Cilji in kompetence
Namen tega predmeta je usposobiti študenta za prepoznavanje in demonstriranje glavnih področij tega študija vključno z njegovim splošnim pregledom, kakor tudi s specifičnim znanjem potrebnim pri njegovi reprodukciji.
Vsebina
• Uvod v teorijo večagentnih sistemov
• Sodelovanje, koordinacija in pogajanja med agenti
• Komunikacija med agenti (npr. block-chain tehnologija)
• Tipi agentov: avtonomni roboti, spletni agenti, ipd.
• Platforme in jeziki za razvoj večagentnih sistemov
• Implementacije večagentnih sistemov: klasični večgentni sistemi, evolucijski večagentni sistemi in večagentni sistemi na osnovi inteligence rojev
• Aplikacije večagentnih sistemov: agentne arhitekture za reševanje porazdeljenih globalnih in dinamičnih optimizacijskih problemov, odkrivanje znanja iz podatkov z agenti na osnovi algoritmov računske inteligence
• Uporaba večagentnih sistemov na področju športa, medicine, ekonomije
Metode poučevanja in učenja
• predavanja,
• projektna naloga.
Predvideni študijski rezultati - znanje in razumevanje
Po zaključku tega predmeta bo študent sposoben:
• povzeti znanje in razumevanje inteligentnih sistemov in algoritmov računske inteligence pri reševanju problemov,
• analizirati in načrtovati primerne večagentne sisteme za reševanje problemov s predlaganih področij,
• samostojnega reševanja problemov,
• ustvarjanja novega znanja s predlaganih področij,
• uporabiti algoritme računske inteligence za odkrivanje znanja iz podatkov pri gradnji večagentnih sistemov.
Predvideni študijski rezultati - Prenosljive/ključne spretnosti in drugi atributi
• Spretnosti komuniciranja: pisanje strokovnega poročila, ustno in pisno izražanje pri izpitu.
• Uporaba informacijske tehnologije: iskanje informacij na spletu in uporaba programskih orodij za implementacijo večagentnih sistemov.
• Reševanje problemov: načrtovanje algoritmov računske inteligence za odkrivanje novega znanja iz podatkov in njihova uporaba pri gradnji večagentnih sistemov.
Temeljni literatura in viri
• Multiagent systems (2nd ed., pp. xlviii, 867 pages). (2013). MIT Press.
• Han, J., Kamber, M., & Pei, J. (2012). Data mining: concepts and techniques (3rd ed., p. XXXV, 703). Morgan Kaufmann; Elsevier.
• Wooldridge, M. J. (2009). An introduction to multiagent systems (2nd ed., p. XXII, 461). Wiley.
• Shoham, Y., & Leyton-Brown, K. (2009). Multiagent systems: algorithmic, game-theoretic, and logical foundations (p. XX, 483). Cambridge University Press.
• Adaptation and hybridization in computational intelligence (Vol. 18, p. X, 236). (2015). Springer. http://link.springer.com/book/10.1007/978-3-319-14400-9
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
