNICENTRO, 2004. v.4, n.1, p.51–89.
HOMANS, G. C. The Human Group. New York: Harcourt, Brace & World, 1950.
ISHII, K.; SUGENO, M. A Model of Human Evaluation Process Using Fuzzy Measure.
Int. Journal of Man-Machine Studies, [S.l.], v.22, p.19–38, 1985.
JAFELICE, R. S. M.; BARROS, L. C.; BASSANEZI, R. C. Teoria dos Conjuntos Fuzzy
com Aplicações. In: Notas em Matemática Aplicada. 1.ed. São Carlos, SP, Brasil: Sociedade Brasileira de Matemática Aplicada e Computacional, 2005. v.17, p.66.
JAYATILLEKE, G.; PADGHAM, L.; WINIKOFF, M. A model driven componentbased development framework for agents.
52
JENNINGS, N. R. Coordination Techniques for Distributed Artificial Intelligence. In:
O’HARE, G. M. P.; JENNINGS, N. R. (Ed.). Foundations of Distributed Artificial
Intelligence. [S.l.]: John Wiley & Sons, 1996.
J.S. SICHMAN, Y. D.; BOISSIER, O. When Can Knowledge-Based Systems be Called
Agents. In: IX BRAZILIAN SYMPOSIUM ON ARTIFICIAL INTELLIGENCE, 1992,
Rio de Janeiro, RJ, Brazil. Anais. . . [S.l.: s.n.], 1992.
LESSER, V. R. Cooperative Multiagent Systems: A Personal View of the State of the Art.
IEEE Transactions on Knowledge and Data Engineering, Piscataway, NJ, USA, v.11,
n.1, p.133–142, 1999.
MAES, P. Agents that reduce work and information overload. Commun. ACM, New
York, NY, USA, v.37, n.7, p.30–40, July 1994.
MAMDANI, E. H.; ASSILIAN, S. An Experiment in Linguistic Synthesis with a Fuzzy
Logic controller. Int. J. Man–Machine Studies, [S.l.], v.7, p.1–13, 1975.
MOORE, R. E. Methods and Applic. of Interval Analysis. Philadelphia: SIAM, 1979.
NADOLI, G.; BIEGEL, J. E. Intelligent Manufactoring-Simulation Agents Tool (IMSAT). Transactions on Modeling and Computers Simulation, [S.l.], v.3, n.1, p.42–65,
janeiro 1993.
O’CONNOR, D. O.; STEVE, P.; RICK, S.; WILSON, L. Intelligent Agent Strategy:
White Paper. Research Triangle Park, NC: IBM Corporation, 1996.
PIAGET, J. Sociological Studies. London: Routlege, 1995.
RAO, A. S. AgentSpeak(L): BDI Agents Speak Out in a Logical Computable Language. In: SEVENTH EUROPEAN WORKSHOP ON MODELLING AUTONOMOUS
AGENTS IN A MULTI-AGENT WORLD, 1996, Eindhoven, The Netherlands. Anais. . .
[S.l.: s.n.], 1996.
RAO, A. S. Decision Procedures for Propositional Linear-Time Belief-Desire-Intention
Logics. In: WOOLDRIDGE, M.; MÜLLER, J.-P.; TAMBE, M. (Ed.). Intelligent Agents
II — Agent Theories, Architectures, and Languages (LNAI 1037). [S.l.]: SpringerVerlag: Heidelberg, Germany, 1996. p.33–48.
RAO, A. S.; GEORGEFF, M. P. An Abstract Architecture for Rational Agents. In: KR,
1992. Anais. . . [S.l.: s.n.], 1992. p.439–449.
ROCHER, G. Introduction à la sociologie générale. [S.l.]: Paris, Seuil, Points, 1968.
v.2.
RODRIGUES, M. Um Sistema de Valores de Troca para Suporte às Interações em
Sociedades Artificiais. 2003. Dissertação (Mestrado em Ciência da Computação) —
PPGC/UFRGS, Porto Alegre.
53
RODRIGUES, M. R.; ROCHA COSTA, A. C. da; BORDINI, R. H. A system of exchange values to support social interactions in artificial societies. In: AAMAS ’03: PROCEEDINGS OF THE SECOND INTERNATIONAL JOINT CONFERENCE ON AUTONOMOUS AGENTS AND MULTIAGENT SYSTEMS, 2003, New York, NY, USA.
Anais. . . ACM Press, 2003. p.81–88.
RUSSELL, S.; NORVIG, P. Artificial Intelligence: A Modern Approach. 2nd edition.ed.
[S.l.]: Prentice-Hall, Englewood Cliffs, NJ, 2003.
SILVEIRA, M. M. M. T. TEORIA FUZZY INTERVALAR: UMA PROPOSTA
DE INTEGRAÇÃO DA MATEMÁTICA INTERVALAR À TEORIA FUZZY. 2002.
Dissertação (Mestrado em Ciência da Computação) — PROGRAMA DE PÓSGRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO. DEPARTAMENTO DE INFORMÁTICA E MATEMÁTICA APLICADADA. UNIVERSIDADE FEDERAL DO RIO
GRANDE DO NORTE, Natal, RN, Brasil.
SILVEIRA, M. M. M. T.; BEDREGAL, B. R. C. Uma Teoria de Conjuntos Fuzzy Intervalar. In: II WORKSHOP EN INTELIGENCIA ARTIFICIAL, 2001, Punta Arenas,
Chile. Anais. . . [S.l.: s.n.], 2001.
WATSON, J. Psychology as the Behaviorist Views it. Psychological Review, [S.l.], v.20,
p.158–177, 1913.
WEISS, G. Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. [S.l.]: MIT Press, 1999. (Cambridge, MA, USA).
WOOLDRIDGE, M. Reasoning about Rational Agents. [S.l.]: The MIT Press: Cambridge, MA, USA, 2000.
WOOLDRIDGE, M. Introduction to MultiAgent Systems. [S.l.]: John Wiley and Sons,
2002.
ZADEH, L. A. Fuzzy sets. Information and Control, [S.l.], v.8, p.338–353, 1965.