Uso de sistemas multiagentes para el aprendizaje automático

Abstract

La interacción entre los sistemas informáticos y el aprendizaje que algunos de ellos son capaces de lograr es vital, los cambios son visibles en la forma tradicional de analizarlos y desarrollarlos. La necesidad de interactuación entre los componentes del sistema es cada vez más importante para resolver tareas conjuntas que individualmente serían muy costosas o incluso imposibles. Los sistemas multiagentes ofrecen una amplia plataforma para realizar tareas distribuidas que cooperan entre sí, pero también permiten incluir en cada agente un comportamiento dotado de inteligencia que puede desarrollarse a través de técnicas de aprendizaje automático. El método aprendizaje por refuerzo insertado en el aprendizaje automático es muy útil para su uso con los agentes, permite a los agentes aprender a través de la interacción de muestras y errores en un entorno dinámico. Este documento aborda conceptos, características, relaciones y otros aspectos importantes del uso de sistemas multiagentes para el aprendizaje automático.

The interaction between computer systems and the learning that some of them are able to achieve is vital, the changes are visible in the traditional way of analyzing and developing them. The need for interaction between system components is increasingly important in resolving joint tasks that would be individually very costly or even impossible. Multiagent systems offer a broad platform for performing distributed tasks that cooperate with each other, but also allow for the inclusion in each agent of intelligent behavior that can be developed through automatic learning techniques. The reinforcement learning method inserted in automatic learning is very useful for use with agents, allows agents to learn through the interaction of samples and errors in a dynamic environment. This document addresses concepts, characteristics, relationships and other important aspects of the use of multiagent systems for automatic learning.