Aprendizaje y estabilización de comportamientos altruistas en sociedades de agentes autónomos

Abstract

El trabajo con sistemas multiagente persigue, por un lado, obtener rendimientos óptimos en la ejecución de tareas, y por otro presentar capacidad de adaptación para poder enfrentarse a ambientes desconocidos y/o cambiantes. Esta Tesis propone un nuevo principio, inspirado en el comportamiento animal, que permite a cada agente individual aprender comportamientos altruistas estables a fín de obtener rendimientos óptimos del colectivo. Este principio se corresponde con el altruismo recíproco, y su inclusión en la arquitectura de los agentes autónomos permite estabilizar comportamientos altruistas en sociedades de agentes autónomos con capacidad de aprendizaje individual, aún sin conocer el rendimiento del colectivo. Las principales aportaciones de la Tesis son: 1. Desarrollo de la arquitectura de reciprocidad AREA para agentes autónomos 2. Desarrollo de un algoritmo de aprendizaje por refuerzo que evalúa la eficacia individual de los agentes. 3. Implementación de la arquitectura de reciprocidad en el robot físico COOBOT