Organizações Artificiais
Marcos Augusto Hochuli Shmeil
Edson Emilio Scalabrin
{ shm, scalabrin} @ppgia.pucpr.br
Organizações Artificiais






Enquadramento
Conceitos Fundamentais
A Inteligência Artificial (IA)
Machine Learning (ML)
A Distribuição da Inteligência Artificial (IAD)
Aplicando metodologias de IAD e ML para a
modelagem
de
uma
Sociedade
de
Organizações (Organizações Artificiais)
Enquadramento
Máquinas
Linguagens
Sistemas Operativos
Comunicações
Estrutura de Dados
Projeto de Arquivos
Banco de Dados
Banco de Dados Distribuído
Sociedade/
Organizações
Problemas do
Mundo Real
PROJETOS
Conceitos e Teorias
IA, IAD
Expert Systems
Machine Learning
Multiagent Systems, ...
ETC...
MÉTODOS E
TÉCNICAS
SOLUÇÕES
Enquadramento
Compreensão do mundo em que vivemos
Aprender padrões
Descobrir padrões
Criar padrões
Propriedades, comportamentos (relações), ...
org
org
so c
org
org
org
org
co nceiv ed by
hum an beings
mo dels
n atu ra l
worl d
arti fi ci al
worl d
. ..
arti facts
creat ed by human bein gs
.. m odels
.
Conceitos Fundamentais
A representação do mundo real
AÇÕES +
Dados : Atributos e instâncias de um certo objeto
Informação : semântica dos dados para um
certo domínio.
Conhecimento : atributos, processos-raciocínio,
conceitos, hipóteses, relações,
ambiente, ...
Através de :
dados, gráficos-figuras, algoritmos,
heurísticas, ... )
Conceitos Fundamentais
São agrupados em Sistemas, os quais
são classificados
Segundo o domínio de aplicação:
Sistemas Aa, Bb, Cc, ...
Segundo a finalidade organizacional
Sistemas Operacionais
Sistemas Gerenciais - de controle
Sistemas de Apoio a decisão, ...
Segundo a representação do conteúdo
Sistemas de Informação
Sistemas baseados em Conhecimento,
Sistemas orientados à objetos, ...
...
Conceitos Fundamentais
Quanto a abrangência da Base de dados:
Bases Corporativas
E
Bases Departamentais
Bases Específicas
D
C
A Inteligência Artificial (IA)
É uma parte da Ciência da Computação,
interessada na modelagem de Sistemas
Inteligentes de Computação. (Meados de 1950).
A IA é o estudo de como fazer os computadores
realizarem tarefas, as quais, no momento, são
realizadas de forma melhor pelos seres humanos.
A Inteligência Artificial (IA)
Sistemas Inteligentes:
São sistemas que exibem características que nós
associamos com a inteligência do comportamento
humano.
Entender a Linguagem
Aprendizagem
Raciocínio
Solução de problemas, ...
A Inteligência Artificial (IA)
A inteligência requer conhecimento
Descrição formal de um problema:
Definição do Espaço de Estados
Definir o estado inicial
Definir o estado final ( objetivo)
Conjunto de operadores que descrevem as ações
Estratégia de controle Cause movimento
Seja sistemática
A Inteligência Artificial (IA)
A heurística é uma técnica que melhora a eficiência
de um processo de busca no espaço de estados,
sacrificando o determinismo e a perfeição.
A Inteligência Artificial (IA)
Então,
espaço
de
estados
um estado atual
raciocínio (monotônico e
não monotônico)
Novo estado
A Inteligência Artificial (IA)
Representação do Conhecimento
• Lógica de predicados
• Frames
• Scripts
• Redes semânticas,
...
A Inteligência Artificial (IA)
• Lógica de predicados
conceda crédito PESSOA_P se
saldo_médio > X e
tempo cliente > Y e
renda_mensal > Z.
pessoa( Maria)
saldo_médio ( Maria, x+1)
tempo_cliente (Maria,Y-10)
renda_mensal (Maria, z+35)
A Inteligência Artificial (IA)
• Frames
Frame : Banco
Especialização: Banco Comercial
Horário: ( 10:00 às 16:00)
Sub-divisão:
Agências
Carteiras: Contas_correntes
Câmbio
Rural
Recursos_humanos: gerentes
caixas
auxiliares
Qtde_de_recursos: [50]
Classe_agência: ( pequena,
média,
grande)
Ex:
agência_xyz
Carteira: Contas_correntes
Recursos_humanos: [ gerente qtde = 1]
Classe_agência = pequena
A Inteligência Artificial (IA)
• Script
script: conceito de uma pessoa (cliente) frente a uma loja
condição de entrada:
. identificação da pessoa
condição de saida:
. Conceito da pessoa junto a loja
objetos:
. Pessoa (consumidor)
. Loja
agentes:
. Funcionários da Agência (FA)
. Funcionários da Loja (FL)
Cena_1: Contato Inicial
FA: contato inicial
FA: Solicita falar com um FL
FA: Informa identificação da pessoa
Cena_2: Pessoa é consumidora da Loja
FL: Localiza cadastro
FL: Verifica pontualidade de pagtos
Cena_3: Elaboração de conceito
FL: contata FA
FL: informa pontualidade de pgto
FA: recebe a informação
FA: atribui conceito segundo critérios
A Inteligência Artificial (IA)
• Redes semânticas
móvel
pessoa
is_a
cadeira
is_a
eu
is_a
have
Ccccc
is_part_of
assento
A Inteligência Artificial (IA)
Sistemas Especialistas (Expert systems):
Componentes:
• Especialista
• Engenheiro do Conhecimento
• Interfaces
• Inferência
• Base de Conhecimento
A Inteligência Artificial (IA)
Inferência
A é verdade se
B for Verdade,
C for verdade.
Base Conhec.
B é verdade se
B1 é verdade
B2 é verdade.
B1 é um fato
conhecido
Machine Learning (ML)
A habilidade para aprender é um dos mais significativos
aspectos da inteligência humana.
As máquinas não podem ser chamadas de inteligentes
até que sejam capazes de aprender a fazer coisas
novas, adaptarem-se a novas situações, no lugar de
simplesmente fazerem aquilo que foram mandadas.
Machine Learning (ML)
Aprendizado sub-simbólico
Redes neuronais, ...
Aprendizado simbólico
Através: exemplos, ...
Métodos: indutivos, dedutivos, ...
O que: Novos conceitos, árvores de decisão, ...
Machine Learning (ML)
Aprendendo árvores de decisão:
- Critério de avaliação :
Entropia
Namorar ou não namorar
atributos1([inteligencia,beleza,situacao_financeira]).
exemplos1([
[inteligencia(sim),beleza(bonito),situacao_financeira(rico),classe(namorar_sim_namora)],
[inteligencia(nao),beleza(feio),situacao_financeira(pobre),classe(namorar_nao_namora)],
...
]).
Machine Learning (ML)
Apresentar Árvores de
Indução -
Machine Learning (ML)
Indução a partir de exemplos
intelig
não
sim
financ
namora
ri
po
me
ñ_namora
namora
namora
Machine Learning (ML)
Ebl
A partir de uma teoria e um exemplo ou conjunto de
exemplos
kill( X, Y)
hates(X, Y)
hates( John, John).
has_gun( John).
is_depressed( John).
has_gun(X)
is_depressed(X)
A Inteligência Artificial
Distribuída (IAD)
PROBLEMAS DISTRIBUIDOS
• Solução de problemas de forma distribuída
• Agentes
Solução de problemas de forma distribuída
Dividir para
conquistar
A Inteligência Artificial
Distribuída (IAD)
Agentes
Entidades computacionais, dotadas de capacidades
cognitivas (percepção, raciocínio e memória) ou reativas
as quais agem ou reagem no domínio para as quais foram
concebidas.
O comportamento cognitivo é orientado pelos objetivos,
crenças, desejos e intenções.
O reativo é orientado pela função e pela sobrevivência.
A Inteligência Artificial
Distribuída (IAD)
Agentes
Multi-agente - Sociedade de agentes
Cognitivos/ Reativos
Homogêneos/ Heterogêneos
Distribuídos/ Centralizados
Autônomos/ Semi-autônomos
A Inteligência Artificial
Distribuída (IAD)
Solução orientada por AGENTES
Ag1
Ag2
BB
Ag3
Agn
Dividir para
conquistar
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
• Uma Sociedade de Organizações
• As Organizações
• Cenário para uma Sociedade de Organizações
ARTOR (ARTificial ORganizations)
• Interação entre Produtores e Fornecedores de
em um caminho cooperativo
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
• Uma Sociedade de Organizações
mundo real
protagonista
constantemente
modifica
natural
criador
artificial
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
modelos conceituais
mundo real
Percepção
natural
artificial
• Limitações cognitivas e físicas
Entende as vantagens de reunir esforços
Sociedade e Relações Sociais
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
Estas Sociedades foram e ainda são estruturadas
em ORGANIZAÇÕES , nas quais o ser humano
contribui com suas capacidades e especialidades,
exibindo um comportamento inteligente.
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
Neste cenário social, um Comportamento Inteligente
pode ser caracterizado:
• Percepção do ambiente
• Tomada de decisão
• Interações sociais
• Coordenação
• Planejamento
NASCER, VIVER e MORRER.
• Aprendizagem
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
• As Organizações
modeladas em termos de Interações Sociais
intra
inner
inter
outer
entidade social
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
INNER/ OUTER
Observação - Passiva
Ativa
INNER
Recursos Humanos
Não Humanos
Estrutura Física
Conceitual
Tarefas fins
suporte (meio)
A sobrevivência de uma Organização depende da
capacidade do INNER perceber e se ajustar para
o OUTER
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações - 1o parte
•Cenário para uma Sociedade de Organizações
indivíduos
consumidores
co 1
co 2
. . .
AMBIENTE
co n
consumo
consumo
c
distribuição
P
c P d
consumo
distribuição
organização
distribuição
c
P
consumo
d
c P d
distribuição
organização
distribuição
consumo
c
P
c P d
organização
d
d
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
•MOTIVAÇÃO
• em geral pela modelagem de organizações,
• em particular pela relação social de contratação,
• necessidade de processos automatizados,
• pela necessidade de preservar o conhecimento
envolvido e aprender com as experiências,
• engenharia de software
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
•MOTIVAÇÃO
• pelo potencial que o domínio da Inteligência Artificial
Distribuída apresenta na modelação de problemas
complexos e distribuídos, e
• pela atenção que a comunidade científica tem
dispensada no domínio da modelagem das
organizações.
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
• COMPREENSÃO
• dois grupos de disciplinas:
(i) as que auxiliam na compreensão do problema
a ser estudado e modelado, e
(ii) as que contribuem com conceitos e
metodologias.
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
• COMPREENSÃO
Domínio de Compreensão
T eoria das Organizações
T eoria Geral da Administ ração
Domínio de Realização
Inteligência Artificial Distribuída
Sistemas Multiagente
Aprendizagem Simbólica Automática
Microeconomia
Sociologia
P sicologia
sociedade de organizações
organização
relações sociais
sociedade de agentes
agente
capacidade dos agentes
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações - 2o parte
•Interação entre Produtores e Fornecedores de
em um caminho cooperativo
Org anizações
C om portam e n tos:
C om portam e n tos:
. convidar a sociedade a part icipar,
. decidir sobre o convite,
. avaliar as contrapropost as,
. avaliar as propost as,
. detectar conflitos,
. negociar os valores dos crit érios, e
. negociar os valores dos crit érios,
. aprender no domínio da negociação.
. efectivar a contratação, e
. aprender no domínio da negociação.
ARTificial ORganizations
não- hier ár q uica
não- hier ár q uica
R E LA Ç Õ E S
...
...
...
...
hier ar q uica
O R G A NI Z A Ç Ã O ( a ge n t e )
hier ar q uica
O R G A NI Z A Ç Ã O ( a ge n t e )
R E LA Ç Õ E S
R E LA Ç Õ E S
NE W S -S TA ND
R E LA Ç Õ E S
R E LA Ç Õ E S
R E LA Ç Õ E S
não- hier ár q uica
R E LA Ç Õ E S
...
...
I ND I V Í D UO S
SOC IED A D E
R E LA Ç Õ E S
R E LA Ç Õ E S
R E LA Ç Õ E S
hier ar q uica
O R G A NI Z A Ç Ã O ( a ge n t e )
Os componentes do sistema ARTOR
• Agentes (Organizações)
• Quadro-Negro (Quiosque “News Stand”)
Os componentes do sistema ARTOR
ARTificial ORganizations
COVER- AGEN T
ADM INISTRATOR-AGENT
INDIVIDUAL KNOWLEDGE (IK)
C
O
M.
OUT ER
EXECUTOR-AGENT
PLANNING
COORDINATION
INDIVIDUAL KNOWLEDGE (IK)
LEARNING
EXPERTISE
INNER
CORPO RAT E
KN O WL EDGE (CK)
COM. = communication
SM
AM
C
O
M.
LEARNING
CS
SS
INNER
OUTER
Os componentes do sistema ARTOR
ARTificial ORganizations
agent i
..
.
p
r
o
j
e
c
t
i
o
n
C. K.
..
.
agent n
p
r
o
j
e
c
t
i
o
n
D
E
S
C
R
I
P
T
O
R
self model
styles
missions
plans
processes
resources, ...
acquaintance model
cover-agents
object
relation
society
“ARTOR” um modelo computacional para
organizações artificiais
um agente gestor é definido pelo par ordenado:
(Ikb, Caa) onde:
(i) Ikb é uma base de conhecimento individual, e
(ii) Caa é um conjunto de capacidades  {planeamento,
coordenação, comunicação, aprendizagem}.
“ARTOR” um modelo computacional para
organizações artificiais
um agente executor é definido pelo par ordenado:
(Ikb, Cae) onde:
(i) Ikb é uma base de conhecimento individual, e
(ii) Cae é um conjunto de capacidades 
{especialidade/perícia, comunicação, aprendizagem}.
“ARTOR” um modelo computacional para
organizações artificiais
uma organização é definida por:
Sejam Aas e Eas.
Uma organização é uma tripla, tal que
(Aas,Eas,Ckb), Aas  , Eas  , Ckb  .
Org
=
“ARTOR” um modelo computacional para
organizações artificiais
Estruturas:
Ckb
agente
gestor
agente
executor
o agente
envolvente
de menor
granularidade
“ARTOR” um modelo computacional para
organizações artificiais
Estruturas:
Ckb
Ohiw
Ohis
Ckb
ag_ge
(iii)
ag_ex
ag_ge
ag_ge
ag_ge
ag_ex
ag_ex
ag_ex
Grupo virtual
ag_ge
ag_ex
ag_ge
ag_ex
ag_ge
Ckb
Ohis
(ii)
ag_ge
ag_ge
ag_ex
ag_ex
ag_ex
(i)
Ckb
ou
Ckb
organizações virtuais
“ARTOR” um modelo computacional para
organizações artificiais
Capacidades dos agentes:
agente gestor/ agente executor
base de conhecimento
indiv idual - Ikb
área de comunicação
comunicação
. mensagens recebidas
. mensagens à serem enviadas
ambiente interno a organização
ambiente externo a organização
“ARTOR” um modelo computacional para
organizações artificiais
base de conhecimento corporativa - Ckb
f ila_de_espera
conhecimento
recepção
comunicação
gerenciamento
ambiente interno a organização
“ARTOR” um modelo computacional para
organizações artificiais
A Coordenação:
(i) a padronização
(ii) a supervisão direta
(iii) o ajuste mútuo através da argumentação
“ARTOR” um modelo computacional para
organizações artificiais
 O quiosque "News-Stand" representa um local de
afixação pública de informações para os componentes
de uma sociedade de organizações
AGENTES
QUIOSQUE - "News_Stand"
relações públicas
oferta de notícias
oferta de notícias
oferta de notícias
afixação
Base de
Notícias
confirmação da oferta de notícias
busca por notícias
busca
porpor
notícias
busca
notícias
procura
Mantenedor
resultado da busca por notícias
mensagens
acções
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
ocorre através de:
agentes executores dos agentes envolventes, os quais
respectivamente desempenham; os papéis de:
(i)
organizadores, ou
(ii) respondentes,
dependendo dos objectivos de:
(i) buscar cooperação, ou
(ii) estar interessado em cooperar,
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
seleção:
lista de critérios (CL) para cada bem/serviço a ser provido.
Uma lista de critérios, é formada pela conjunção
unidades denominadas de critérios de seleção (SC) .
bem/serviço
técnico
cor
comercial
preço
período de
pagamento
quantidade
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
regiõ es dos
va lores dos
do mí nios do s
critérios
região do s
valores q ue
sa tisf azem mais
sa tisf azem
região do s
valores q ue
sa tisf azem
meno s
Cada critério de selecção (SC) é uma 5-upla:
[cor,
azul,
[[azul,
preta],
none],
1,
ground],...
[período_de_pagamento, 30, [[vista, 30,
60, 90, 120], right], 3, ground],...
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
Convite
Ag1
organizer
Ag2
respondent
BB
Ag3
Agn
respondent
respondent
BB
(agentn,, 12, ((color, blue, y), (price, _, y), (payment_period, 60, y)), 10)
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
Espaço de possibilidades
CL_
daP1
PS_ CL_ P1(
Dcor,
Dpreço,
Dperíodo de pagamento,
Dquantidade)
cor
preço
satisf az
menos
período de
pagamento
quantidade
120
satisf az
mais
satisf az
artor_org_A
90
azul, preta
10
60
20
30
30
vista
50
80
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
u m a s e s s ã o d e n e g o cia çã o
r e s p o n d e n te
o rg a n iz a d o r
r e s p o n d e n te
estratrégia,
táctica
estratrégia,
táctica
ofert a
inicial
ofert a
inicial
cont ra_ofert a
inicial
cont ra_ofert a
inicial
ofert a_1
Negociação baseada em:
(i) estilo do agente, e
(ii) estratégias e táticas
estratrégia,
táctica
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
A Oferta_Inicial e a Negociação
Orientada :
Estilo do
agente
Táticas
Estratégias
Win/Win
Win/Lose
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
A Oferta_inicial e a Negociação
Frame: Estilo do agente
Estilo: win/win
Aplicação: negociação
Opção: 1
Conceitos: EC...
Frame:
Negociação, Opção: 1, Conceito
Frame: Negociação, Opção: 1, Conceito
Tipo de Conceito: EC
Conceito: 1) Considerar 50% das contra_ofertas
...
...
...
Frame: Estratégia
Tipo: 1) DECREMENTAL
Estilo do agente : win/win ou win/lose
Objectivo : decrementar as ofertas
1- Oferta_inicial: ECs com máximo valores
2- Próximas_ofertas:
ECs com valores decrementados
...
Tácticas: TROCA
...
Frame: Táticas
Tipo : 1) TROCA
Objectivo: Troca de ECs
1) Manter ECs com utilidade > 5
Trocar ECs com utilidade =< 5
...
...
Frame: operador_decremental
...
...
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
O Processo de Validação
• Cálculo da distância, Situações de conflito
• Negociação como metodologia
recebida
gerada
valores acima
oferta_inicial
c_oferta_inicial
oferta_1
c_oferta_1
desejado
valores abaixo
sequência
cresce/ decresce/ coincide
oferta_2
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
sequência
oferta_inicial
c_oferta_inicial
A Aprendizagem
oferta_1
frame_1
c_oferta_1
frame_2
D
EC1.i
EC2.i
ECn.i
frame_...
EC1.1
EC2.1
ECn.1
EC1.2
EC2.2
ECn.2
E
B
B
A
A
oferta_2
c_EC1.i
c_EC2.i
c_ECn.i
c_EC1.1
c_EC2.1
c_ECn.1
F
C
C
EC1
EC2
ECn
CL- valores desejados
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
Em referência ao cenário, a táctica de
“troca” da estratégia “decremental”,
utilizada pelo organizador, passa a ser
complementada com:
(i) para geração da oferta inicial:
(i.ii) incrementar os valores que satisfazem os critérios,
para seus valores de utilidade máxima (satisfaz mais)
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
(ii) para as demais ofertas que não a inicial:
(ii.i) manter o valor de um dos critérios, o
com mais alta utilidade (“Pri”). Caso exista
mais de um, escolhe-se aleatoriamente
um deles,
(ii.ii) seleccionar o próximo critério de
mais
alta
utilidade
e
passar
a
decrementar, de uma unidade, o valor
relativo da instância, mantendo os
demais fixos,
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
(ii.iii) quando todos os valores, do critério
que está sendo decrementado, foram
ofertados, e a sessão não foi encerrada,
retornar ao passo (ii.ii), e
(ii.iv) quando não mais é possível manter o valor do
critério escolhido no item (ii.i), decrementar de uma
unidade, o valor relativo da instância desse critério, e
retornar ao item (ii.ii).
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
A contratação:
A contratação de um respondente, por um organizador,
segue a seguinte prioridade:
(i) o respondente que apresentou a contra-oferta
com a melhor utilidade, independente de ter sido a
última interacção. Em caso de empate,
(ii) o respondente que antecipou o encerramento da
sessão, por igualdade de valores. Em caso de empate,
(iii) o respondente cujo conhecimento que o
organizador possui, em sua base de conhecimento,
sobre processos de selecção anteriores, apontam
como um respondente “win/win”.
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
Aprendizagem:
oferta inicial
critérios
para
“1”
para
“2”
contra-oferta
inicial
de
de
“1”
“2”
cor
azu
=
10

120

50
=
azu
=
10

120

50
=
pre
=
10
=
vis

80

preço
período_de_
pagamento
quantidade
azu
=
30

120
=
50
=
segunda
oferta
para para
“1”
“2”
segunda
contra-oferta
de
de
“1”
“2”
terceira oferta
para
“1”
para
“2”
terceira
contra-oferta
de
de
“1”
“2”
pre
=
10
=
90

50
=
pre
=
10
=
30

80

pre
=
10
=
60

50
=
azu
=
10
=
60

50
=
pre
=
10
=
60
=
80

azu
=
10
=
90

50
=
azu
=
30

90
=
50
=
azu
=
30

60
=
50
=
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
------ EXEMPLOS ------------------------> classe = critério prazo
[preco(incr_util),cor(man_util),quantidade(man_util),prazo(incr_util),
classe(decr_util_Prazo)],
[preco(man_util),cor(man_util),quantidade(man_util),prazo(decr_util),
classe(decr_util_Prazo)],
[preco(man_util),cor(man_util),quantidade(man_util),prazo(decr_util),
classe(man_util_Prazo)], ...
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
------ TREE ---------------------------->
preco
incr_util-->
decr_util_Prazo
man_util-->
cor
man_util-->
quantidade
man_util-->
prazo
decr_util-->
man_util_Prazo
decr_util-->
decr_util_Prazo
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
. para cada agente respondente,
. para cada um dos critérios das contraofertas que apresentam variações
durante a sessão de negociação,
. gerar uma árvore de decisão,
tendo como classe, o critério da
contra-oferta que apresentou a
variação,
. para cada árvore de decisão
gerada, obter o nó raiz. Este nó é
um critério relevante, causador
das variações nas contra-ofertas,
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
. os demais critérios que não variaram,
são critérios através dos quais os
repondentes
relaxam
suas
restrições, concordando com os
mesmos.
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
(i) o respondente “artor_org_1_supply_expert”, concentra sua estratégia e
táctica de negociação nos critérios quantidade e prazo. O critério preço é o
critério relevante para haver a variação,
/********************************************************/
respondente (artor_org_1_supply_expert).
concorda_criterios(artor_org_1_supply_expert, 50).
discorda_criterios(artor_org_1_supply_expert, 50).
criterio_oferta_relevante_variacao(
artor_org_1_supply_expert, [preco]).
criterio_contra_oferta_relevante_variacao(
artor_org_1_supply_expert,[quantidade, prazo]).
contratado(artor_org_1_supply_expert, nao).
a relação social de seleção e de contratação
de parceiros cooperantes no modelo
“ARTOR”
Como pode ser Útil o conhecimento aprendido?
• Orientador do planejamento para o processo
de negociação
• Orientador durante a execução do processo
de negociação
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
ARTOR (ARTificial ORganizations)
Definição do sistema “ARTOR”
O sistema "ARTOR" é, ao nível mais abstracto, definido
pelo par ordenado:
(Ms, Ls) onde:
(i) Ms é a base de conhecimento, e
(ii) Ls é o lançador da sociedade.
Aplicando metodologias de IAD e ML para a
modelagem de uma Sociedade de
Organizações
artor
ARTOR
. interface
. escolha
Lançador
interface
homem X
artefacto
Base de conhecimento
descritores
global
explicação
escoha
sociedade
.explicação
ou
do_ mundo
dos_ modelos
dos_artefactos
. lança sociedade
consola
ou
. encerra
do_modelo_"artor"
do_artefacto_"artor"