Pengenalan Intelligent Agents


Pengenalan Intelligent Agents

AGENT dan Lingkungannya

Agents adalah segala sesuatu yang dapat melihat/ mengartikan/ mengetahui (perceiving) linkungannya melalui alat sensor (sensors) dan bertindak (acting) melalui alat aktuator (actuators) 
• Manusia sebagai agent : mata, telinga dan organ lainnya sebagai sensors; tangan, kaki, mulut dan bagian tubuh lainnya sebagai actuators 
• Robot sebagai agent : kamera dan pejejak infra merah sebagai sensors; berbagai motor pengerak sebagai actuators 
• Software sebagai agent : tekanan pada keyboard, isi file dan paket-paket pada jaringan sebagai masukan sensors; tampilan pada layar, penulisan file dan pengiriman paket jaringan sebagai keluaran actuators


Konsep Rasionalitas
Rational agent adalah agent yang melakukan sesuatu yang benar – Setiap kolom pada tabel (Vacuum-cleaner world) diselesaikan/dikerjakan dengan benar 
• Pengukur kemampuan haruslah objektif (contoh : Vacuumcleaner world) – Jumlah debu yang dapat dibersihkan pada waktu tertentu – Seberapa bersih lantai – Besarnya konsumsi listrik – Besarnya noise yang dihasilkan – … 
• Rasional tergantung pada 4 hal : – Kemampuan yang terukur, – Pengetahuan lingkungan sebelumnya/ terdahulu, – Tindakan, – Urutan persepsi (sensors). 

Tipe-tipe Agent
1. goal-based 
2. utility-based 
3. Learning




goal-based 












Tujuan-tujuan tertentu dapat dicapai dengan cara-cara berbeda. – Beberapa lebih baik, memiliki manfaat yang lebih tinggi. 
• Fungsi utililas memetakan urutan kedudukan (a sequence of states) dengan angka real. 
• Meningkatkan tujuan-tujuan : – Memilih tujuan dari tujuan-tujuan yang berbenturan – Memilih dengan tepat beberapa tujuan memiliki kemungkinan berhasil.

Utility-based









Agent membutuhkan tujuan untuk mengetahui situasi mana yang diharapkan. – Akan menjadi sulit ketika urutan yang panjang dari tindakan-tindakan (actions) dibutuhkan untuk mencari tujuan. 
• Typically investigated in search and planning research. 
• Major difference: future is taken into account 
• Is more flexible since knowledge is represented explicitly and can be manipulated

Learning
 

Semua program-program agent terdahulu mendeskripsikan metode untuk memilih tindakan-tindakan (actions). 
– Yet it does not explain the origin of these programs. 
– Learning mechanisms can be used to perform this task. 
– Teach them instead of instructing them.
 – Advantage is the robustness of the program toward initially unknown environments. 
• Learning element: introduce improvements in performance element. – Critic provides feedback on agents performance based on fixed performance standard. 
• Performance element: selecting actions based on percepts. – Corresponds to the previous agent programs 
• Problem generator: suggests actions that will lead to new and informative experiences. – Exploration vs. exploitation

http://maukar.staff.gunadarma.ac.id/Downloads/files/42871/Agent.pdf
proceedings.pdf AGENT TECHNOLOGIES IN LOGISTICS
J. HENNOCH AND H. ULRICH: AGENT-BASED MANAGEMENT SYSTEMS IN LOGISTICS, page 11 
H. BRECKLE: A MULTI-AGENT FRAMEWORK FOR PLANNING AND MANAGING MOBILITY SERVICES, page 17
Next PostPosting Lebih Baru Previous PostPosting Lama Beranda

0 komentar:

Posting Komentar