Pengenalan Intelligent Agents

Pengenalan Intelligent Agents

l 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