Metamodelo para adaptação de confiança e reputação em sistemas multiagente dinâmicos

Abstract

Modelos computacionais de confiança e reputação são elementos-chave no projeto de sistemas multiagente abertos. Eles oferecem um meio de avaliar e reduzir o risco de cooperação na presença de incerteza. No entanto, os modelos propostos na literatura não consideram os custos envolvidos na sua aplicação e como os modelos são afetados pela dinamicidade do ambiente. Neste trabalho, um metamodelo para adaptação de confiança a e reputação em sistemas multiagente dinâmicos é proposto. O metamodelo tem como finalidade complementar os modelos de confiança e reputação já existentes, permitindo que agentes deliberativos possam raciocinar sobre os componentes do modelo em uso e reagir a mudança as no ambiente. O processo de adaptação é realizado ajustando a configuração do modelo adotado para melhor se adequar às condições atuais. É demonstrado como o metamodelo pode ser aplicado a modelos propostos na literatura e como planos de adaptação podem ser utilizados para ajustar seus componentes dinamicamente para melhorar seu desempenho. Um mecanismo de aprendizagem, incluindo uma prova de conceito baseada em algoritmos genéticos, é proposto para identificar novos planos de adaptação para cenários similares. Por fim, a avaliação experimental da aplicação do metamodelo e do mecanismo de aprendizagem mostra melhorias significativas em comparação com o uso de modelos não adaptáveis, o que contribui para a melhoria do projeto de agentes autônomos para sistemas multiagente dinâmicos. _______________________________________________________________________________________ ABSTRACT

Computational trust and reputation models are key elements in the design of open multi-agent systems. They offer a way of evaluating and reducing risks of cooperation in the presence of uncertainty. However, the models proposed in the literature do not consider the costs they introduce and how they are affected by dynamic environments. In this work, a meta-model for trust and reputation adaptation in dynamic multi-agent systems is proposed. The meta-model acts as a complement to trust and reputation models, by allowing deliberative agents to reason about the components of the model being used, and to react to changes in the environment. The adaptation process is made by adjusting the model's configuration to better ft the current conditions. It is demonstrated how the meta-model can be applied to existing models proposed in the literature, and how adaptation plans can be used to adjust its components dynamically to improve its performance. A learning mechanism, along with a proof of concept implementation based on genetic algorithms, is proposed to identify new adaptation plans for similar scenarios. Finally, the experimental evaluation of the meta-model application and its learning mechanism shows significant improvements in comparison to the use of non-adaptable models. This contributes to improving the design of autonomous agents for dynamic multi-agent systems.