COMPARACION DE METODOLOGIAS Y ARQUITECTURAS DE SISTEMAS

MULTIAGENTE ENCONTRADAS EN 10 APLICACIONES UTILIZADAS EN

MEDICINA Y SERVICIOS DE E-SALUD

PAULO CESAR QUINTERO URIBE

UNIVERSIDAD CATOLICA DE COLOMBIA

FACULTAD DE INGENIERÍA

PROGRAMA DE INGENIERÍA DE SISTEMAS

BOGOTA D.C.

2009
COMPARACION DE METODOLOGIAS Y ARQUITECTURAS DE SISTEMAS
MULTIAGENTE ENCONTRADAS EN 10 APLICACIONES UTILIZADAS EN
MEDICINA Y SERVICIOS DE E-SALUD

PAULO CESAR QUINTERO URIBE

Trabajo de grado para optar el título de Ingeniera de Sistemas

UNIVERSIDAD CATOLICA DE COLOMBIA

FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA DE SISTEMAS
BOGOTA D.C.
2009
 Nota de aceptación

Certificamos que se ha presentado y

revisado el proyecto de grado
―Comparación de metodologías y
arquitecturas de sistemas MultiAgente
encontradas en 10 aplicaciones
utilizadas en medicina y servicios de e-
salud‖ desarrollado por Paulo Cesar
Quintero Uribe, cumpliendo con los
objetivos definidos al inicio del proyecto
y las normas ICONTEC.

______________________________________

Dr. Germán Cubillos Cartagena

Director del Proyecto

_______________________________________

Ing. Deyra Caraballo

Delegada de Investigaciones

Bogotá, 5 de Diciembre de 2009

A Dios por acompañarme durante la vida.

A las personas que me alentaron y apoyaron en el transcurso de este pregrado

A Claudia por la paciencia

 AGRADECIMIENTOS

Al Dr. Germán Cubillos Cartagena por el acompañamiento asesoría y por

compartir su conocimiento de agentes y sistemas multiagentes durante la
realización de este trabajo de grado

A mi familia por haberme apoyado durante los años de mi carrera

CONTENIDO

Pag

RESUMEN..........................................................................................................................................8

ABSTRACT ......................................................................................................................................10

INTRODUCCIÓN ............................................................................................................................11

1. DESCRIPCION DE LA INVESTIGACIÓN ..........................................................................12

1.1 IDENTIFICACIÓN DEL PROBLEMA.................................................................................12

1.2 JUSTIFICACIÓN DE LA INVESTIGACIÓN ..........................................................................14

1.3 OBJETIVOS DE LA INVESTIGACIÓN .................................................................................14

1.3.1 Objetivo general ................................................................................................................14

1.3.2 Objetivos específicos ........................................................................................................14

1.4 RETOS DE LA INVESTIGACION ..........................................................................................15

1.5 METODOLOGÍA DE LA INVESTIGACIÓN. .........................................................................15

Fase 1: Fase de revisión inicial y selección de los documentos .........................................15

Fase 2: Fase de registro y sistematización .............................................................................15

Fase 3: Entrega de resultados ..................................................................................................16

1.6 ESTRUCTURA DEL TRABAJO DE INVESTIGACIÓN ......................................................16

1.6.1. Marco Teórico. ......................................................................................................................16

1. Definición de Sistema Multi-Agente: ................................................................................18

2. Características de los Agentes: ........................................................................................19

3. Propiedades esenciales de los Agentes. ........................................................................19

1.6.2. MARCO CONCEPTUAL. ....................................................................................................20

Metodologías orientadas al diseño de Agentes. ................................................................20

Arquitecturas de Agente.........................................................................................................24
 1.6.3. Mapa Conceptual .............................................................................................................26

2 Aplicaciones de agentes y sistemas multiagente ...................................................................27

3. RESULTADOS DE LA INVESTIGACION ...........................................................................38

3.1 Comparación de arquitecturas ...........................................................................................38

3.2. Comparación de metodologías .........................................................................................48

3.3 Pagina Web ...........................................................................................................................48

4 FUTUROS TRABAJOS. ......................................................................................................49

5. CONCLUSIONES ...............................................................................................................51

ANEXOS ..............................................................................................................................................62
 RESUMEN

En los últimos años los sistemas MultiAgente han surgido como un interesante hito
en la tecnología de desarrollo de software. Los sistemas MultiAgente son un grupo
de agentes que trabajan en común resolviendo problemas, estos sistemas están
compuestos por agentes normalmente heterogéneos, con cierto grado de
independencia. Los agentes son procesos computacionales autónomos, con
iniciativa, capacidad de explorar, modificar su entorno y comunicarse con otros
agentes 1

Los sistemas MultiAgente se han aplicado a muchas disciplinas del quehacer

humano como el comercio electrónico, las comunicaciones electrónicas, la
medicina, la bolsa, las subastas electrónicas, la producción de bienes, la robótica
etc., donde los resultados obtenidos a través de las técnicas tradicionales no son
satisfactorios.

Este proyecto tiene como propósito estudiar las aplicaciones de Sistemas

MultiAgente en medicina para realizar una recopilación de información, que sirva
de base a futuros proyectos de desarrollo de prototipos, en la línea de
investigación de desarrollo de software. A pesar de que existe información
disponible acerca de Agentes y sistemas MultiAgente, ésta no está clasificada por
metodología y arquitectura utilizadas en aplicaciones médicas y de servicios de E-
Salud.

Las aplicaciones médicas tienen como objetivo el monitoreo constante de

pacientes sin la intervención de especialistas de la salud, liberando tiempo vital
que podrían dedicar a problemas mucho más complejos en clínicas y hospitales,
mientras que los Agentes toman el rol de detección de síntomas, identificación de
condiciones medicas, reconocimiento de condiciones crónicas y realización de
diagnósticos tempranos de futuras complicaciones. Esto trae como consecuencia
un constante monitoreo de personas con algún padecimiento de enfermedades,
costos de atención mucho más bajos, y la posibilidad de monitorear pacientes en
sitios apartados teniendo como respaldo buenos equipos de comunicación.

1
LLAMAS BELLO. Cesar Introducción a los Agentes y sistemas MultiAgente; España; Universidad de
Valladolid; 2000; 52 paginas. Presentacion en http://www.infor.uva.es/~cllamas/MAS/MAS.pdf
Otras aplicaciones de los Agentes y Sistemas MultiAgente se encuentran en
servicios de E-Salud, donde estos sistemas pueden encargarse de la búsqueda de
historias clínicas, y cruce de información de pacientes con otras instituciones, con
el fin de ofrecer un mejor cuidado y servicio a los pacientes. Además, estos
sistemas pueden realizar manejo de citas, y optimización de rutas para
ambulancias, entre otras.

En esta investigación se realizará una revisión documental sobre aplicaciones de

Agentes y Sistemas MultiAgente utilizados en medicina y en servicios de E-Salud,
basados en el criterio de comparación de metodología y arquitectura que las
conforman. Para esto se debe definir criterios de clasificación que abarquen estas
dos características. Además se revisaran cien fuentes bibliográficas sobre
aplicaciones de Agentes y Sistemas MultiAgente en medicina y servicios E-Salud.
Así mismo, se creará una página web donde se mostrará este trabajo al público en
general.

La metodología utilizada en este trabajo corresponde al método exploratorio

descriptivo, identificando la información basado en fuentes científicas,
clasificándola y ordenándola, seleccionado la información más valiosa y
aplicándole criterios que ameriten ser tenidos en cuenta para la realización de este
trabajo.

El proyecto en si, se desarrollará en el segundo semestre de 2009 y tiene varias

actividades que ayudaran a alcanzar los objetivos propuestos. Entre ellas está la
búsqueda de información, la realización de fichas resumen, y una pequeña
descripción de cada una de las aplicaciones que describirá la metodología y
arquitectura utilizada en cada caso.

Palabras Claves: Sistema MultiAgente, Medicina, Arquitectura de sistemas

multiagentes, Metodología de sistemas multiagentes
 ABSTRACT

In this work, a comparison of ten medical applications based on agents and

multiagent systems are presented in terms of architectural structure and
methodology. The importance this work will provide is fundamented on the aid and
support given for those students who want to develop diferent medical applications
based on agents and multiagent systems.

This application could help people, increasing their health and improving their living
standards in those communities located far away from big cities; it can also help
the medical professional to take better decisions in diagnosing and treating
patients. Additional to this, it will help those people with a lifelong illness or who
have been injured as it constantly monitors their health and the changes that may
occur.
 INTRODUCCIÓN

Las tecnologías de información y comunicaciones TIC´s han incursionado en

muchas áreas del conocimiento, ayudando a las personas a realizar mejor sus
trabajos, como consecuencia de esto el conocimiento se difunde y la tecnología
llega a más y más campos.

Uno de los campos donde la tecnología ha incursionado es la medicina, donde el

desarrollo de nuevos equipos de diagnostico ayudan a mejorar la salud de las
personas, pero la tecnología va mas a allá cada día y se han desarrollado
programas de software, con la capacidad de apoyar a los médicos y a los sistemas
de salud en la atención, diagnostico, elección del mejor tratamiento y seguimiento
en tiempo real de los pacientes

El objetivo de este trabajo es analizar la cadena de atención de los pacientes

desde que realizan su cita, o desde que son atendidos en una emergencia hasta
que están en recuperación en su casa o sitio de descanso. Mostrando la
importancia que tienen los agentes y sistemas multiagente en el apoyo a este
ciclo, para que muy pronto la universidad comience a incursionar en el desarrollo
de elementos de telemedicina y servicios de E-salud para el beneficio de varias
comunidades

Como lo veremos a lo largo de este trabajo los agentes y sistemas multiagente

que intervienen en medicina ayudan a médicos y pacientes en el objetivo de
conservar la salud y alcanzar buenas prácticas de atención y monitoreo,
disminuyendo los costos, optimizando los servicios de emergencia, llegando a más
personas y comunidades.

Y este es solo, una muestra de lo que los sistemas agentes y multiagente pueden
hacer en medicina, con las destrezas de los ingenieros de sistemas junto al
conocimiento de los médicos se va a llegar a desarrollos de aplicaciones cada vez
mas útiles tanto para pacientes como para el personal del equipo medico.
1. DESCRIPCION DE LA INVESTIGACIÓN
En esta sección se hace una descripción de la investigación, identificando el
problema, la importancia de realizar este trabajo, cuales son los objetivos, la
metodología usada el marco teórico y el conceptual

1.1 IDENTIFICACIÓN DEL PROBLEMA

Colombia tiene una baja cobertura de los servicios de salud, 71.1% según la
Organización Panamericana de la Salud según el estudio Health in Américas,
2007 de la Organización Panamericana de la Salud.2 y tiene dos tipos de
regímenes: el contributivo y el subsidiado.

El Régimen Subsidiado es el mecanismo mediante el cual la población más pobre

de Colombia, sin capacidad de pago, tiene acceso a los servicios de salud a través
de un subsidio que ofrece el Estado. Y hacen parte del régimen contributivo todas
aquellas personas que tienen un empleo o poseen capacidad de pago para
afiliarse a una Empresa Promotora de Salud (EPS).

Ambos sistemas presentan muchas falencias según lo demuestra la sentencia de

Tutela T-760 de 2008, en la que se toma una decisión importante para la
protección de los derechos fundamentales, en especial la salud y los derivados de
ella. Esta tutela pretende arreglar todas las aflicciones que se presentan con una
ausencia de legalidad (omisión legislativa) y de política pública que haga frente a
la protección del derecho a la salud de los colombianos (art. 49 C.N.). Dicho
derecho que había sido protegido por conexidad desde la sentencia T - 406 de
1992 con relación al derecho a la vida y al mínimo vital, ha sido utilizado
masivamente; pues se estima que las 280.000 tutelas que se presentan al año
90.000 de ellas, tienen que ver con el derecho a la salud, para ordenar a las EPS
que suministren los medicamentos, tratamientos y operaciones contempladas en
los cinco Planes Obligatorios de Salud (POS) existentes, dependiendo si es
afiliado por régimen contributivo y subsidiado. Además la tutela ha sido el único
mecanismo con que cuentan los ciudadanos para solicitar medicamentos,
operaciones y tratamientos no contemplados en los POS cuando se trata de
enfermedades catastróficas, cuando se afecta la vida, la dignidad, la imagen entre
otras situaciones concretas.3

2 Health in Américas, 2007 Edition, http://www.paho.org/hia/vol2paisesing.html

3 Corte Constitucional, Sala Segunda de Revisión, Sentencia T-760 de 2008, República de Colombia;
La cobertura encontrada en Colombia es baja comparada con países como
Canadá que cuenta con una cobertura del 100%, Brasil con un 94.5% y Chile con
100%. 4

Los servicios de salud en Colombia, se ven concentrados en las grandes y

medianas ciudades. No obstante, dentro de estos conglomerados la cobertura en
sectores de bajos recursos o en personas de ciertas edades no satisface sus
necesidades de salud, lo cual trae como consecuencia un gran porcentaje de
población desprotegida.

La ingeniería de sistemas puede ayudar, en cierta medida, a solucionar este

problema gracias a los sistemas constituidos por Agentes y Sistemas MultiAgente.
Estos consisten en sistemas de software inteligente, que gracias a sus
características de autonomía, interacción, comunicación, negociación, y
coordinación, entre otros, les brinda un alto grado de inteligencia artificial, con el
que podrían hacerse cargo de monitorear ciertas necesidades de salud de
personas desprotegidas, y cotejar la información encontrada para generar reportes
y realizar investigaciones a través de personal experto.

Es de aclarar que estos sistemas no remplazarán a los especialistas en salud,

pero si pueden ser una buena herramienta para éstos, facilitando el contacto con
grupos poblacionales alejados, gracias a que los sistemas de comunicación y los
Sistemas de Agentes y Multi-Agente especializados en medicina permiten el
monitoreo y generación de diagnóstico remoto.

Para realizar esta labor, los Sistemas Agentes y MultiAgente deben ser
parametrizados inicialmente con comportamientos promedio, valores de referencia
altos y bajos de ciertas enfermedades o condiciones de salubridad. Estos
parámetros individualizan el diagnóstico de la persona atendida, y cuando los
datos o la información de la persona se salen de los rangos establecidos, el
Agente debe estar en capacidad de informarle al paciente qué acciones debe
realizar e informar al médico tratante sobre las decisiones tomadas en caso de
tener que realizar un correctivo.

El problema consiste en que la información existente sobre aplicaciones de

Sistemas de Agente y MultiAgente en Medicina y en servicios de E-Salud no está
clasificada, priorizada u ordenada, de tal forma que sirvan de ayuda a la creación
de aplicaciones en el futuro que ayuden a ampliar la cobertura en salud. Esta falta

4 Health in Américas, 2007 Edition, http://www.paho.org/hia/vol2paisesing.html

de información clasificada va acompañada de que no existe una comparación de
la arquitectura y la metodología utilizada en las aplicaciones de Agentes y
Sistemas MultiAgente en medicina.

1.2 JUSTIFICACIÓN DE LA INVESTIGACIÓN

Esta investigación se realizó con el fin de hacer el proyecto de grado, mostrando
las bondades de la intervención de los agentes y sistemas multiagentes en
medicina y las características que han tenido algunas de estas aplicaciones desde
el punto de vista de su arquitectura y metodología de desarrollo. En la Universidad
Católica de Colombia se realizaron trabajos previos sobre arquitectura y
metodologías por separado, En éste se mostrará la aplicación de ambos
conceptos en el desarrollo de aplicaciones específicas para una rama del
quehacer humano como es la medicina

1.3 OBJETIVOS DE LA INVESTIGACIÓN

1.3.1 Objetivo general

Comparar las 10 aplicaciones más significativas de Agentes y Sistemas
MultiAgente (SMA) que se identifiquen utilizadas en medicina y servicios e-salud
desde sus Metodologías y Arquitecturas, a partir de una revisión documental sobre
máximo cien (100) fuentes de información.

1.3.2 Objetivos específicos

1. Registrar en una base de datos las fichas que se obtengan de la revisión
documental realizada a las aplicaciones de Agentes y SMA en medicina y
servicios e-salud en máximo 100 fuentes de información, obtenidas a partir de las
Metodologías y Arquitecturas con las cuales fueron elaboradas.

2. Construir una comparativa entre las 10 aplicaciones más significativas de

Agentes y SMA en medicina y servicios e-salud analizando sus metodologías y
arquitecturas utilizadas en su elaboración.

3. Presentar los resultados obtenidos en una herramienta WEB

1.4 RETOS DE LA INVESTIGACION
El reto de esta investigación es mostrar la importancia de los agentes y sistemas
multiagentes en el campo de la medicina identificando las arquitecturas y
metodologías que tenían estas aplicaciones permitiendo a quien la consulte tener
bases para desarrollar agentes y sistemas multiagente hacia la disciplina medica.

1.5 METODOLOGÍA DE LA INVESTIGACIÓN.

Fase 1: Fase de revisión inicial y selección de los documentos

La revisión documental inicial, como estrategia metodológica de obtención de
información, se entiende como la gama de registros escritos (investigaciones [tesis
de pre y posgrado, artículos de revistas especializadas, documentos digitales,
libros y capítulos de libros, entre otros]), encontrados en momentos previos y
durante la investigación.

Se consideran documentos válidos para la revisión documental, los siguientes:

Tesis de pregrado, postgrado (maestría /doctorado)
Informes de investigación
Artículos de revistas indexadas
Libros digitales
Libros impresos
Capítulos de libros

Para la selección de los documentos de revisión se tienen en cuenta los siguientes

parámetros: autenticidad, representatividad y credibilidad

Fase 2: Fase de registro y sistematización

El registro de los documentos se desarrolla sobre un modelo de fichas, que recoge
la información básica de las fuentes consultadas.
Para el proceso de sistematización de la información recogida, se establece un
código con el cual se identifica la fuente origen. Los datos básicos de la fuente
origen identifican el tipo de fuente, título, autor, ubicación. Presenta además, una
descripción breve de la fuente, en la cual se escriben los aspectos generales de lo
contenido en ella.
Posteriormente, se registra la tabla de contenido, las palabras clave definidas por
los autores de la fuente origen, o por quien hace el resumen, atendiendo a las
categorías propuestas en la investigación)
Finalmente, el cuerpo del resumen. Se registra el número de la fuente que se
resume, el título de la fuente y se da inicio con el texto del resumen.5

Fase 3: Entrega de resultados

Construcción de base de datos.

Publicación de página Web.

Entrega del trabajo.

1.6 ESTRUCTURA DEL TRABAJO DE INVESTIGACIÓN

1.6.1. Marco Teórico.

Una entidad con capacidad de resolver problemas, es llamada Agente; dentro de
sus atributos principales está la posibilidad de almacenar e inferir conocimiento y
de comunicarse con otros Agentes.

Cuando la complejidad del problema aumenta, un solo Agente no puede seguir

asumiendo todo el proceso de resolución, por tanto las responsabilidades deben
ser distribuidas entre varios Agentes.

En general, un Agente no posee una visión global del estado del sistema y la
mayoría de las decisiones que toma están basadas en una visión incompleta del
problema. No obstante, se puede lograr una coherencia satisfactoria
intercambiando una cantidad limitada de información entre los Agentes, ya que no
es necesario que un Agente informe a los otros acerca de todas las áreas.

Los Agentes se pueden clasificar en Agentes Cognitivos y Agentes Reactivos.

Los Agentes Cognitivos son complejos, ya que tienen capacidad para evaluar las
condiciones del sistema o del ambiente, tienen características de inteligencia
artificial, pueden comunicarse con otros Agentes y tomar decisiones en conjunto.

Los Agentes Reactivos son más básicos y reacciones ante un estimulo especifico.
Un solo Agente reactivo no es inteligente, es la suma de los Agentes Reactivos lo
que hace a un Sistema Multi-Agente poseer características inteligentes.

5
URICOECHEA Luz Stella. Metodología de investigación ficha de revisión documental. Colombia. Universidad
Católica de Colombia. Seminario de Ingenieria 2009. 6 paginas
También se habla de sistemas con Agentes Híbridos, ya que poseen tanto
Agentes Reactivos como Cognitivos.6

Sistemas Cognitivos Sistemas Reactivos

Representación explícita del ambiente No pueden representar el ambiente

Pueden tener conocimiento del pasado No tienen memoria

Agentes complejos Ante un estimulo producen una

reacción

Pocos Agentes Muchos Agentes

Los Agentes pueden ser además Estáticos o Móviles. Los Agentes Estáticos solo
cumplen su función en el equipo donde están instalados, los Agentes Móviles se
mueven a través de la red e interactúan con diferentes Agentes en diferentes
maquinas.

Los Agentes poseen características de identificación, lo cual les permite reconocer

a que Agente se hace referencia y que expresa en particular frente al área que
representa.

Los Agentes ejercen un rol que define la especialidad que estos desempeñan en
el área identificada.

A los Agentes se les definen metas, que son las tareas o responsabilidades que el
Agente es capaz de desempeñar, y las cuales se logran cumpliendo los planes o
pasos establecidos.

Los Agentes poseen conocimiento, el cual se expresa a través de modelos que

poseen una simbología específica. Este conocimiento se utiliza para realizar
inferencias del problema.

Los Agentes poseen necesidades, este es el insumo que requiere un Agente para
cumplir sus planes, pero debe ser comunicado en la cooperación por otro Agente.7

6
QUINTERO Alejandro, RUEDA RODRIGUEZ Sandra, UCROS Maria Eugenia. Agentes y sistemas multiagente:
integración de conceptos básicos. Colombia. Universidad de los Andes. En
http://agamenon.uniandes.edu.co/yubarta/agentes/agentes.htm
1. Definición de Sistema Multi-Agente:

Es un conjunto de Agentes que tienen la capacidad de interactuar en un entorno

común. Agentes en un entorno con otros Agentes poseen capacidades como la
comunicación, negociación y coordinación.

Los sistemas tradicionales de software pueden manejar datos e información. Los

datos se definen como una secuencia de símbolos cuantificables o cuantificados.
La información se genera tomando los datos y ordenándolos en un patrón con
significado. Conocimiento es la habilidad de usar esa información. La habilidad del
conocimiento incluye la representación del conocimiento en el mundo externo,
razonándolo y compartiéndolo. Se han introducido varias técnicas y metodologías
para manejar la habilidad de conocimiento, autonomía, e interactividad8.

Los sistemas basados en Agentes son diferentes de los sistemas de software

convencional en ocho puntos básicos:9 (1) Cuando se diseña un Agente se debe
definir el ―rol‖ o los ―roles‖ que va a desempeñar (qué va a hacer); en el software
se definen ―tareas‖ (qué y cómo hacer). (2) Comportamiento emergente puede
estar presente en los Sistemas Multi-Agente (MAS). (3) En MAS el ciclo del
conocimiento comienza con la observación y la recolección de información,
mientras que en el sistema tradicional de software la información usualmente es
dada. (4) En MAS la cantidad de interacciones realizadas por los Agentes es
comparable en tamaño con la interacciones dentro de un Agente. (5) En MAS los
niveles de comunicación y ontología común son necesarios para compartir
experticia o para interactuar inteligentemente. (6) Los componentes de los
sistemas convencionales de software deben tener completa información de los
otros componentes y sus servicios; esto no es necesariamente requerido en MAS.
(7) En los sistemas convencionales de software, los puntos de decisión en los
algoritmos son determinísticos; en MAS, los puntos de decisión son

7
QUINTERO Alejandro, RUEDA RODRIGUEZ Sandra, UCROS Maria Eugenia. Agentes y sistemas multiagente:
integración de conceptos básicos. Colombia. Universidad de los Andes. En
http://agamenon.uniandes.edu.co/yubarta/agentes/agentes.htm
8
Behrouz Homayoun Far; Theme 3: Methodological support for interactive software agents. Canadá.
http://enel.ucalgary.ca/People/far/res-e/index.html. 2004 ;9 paginas,
9
G. Weiss, Edt., “Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence,” 648 p., MIT
Press, 2000. Citado por Behrouz Homayoun Far “Methodological support for interactive software agents”
probabilísticos. (8) En MAS cada Agente constituyente puede iniciar una decisión
realizando un proceso y la decisión general es tomada en base a múltiples hilos de
control.

2. Características de los Agentes:

Benevolencia: Los Agentes cooperan con los demás siempre que les sea posible.
No pueden mentir, ni esconder información.

Coordinación: Los Agentes valoran el resultado de la actividad del grupo con la

misma escala y desean contribuir para maximizar su calidad.

Diseño central: Los Agentes se diseñan para que se integren en un sistema

inteligente, capaz de resolver un problema. El diseñador debe asegurar que los
Agentes utilicen el mismo lenguaje y que cada Agente desempeñe un papel que
influya en la consecución del objetivo global 10

3. Propiedades esenciales de los Agentes.

Capacidad para resolver problemas no triviales: Un Agente inteligente sabe
razonar sobre el entorno, capacidad que le permite realizar un conjunto de tareas.

Racionalidad (limitada): Los Agentes están dotados de un conjunto de objetivos y

emprenden acciones para realizarlos. Eligen sus acciones según el principio de
racionalidad, es decir prefieren las acciones más prometedoras para sus metas.
No obstante, su actuación está limitada por factores de tiempo y recursos.

Autonomía (limitada): Los Agentes tiene sus propias motivaciones a partir de las
que generan autónomamente sus objetivos. Sin embargo para alcanzar gran parte
de los mismos dependen de la ayuda de los demás Agentes, lo cual pone límites a
su autonomía.

Reactividad y Pro-actividad: los Agentes perciben el entorno y responden a los

cambios que ocurren en él. Además, debido a que generan sus propias metas y
pueden actuar convenientemente, son capaces de tomar iniciativa.

10
GARCIA SERRANO, Ana. OSSOWSKY Sascha. Inteligencia Artificial Distribuida y Sistemas Multiagente.
España. Universidad Politecnica de Madrid. Universidad Juan Carlos de Madrid.2007. 8 paginas En
http://www.dia.fi.upm.es/~agarcia/publications/archivos/REV3.pdf
Sociabilidad: Un Agente tiene en cuenta la existencia de otros Agentes e
interactúa con ellos mediante algún tipo de comunicación y un conjunto de
convenios11

1.6.2. MARCO CONCEPTUAL.

A continuación se definen las metodologías y arquitecturas que sirvieron de base
para realizar la comparativa entre las aplicaciones médicas con agentes y
sistemas multiagente

Metodologías orientadas al diseño de Agentes.

Cuatro principales aproximaciones para el diseño de sistemas MultiAgente han
sido reportadas12

a. Diseño de Sistemas MultiAgente Common KADS13.

El diseño de los Sistemas MultiAgente Common KADS maneja varios modelos:

El modelo de Agente, que se encarga de especificar las características de un

Agente: sus capacidades de razonamiento, habilidades, servicios, sensores,
efectores, grupos de Agentes a los que pertenece y clase de Agente. Un Agente
puede ser un agente humano, software, o cualquier entidad capaz de emplear un
lenguaje de comunicación de Agentes.

El modelo de la organización, es una herramienta para analizar la organización

humana en que el sistema MultiAgente va a ser introducido y para describir la
organización de los Agentes software y su relación con el entorno.

El modelo de tareas, que describe las tareas que los Agentes pueden realizar, los
objetivos de cada tarea, su descomposición, los ingredientes que lo componen y
los métodos de resolución de problemas necesarios para resolver cada objetivo.

1111
GARCIA SERRANO, Ana. OSSOWSKY Sascha. Inteligencia Artificial Distribuida y Sistemas Multiagente.
España. Universidad Politecnica de Madrid. Universidad Juan Carlos de Madrid.2007. 8 paginas En
http://www.dia.fi.upm.es/~agarcia/publications/archivos/REV3.pdf
12
Behrouz Homayoun Far; Theme 3: Methodological support for interactive software agents. Canadá.
http://enel.ucalgary.ca/People/far/res-e/index.html. 2004 ;9 paginas
13
IGLESIAS FERNANDEZ Carlos Ángel; Definición de una metodología para el desarrollo de sistemas
multiagente. España. UNIVERSIDAD POLITÉCNICA DE MADRID. 1998. 322 PAGINAS
El modelo de experiencia, describe el conocimiento necesario para que los
Agentes alcancen sus objetivos. Sigue la descomposición de Common KADS y
reutiliza las bibliotecas de tareas genéricas.

El modelo de comunicación, se encarga de describir las interacciones entre un

agente humano y un Agente Software. Se centra en la consideración de factores
humanos para dicha interacción.

El modelo de coordinación, realiza la descripción de las interacciones entre

Agentes Software.

El modelo de diseño, se utiliza para describir la arquitectura y el diseño del

sistema MultiAgente como paso previo a su implementación.

b. El método de desarrollo MASIVO (The MASSIVE Development Method for

Multiagent Systems)14.
El marco conceptual utilizado en el método MASIVO está basado en vistas. Una
vista representa un grupo de rasgos conceptualmente unidos. Una vista es una
proyección del diseño completo en un sujeto particular. Durante el desarrollo del
diseño de sistema, el diseñador descubrirá que algunos aspectos de diseño están
más estrechamente relacionados que otros. Esta colección "natural" de aspectos
pueden ser características para una clase particular de usos y esto por lo tanto
sugiere que estas descomposiciones empíricas capturen muy bien la naturaleza
de una aplicación.

Idealmente, el objetivo del sistema puede ser descompuesto en varias vistas

independientes con unas interfases bien definidas. En el método MASIVO, cada
vista representa un grupo de funcionalidades con vínculos; una vista es en sí, una
proyección del diseño del tema particular. Esta interpretación está sustentada por
el resultado de experimentos de programación en sicología cognoscitiva, donde se
encontraron varias diferentes abstracciones o vistas, las cuales son usadas por
diferentes tareas dentro del proceso de desarrollo de software. Una colección de
vistas que posee una descomposición lógica del sistema objetivo, se llama vista
del sistema. Las interfases entre las vistas son modeladas como conexiones
explicitas entre las vistas, con funcionalidades compartidas entre aquellas que se
conectan.

Se tienen identificadas varios tipos de vistas:

14
LIND, Jurgen. Agent-Oriented Software Engineering with MASSIVE, Alemania, Ackerstraße, 2001, 4 paginas
La vista del ambiente: En esta vista, el ambiente del sistema objetivo es analizado
desde la perspectiva de los desarrolladores y desde la perspectiva del sistema.
Estos puntos de vista normalmente difieren: el desarrollador posee una visión
global, mientras que el sistema posee una visión local.

La vista de las tareas: En la vista de las tareas, el aspecto funcional del sistema
objetivo es analizado y se genera una jerarquía de tareas, la cuál se usa para
determinar los problemas básicos y solucionarlos a través de las entidades del
sistema final. Además los requerimientos no funcionales son definidos y
cuantificados lo más detalladamente posible.

La vista del rol: Esta vista determina la agregación de funcionalidades y

capacidades para solucionar el problema básico, de acuerdo a las restricciones
del sistema objetivo. Un rol, es una abstracción que une el dominio dependiente
de la aplicación, con la tecnología del Agente, el cual es usado para resolver el
problema en consideración.

La vista de interacciones: Las interacciones son un concepto fundamental dentro

del sistema y las componen múltiples entidades independientes que pueden
coordinarse a sí mismas con el fin de alcanzar tanto sus metas individuales como
las globales.

La vista de la sociedad: Una sociedad es una colección estructurada de entidades.

El objetivo de esta vista es la clasificación de las sociedades preexistentes dentro
del contexto de la organización del sistema o establecer qué es deseable desde el
punto de vista del desarrollador del sistema.

La vista del arquitecto: La vista de la arquitectura es la proyección del sistema

objetivo, dentro de los atributos fundamentales estructurales, con respecto al
diseño del sistema. Los aspectos fundamentales que son tratados en esta vista
son la arquitectura del sistema, como un todo, y debido al tamaño y complejidad
de este aspecto en particular, la arquitectura del Agente.

La vista del sistema: Finalmente, ésta vista trata con los aspectos que afectan
varias de las otras vistas al mismo tiempo, o igualmente al sistema en total. La
vista del sistema por ejemplo, maneja la interfaz del usuario que controla la
interacción entre el sistema y el usuario, sobre una tarea específica así como una
tarea de manera independiente.
c. GAIA
En este método, el objetivo del análisis consiste en comprender el sistema y su
estructura, sin referenciar ningún aspecto de implementación, a través de la idea
de organización. Una organización en GAIA, es una colección de roles, los cuales
mantienen ciertas relaciones con otros y toman parte en patrones
institucionalizados de interacción con otros roles. GAIA tiene por objeto permitir a
un analista, que a partir de una declaración de las necesidades, pase
sistemáticamente a un diseño suficientemente detallado que pueda ser aplicado
directamente. Esta metodología se aplica en la etapa de diseño del Agente, ya que
en esta etapa del análisis y diseño, el subsistema de configuración de servicios
ilustra cómo cooperar con los Agentes en la tarea de la ontología del subsistema.

Esta metodología sólo busca especificar cómo una sociedad de Agentes colabora
para alcanzar los objetivos del sistema y qué se requiere de cada uno para lograr
esto último.

Esta metodología propone trabajar inicialmente con un análisis a alto nivel. En

este análisis se usan dos modelos: el modelo de roles, para identificar los roles
clave en el sistema junto con sus propiedades definitorias, y el modelo de
interacciones, que define las interacciones mediante una referencia a un modelo
institucionalizado de intercambio de mensajes, como el FIPA-Request. El proceso
de diseño GAIA implica la generación de tres modelos: El Agente que identifica el
modelo de Agente de los diferentes tipos que componen el sistema y los casos en
los cuales el Agente será instancia de estos tipos. El modelo de servicios que
identifica el papel o los principales servicios que está obligado a realizar el Agente.
Por último, el conocido modelo de los documentos líneas de comunicación entre
los diferentes Agentes15.

d. Zeus:
Este método consta del análisis, diseño y actividades de realización, y además
añade instalaciones de soporte en tiempo de ejecución, que permiten que el
desarrollador depure y analice su puesta en funcionamiento Multi-Agente
colaborativas. Construye aplicaciones que proveen un entorno integrado para el
desarrollo rápido de sistemas.

15
PARDO CASTILLO Alexandra. AVENDAÑO GALINDO Diana Marcela. METODOLOGÍAS DE DISEÑO Y
DESARROLLO PARA AGENTES Y SISTEMAS MULTIAGENTE. Colombia. Universidad Católica de Colombia.
2009. 102 Páginas
La herramienta ZEUS, consiste de un conjunto de componentes escritos en
lenguaje de programación Java, que puede ser categorizada en tres grupos
funcionales o librerías: una librería de componentes de Agentes, una herramienta
de construcción de Agentes y un conjunto de Agentes utilitarios entre los cuales
podemos encontrar servidores de nombres, facilitadores y Agentes visualizadores.
Zeus ofrece un lote de software sobre la utilidad de los Agentes: Agente de
Servidor de Nombres (ANS), Facilitador y Visualizador. Estos Agentes son
generados implícitamente por Zeus, y forman, junto a los usuarios avanzados
Agentes, la aplicación Agente Sociedad.

La metodología principal de Zeus, consiste en explicar el proceso por el cual un

Agente conceptual es configurado en miembro funcional de un Sistema Multi-
Agente. Este proceso de configuración se logra usando la herramienta del
generador del Agente de ZEUS, que genera en última instancia el código fuente
del Agente y consta del análisis, el diseño y las actividades de realización, además
de añadir instalaciones de soporte de tiempo de ejecución, que permiten al
desarrollador depurar y analizar su puesta en funcionamiento.16

Arquitecturas de Agente.
La arquitectura es una metodología particular para construir Agentes. Esta
específica cómo puede descomponerse un Agente en un conjunto de módulos y
cómo deben interactuar estos módulos. El conjunto total debe responder a cómo
los datos de los sensores y el estado interno del Agente determinan sus acciones
y el futuro estado interno del Agente. Una arquitectura abarca técnicas y
algoritmos que soportan esta metodología. Dentro de las arquitecturas podemos
encontrar las siguientes

a. Arquitecturas BDI. Aquí se observa al sistema como un Agente racional, que

posee ciertas aptitudes mentales como las creencias, el deseo y la intensión (BDI),
representando respectivamente, la información motivacional y los estados
deliberativos de los Agentes. Estas aptitudes mentales determinan el
comportamiento del sistema y es crítico para el conocimiento adecuado o el
óptimo desempeño, cuando las deliberaciones son sujeto de la falta de recursos.
Se han levantado dos críticas principales respecto al esfuerzo y trabajo que
requiere la formalización y a la implementación de Agentes BDI. .La primera

16
PEREZ ARDILA Yanis, PORTILLA Jorge, Aplicación de metodologías ingenias, ZEUS, masina al desarrollo de
sistemas multiagente partiendo de sma de subasta, para la identificación de mejores prácticas, Colombia.
Universidad de Pamplona. 2007. 337 paginas
consiste en que al poseer estas tres aptitudes se ataca desde ambas direcciones:
tanto desde la teoría clásica de toma de decisiones y preguntas planificadas de los
investigadores de la sociología, como desde el punto de vista de los
investigadores de inteligencia artificial distribuida, que adecúan estas tres
características individualmente. La segunda, pone en duda la utilidad del estudio
multimodal de la lógica BDI, ya que no tiene una completa axiomatización y no es
eficientemente computable, por lo cual es cuestionada por muchos constructores
de sistemas que le dan poca relevancia en la práctica. [ANMI 2002].

b. Arquitecturas de Razonamiento Deductivo: Utilizan herramientas y técnicas

desarrolladas en inteligencia artificial simbólica, donde un comportamiento
inteligente puede ser logrado por un sistema a partir de una representación
simbólica de su entorno. En esta perspectiva, las representaciones simbólicas son
fórmulas lógicas y las manipulaciones sintácticas corresponden a la deducción
lógica o de demostración de teoremas.

c. Arquitecturas de Razonamiento Práctico: Se basan en la manera de tomar

decisiones utilizada por seres humanos y consisten en la ponderación de
consideraciones conflictivas a favor y en contra de opciones que compiten en la
toma de decisiones, donde las consideraciones relevantes para un problema en
particular vienen dadas por los objetivos del Agente que toma la decisión. Estos
modelos de razonamiento práctico, son aquellos utilizados ampliamente en
problemas de planificación en la comunidad de investigación en inteligencia
artificial.

d. Arquitecturas Reactivas: Son motivadas por el rechazo de las

representaciones simbólicas en las arquitecturas de razonamientos deductivo y
práctico.

e. Arquitecturas Híbridas: Son el resultado de combinar las propiedades

reactivas y proactivas de las arquitecturas de razonamiento deductivo, práctico y la
arquitectura reactiva. Este enfoque resulta en un tipo de arquitecturas con una
estructura organizada en jerarquías. Estas jerarquías son la relación o manera de
interactuar entre los subsistemas proactivos (o de planificación) y reactivos que
componen al Agente.
f. Arquitecturas Deliberativas: Se basan en la hipótesis de los sistemas de
símbolos-físicos, según la cual un sistema de símbolos-físicos, capaz de
manipular estructuras simbólicas, puede exhibir una conducta inteligente17.

1.6.3. Mapa Conceptual

Mapa Conceptual de Agentes en Medicina y E-Salud

Fuente: Paulo Quintero, 2009

En la parte izquierda de este mapa conceptual observamos un resumen muy

básicos de lo que son los agentes y los sistemas MultiAgente, el tipo de
arquitectura y metodología que podemos encontrar, los protocolos de

1717
GONZALEZ CHARRY. Adriana. ARQUITECTURAS DELIBERATIVAS, REACTIVAS E HIBRIDAS EN AGENTES Y
SISTEMAS MULTIAGENTES. Colombia. Universidad Católica de Colombia. 2009. 295 paginas
comunicación que utilizan estos sistemas y algunos campos donde se encuentran
aplicaciones.

Al lado derecho del mapa conceptual se realiza una pequeña descripción de

Medicina y de los servicios E-Salud y los pasos que se realizan normalmente en
una cita médica y en el tratamiento de los pacientes. Normalmente se realiza una
inspección general, se buscan evidencias, se realizan evaluaciones y se ejecuta
un tratamiento

2 Aplicaciones de agentes y sistemas multiagente

Para la realización de este trabajo realice la revisión de 104 fuentes bibliográficas

que contaran con las características exigidas por la Universidad las cuales son o
que contaran con código ISSN, con código ISBN o fueran fuentes originadas en la
universidad Catolica de Colombia o en cualquier universidad del mundo. Estas
fuentes bibliográficas fueron clasificadas por el tipo de aplicación medica o de
servicios de E-salud que presentaban, encontré una aplicación que recreaba el
comportamiento de las células madres desde su creación hasta la diferenciación.
Tres aplicaciones que realizaban coordinación de equipos de emergencia. Una
aplicación que se encargaba de la coordinación de trasplantes. Dos aplicaciones
que se encargaban de realizar el cuidado y monitoreo de la salud de niños y niñas.
Veinticinco aplicaciones que realizaban el cuidado y monitoreo de la salud de
pacientes fuera de los hospitales. Dos aplicaciones que realizaban el estudio de
las células y sus componentes. Seis aplicaciones se utilizaban para la enseñanza
de la medicina. Quince aplicaciones manejaban protocolos de atención médica.
Tres aplicaciones soportaban a los médicos y a las enfermeras en la toma de
decisiones. Una aplicación se utiliza para realizar tomografías computacionales del
corazón en tercera dimensión. Por último cuarenta y cinco fuentes bibliográficas
consultadas fueron la base para el conocimiento de los sistemas de agentes y
multiagente o hablaban de aplicaciones médicas pero no utilizaban agentes y
sistemas multiagente. De ese universo de aplicaciones y fuentes bibliográficas
seleccione las que en mi criterio eran las más relevantes A continuación se
describen diez aplicaciones de agentes y sistemas multiagente en medicina y
servicios de E-salud sobre las que se realizara la comparación de la arquitectura y
la metodología
2.1. Estudio de Medicina País España-Colombia, Año 2004, [GOEA 2004]18,
Portugal Año 2006, [AVEA 2006]19

Descripción: En el estudio de la medicina la utilidad de los sistemas multiagente

es evidente, se utilizan varios tipos de agentes que recrean un ambiente de
estudio para que los estudiantes refuercen y consoliden sus conocimientos,
existen varios agentes que desempeñan varios roles: Agentes de perfil, agente
evaluador, agente productor de información, agente investigador, agente
preguntas, agente anónimo, estos agentes mas los estudiantes, crean un
ambiente de juego del aprendizaje, en el que con simulaciones los estudiantes se
acercan a la realidad de la medicina, la E_enseñanaza acerca a los estudiantes al
aprendizaje de manera natural, donde se estimula el auto aprendizaje y los
agentes realizan una colaboración permanente, . Los ambientes virtuales permiten
a los estudiantes equivocarse en ambientes seguros. La vitalidad de los sistemas
basados en ambientes WEB recae en el potencial de integración, el soporte de las
comunidades sociales y en la organización y difusión de la información. El
entrenamiento de los estudiantes bajo el ambiente de E-Learning se da para los
campos del estudio de las imágenes médicas, el estudio de los registros médicos
electrónicos y los sistemas de información con propósitos de diagnóstico

Características: que poseen los agentes de esta aplicación son: autonomía,

proactividad, simplicidad, planeación, trabajo hacia metas comunes, alto procesos
cognoscitivos, capacidades de razonamiento Los agentes se comunican a través
de mensajería, comparten un lenguaje y una ontología.

2.2. Estudio de células y sus componentes Países: Estados Unidos, Canadá y

Singapur, Año 2007 [ALBU 2007]20, [MASB 2005]21.

18
GONZALEZ C. Et all. Sistemas tutores inteligentes: propuesta de una arquitectura para aprendizaje en
salud pública. Colombia. VII Congresso Iberoamericano de Informática Educativa. 2004. 10 paginas
19
ALVES Victor, Et All. A web-based collaboration approach for teaching in medicine. Portugal, School of
Engineering – University of Minho, 2006. 7 paginas
20
BAKER Christopher J. O., CHEUNG Kei-Hoi. Semantic web: revolutionizing knowledge discovery in the life
sciences. EEUU. 2007. Springer. 445 paginas
21
MAS*BIOMED'05. First International Workshop on Multi-Agent Systems for Medicine, Computational
Biology, and Bioinformatics, Holanda, 2005. 192 paginas
Descripción: Uno de los esfuerzos tempranos de los sistemas multiagente se
presento en el proyecto BioMAS este sistema se utilizó para descifrar el genoma
humano. BioMAS se organizó en cuatro grupos de agentes básicamente
responsables de la anotación de la secuencia básica, la anotación funcional, las
consultas y el proceso de las secuencias de las etiquetas. Un ejemplo son los
agentes de tarea, entre los cuales se encuentra el agente de anotación que tiene
la capacidad de leer una secuencia y decidir cual información se debe anotar. El
agente del procesamiento de fuentes de secuencia se encarga de validar la
secuencia interna, también está el agente de Ontología y el agente de antología
de razonamiento interna de los cuales se deduce la antología genética

Características: Estos agentes trabajan en ambientes distribuidos, realizan

acciones autónomamente con el fin de alcanzar objetivos determinados. Algunos
de los agentes que encontramos en esta aplicación son: Agentes usuarios brindan
una interfases para la interacción entre los humanos y el sistema, en algunas
ocasiones personalizan los servicios para cada usuario. Agentes de planeación:
Formulan planes los cuales deben ser ejecutados para alcanzar el objetivo
deseado. Agentes cronogramas, responsables porque las tareas y objetivos se
realizan en el tiempo determinado Agentes de recursos: provee la interfase entre
el sistema multiagente y los recursos externos

2.3. Cuidado de pacientes País España año 2002 [MOAN 2005]22, País Estados
Unidos Año 2007 [ZXXS 2007]23, Inglaterra año 2005 [MASB 2005]24

Descripción: Los agentes que trabajan en el cuidado de pacientes son agentes

que trabajan en ambientes distribuidos, deben coordinar tareas en varias
entidades autónomas, manejando información confidencial y personalizada
trabajan en dispositivos con bajos recursos, como teléfonos móviles o PDA´s,
deben ser estos agentes, proactivos, autónomos, cooperantes; las tareas que
desempeñan estos agentes cuando cuidan pacientes son: Programación de citas
para pacientes, Monitoreo, sistema de soporte de decisiones, acceso a

22
MORENO Antonio. Medical Applications of Multi-Agent Systems. España. Computer Science &
Mathematics Department, Universitat Rovira i Virgili. 2003. 15 paginas
23
ZHANG, Xiaoqin., XU, Haiping., SHRESTHA, Bhavesh. An Integrated Role-Based Approach for Modeling,
Designing and Implementing Multi-Agent Systems. EEUU. University of Massachusetts at Dartmouth. 2007.
16 paginas
24
MAS*BIOMED'05. First International Workshop on Multi-Agent Systems for Medicine, Computational
Biology, and Bioinformatics, Holanda, 2005. 192 paginas
información médica, Cuidado de comunidades, cuidado de pacientes de la tercera
edad, tareas internas en hospitales.

En el cuidado de pacientes deben monitorear constantemente a los pacientes,

acceder a información de los pacientes y de los médicos y realizar inteligencia de
datos, de acuerdo a los datos recolectados los agentes pueden activar alarmas,
estas alarmas pueden ser leídas por otro agente que respalda al médico que trata
al paciente y constantemente recibe información de los agentes que monitorean
los pacientes

También se reporta que en el cuidado de los pacientes que los roles que
desempeñan los agentes están definidos en el modelo relacionado del
conocimiento, como las metas, los permisos, las relaciones de organización, y los
protocolos de interacción., donde los agentes son entidades concretas equipadas
con motivación, recursos y capacidad de resolver problemas. Y pueden agregarse,
asociarse, o presentar incompatibilidades

La universidad de Pavía ilustra una metodología para el uso de agentes en

aplicaciones médicas y propone un modelo genérico para su implementación, este
modelo se puede especializar en el soporte de varios tipos de información en un
sistema de información de un hospital. Se reporta también un trabajo de L.M.
Camarinha-Matos y W. Vieira (1999) en el que proponen un sistema económico
para monitorear personas de la tercera edad que se encuentran solos en casa,
permitiendo a los centros médicos un monitoreo remoto, para ser cuidados y
ayudarlos, este sistema se basa en internet y en agentes móviles. Se informa de
un trabajo realizado por M. Gnoth and I. Münich (1999) en el que se describe un
proyecto llamado Charitime que se encarga de organizar de manera distribuida las
citas de diagnostico y terapia basado en un sistema multiagente

Características: Los agentes de estas aplicaciones se encuentran en ambientes

distribuidos y en diferentes tipos de hardware desde teléfonos móviles o PDA´s
hasta servidores de hospitales, manejan muy buenos protocolos de comunicación,
para mantener una lata disponibilidad

2.4. Toma de decisiones País Eslovenia, año 2005, [POVI 2005]25

25
PODGORELEC Vili, Complexity-driven Evolution of Decision Graphs for Classification of Medical Data,
Informatica, Slovene Society Informatika, Vol. 29, Num. 1- 2005. pp. 41-51
Descripción En medicina la toma de decisiones juega un papel muy importante,
los sistemas de soporte de decisiones ayuda a los médicos a tomar las mejores y
para esto existen modelos de decisión, arboles de decisión o la posibilidad de
utilizar agentes con el conocimiento para realizar la mejor decisión. En el mundo
de hoy existe una gran presión para automatizar todos los procesos
administrativos comunes, con el fin de reducir costos, minimizar el tiempo y
incrementar la productividad, los agentes inteligentes nos pueden ayudar a
alcanzar estos propósitos, ya que tienen la capacidad de actuar autónomamente
con el uso de su conocimiento, aprender de su experiencia y colaborar con otros
agentes a lograr esta meta en común.

Características: Los agentes de esta aplicación manejan experticia y acumulan

conocimiento para ayudar a los médicos en el diagnóstico y en el mejor
tratamiento que deben dar a los pacientes. Los agentes participantes tienen siete
tipos diferentes de agentes para la toma de decisiones, se llamaron así: ADD,
DELETE, MUTATE, JOIN, DISJOIN, PROTECT, y UNPROTECT, cada agente
tiene su propia función y trabaja independiente de los otros agentes de acuerdo a
su procedimiento.

2.5. Coordinación de trasplantes País España, año 2004, [ALAA 2005]26

Descripción: La organización y coordinación de trasplantes de órganos son

tareas complejas que requieren diversas actividades clínicas, atañen a varios
especialistas y equipos de trabajo y comportan un proceso administrativo paralelo
al proceso clínico. Las principales actividades del proceso de trasplante son: la
detección de donantes potenciales, el exámen clínico de los donantes, la
confirmación de muerte cerebral, el mantenimiento y manejo del donante, la
confirmación legal de la muerte cerebral, la obtención del consentimiento familiar y
autorización legal, la planificación de los factores organizativos, la organización de
la extracción y el trasplante y el exámen clínico de la evolución del receptor. La
coordinación de trasplantes en España se estructura en cuatro niveles: nacional,
zonal, regional y hospitalario

Los sistemas multiagente (SMA) ofrecen una plataforma de distribución de datos

en la que cada agente es responsable de determinados procesos. Además los

26
ALDEA A. Et all. Sistema multiagente de soporte a la coordinación de transplantes. España. Departament
d'Enginyeria Informàtica i Matemàtiques Universitat Rovira i Virgili (URV). 2004. 5 paginas
agentes pueden modelar tareas importantes de tipo administrativo, logístico
(transporte entre servicios u hospitales), etc. Los SMA son particularmente
adecuados para el problema de la coordinación de trasplante de órganos donde
donantes y receptores pueden provenir de diversos centros. La existencia de
agentes inteligentes en estos centros facilita el intercambio de información y la
organización del proceso de trasplante facilitando la tarea del coordinador de
trasplantes. Los beneficios de usar un SMA son dobles: por un lado el SMA puede
adaptarse a la estructura organizativa vigente (tanto dentro un mismo hospital
como entre diferentes hospitales) y, por otro lado, la complejidad del problema
puede ser reducida con la incorporación de diversos niveles de coordinación y
toma de decisiones en el SMA.

Características: Los agentes en esta aplicación se encuentran en un entorno

distribuido, la aplicación tiene Un agente llamado Coordinador de Emergencias
(EC), que es el coordinador nacional de los casos de urgencia cero. Un agente
llamado Agente Histórico (HA), que recibe los datos de todos los trasplantes
realizados en España. Los agentes del sistema deben comportarse de acuerdo
con las normas impuestas por las organizaciones de trasplantes de España. Los
objetivos de estos agentes es encontrar don antes lo más cerca del hospital,
donde se necesita

2.6. Cuidado de la infancia: País Colombia, año 2005, [DACF 2005]27

Descripción: La prevención de enfermedades en la infancia, es fundamental para

el normal crecimiento y desarrollo del niño, y, el éxito de esto se debe a la
cooperación de todas las personas que vigilan su normal desarrollo, entre ellas un
equipo de especialistas de la salud pediatras, psicólogos, nutricionistas, entre
otros, que inspeccionan por etapas las normales conductas del niño en cada
disciplina.

Características: Esta aplicación maneja dos clases de agentes uno llamado el

facilitador y otro llamado el especialista. El facilitador está compuesto por: una
base de datos, la descripción de la sociedad, la interfaz con los agentes, la interfaz
con el usuario y la estrategia de cooperación. Los agentes especialistas tienen su
forma de representación del conocimiento y su método de solución de problemas

27
DOMINGUEZ Fabián, ACEROS María Hemmy, CORREDOR Beatriz. Los Sistemas Multi-Agentes y la salud
integral para la infancia. Colombia. VENTANA INFORMÁTICA No. 12 – Universidad de Manizales. 2005. 8
paginas
particular, pero estos mantienen cierta imagen externa única que permite que el
facilitador sea capaz de interactuar con agentes de diferente naturaleza

2.7. Coordinación de equipos de emergencia: País Suecia año 2008, [LJHA

2008]28

Descripción: Los servicios de emergencia son importantes para brindar el

correcto tratamiento en el momento justo. Usualmente el despacho de los
servicios de emergencias es un proceso manual con muchos vehículos y
estaciones involucrados: Seleccionar el vehículo adecuado para una emergencia
específica es un asunto crítico. Características como competencias de la
tripulación, disponibilidad de equipos y la ruta más apropiada (Velocidad y
disponibilidad) deben ser tenidas en cuenta. Por esta razón los agentes
constituyen una muy buena herramienta de soporte para capturar todos estos
puntos de vista, necesarios para tomar una decisión correcta. La velocidad y la
disponibilidad de las vías son fáciles de medir, pero la confiabilidad, dependencia,
eficiencia, robustez, realidad de la información actualizada son características
difíciles de evaluar, buscar la mejor información estática y dinámica al igual que el
entrenamiento social y las interacciones son aspectos que se deben considerar. El
dominio de la aplicación es la sincronización de los servicios de emergencia para
cada situación, el principal servicio es el manejo de las llamadas de emergencia y
detectar en donde se encuentran los recursos. Generalmente el manejo de las
emergencias tiene cuatro etapas. Clasificación de la emergencia, localización de
los recursos, despacho y monitoreo. El trabajo de esta investigación se centra en
la localización de los recursos, adicionalmente las tareas que involucran el estatus
de la situación, el lugar del accidente y la posición geográfica de los vehículos
como subtareas La combinación de vehículos requeridos son numerosas: en
algunos casos solo se necesita una ambulancia, en otros una gran cantidad de
ambulancias en otros vehículos de rescate y / o policías, y en otros helicópteros o
equipos de salvavidas en el mar

Características Los hilos de un sistema MultiAgente incrementa la delegación y la

inteligencia que requiere el sistema para operar independientemente y actuar en la
vía correcta que represente el mejor interés cuando interactúan los humanos y el
28
LUNDBERG, Jenny. HåKANSSON Anne. An Approach towards using Agent in Multi-Agent Systems to
streamline emergency services, Suecia, 2008, 6 paginas
sistema. La combinación de vehículos necesarios se da gracias a que cada
vehículo es un agente que tiene la independencia de actuar dependiendo del
ambiente y de la situación, en el momento de una emergencia los agentes
comienzan a intercambiar mensajes para determinar cuál equipo de emergencia
se debe acercar a la escena del accidente. El meta razonamiento es el
razonamiento del razonamiento. Cuando se utiliza el meta razonamiento en los
sistemas MultiAgente, el sistema tiene la capacidad de razonar acerca de sus
operaciones. Esta característica puede manejar individualmente a los agentes,
generar planes, localización de tareas integración y plan de ejecución

2.8: Tomografías computacionales del corazón. País Francia, Año 2007, [FLJU
2007]29

Descripción: La tomografía cardiaca computada es rápida, no invasiva presenta

resoluciones submilimétricas y la modalidad de imágenes volumétricas. El
desarrollo de la tomografía cardiaca de multidiapositivas se ha convertido en una
importante herramienta para las imágenes cardiacas, dando acceso al mismo
tiempo a diferentes partes de la anatomía cardiaca (ventrículos derecho, izquierdo,
atrio, miocardio, y venas) pero asociadas a solo un ciclo cardiaco Las
herramientas de visualización en tercera dimensión es usada como práctica clínica
pero necesita de mucha interacción humana y mucho tiempo para remover
estructuras que no pertenecen al corazón, Numerosas técnicas se mencionan
para identificar algún ventrículo izquierdo pero no hay una técnica para mostrar
todas las estructuras de manera simultánea. Este trabajo se focaliza en la
detección de los componentes del corazón para cada estructura del volumen
cardiaco en 3D en una secuencia dinámica de MSCT, y presenta un método,
suficientemente robusto para responder del problema de extracción de las
estructuras cardiaca en 3D. El sistema multiagente propuesto desarrolla una
segmentación de objetos en imágenes 3D basados en primera instancia en lo que
el usuario seleccione interactivamente uno o más puntos para cada objeto de
interés. En esta aplicación un objeto es considerado como una entidad que
satisface unas condiciones.

 Homogeneidad en términos de intensidad y de textura

29
FLEUREAU Julien , 3D Multi-Object Segmentation of Cardiac MSCT Imaging by using a Multi-Agent
Approach, Francia, Annual International Conference of the IEEE Engineering, 2007. 4 paginas.
 Conectividad en el espacio 3D, un órgano está compuesto de subpartes
conectadas y compactas
 Disponibilidad de información prioritaria, normalmente el ventrículo izquierdo y
el atrium se observan como si fueran un solo órgano porque muestran la
misma textura y las mismas estructuras de conectividad

Características: El sistema Multiagente está compuesto de un grupo de agentes

llamados trabajadores, que cooperan y compiten para maximizar su territorio
(satisfaciendo su criterio de textura e intensidad) y un agente puro de
comunicaciones que coordina los conocimientos de los agentes trabajadores. Esta
arquitectura corresponde a una organización micro social. El ambiente se define
como el volumen de voxeles (Imágenes 3D) que serán segmentadas y los
diferentes conocimientos de los agentes son determinísticos. La siguiente sub-
sección muestra cada agente y sus interacciones.

Agentes situados: Trabajadores, Cada agente situado es inicialmente localizado

en un ambiente y asociado con una marca específica de acuerdo al objeto a ser
segmentado por el usuario. Los agentes con la misma marca obviamente
coexistirán y su meta es asociarse en la marca de una región de la imagen.

Agente de comunicaciones: Controlador, Los agentes situados dependen de una u

otra manera de un agente llamado controlador, este agente es claramente un
agente cognoscitivo e intencional, Su principal rol consiste en decidir si la región
de la imagen puede ser adquirida por uno de los agentes trabajadores e informar
acerca de su decisión

2.9. Comportamiento de las células madre. País Brasil, Año 2008 [FGEA 2008]30

Descripción: Este trabajo describe los resultados alcanzados a través de la

visualización en 3D basado en un sistema multiagentes que simula el
comportamiento de las células madre usando previamente el sistema de
visualización 2D. El principal aporte de este trabajo es la reformulación de la auto
organización espacial de las células madres y su extensión al espacio 3D

30
FAUSTINO, Geisa Martins. Et all. A Multi-Agent-based 3D Visualization of Stem Cell Behavior, Brasil,
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO, 2008. 14 paginas
Este es un sistema autónomo, adaptativo y complejo el principal desafío de este
trabajo fue desarrollar la visualización del comportamiento de las células madre
tales como la proliferación la diferenciación, de los agentes auto-organizables, se
proyecto una auto organización de las células madres que se volvió en la
visualización del comportamiento emergente de las entidades de los agentes,
también posibilito la observación de las interacciones entre los agentes y los
ambientes

Características: Se presenta de manera detallada la capa de visualización de un

framework basado en un sistema multiagentes que muestra el comportamiento de
las células madre

2.10 Protocolo de atención Médica Países España, México y Reino Unido, Año
2006, [RAEA 2006]31. Rumania Año 2009 [OPMI 2009]32

Descripción: En el dominio de la medicina el principal foco del negocio es la

modelación de los protocolos médicos, existen una gran cantidad de lenguajes
para la modelación de este tipo de lenguajes, basados en reglas, lógica, tareas
redes de petri, son una buena representación del estado del arte en este campo.
Cada uno de estos protocolos tiene sus ventajas, se ha tratado de capturar en
este estudio la funcionalidad del modelamiento de los protocolos médicos dentro
de de un sistema coherente de información. La clave a resolver es la
representación abstracta de los procesos de negocio en el dominio medico y su
ejecución en línea en los hospitales. Este sistema ya se encuentra en operación y
fue desarrollado por una compañía mediana llamada tca que tiene como objetivo
agentificar la información del hospital; las contribuciones de esta aplicación.
Probar el concepto de una implementación basada en agentes, en operación del
protocolo para el cuidado de pacientes externos, interactuando con el sistema de
información del hospital. Organizar un middleware que incluye un motor workflow y
presenta una colección de usuarios y agentes servidores que hacen una interface
entre el sistema de información del hospital y el middleware de la organización.
Entre las funcionalidades de la aplicación están brindar citas a los pacientes a
través de su contact center o a través de internet, siempre y cuando haya
disponibilidad, cuando una cita es asignada los médicos tienen acceso a la
información electrónica del paciente (emr), en la que pueden ver la historia clínica,
31
ROBLES, Armando. Et All., A Multi Agent Approach for the Representation and Execution of Medical
Protocols, España, CSIC - Spanish Scientific Research Council, 2006. 6 paginas
32
Oprea Mihaela. Medical_MAS: An agent_Based system for medical diagnosis. Paginas 225-232 Año 2009
UniversityPetroleum-Gas of Ploiesti; Department of informatica,
los diagnósticos y escriben prescripciones o realizan acciones tales como citas en
el laboratorio, ordenes de hospitalización, etc. En la función que sirve al paciente,
el sistema guía al paciente a obtener la medicación y los servicios prescritos. Los
médicos para actualizar la información de los pacientes acceden al emr individual,
donde se encuentra la información histórica, en este sistema el médico puede
registrar prescripciones, indicaciones y diagnósticos, sugiere al medico la
medicación necesaria para el paciente antes de la visita, basado en estas
entradas el sistema realiza un cruce entre los diagnósticos y los procedimientos
terapéuticos para asignar un código de procedimiento

Características: El sistema de cuidado de los pacientes externos se implemento

en un framework de multiagentes. El middleware supervisa los dominios actuales
de los componentes, como las reglas de negocio y los componentes de la base de
datos representado por agentes BAG y DAG agentes de servidores. Ellos manejan
las tareas especializadas que sirve a los requerimientos de los usuarios humanos
representados por los agentes de usuario, el middleware también lee los scripts
del workflow de un repositorio, los scripts son interpretados por el motor del
workflow que guía la actual ejecución del sistema, La aplicación presenta agentes
servidor y agentes paciente
3. RESULTADOS DE LA INVESTIGACION

Los resultados de la investigación se muestran a continuación, la comparativa

entre las arquitecturas y las metodologías y la información acerca de la página
web desarrollada

3.1 Comparación de arquitecturas

Basado en el trabajo de grado de Adriana Ivette González Charry ―Arquitecturas
deliberativas, reactivas e hibridas en agentes y sistemas multiagentes‖ presentado
en Junio de 2009 en la Universidad Católica de Colombia se realizo las
comparaciones de 10 aplicaciones de agentes y sistemas multiagentes en
Medicina que se muestran a continuacion
 Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas

Ventajas: Veo
[LJHA 2008]
[GOEA 2004] reportan un grupo como ventaja la
reporta dos de metagentes capacidad que
[ALAA 2005] tienen algunos
agentes capaz de que siguen unas
Reportan un grupo
seguir un plan de reglas o planes agentes para
de agentes que
Es la capacidad trabajo y según la según la practica o retroalimentarse
siguiendo unas
que tienen los capacidad de historia previa y permanentemente
reglas o unos
agentes aprendizaje del además crean sus
parámetros de las situaciones
estudiante de propios planes
inteligentes para encuentran el que perciben en su
medicina es capaz según la situación
describir de donante más ambiente , como lo
de cambiar el para realizar la
manera coherente adecuado para
contenido para dar mejor asignación reportan las
suplir la necesidad
estrategias, una mejor de equipos de arquitecturas
de pacientes
políticas, educación rescate y del grupo deliberativas y la
Capacidad para receptores de
directrices y de médicos y capacidad de
desarrollar [POVI 2005] órganos
tácticas en el paramédicos que
planes informa que los deben llevar seguir un plan,
tiempo y espacio, [AVEA 2006]
metagentes son la dichos equipos dependiendo de
así como los reporta otra
mejor herramienta esa percepción
manera de
instrumentos, para la toma de [ZXXS 2007]
enseñar medicina
mecanismos y decisiones de los recrea un Desventajas: La
pero con agentes
acciones que se médicos, porque ambiente de un rigidez de la
con funciones
basado en el hospital con arquitectura
utilizaran para especificas, sin
conocimiento de pacientes y
llegar a los fines capacidad de reactiva, porque
los agentes, tienen personal médico
deseados deliberar y no hay un plan a
la capacidad de donde cada
ajustarse a nuevas seguir, solo son
racionar y decidir agente sigue un
necesidades de unos parámetros,
cuál es el mejor plan para recrear
los estudiantes
tratamiento para la realidad y tiene que se cumplen o
los pacientes la capacidad de no pero no hay un
deliberar plan de fondo
 Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas

Ventajas: Cada
capa está
[RAEA 2006]
Las capas son describe en su compuesta por un
estructuras estudio del manejo grupo de agentes
independientes [FLJU 2007] En su de pacientes con un
estudio de externos, dos [FGEA 2008] en su comportamiento
que explican el
imágenes 3D capas que estudio de las específico y
propósito y la cardiacas describe componen su células madres
interacción de un dirigido a unos
el sistema sistema manejo dos tipos
grupo de modelos, MultiAgente en multiagente, una de agentes en el usuarios
las Arquitecturas varias capas capa de agentes simulador de especiales, en
Capas que son metodologías compuesta por de servidores células madres, caso de fallo de
componen la particulares para agentes encargada de unos agentes para alguna de estas
encargados de la manejar la la visualización y capas, no hay que
arquitectura construir agentes. comunicación el información del otros agentes que
Estas especifican parar todo el
cual se encarga de hospital y otra simularon según
como puede sistema, se arregla
administrar la capa de agentes comportamiento y
descomponerse un población de usuarios que conocimiento a las únicamente la del
agente en un agentes trabaja con los células madres y fallo.
conjunto de encargada de pacientes y con los el proceso de
segmentar las médicos estas dos diferenciación Desventaja: la
módulos y como complejidad en la
imágenes. capas están en
deben interactuar contacto por un administración y la
estos protocolo de dependencia de
comunicación una capa de
comunicaciones
Características Definición Arquitecturas Arquitecturas Arquitecturas Comparativa
Deliberativas Reactivas Hibridas
[AGAG 28] El
[GOEA 2004] y objetivo de este Ventajas: Estas
[AVEA 2006] [ALAA 2005] Las sistema tres características
Creencias: Presentan unos
intenciones de los MultiAgente es la son la parte
Representan el agentes cuyos
objetivos son: agentes que conservación de la fundamental de lo
conocimiento del monitorean salud de los que es un agente
mundo en el que seleccionar los
contenidos donantes de pacientes con y es la capacidad
se encuentra
inmenso un agente didácticos que se órganos, es enfermedades de razonar acerca
inteligente le deben presentar encontrarlos en los cardiovasculares, de lo que quieren y
al estudiante de centros de la salud cuenta con un como lo deben
Deseos: los medicina, lo que
cercanos a donde grupo amplio de lograr.
deseos son un permite un
Creencias, aprendizaje están los agentes con
conjunto de Desventajas: Solo
deseos, adaptativo pacientes diferentes
objetivos a largo le veo un riesgo y
intenciones y plazo que debe [FLJU 2007] Los receptores. objetivos e
intensiones es que una mala
Objetivos cumplir un agente agentes de esta [DACF 2005] los programación de
aplicación tienen objetivos de los [LJHA 2008] El un agente podría
Intensiones: Son como objetivo
las acciones, realizar agentes de este principal objetivo llevarlo a tomar
la
planes o integración de la estudio son de estos agentes una mala decisión
situaciones información detectar a tiempo es seleccionar la que pondría en
deseadas que el espacial y de anomalías que ruta más optima, peligro la salud de
agente ha textura, la pudieran causar los vehículos y el una persona, pero
seleccionado y se segmentación de
ha comprometido varios objetos y enfermedades a equipo médico que este riesgo se
a realizar los niños en el atienda mejor ,las minimiza con un
minimizar el
futuro emergencias buen plan de
reprocesamiento
de imágenes cuando estas se pruebas previas
presenten
 Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas

[ALAA 2005] Los

estímulos de estos [AGAG 28]Todos
agentes es externo los agentes de
y dependiendo de esta aplicación
la información responden aVentajas: Los
[GOEA 2004] Los introducida los estímulos agentes están en
agentes de esta agentes ayudaran externos, salvo el todo momento
aplicación actúan a encontrar el agente de control monitoreando a
de acuerdo a mejor donante de que monitorea el los pacientes o a
estímulos órganos interior de lalos sistemas de los
externos, que aplicación que hacen parte, y
[DACF 2005] Los
Hace referencia a accionan el interior estímulos de estos [LJHA 2008] Los actúan
la estructura o de los agentes agentes son agentes de esta dependiendo del
Forma de actuar configuración que para aumentar el externos y existe aplicación lugar de donde
de las debe tener cada conocimiento a los un agente interno responden a viene el estimulo.
arquitecturas modulo para la alumnos llamado facilitador estímulos estáticos Desventaja: Los
creación de un [POVI 2005] los encargado de y dinámicos de agentes en estos
agente inteligente estímulos de estos velar por la manera flexible o casos no tiene n
agentes son integridad del estructurada y iniciativa propia,
internos, solo uno sistema desarrollan una reaccionan a
el que tiene acción estímulos internos
[AVEA 2006] los determinada
contacto con el agentes de esta o externos, no
paciente recibe aplicación actúan [ZXXS 2007] tienen la iniciativa
estímulos externos por estímulos Todos los de ir más allá de lo
internos, solo un estímulos de los que les solicitan.
agente, reacciona agentes de esta
de acuerdo a los aplicación son
estímulos del internos.
estudiante
 Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas

[ALAA 2005]
Diseño unos Ventajas: Esta
agentes que están [AGAG 28] Cuenta característica es la
[GOEA 2004] el con dos sistemas
en contacto con razón de ser de los
agente evaluador MultiAgente: la
los hospitales y agentes,
tiene la capacidad plataforma
reciben de ellos interactuar con el
de interactuar con paciente y la
información de medio e
el entorno y según plataforma de
necesidades y/u interpretarlo, para
la evolución del gestión de
ofertas de órganos así ayudar al
estudiante durante emergencias que
a trasplantar, estos cuerpo médico, en
el plan de estudio están en constante
agentes tienen la sus labores de
modifica su perfil o comunicación e
capacidad de diagnostico,
solicita al agente interacción
realizar procesos atención y
Es la acción que tutor modificar el administrativos o tratamiento.
ejerce un agente plan de estudio logísticos para [LJHA 2008]Su
Interacción con el solución consistió Desventajas: Sigo
inteligente, en un [FLJU 2007] Los llevar a buen
entorno en representar viendo en esta
ambiente en el que agentes de esta término un
esté ubicado trasplante cada vehículo característica, que
aplicación primero
como un agente, el con el medio solo
interactúan con los
[DACF 2005] los cual tendría la se actúa por
voxeles de la
agentes de esta independencia de estímulos, aunque
imagen cardiaca,
aplicación no operar de acuerdo hay arquitecturas
luego se presentan
interactúan con su a las condiciones deliberativas,
interacciones entre
entorno, solo ambientales como reactivas o
los agentes y por
reciben del exterior embotellamientos hibridas, la forma
último se presenta
unos datos y los u obstáculos. Para de actuar es
una interacción
agentes se esto tiene una reactiva
para mostrar la
encargan de comunicación dependiendo de lo
imagen
realizar el análisis constante con el que pase en el
del estado de transito medio.
salud del niño
 Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
[HMMA 25], en su
aplicación para [FGEA 2008]No
programar turnos muestra un
en el hospital, no método claro de
muestra un comunicaciones, Se observa en
[GOEA 2004] método de entre los agentes, este aspectos dos
reporta que su comunicación lo que se deduce métodos de
aplicación cumple claro, los agentes es que los agentes comunicación, uno
estándares FIPA y en este caso solo realizan basado en agentes
que sus agentes realizan interacciones para y el otro con
utilizan XML para interacciones y modelar el mensajería
Los métodos son
comunicarse muestran un comportamiento
los medios
resultado. de las células Ventajas: La
utilizados para
[FLJU 2007] El [RAEA 2006] madre comunicación con
llegar a un fin.
sistema existe una agentes se hace
Hace referencia al
Métodos de MultiAgente está comunicación [LJHA 2008] de manera
instrumento o
comunicación organizado entre el Reporta que los inteligente, porque
forma de
alrededor de un middleware y el agentes de su los agentes
contenido por el
agente de motor del workflow aplicación se administran este
cual se realiza el
comunicaciones el a través de la comunican a insumo.
proceso de
cual maneja toda lectura de scripts través de
comunicación
la población de del workflow y mensajería Desventaja: La
agentes que cuando la comunicación con
interactúan en la interacción entre [AGAG 28] tiene mensajería es muy
aplicación de los agentes un agente estándar y solo se
forma cooperativa, usuario y agente especializado en recibe y se
o competitiva servidor se realizar la entrega, es muy
establece la comunicación reactiva
infraestructura se entre los agentes y
asegura que la entre el sistema y
comunicación sea los usuarios
persistente
 Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
[LJHA 2008]
[GOEA 2004] La
[RAEA 2006] tiene Analizan la
formas de enseñar
un repositorio de información del Se observan dos
de este sistema se
reglas de negocio, lugar del accidente módulos para la
basa en casos
manejado por y las personas realización de
resueltos
agentes server involucradas en el tareas, los
almacenados, y
accidente, con módulos de reglas
cuando al
[HMMA 25] posee esta información y los repositorios
estudiante se le
un modulo de definen la cantidad de información
plantea un
reglas en las que de personal de
problema, el
los médicos rescate necesario Ventajas: Los
sistema busca
describen sus y el carro que módulos con
casos similares y
preferencias al debe atender la repositorios de
compara la
conformar grupos emergencia información ,
Se refiere a las solución dada por
de trabajo y en el [AGAG 28] El pueden dar una
Módulos de reglas o patrones el estudiante y la
que el hospital sistema aproximación a los
comportamiento que deben seguir almacenada en el
coloca sus multiagente posee problemas más
para realizar los agentes para sistema para
necesidades un modulo de exactos y estos
tareas realizar ciertas realizar la
reglas en las que repositorios crecen
acciones evaluación
[ALAA 2005] Los están consignados día a día gracias a
[FLJU 2007] Sus
agentes que los parámetros a la información que
agentes se guían
coordinan el medir a los se colecta
por las reglas de
proceso de pacientes cuando diariamente
textura e
trasplantes deben el paciente tiene
intensidad de la
cumplir con unas lecturas por Desventajas: las
imagen para llevar
reglas legales, encima o por reglas, hacen que
información a los
clínicas, debajo del los agentes sean
agentes de
organizativas para parámetro el muy reactivos,
comunicación que
cumplir con la modulo informa al porque las reglas
se encargan de
meta de llevar a agente de se cumplen o no
construir la imagen
buen término los comunicaciones se cumplen
en tercera
trasplantes para crear una
dimensión
alarma
 Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
[AVEA 2006]
Informa que el
lenguaje utilizado [RAEA 2006]
para manejar los Informa que
protocolos de existen varios Se observan
comunicación lenguajes varios protocolos
fueron JAVA, PHP desarrollados de comunicación
y Perl para modelar los
protocolos Desventajas: se
[POVI 2005] [ZXXS 2007]
médicos como pierde la
informa que los desarrollo un
Glif (basado en estandarización
protocolos de lenguaje propio
comunicación son reglas), entre tantos
para manejar los
Los protocolos manejados por Proforma lenguajes, y
protocolos de
son reglas que una herramienta (basado en afloran los
Los niveles de comunicación
especifican el llamada lógica), Asbru protocolos
protocolos de llamado RTÆMS
intercambio de proGenesys, la (basado en propietario, que
comunicación datos u órdenes cual maneja un tareas) and impiden la
programación [FGEA 2008]
durante la Guide (basado universalización
genética que maneja los
comunicación en redes de de software.
realiza el manejo protocolos de
entre agentes Petri) saben que
de la comunicación en
cada lenguaje Ventajas: Se
comunicación base a java con
tiene su propias observan
[FLJU 2007] los una herramienta
agentes de ventajas y que protocolos de
llamada MASON
comunicación ellos tomaron lo comunicación
manejan un mejor de cada basados en
pizarrón donde uno para Java, que está
van dejando las modelar la muy difundido y
imágenes funcionalidad de es universal
guardadas para los protocolos
ser comparadas y médicos
no permitir que se
repitan
 Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
[GOEA 2004] [ALAA 2005] Sus
[AGAG 28] Tiene
Existe un plan agentes consiguen
un protocolo
para brindar al los donantes de
general para el
estudiante órganos de una
monitoreo de los
experiencias de manera rápida, no
pacientes el cual Ventajas: Las
medicina que hay plazos para
sirve de arquitecturas
enriquezcan su planear
planificador y hay deliberativas e
conocimiento, y
Percepción: unos agentes que hibridas, tiene la
dependiendo de [DACF 2005] Los
Proceso mediante continuamente van capacidad de
las capacidades agentes de esta
el cual el individuo trabajando minuto
del alumno y de su aplicación son percibir y actuar
selecciona, a minuto de
progreso se van alimentados con de acuerdo a los
organiza e manera reactiva
tomando acciones datos que que interpreten
interpreta la informando al
para mejorar el informan de del medio.
información sistema la
conocimiento, manera inmediata
Relación entre sensorial, para evolución del
tanto del el estado de salud
crear una imagen paciente Desventaja: las
percepción y estudiante como del niño, de
significativa del arquitecturas
acción del sistema mismo acuerdo a unos
mundo [LJHA 2008] Los reactivas no
parámetros
agentes reactivos tiene capacidad
[FLJU 2007] Existe preestablecidos
Acción: es la se van informando de percibir, solo
un sistema de
respuesta del en línea sobre la actúan, pero en
evaluación de la [HMMA 25] Los
agente a la situación del
imagen que se rige agentes de esta este punto son
interacción con el tráfico, la situación
por la aplicación leen las mas rápidos que
mundo donde está de los pacientes y
homogeneidad y la necesidades del las deliberativas
inmerso el desarrollo de la
textura y esa es la hospital y los y las hibridas, ya
emergencia, el
meta final, para preferencias de los que se ahorran
planificador va
poderla cumplir profesionales que
seleccionando el un paso
hay unos agentes trabajan en la
equipo adecuado
que realizan institución para
para enviar a la
acciones para formar los grupos
zona de
descifrar y de trabajo para
emergencia
construir la imagen cada turno
3.2. Comparación de metodologías
Basado en el trabajo de grado de Alexandra Pardo Castillo y Diana Marcela
Avendaño Galindo ―Metodologías de diseño y desarrollo para agentes y sistemas
multiagente‖ presentado en Junio de 2009 en la Universidad Católica de Colombia
se realizaran las comparaciones de 10 aplicaciones de agentes y sistemas
multiagentes en Medicina

APLICACIONES/
GAIA ZEUS MASCommonKADS Comparativa
METODOLOGIA

[ZXXS 2007]
reporta que la [HPBD 30] En el
metodología desarrollo de su
utilizada para el aplicación para
[GOEA 2004]
desarrollo de su el monitoreo de
reportan que No hubo
aplicación es pacientes utilizo
utilizaron la material
Gaia. En esta la metodología
metodología MAS- suficiente
metodología se ZEUS para el
CommonKADS que para realizar
utilizaron los diseño y la
propone siete la
modelos macro construcción de
modelos para la comparativa,
para la parte agentes gracias
Aplicaciones definición del ya que los
social y la micro al ZEUS tool kit
sistema MultiAgente: trabajos
para las partes
agentes, tareas, consultados
internas del [OPMI]
experiencia, no exponen
agente, Reportaron que
coordinación, la
aspectos estos desarrollaron su
comunicación, metodología
de los sistemas aplicación de
organización y utilizada.
MultiAgente. La diagnósticos
diseño
metodología médicos bajo la
cubrió las fases metodología
de análisis y ZEUS
diseño

En las referencias reseñadas más adelante no se encontró mucha información

acerca de las metodologías utilizadas en el desarrollo de los agentes y sistemas
MultiAgente de estas aplicaciones

3.3 Pagina Web

Se realizo una página web, para mostrar el resultado de las comparaciones

realizadas entre las arquitecturas y metodologías utilizadas en las aplicaciones
medicas que usan sistemas de agentes y multiagentes, en esta página web
también se muestra parte del trabajo y la base de datos con las fichas realizadas.
A parte de esta pagina el trabajo se encuentra publicado en el siguiente sitio web
http://www.scribd.com/doc/23707762/Trabajo-de-Grado
Este es el aspecto de la pagina web

Esta página fue creada con la herramienta Joomla 1.5 que trabaja con un servidor
virtual apache y un servidor virtual mysql. En el menú de aplicaciones se hace una
descripción de la aplicación estudiada, sus características y una pequeña
descripción de la misma. La comparativa realizada entre las arquitecturas y la
metodología, las conclusiones y una sugerencia de cuales deberían ser los
trabajos futuros. Los usuarios que la deseen utilizar solo deben pinchar en los
enlaces del menú principal (Main Menu ) del lado izquierdo de la pantalla

4 FUTUROS TRABAJOS.

En nuestro país ya se está hablando de telemedicina para la atención de la

población más alejada de los centros urbanos, y ya existen proyectos concretos en
los que el gobierno y algunas universidades están materializando esta
aplicaciones, la Universidad Católica de Colombia, deberá entrar en estos
programas y ofrecer al país aplicaciones de agentes y multiagentes en medicina y
servicios de salud electrónica, para reafirmar su presencia en el desarrollo
tecnológico de Colombia. Los futuros trabajos podrán tomar como base teórica
este trabajo y ofrecer aplicaciones con arquitecturas reactivas en primer lugar e ir
avanzando hacia las arquitecturas deliberativas e hibridas. Utilizando la
metodología Zeus que a mi juicio es la más estructurada y la que mejor se ajusta
al desarrollo de la ingeniería de software aplicada a los agentes y sistemas
multiagente
5. CONCLUSIONES

Este trabajo expone la importancia de los agentes y sistemas multiagentes en la

medicina. Y muestra otra área en la que los ingenieros de sistemas pueden
incursionar para ayudar en el bienestar de las personas.

Se mostraron las características arquitectónicas de aplicaciones de agentes y

multiagentes en medicina y se realizo una comparación entre estas
características. También se referenció las aplicaciones que informaban la
metodología utilizada para la realización de esas aplicaciones, la búsqueda de
metodologías aplicadas al desarrollo de sistemas agentes y multiagentes en
medicina fue muy compleja. Muy pocas autores informan la metodología utilizada

Las arquitecturas con las mejores características son las hibridas que son una
combinación de arquitecturas reactivas y deliberativas, lo que las hace muy
complejas de desarrollar pero son muy interesantes desde el punto de vista de su
funcionamiento, las interacciones que realiza con los pacientes y el personal del
sistema de salud, la inteligencia que muestran y la información de apoyo que
brindan tanto al personal médico como a los pacientes.
BIBLIOGRAFÍA

[AFEA 2006] ARIAS, Francisco Javier.Et All. Diseño y Desarrollo de

Mecanismos de Razonamiento Multi-Agente para la
Negociación de Energía Eléctrica Utilizando JESS Y
JADE, Colombia, Universidad nacional de Colombia.
2006. 6 paginas
[AGAL 2002] AGOSTINI Alejandro. Sistema Multiagente para
Monitorización Inteligente Domiciliaria de Pacientes con
Patologías Cardiovasculares. España. Departamento de
Lenguajes y Sistemas Informáticos, Universidad
Politécnica de Cataluña. 2002. 6 paginas.
[AGFL 2005] AFRIN Lawrence B. GREENLAND James. FINCH
Nancy. Improved Patient Support through Support Group
Webcasting: A Feasibility Assessment. EEUU.
Proceedings of the 38th Hawaii International Conference
on System Sciences. 2005. 10 paginas
[AGSO 1998] GARCIA SERRANO, Ana. OSSOWSKY Sascha.
Inteligencia Artificial Distribuida y Sistemas Multiagente.
España. Universidad Politecnica de Madrid. Universidad
Juan Carlos de Madrid.2007. 8 paginas En
http://www.dia.fi.upm.es/~agarcia/publications/archivos/R
EV3.pdf
[AJOJ 2007] ARIAS Francisco J. JIMENEZ Jovani. OVALLE Demetrio
A. Una Aproximación Metodológica para la Construcción
de Sistemas Tutoriales Adaptativos MultiAgente con
Énfasis en el
Modelo Pedagógico. Colombia. Revista Avances en
Sistemas e Informática, Vol.4 No. 3. 2007. 10 paginas
[ALAA 2005] ALDEA A. Et all. Sistema multiagente de soporte a la
coordinación de transplantes. España. Departament
d'Enginyeria Informàtica i Matemàtiques Universitat
Rovira i Virgili (URV). 2004. 5 paginas
[ALBU 2007] BAKER Christopher J. O., CHEUNG Kei-Hoi. Semantic
web: revolutionizing knowledge discovery in the life
sciences. EEUU. 2007. Springer. 445 paginas
[ALEA 2005] ALVES Victor, Et All. Web-based Medical Teaching using
a Multi-Agent System. Portugal. Universidad do Minho.
2005. 14 paginas
[AMOF 2007] ARIAS Francisco. MORENO Julián. OVALLE Demetrio,
Integración de Ontologías y Capacidades de
Razonamiento en Agentes de Software Inteligentes para
la Simulación del Proceso de Negociación de Contratos
de Energía Eléctrica. Colombia. Universidad Nacional de
Colombia. 2007. 12 paginas
[ANMI 2002] RAO Anand S; GEORGE Michael P; BDI Agents From
Theory to Practice, EEUU, Proceedings of the First
International Conference on Multi Agent Systems
ICMAS. 2002. 14 paginas
[ASAT 2004] AKPAN Toyin. SEARING Hannah. ADETUNJI Ade.
Nigerian Case Study: Lessons Learned in Piloting the
National Health Management Information System in
Bauchi, Enugu, and Oyo States. Nigeria. Proceedings of
the 37th Hawaii International Conference on System
Sciences. 2004. 8 paginas
[AVEA 2006] ALVES Victor, Et All. A WEB-BASED COLLABORATION
APPROACH FOR TEACHING IN MEDICINE. Portugal,
School of Engineering – University of Minho, 2006. 7
paginas
[BAET 2002] BARRETO Sistine. Et All. Coordination of Inter-
Organisational Healthcare Processes via Specialisation
of Internet-based Object Life Cycles. Australia.
Proceedings of the 35th Hawaii International Conference
on System Sciences. 2002. 10 Paginas
[BAIA 2007] BARNA Iantovics. MEDICAL MULTIAGENT SYSTEMS.
Rumania. INTERDISCIPLINARITY IN ENGINEERING‖
SCIENTIFIC INTERNATIONAL CONFERENCE. 2007. 6
paginas.
[BEDO 2001] BERNDT Donald J. Consumer Decision Support
Systems: A Health Care Case Study. EEUU.
Proceedings of the 34th Hawaii International Conference
on System Sciences. 2001. 10 paginas
[BEHH 2004] Behrouz Homayoun Far; Theme 3: Methodological
support for interactive software agents. Canadá.
http://enel.ucalgary.ca/People/far/res-e/index.html. 2004
;9 paginas,
[BHFA 2005] FAR´S.B.H. Methodological support for interactive
software agents, Canada. Universidad de Calgary. 2005.
9 paginas
[BHOA 2007] BLANSON HENKEMAN, Olivier A. ET ALL. A Hybrid
Multi Agent System Architecture for Distributed
Supervision of Chronic Patients in the eHealth Setting,
Holanda, 2007, 6 paginas
[BUEA 2005] BUI Tung. Et all. Virtual Environments for Advanced
Modeling: Conceptual Foundations for Research. EEUU.
Proceedings of the 38th Hawaii International Conference
on System Sciences. 2005. 10 paginas
[BWGS 2004] BARRETTO Sistine. WARREN Jim. GOODCHILD
Andrew. Designing Guideline-based Workflow-enabled
Electronic Health Records. Australia. Proceedings of the
37th Hawaii International Conference on System
Sciences.2004. 10 paginas
[CAEA 2002] CALABRETTO J.P. Et all. Agent Support for Patients and
Community Pharmacists. Australia. Proceedings of the
35th Hawaii International Conference on System
Sciences. 2002. 10 paginas
[CELL 2000] LLAMAS BELLO. Cesar Introducción a los Agentes y
sistemas MultiAgente; España; Universidad de
Valladolid; 2000; 6 paginas
[CCSS 2008] Corte Constitucional, Sala Segunda de Revisión,
Sentencia T-760 de 2008, República de Colombia;
www.cej.org.co/index.php?option=com_docman&task=do
c_download&gid=139&Itemid=59
[CHDA 2002] CHIASSON Mike. DAVIDSON Elizabeth. Getting the
Two to Dance: Examining Barriers To Health Information
Systems Research in Mainstream IS journals. Canada.
Proceedings of the 35th Hawaii International Conference
on System Sciences. 2002. 9 paginas
[CHDI 2006] Cherrie W.W. Ng y Dickson K.W. Chiu. E-Government
Integration with Web Services and Alerts: A Case Study
on an Emergency Route Advisory System in Hong Kong.
Hong Kong. Proceedings of the 39th Hawaii International
Conference on System Sciences. 2006. 10 paginas
[CHEA 2002] CHADWICK D.W. Et all. Experiences of Using a Public
Key Infrastructure to Access Patient Confidential Data
Over the Internet. Inglaterra. Proceedings of the 35th
Hawaii International Conference on System Sciences.
2002. 11 paginas.
[CJEA 2002] CALABRETTO Jean Paul. Et all. Building common
ground for communication between patients and
community pharmacists with an internet medicine
cabinet. Australia. Proceedings of the 35th Hawaii
International Conference on System Sciences. 2002. 8
paginas
[COEA 2005] COLTELL Oscar.Et all. Multi-Agent Approaches for
Biomedical Informatics Applications in the Health
Framework: Genomic Epidemiology and Nutrigenomics.
España.
http://people.cs.uu.nl/mehdi/tfg/ljubljanafiles/OscarColtell.
pdf 2005. 4 paginas
[COFFIN 2004] COFFIN Carla. Et all. Using Intelligent Agents to
Repurpose Administrative Data in Fostering Disease
Prevention in an Outpatient Context: The Case of
Pneumococcal Vaccination. Canada. Proceedings of the
37th Hawaii International Conference on System
Sciences. 2004. 7 paginas.
[CRPV 2007] CHAN Victor. RAY Pradeep. PARARNESWARAN
Nandan. AMulti-Agent Collaborative Framework for
Mobile E-Health. Australia. Proceedings of the 40th
Hawaii International Conference on System Sciences.
2007. 10 paginas
[CRQK 1998] CANFIELD Kip. RAMESH V. QUIROLOGICO Steve.
Scenario-based Analysis of an Agent-based Architecture
for Health Care Decision Support Systems. EEUU. IEEE.
1998. 10 Paginas
[DACF 2005] DOMINGUEZ Fabián, ACEROS María Hemmy,
CORREDOR Beatriz. Los Sistemas Multi-Agentes y la
salud integral para la infancia. Colombia. VENTANA
INFORMÁTICA No. 12 – Universidad de Manizales.
2005. 8 paginas
[DAEA 2008] DAVIES J. Et all. Multi-Agent Control of High
Redundancy Actuation. Inglaterra. Loughborough
University. 2008. 6 paginas
[DHEA 2001] DUTT Hans R. Et All. Developing a Data-Driven Method
for Estimating Provider Penetration and Abusive Billing
Practices. EEUU. Proceedings of the 34th Hawaii
International Conference on System Sciences. 2001. 10
paginas
[DMAS 2006] DUQUE MÉNDEZ, Néstor Darío. AGUDELO SALAZAR,
Alfonso Pio. Sistema Multiagente para la Evaluación
Personalizada en Cursos Virtuales. Colombia.
Universidad Nacional de Colombia. 2006. 5 paginas
[DSTJ 2009] DAWSON Juanita. SCHOOLEY Benjamin. TULU
Bengisu. A Real World Perspective: Employee
Perspectives of Employer Sponsored Personal Health
Record (PHR) Systems EEUU. Proceedings of the 42nd
Hawaii International Conference on System Sciences.
2009. 10 paginas.
[EPLJ 2000] EDIEAL J. PINKER and R. LAWRENCE VanHorn.
Worker Incentives to Learn in Gatekeeper Systems:
Lessons for the Implementation of Knowledge
Management Systems. EEUU. Proceedings of the 33rd
Hawaii International Conference on System Sciences.
2000. 10 paginas
[FGEA 2008] FAUSTINO, Geisa Martins. Et all. A Multi-Agent-based
3D Visualization of Stem Cell Behavior, Brasil,
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE
JANEIRO, 2008. 14 paginas
[FLJU 2007] FLEUREAU Julien , 3D Multi-Object Segmentation of
Cardiac MSCT Imaging by using aMulti-Agent Approach,
Francia, Annual International Conference of the IEEE
Engineering, 2007. 4 paginas.
[FMMJ 2004] FONSECA, José Manuel. MORA, André Damas.
MARQUES Ana Celeste. MAMIS – A MULTI-AGENT
MEDICAL INFORMATION SYSTEM,
Portugal.Proceedings of IASTED International
Conference on Biomedical Engineering (BioMED 2005)
.2004, 6 paginas.
[FOJO 2006] FOX John. Et all. Towards a canonical framework for
designing agents to support healthcare organisations.
Inglaterra. Advanced Computation Laboratory, Cáncer
Research UK. 2006. 8 paginas.
[FTVA 2005] FRUHLING Ann. TYSER Kimberly. VREEDE Gert-Jan.
Experiences with Extreme Programming in Telehealth:
Developing and Implementing a Biosecurity Health Care
Application. EEUU. Proceedings of the 38th Hawaii
International Conference on System Sciences. 2005. 10
paginas
[GCAD 2009] GONZALEZ CHARRY. Adriana. ARQUITECTURAS
DELIBERATIVAS, REACTIVAS E HIBRIDAS EN
AGENTES Y SISTEMAS MULTIAGENTES. Colombia.
Universidad Católica de Colombia. 2009. 295 paginas
[GGOJ 2008] GIRALDO Jorge. GUZMAN Jaime. OVALLE Demetrio.
Técnicas de inteligencia artificial aplicadas a la
coreografía de servicios web. Colombia. Revista Avances
en Sistemas e Informática Vol. 5 No 2. 2008. 6 paginas
[GIIU 2007] Giani U. Collaborative Multi-professional Narrative Based
e-learning. An application to teaching Medical Statistics,
Italia. University of Naples Federico II. 2007. 9 paginas
[GOEA 2004] GONZALEZ C. Et all. SISTEMAS TUTORES
INTELIGENTES: PROPUESTA DE UNA
ARQUITECTURA PARA APRENDIZAJE EN SALUD
PÚBLICA. Colombia. VII Congresso Iberoamericano de
Informática Educativa. 2004. 10 paginas.
[HACV 2002] HARKKE Ville. ALESSI Darío. COLLAN Mikael. IT and
Institutional Constraints: Effects of Legal and
Administrative Constraints to Use IT in Production of
Health Care Services – Focus on Finland. Finlandia.
IEEE. 2002. 6 paginas
[HOOH 2005] HORI Mayumi. OHASHI Masakazu. Applying XML Web
Services into Health Care Management. Japan.
Proceedings of the 38th Hawaii International Conference
on System Sciences. 2005. 6 paginas
[HTSH 2002] HAKKINEN Heidi. TURUNEN Pekka. SPIL Ton.
Information in Health Care Process - Evaluation Toolkit
Development. Finlandia. IEEE. 2002. 7 paginas
[IFCA 1998] IGLESIAS FERNANDEZ Carlos Ángel; DEFINICIÓN DE
UNA METODOLOGÍA PARA EL DESARROLLO DE
SISTEMAS MULTIAGENTE. España. UNIVERSIDAD
POLITÉCNICA DE MADRID. 1998. 322 PAGINAS
[ISMD 2007] ISERN David. SANCHEZ David. MORENO Antonio.
HeCaSe2: A Multi-agent Ontology-Driven
Guideline Enactment Engine. España. 2007. 3 paginas
[JIWE 2006] JIH, Wan-rong. ET ALL. A Multi-Agent Service
Framework for Context-Aware Elder Care, Taiwan, IEEE.
2006, 15 paginas
[JJOM 2008] JIMENEZ SANCHEZ Marcela. JIMENEZ BUILES Jiovani.
OVALLE Demetrio. Evaluación en línea para cursos
tutoriales inteligentes adaptativos usando el modelo
multiagente. Colombia. Revista avances en sistemas e
informática Vol.5. No 1. 2008. 10 paginas.
[JSWN 1998] JENNINGS, Nicholas R. SYCARA Katia. WOOLDRIDGE,
Michael. A Roadmap of Agent Research and
Development, EEUU. Kluwer Academic Publishers, 1998.
32 paginas
[JVOJ 2007] JIMENEZ Jovani. VALLEJO Marcela. OCHOA Jhon.
Metodología para el Análisis y Diseño de
Sistemas Multi-Agente Robóticos: MAD-Smart.
Colombia. Revista Avances en Sistemas e Informática,
Vol.4 No. 2. 2007. 10 paginas
[KCMV 2003] Koutkias VG. Chouvarda I. Maglaveras N. Multi-Agent
System Architecture for Heart Failure Management in a
Home Care Environment. Grecia. Aristotle University.
2003. 4 paginas
[KEPE 2004] KERRISON Peter. A HEALTH INFORMATION SYSTEM
IN FIJI Discussion on the Implementation of a National
Health Number and the Methodology of Synchronizing a
Number of Remote Databases. Australia. Proceedings of
the 37th Hawaii International Conference on System
Sciences. 2004. 10 paginas
[KOAN 2002] KOUROUBALI Angelina. Structuration Theory and
Conception-Reality Gaps: Addressing Cause and Effect
of Implementation Outcomes in Health Care Information
Systems. Inglaterra. Proceedings of the 35th Hawaii
International Conference on System Sciences. 2002. 10
paginas
[LAPE 2001] LARSEN Michael Holm. PEDERSEN Mogens Kühn.
Distributed Knowledge Management in Health Care
Administration. Dinamarca. Proceedings of the 34th
Hawaii International Conference on System Sciences.
2001. 10 paginas
[LCHC 2006] LEROUGE Cynthia. CULJAK Gordana. HORAN Thomas.
Introduction for Minitrack: Consumer Health Informatics,
Patient Safety and Quality of Practice. Australia. IEEE.
2006. 1 pagina.
[LIEA 2007] LIN Chia-En Et all. A Methodology to Evaluate Agent
Oriented Software Engineering Techniques. EEUU.
Proceedings of the 40th Hawaii International Conference
on System Sciences. 2007. 10 paginas
[LIJU 2001] LIND, Jurgen. Agent-Oriented Software Engineering with
MASSIVE, Alemania, Ackerstraße, 2001, 4 paginas
[LILE 2004] LISETTI Christine. LEROUGE Cynthia. Affective
Computing in Tele-home Health. EEUU. Proceedings of
the 37th Hawaii International Conference on System
Sciences. 2004. 8 paginas
[LIMA 2003] LIEBERMAN Henry. MASON Cindy. Intelligent Agent
Software for Medicine. EEUU. Media Laboratory,
Massachusetts Institute of Technology, Cambridge, MA.
2003. 16 paginas.
[LJHA 2008] LUNDBERG, Jenny. HåKANSSON Anne. An Approach
towards using Agent in Multi-Agent
Systems to streamline emergency services, Suecia,
2008, 6 paginas.
[MASB 2005] MAS*BIOMED'05. First International Workshop on Multi-
Agent Systems for Medicine, Computational Biology, and
Bioinformatics, Holanda, 2005. 192 paginas
[MDPG 2007] MORALES Javier. DE LA PEÑA David. GONZALEZ
Enrique. G+ Grilla computacional Mediada por Agentes.
Colombia. Pontificia Universidad Javeriana. 2007. 8
paginas
[MGBJ 2004] MOLINA LOPEZ José. GARCIA HERRERO Jesús.
BERNARDOS BARBOLLA Ana. AGENTES Y
SISTEMAS MULTIAGENTE. España. CEDITEC. 2004.
44 paginas
[MGKC 2001] MAZZIA Christian, GANGULYB Pronab. KIDDC Michael.
Healthcare Applications based on Software Agents.
Australia. 2001. MEDINFO 2001. 5 paginas.
[MOAN 2003] MORENO Antonio. Medical Applications of Multi-Agent
Systems. España. Computer Science & Mathematics
Department, Universitat Rovira i Virgili. 2003. 15 paginas
[MOAN 2005] MORENO Antonio. Multi-agent systems in health care.
An application to Palliative Care Units. España. Research
Group on Artificial Intelligence University Rovira
iVirgili(URV). 2005. 70 diapositivas
[MOBU 2004] MONETT Dagmar. BURKHARD Hanns-Dieter.
Problemas Inversos, Técnicas Evolutivas y Agentes
inteligentes: Estrechando las Fronteras. Alemania.
 Avances en Sistemas e Informática Número 1. 2004. 6
paginas.

[MPVE 2007] MARQUE, Pedro Vieira; ET ALL. A FIRST APPROACH

FOR A REGIONAL WIDE VEPR, Portugal, University of
Porto, 2007, 4 paginas
[MVDM 2006] MAGO Vijay Kumar, DEVI, M. Syamala. A Multi-agent
Medical System for Indian Rural Infant and Child Care,
India, Proceedings of the Twentieth International Joint
Conference on Artificial Intelligence, 2006, 6 paginas
[MVOJ 2005] MORENO CADAVID Julián. VELASQUEZ HENAO Juan
David. OVALLE CARRANZA Demetrio Hacia una
Metodología para la Construcción de Modelos de
Simulación Basados en Sistemas Multi-Agente.
Colombia. Avances en Sistemas e Informática 2. 2005. 9
paginas
[OCJB 2005] OVALLE CARRANZA Demetrio Arturo. JIMENEZ
BUILES Jovani Alberto. Sistemas de Enseñanza /
Aprendizaje basados en Agentes Inteligentes
Pedagógicos. Colombia. Avances en Sistemas e
Informática 2. 2005. 10 paginas
[OLSI 2006] OLSEN Megan. SIEGELMANN Hava. Multi-Agent
System that Attains Longevity via Death. EEUU.
University of Massachusetts Amherst. 2006. 6 paginas
[OPMI 2009] Oprea Mihaela. Medical_MAS: An agent_Based system
for medical diagnosis. Paginas 225-232 Año 2009
UniversityPetroleum-Gas of Ploiesti; Department of
informatica,
[PAHO 2007] Health in Américas, 2007 Edition,
http://www.paho.org/hia/vol2paisesing.html
[PALU 2001] PAYTON Fay Cobb. LUCAS Heidi. Health Care B2C
Electronic Commerce: What Do Patients Consumers
Want?. EEUU. Proceedings of the 34th Hawaii
International Conference on System Sciences. 2001. 5
páginas.
[PAOP 2007] PEREZ ARDILA Yanis, PORTILLA Jorge, Aplicación de
metodologías ingenias, ZEUS, masina al desarrollo de
sistemas multiagente partiendo de sma de subasta, para
la identificación de mejores prácticas, Colombia.
Universidad de Pamplona. 2007. 337 paginas
[PCAG 2009] PARDO CASTILLO Alexandra. AVENDAÑO GALINDO
Diana Marcela. METODOLOGÍAS DE DISEÑO Y
DESARROLLO PARA AGENTES Y SISTEMAS
MULTIAGENTE. Colombia. Universidad Católica de
Colombia. 2009. 102 Páginas.
[PDOC 2006] PASTRANA DAVID María Marcela. OVALLE
CARRANZA Demetrio. Evaluación de Métricas de
Calidad Aaplicadas a Protocolos Multi-Agente de
Negociación Eelectrónica. Colombia. Avances en
Sistemas e Informática. 2006. 5 paginas
[PFDB 2008] PINHEIRO Flavio de Brito Et All. EL USO DE MINERIA
DE DATOS Y SISTEMAS MULTIAGENTE EN EL
PROCESO DE APRENDIZAJE CON INTERFASES WEB
A traves de las inteligencias multiples. Brasil. Revista
Avances en Sistemas e informática Vol. 5 No 2. 2008. 6
paginas
[PGEA 2009] PARE Guy. Et all. Evaluation of the Impacts of a
Provider-Focused Telehomecare Intervention: A Pre-Post
Study. Canada. Proceedings of the 42nd Hawaii
International Conference on System Sciences. 2009. 1q0
paginas.
[POVI 2005] PODGORELEC Vili, Complexity-driven Evolution of
Decision Graphs for Classification of Medical Data,
Informatica, Slovene Society Informatika, Vol. 29, Num.
1- 2005. pp. 41-51
[RAEA 2006] ROBLES, Armando. Et All., A Multi Agent Approach for
the Representation and Execution of Medical Protocols,
España, CSIC - Spanish Scientific Research Council,
2006. 6 paginas
[RDRB 2009] Raheleh B. Dilmaghani. Ramesh R. Rao. A Systematic
Approach to Improve Communication for Emergency
Response. EEUU. Proceedings of the 42nd Hawaii
International Conference on System Sciences. 2009. 8
paginas
[RLEA 2009] ROBERTS Lance. Et all. Methodological Approaches to
Measuring the Effects of Implementation of Health
Information Technology (HIT). EEUU. Proceedings of the
42nd Hawaii International Conference on System
Sciences. 2009. 10 Paginas
[ROGO 2007] RODRIGUEZ Paola. GOMEZ Santiago. Arquitectura de
Comunicación entre Frameworks Jade-Symfony.
Colombia. Revista Avances en Sistemas e Informática,
Vol. 4. 2007. 6 paginas
[ROZL 2003] RAMIREZ OROZCO Sandra Ligia. ZUÑIGA Luis Enrique.
Guía para la elaboración de proyectos. Colombia.
Universidad Católica de Colombia. 2003. 22 paginas
[RTGJ 2007] RODRIGUEZ Julián. TORRES Miguel. GONZALEZ
Enrique. La Metodología AOPOA. Colombia. Revista
Avances en Sistemas e Informática, Vol.4 No. 2. 2007. 8
paginas
[SABU 2000] SANKARAN Siva R. BUI Tung. A Web-Based
Correctional Telemedicine System with Distributed
Expertise. EEUU. Proceedings of the 33rd Hawaii
International Conference on System Sciences. 2000. 10
paginas
[SEMG 2005] Sackmann S, Eymann T, Muller G. EMIKA – Real-Time
Controlled Mobile Information Systems in Health Care
Applications. Alemania. Albert-Ludwigs-Universität
Freiburg. 2005. 8 paginas
[SLEA 2001] SOKOL Lisa. Et all. Precursory Steps to Mining HCFA
Health Care Claims. EEUU. Proceedings of the 34th
Hawaii International Conference on System Sciences.
2001. 10 paginas
[SUTA 2002] SUOMI Reima. TAHKAPPA Jarmo. Establishing a
Contact Centre for Public Health Care. Finlandia. IEEE.
2002. 10 paginas
[SYZE 1998] SYCARA Kathia. ZENG Daju. COORDINATION OF
MULTIPLE INTELLIGENT SOFTWARE AGENTS.
EEUU. International Journal of Cooperative Information
Systems. 1998. 31 paginas
[TNEA 2009] TATARA Naoe, Et All. Review of Mobile Terminal-Based
Applications for Self-Management of Patients with
Diabetes, Noruega, International Conference on eHealth,
Telemedicine, and Social Medicine, 2009, 10 paginas
[TTPG 2008] Turcu C. Turcu Cr. Popa V. Gaitan V. Identification and
Monitoring of Patients Using RFID and Agent
Technologies: Synergy and Issues. Rumania. University
of Suceava. 2008. 6 paginas
[URLS 2009] URICOECHEA Luz Stella. METODOLOGÍA DE
INVESTIGACIÓN FICHA DE REVISIÓN DOCUMENTAL.
Colombia. Universidad Católica de Colombia. 2009. 6
paginas
[VEEA 2006] VERMEULEN Ivan. Et all. Improving Patient Activity
Schedules by Multi-agent Pareto Appointment
Exchanging. BHolanda. The Netherlands Centre for
Mathematics and Computer Science. 2006. 8 paginas
[VEZA 2005] VELASQUEZ HENAO Juan David. ZAPATA Carlos
Mario. Algunas Claves fundamentales en la escritura de
artículos científicos en ingeniería. Colombia. Avances en
Sistemas e Informática 2. 2005. 5 paginas
[VIMA 2006] Vieira-Marques P. Et all. MAID – Multi Agent for the
Integration of Data. Portugal. Polytechnical Studies
Review, Vol. III. 2006. 13 paginas
[VREA 2003] VICARI Rosa M. Et all. A multi-agent intelligent
environment for medical knowledge. Brasil. Artificial
Intelligence in Medicine 27. 2003. 32 paginas
[WEEA 2000] WEI Chih-Ping Et all. Inductive Learning Approach to
Intelligent Patient Image Pre-fetching: Extension and
Evaluation of CN2 Algorithm. EEUU. Proceedings of the
33rd Hawaii International Conference on System
Sciences. 2000. 10 paginas
[WJKM 2002] WOOLGRIDG, Michael. JENNINGS, Nicholas R.KINNY,
David. A Methodology for Agent-Oriented Analysis and
Design. Inglaterra. 2002. 8 paginas
[WNMG 2002] WICKRAMASINGHE Nilmini. MILLS Gail L. E-
KNOWLEDGE IN HEALTH CARE: A STRATEGIC
IMPERATIVE. EEUU. Proceedings of the 35th Hawaii
International Conference on System Sciences. 2002. 9
Paginas
[WNSJ 2001] WICKRAMASINGHE Nilmini. SILVERS J. B. IS/IT:
Enabling Medical Group Practices in a Managed Care
Environment. Australia. Proceedings of the 34th Hawaii
International Conference on System Sciences. 2001. 10
paginas
[YEYI 2006] YE Ying-Han. Development of a Multi-agent software
plataform for context-aware digital home application and
its environment simultaror. Taiwan. National Cheng Kung
University. 2006. 86 paginas
[ZHPE 2005] ZHANG Peng. Multi-agent Systems in Diabetic Health
Care. Suecia. Blekinge Institute of Technology. 2005. 104
paginas.
[ZXXS 2007] ZHANG, Xiaoqin., XU, Haiping., SHRESTHA, Bhavesh.
An Integrated Role-Based Approach for Modeling,
Designing and Implementing Multi-Agent Systems.
EEUU. University of Massachusetts at Dartmouth. 2007.
16 paginas

ANEXOS
Anexo AA Fichas

FICHA DE REGISTRO DOCUMENTAL

Código: [AFEA 2006] Fuente No.: [AFEA 2006] Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 6 p.

Título: Diseño y Desarrollo de Mecanismos de Razonamiento Multi-Agente para la

Negociación de Energía Eléctrica Utilizando JESS Y JADE

Autor: Francisco Javier Arias, Jorge Alejandro Maulando, Julián Moreno y

Demetrio Arturo Ovalle

Ubicación: Revista Avances en Sistemas e Informática, Vol. 3 No 1 pp. 51-56,

Medellín, Junio 2006, ISSN 1657–7663

Abstract: Una de las características principales de los agentes de software

inteligentes es que estos pueden tener un carácter deliberativo (tienen la
capacidad de realizar operaciones complejas) y poseer mecanismos de
razonamiento que les permiten desenvolverse de manera eficiente dentro de su
entorno. La implementación de mecanismos de razonamiento basados en reglas
en agentes de software para obtener un comportamiento deliberativo puede ser
lograda mediante la integración de las plataformas JADE (Java Agent
DEvelopment Framework) y JESS (Java Expert System Shell). El propósito de este
artículo es mostrar la integración de estas herramientas y su validación mediante
una aplicación en concreto: La negociación electrónica de contratos en el Mercado
de Energía Eléctrica en Colombia.

Tabla de Contenido: Sistemas basados en conocimientos, sistemas multi-agente,

problema a resolver, identificación y modelamiento de actividades que requieren
razonamiento, integración jess – jade, análisis de resultados, conclusiones y
trabajo futuro

Palabras Clave: Agentes y Multiagentes, Energía Eléctrica

Resumen: En los Sistemas Multi-Agente los agentes de software pueden estar

clasificados en dos tipos: reactivos y deliberativos, dependiendo de su estructura y
funcionamiento interno. Los agentes reactivos son agentes cuya única capacidad
es reaccionar inmediatamente a través de una acción sencilla cuando alguna
condición se cumple, al recibir un estímulo de su entorno. Los agentes reactivos no
son individualmente inteligentes, pero pueden exhibir un comportamiento global
inteligente, el cual surge de su interacción; en cambio los agentes deliberativos son
aquellos que poseen la capacidad de efectuar operaciones complejas, son
individualmente inteligentes (este tipo de agentes puede ser considerado como un
sistema experto, con capacidad de razonamiento sobre su base de conocimiento),
pueden comunicarse con los demás agentes y llegar a un acuerdo con todos o
algunos de estos, sobre alguna decisión a tomar. Se podría concebir agentes de
software como sistemas heterogéneos, cuyo comportamiento se derive de la
integración de los dos tipos de agentes y tenga características de ambos. Para
ello, se debe dotar a los agentes deliberativos de capacidades de reacción a los
eventos externos, a tales agentes se llama agentes híbridos.

2 Sistemas basados en conocimientos. Los sistemas basados en conocimiento

más distinguidos son los sistemas expertos, los cuales son programas que se
realizan haciendo explicito el conocimiento en ellos, que tienen información
específica de un dominio concreto y que realizan una tarea relativa a este dominio.
Un Sistema Experto está conformado principalmente por:

Base de conocimientos: Contiene conocimiento modelado extraído del diálogo

con el experto. Base de hechos: contiene los hechos sobre un problema que se
ha descubierto durante el análisis.

Motor de inferencia: Modela el proceso de razonamiento humano. Es el algoritmo

utilizado para ejecutar las reglas de inferencia según la información de la base de
hechos.

3 Sistemas multi-agente. Los Sistemas Multi-Agente (SMA) provenientes de la

Inteligencia Artificial Distribuida (IAD) tratan sobre la coordinación inteligente entre
una colección de ‘agentes‘ autónomos o semi-autónomos, que existen dentro de
cierto contexto o ambiente, se pueden comunicar entre sí y definen cómo pueden
coordinar sus conocimientos, metas, propiedades y planes para la toma de
decisiones o para resolver problemas complejos

4 Problema a resolver: Debido a las características propias de la negociación en

el mercado, de energía eléctrica algunos actores requieren de algún tipo de
razonamiento para tomar mejores decisiones y así obtener mayor beneficio.

4.1 Estructura del Mercado Eléctrico en Colombia: El Sistema Electrónico de

Contratos -SEC-, es una propuesta para transar electricidad a través de contratos
bilaterales a largo plazo, que busca permitirles a los agentes del mercado contar
con nuevos mecanismos para cubrir su riesgo. Algunas de las características que
poseerá este sistema son: contratos estandarizados, con el fin de llegar a un
mercado más homogéneo y eficaz; anonimato, de forma que los agentes no
conocen con quien están transando, buscando fomentar la entrada de nuevos
agentes; y señal de precios, con el objetivo de desarrollar una señal para los
agentes que les permita tener un mejor pronóstico de los precios futuros. Además,
el proceso de negociación que se realizará en el SEC estará basado en un
mecanismo de subasta de venta. Las subastas tienen como característica
fundamental la existencia de información asimétrica entre quienes participan.

5 Identificación y modelamiento de actividades que requieren razonamiento:

En el desarrollo del caso de estudio fueron identificadas dos tareas principales en
las cuales intervienen tres tipos de agentes: generador, comercializador y
administrador; estas tareas corresponden a la compra de energía en el SEC y la
compra de energía en bolsa. Para mostrar la implementación de los mecanismos
de razonamiento se sigue todo el proceso para una actividad contenida en la tarea
"comprar energía en el SEC", desde la identificación y modelamiento hasta su
implementación e integración. La tarea "Comprar energía en el SEC" se lleva a
cabo de la siguiente manera: el generador envía sus ofertas al SEC, este las
registra y las publica a los comercializadores. Posteriormente, los
comercializadores revisan las ofertas y teniendo en cuenta parámetros internos y
externos envían incrementos sobre ciertas ofertas. El SEC analiza estas contra-
ofertas para determinar las contra-ofertas ganadoras. Si la subasta no ha
finalizado, el SEC publica a los comercializadores las contra-ofertas ganadoras y el
proceso se repite nuevamente. Cuando la subasta finaliza, el SEC envía al
administrador las contra-ofertas ganadoras en la subasta.

En esta tarea se identificaron 5 actividades que requieren de un determinado

razonamiento

Actividad1: Determinar precio y cantidad de energía a ofertar. Por el Generador

Actividad2: Determinar cuanta energía comprará en contratos de largo plazo y

cuanto en bolsa de energía. Por el Comercializador

Actividad3: Determinar por cuales ofertas realizará pujas o contraofertas. Por el

Comercializador

Actividad4: Determinar el incremento de las contraofertas en el desarrollo de las

subastas. Por el Comercializador

Actividad5: Determinar el precio de reserva de cada tipo de contrato para cada

periodo. Por el Comercializador

La actividad que se seguirá para explicar su modelamiento, implementación e

integración será la actividad4 " determinar incremento", ya que esta requiere ser
realizada cuidadosamente, debido a que si el incremento es muy bajo se podría
perder la subasta y si es muy alto las ganancias podrían reducirse
significativamente. Para modelar el razonamiento de esta actividad es necesario
identificar los criterios (relaciones relevantes compuestas por 1 o más parámetros
ya sean del mercado, de la oferta o internas del comercializador) que afectan de
forma directa al razonamiento, para luego asignar un porcentaje de salida (entre
0.3% incremento mínimo y 5% incremento máximo) que se fijará por medio de
funciones de relación, Además, se asignará un valor entre 0 y 1 (peso) según la
importancia del criterio sobre el razonamiento. Tal peso dependerá de la duración
del contrato (CE-mes mensual o CE-año anual). El primer paso es obtener el
nombre o identificador del oferente, el cual será comparado con el nombre o
identificador propio del comercializador. En caso de ser iguales, el incremento para
la oferta en la puja actual debe ser cero, ya que el comercializador ganador de la
oferta en ese instante es él mismo. En caso de ser diferentes el razonamiento para
obtener el incremento debe continuar debido a que la oferta puede ser la inicial
puesta por los vendedores, u otro comercializador se encuentra ganado dicha
oferta en este instante. Luego de verificar que los identificadores sean diferentes
se debe calcular la reserva (Reserva = Precio tope – Precio ganador. el precio
ganador, es el precio actual de la oferta). Si la reserva es menor que cero es
porque el precio de la contra-oferta por la cual el comercializador desea pujar
excede su precio tope, y en este caso el incremento debe ser cero; si la reserva es
mayor que cero el razonamiento para obtener el incremento debe continuar.
Posteriormente se verifica la duración del contrato (CE-mes o CE-año), se calcula
la diferencia entre el precio promedio contratos propio contra el precio ganador y
se calcula la diferencia entre el precio promedio contratos mercado contra el precio
ganador. Esto con el fin de verificar que porcentajes de salida asociar a cada uno
de los criterios. A medida que se obtengan los porcentajes de salida, estos se
deben ir multiplicando por los pesos asociados e ir sumándolos, de modo que al
finalizar el razonamiento se pueda obtener un porcentaje de incremento que
conlleve a un incremento lógico para la oferta

5.1 Calculo de porcentaje de salida para el criterio embalse A manera de

ejemplo, se expone a continuación el cálculo del porcentaje de salida para el
criterio embalse identificado anteriormente. Este criterio está compuesto
principalmente por los parámetros embalse actual, embalse histórico, periodo
actual y periodo inicio del contrato. En general si el embalse es alto entonces el
precio en bolsa es bajo, debido a que es posible generar mayor energía a menor
costo, entonces comprar la energía en bolsa resultaría más favorable para los
comercializadores y no tendrían la necesidad de comprar energía por medio de
contratos largo plazo. En cambio si el embalse es bajo el precio en bolsa es alto,
entonces comprar la energía en bolsa resultaría muy caro para los
comercializadores y tendría la necesidad de ganar los contratos largo plazo para
no bajar la utilidad teniendo que comprar su demanda propia de energía en la
bolsa. Del análisis anterior se puede concluir que el criterio embalse actúa de
forma significativa e inversamente proporcional en este razonamiento

6 INTEGRACIÓN JESS – JADE La implementación de los agentes del sistema en

el caso de estudio se realizó con la ayuda de la plataforma JADE y la integración
de los mecanismos de razonamiento en los agentes de software se realizó por
medio de la plataforma JESS.

6.1 Plataforma JADE JADE es un middleware de código abierto y libre que

proporciona tanto un entorno de desarrollo como un entorno de ejecución para la
realización y mantenimiento de Sistemas Multi-Agente. El entorno de desarrollo
está formado por una serie de librerías en Java que permiten la implementación de
agentes de manera limpia e independiente de la plataforma sobre la que se va a
ejecutar. El entorno de ejecución permite a los agentes de software existir y
comunicarse entre ellos.

6.2 Plataforma JESS JESS no es sólo un shell para sistemas expertos, como
motor de reglas propiamente dicho, sino que también provee un lenguaje de script.
Toda esta funcionalidad escrita completamente en el lenguaje Java permite el
desarrollo de sistemas expertos basados en reglas acoplarse de diferentes formas
con el lenguaje de programación. JESS puede manejar hechos e instancias de
objetos java, lo cual coloca a esta herramienta un paso más adelante en lo que a
los lenguajes basados en reglas se refiere.

Conclusiones y trabajo futuro En este artículo se ilustraron las bondades de la

integración de mecanismos de razonamiento en los agentes de software,
obteniendo agentes híbridos los cuales exhiben comportamientos reactivos y
deliberativos. Las plataformas utilizadas (JADE y JESS) son fácilmente integrables
debido a que las dos fueron desarrolladas bajo el lenguaje Java. Del análisis
realizado sobre el caso de estudio se puede concluir que la implementación
desarrollada fue coherente, ya que los comercializadores simulados mostraron
porcentajes de incremento acordes al valor de los parámetros de entrada para los
criterios tenidos en cuenta en la definición de este razonamiento. Dentro de las
actividades identificadas en el problema de aplicación, hasta el momento se han
trabajado únicamente las dos mencionadas en este artículo. Como trabajo futuro
se propone la implementación e integración de las actividades 1, 2 y 3 ya sea por
medio de algoritmos procedimentales, modelos estadísticos, mecanismos basados
en conocimientos, redes neuronales o lógica difusa.

REFERENCIAS

MEM (2006), ‗Mercado de energía mayorista‘. *En línea: <http://www.isa.com.co/>

C05/06

Ovalle, D., Moreno, J., Maulando, J. y Arias, F. (2005), Simulación del proceso de
negociación de contratos normalizados bilaterales de energía basados en un
modelo multi-agente de subastas para el sector eléctrico colombiano, Technical
report, Universidad Nacional de Colombia - Sede Medellín. Proyecto de
Investigación - Código 30805914.

Wooldridge, M. (2002), An Introduction to Multi-Agent System, ISBN: 0-471-49691-

X, 1a edn, Baffins Lane, England: John Wiley & Sons ltd.
FICHA DE REGISTRO DOCUMENTAL

Código [AGAL 2002] Fuente: [AGAL 2002] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 6 pdf.

Título Sistema Multiagente para Monitorización Inteligente Domiciliaria de Pacientes

con Patologías Cardiovasculares

Autores: Alejandro G. Agostini

Ficha bibliografica

Ubicación: http://www-iri.upc.es/people/agostini/publications/IBERAMIA02.pdf
Consultado en octubre 8 DE 2009

Descripción: Actualmente existe un considerable número de personas con

enfermedades cardiovasculares que sufren complicaciones en ámbitos donde el
auxilio médico puede llegar demasiado tarde. Por otro lado la medicina cardiológica
ha incorporado recientemente herramientas diagnósticas y pronosticas potentes y
no invasivas basadas en el procesamiento de señales obtenidas del sistema
cardiovascular utilizando herramientas matemáticas avanzadas. El presente trabajo
propone un sistema multiagente que vincula estas herramientas y técnicas de
inteligencia artificial para realizar la monitorización inteligente de pacientes con
patologías cardiovasculares, como así también, para coordinar las acciones y
gestionar los recursos de las tres partes fundamentales que deben intervenir en
caso de una emergencia, a saber, el propio paciente y su familia, su médico de
cabecera, y la institución de salud respectiva. Se utilizan sistemas de razonamiento
basado en casos y basado en reglas para decidir el accionar de acuerdo a la
situación de cada paciente.

Tabla de Contenido: Introducción, Herramientas y métodos, Discusión

Palabras Clave: Sistemas Multi-Agentes Transplante de órganos, Arquitectura

sistema multiagente

Se utiliza como base de casos los resultados de un estudio clínico realizado sobre
40 pacientes con diferentes patologías cardiovasculares utilizando las herramientas
matemáticas de análisis de la variabilidad de la señal de FC. Los grupos
fundamentales están compuestos por pacientes con hipertensión arterial,
coronariopatías, miocardiopatías y pacientes sanos. Se consideran los parámetros
de corto plazo de VFC debido a que se realiza una monitorización cuasi on line para
un correcto control del paciente. Así se calculan los parámetros temporales (SDNN,
SDANN, pNN50) y frecuenciales (LF, HF, LF/HF, LF+HF) cada 15 minutos y los
parámetros de dinámicas no lineales (índice α de la tendencia 1/fα del espectro de la
señal en escala log-log, entropía aproximada y dimensión de correlación) cada hora

Cabe aclarar que si bien se utiliza el término de análisis de la variabilidad de la

frecuencia cardíaca, la señal que se emplea para este análisis es la de intervalos
calculados entre ondas R consecutivas del electrocardiograma del paciente
(intervalos RR) y cada valor de esta señal representa la inversa de la frecuencia
cardíaca instantánea. Cada paciente controlado posee características clínicas
distintas a cualquier otro. Sin embrago existen ciertos valores de parámetros clínicos
que son representativos de patologías y casos particulares. Los profesionales
cardiólogos expertos en este ámbito basan su diagnóstico en conocimientos
adquiridos de su formación profesional pero principalmente en base a su
experiencia. Es por ello que las herramientas de razonamiento basado en casos son
tan aplicables en medicina ya que utilizan la experiencia previa de casos anteriores
para encontrar la solución a los nuevos casos planteados. No obstante, un caso
puede ser muy particular y diferenciarse en gran medida de cualquier otro existente
en la base de casos. Esto no es deseado para la monitorización inteligente de
pacientes ambulatorios que no tienen, por lo menos en el corto plazo, la posibilidad
de la intervención de un experto. Así se propone un sistema de razonamiento
basado en reglas para los casos que no puedan ser recuperados. La conjunción de
estos dos tipos de razonamiento se han utilizado en varias oportunidades sobre todo
con fines diagnóstico

Atributos que se tienen en cuenta para la base de casos

Fuente: Alejandro G. Agostini, Sistema Multiagente para Monitorización Inteligente
Domiciliaria de Pacientes con Patologías Cardiovasculares

Sistema Multiagente

El esquema del sistema multiagente para la monitorización domiciliaria de pacientes

con patología cardiovasculares es el siguiente:

Plataforma Paciente: Cada paciente está vinculado a su propia plataforma que actúa
directamente sobre éste y lo representa ante la plataforma de gestión de
emergencias. Los componentes de esta plataforma son los siguientes:

• Agente interfase: Actúa como mediador entre el sistema y el paciente. Comunica al

paciente las instrucciones indicadas por el sistema y recibe consultas del mismo que
serán transmitidas al agente comunicación.

• Agente de adquisición y procesamiento: Recibe la señal de intervalos RR

proveniente de un dispositivo médico de monitorización y calcula los parámetros
matemáticos que serán enviados al agente de razonamiento como valor de los
atributos respectivos.

• Agente razonamiento: Utiliza el razonamiento basado en casos o, si no existe caso

con la similitud adecuada, utiliza el sistema basado en reglas para inducir el estado
del paciente. Transmite los resultados al agente comunicación.

• Agente comunicación: Establece las comunicaciones con el agente interfase

paciente y el agente recepción de la plataforma de gestión de emergencia. Guarda
el evento en la base de datos del paciente.

• Base de datos del paciente: Contiene la historia clínica del paciente, registró de
datos y de eventos, datos del médico de cabecera y de la institución de salud
respectiva.

• Base de casos: Contiene los casos del estudio clínico.

• Base de reglas: Contiene las reglas que usarán los atributos del paciente en caso
de que no se pueda recuperar ningún caso con la similitud adecuada desde la base
de casos.

Plataforma de Gestión de Emergencias:

Esta plataforma se encarga de la coordinación y gestión de las emergencias entre

todo el sistema de acuerdo a las llamadas provenientes de las diferentes
plataformas pacientes. Esta plataforma está compuesta por:

• Agente recepción: recibe las llamadas y mantiene la comunicación con las distintas
plataformas paciente. Almacena y gestiona las llamadas que se van presentando y
le comunica los casos en forma ordenada al agente administrador priorizando los de
mayor emergencia.

• Agente administrador: Realiza la administración de los recursos que son

necesarios para cada paciente de manera de responder en el mínimo tiempo, como
así también la adecuación de la solución en caso de que la institución no disponga
de los recursos solicitados. De acuerdo al caso se comunica al agente interfase
institución los recursos que serán necesarios en lo que respecta a ambulancias,
medicamentos, preparación de camas en unidad coronaria, etc., y el tiempo
estimado en que estos recursos deberán estar disponibles.

• Agente interfase institución: Comunica a los distintos sectores de la institución de

salud los recursos que serán necesarios para atender las posibles demandas
solicitadas por el agente administrador. También recibe información desde la
institución en caso de que algún recurso no esté disponible. Esta información es
comunicada al agente administrador para que se adapte la solicitud de los recursos
en base a la disponibilidad real.

• Agente control: controla el funcionamiento general del sistema, la disponibilidad de

los recursos solicitados por el agente administrador, las comunicaciones con las
plataformas paciente, la velocidad de respuesta del sistema, etc., y registra los datos
más relevantes en el registro de pacientes.

• Agente interfase médico: Dado que el volumen de pacientes puede ser muy
elevado se asignaran grupos de pacientes a distintos médicos de cabecera. Cada
médico contará con un agente específico dentro de la plataforma de gestión de
emergencia. Este agente le comunicará al médico la situación del paciente, la
gestión que está realizando el agente administrador y se comunicará con el agente
interfase paciente para establecer una conexión a través del mismo con el propio
paciente o su familia en caso de ser necesaria.

Bibliografía

[1] A. G. Agostini, L. G. Gamero and P. R. Rumi: Aplicación Clínica de la Biblioteca

de Funciones VFCLab para el Análisis de la Variabilidad de la Frecuencia
Cardíaca, Congreso Brasilero de Ingeniería Biomédica, Universidad de Santa
Catarina, Florianópolis, Brasil, (2000)

[2] A. G. Agostini, L. G. Gamero and P. R. Rumi: VFCLab: Biblioteca de funciones

en Matlab para el análisis de la variabilidad de la frecuencia cardíaca, XII
Congreso Argentino de Bioingeniería, Universidad Favaloro, Buenos Aires,
Argentina, (1999)

[3] Rainer Schmidt, Bernhard Pollwein, Lothar Gierl: Experiences with Case-Based
Reasoning Methods and Prototypes for Medical Knowledge-Based Systems.
AIMDM 1999: 124-132

[4] Miksch, S.; Cheng, K.; Hayes-Roth, B.: The Patient Advocate: A Cooperative
Agent to Support Patient-Centered Needs and Demands, in Cimino, J. J.
(ed.),Proceedings of the 1996 AMIA Annual Fall Symposium (formerly SCAMC),
Hanley & Belfus, Philadelphia, pp. 144-148, (1996).

[5] Miksch, S.: Plan Management in the Medical Domain, AI Communications,

12(4), pp.209-235, (1999).

FICHA DE REGISTRO DOCUMENTAL

Código [ALAA 2005] Fuente [ALAA 2005] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 5 pdf.

Título Sistema multiagente de soporte a la coordinación de trasplantes

Autores: A. Aldea, B. López, A. Moreno, D. Riaño, A. Valls

Ficha bibliografica

Ubicación: http://eia.udg.es/~blopez/publicacions/informed00.pdf Consultado en

octubre 8 DE 2009

Descripción: La coordinación de transplantes de órganos es una tarea que

involucra aspectos legales, clínicos, organizativos y humanos en un entorno de
hospitales e instituciones gubernamentales altamente distribuido. El Modelo
Español, uno de los más efectivos del mundo, propone un coordinador de
transplantes por cada hospital con unidad de transplantes. A pesar de todo, el índice
de donaciones de órganos está lejos del ideal. Una forma de mejorar el índice es
elaborar un sistema informático que dé soporte a la coordinación de transplantes.

Las tendencias actuales en gestión de hospitales se enfocan en la automatización

de la información de los pacientes. Esta automatización abre la posibilidad de una
centralización de los datos de pacientes. Sin embargo, los datos se seguirán
guardando y estarán localizados en las unidades de hospitalización donde se trata al
paciente. En consecuencia, un entorno distribuido, como el de los sistemas
multiagentes (SMA) resulta apropiado para mantener la estructura organizativa
actual y la autoridad y control de las actividades de los hospitales.

En este trabajo presentamos una arquitectura multiagente que soporta las

actividades involucradas en un trasplante y que es compatible con la estructura
organizativa actual en España. El SMA está estructurado jerárquicamente en 4
niveles: nacional, zonal, regional y hospitalario. En el último nivel (hospitalario) se
sitúan los agentes correspondientes a hospitales con capacidad de trasplante. Cada
agente hospitalario es a su vez un SMA que gestiona la información de pacientes y
órganos donados de este hospital y donde un coordinador local decide la
adecuación de un receptor a un órgano disponible. Agentes de diferentes hospitales
involucrados en el trasplante cooperan y proporcionan soporte al coordinador de
transplantes siguiendo los criterios impuestos por la Organización Nacional de
Transplantes, ONT.

Tabla de Contenido: Introducción, Aplicación de un Sistema Multiagente a la

coordinación de trasplante de órganos, Arquitectura general del sistema multiagente,
Coordinación de trasplantes, Resumen y trabajo futuro

Palabras Clave: Sistemas Multi-Agentes Transplante de órganos, Arquitectura

sistema multiagente

Hay dos razones que justifican el éxito del trasplante de órganos en España: por un
lado las nuevas técnicas quirúrgicas y los tratamientos médicos incrementan el
grado de éxito de los trasplantes de corazón, páncreas, hígado, riñón y pulmón [5].
Por otro lado, la sociedad moderna muestra un importante incremento del número
de órganos donados para el trasplante

Mientras que la primera de las razones se debe a los avances de la medicina, la

segunda razón está relacionada con la aparición de una estructura organizativa que
coordina todas las etapas del proceso de donación y trasplante siguiendo
normativas y legislaciones locales, regionales, nacionales e internacionales. Esta
estructura y la figura de un coordinador de trasplantes por cada hospital con unidad
de trasplantes define el modelo español considerado uno de los modelos más
efectivos en el mundo.

La organización y coordinación de trasplantes de órganos son tareas complejas que

requieren diversas actividades clínicas, atañen a varios especialistas y equipos de
trabajo y comportan un proceso administrativo paralelo al proceso clínico

Las principales actividades del proceso de trasplante son [4]: la detección de

donantes potenciales, el examen clínico de los donantes, la confirmación de muerte
cerebral, el mantenimiento y manejo del donante, la confirmación legal de la muerte
cerebral, la obtención del consentimiento familiar y autorización legal, la planificación
de los factores organizativos, la organización de la extracción y el trasplante y el
examen clínico de la evolución del receptor.

Algunas de las personas involucradas en estas actividades son: el paciente que

recibe el órgano, los médicos, el donante, la familia del donante, el coordinador de
trasplantes, enfermeros y personal clínico, el equipo quirúrgico de extracción del
órgano, el equipo quirúrgico de implantación del órgano, el personal de los
laboratorios, los responsables legales e institucionales, el equipo logístico, etc.

Recientes estudios publicados por la ONT [2] muestran que el número de personas
que mueren en lista de espera por un corazón, hígado o pulmón fluctúa entre el 15%
y el 30%. Para mejorar la calidad de los servicios públicos el programa de Sociedad
y Tecnología de la Información (IST) del V Programa Marco de la Comisión Europea
propone el fomento de los servicios y sistemas a los ciudadanos en el área de la
Salud y la Administración Pública. La ONT ha identificado seis razones que
contribuyen a la pérdida de donaciones [2]: la no detección, las contraindicaciones
médicas, las negativas familiares, las pérdidas durante el mantenimiento y los fallos
durante la operación quirúrgica. Una vez identificadas es importante desarrollar
mecanismos que disminuyan el porcentaje de pérdidas en cada una de las fases del
proceso. Una forma de mejora es elaborar un sistema de información con soporte
informático que pueda ser usado como sistema de ayuda a la toma de decisiones en
la coordinación de trasplantes de órganos. Este sistema debe disponer de ciertas
funcionalidades comunicativas, informativas y cognitivas que garanticen la
comunicación segura de la información, el mantenimiento de una base de datos
histórica y mecanismos de análisis y extracción de conocimiento a partir de los datos
o medicina basada en la evidencia

Las autoridades sanitarias imponen ciertas estructuras de organización que deben

respetarse [1] [8]. La coordinación de trasplantes en España se estructura en cuatro
niveles: nacional, zonal, regional y hospitalario. A nivel hospitalario todos los datos
de los pacientes se mantienen o bien centralizados en un warehouse o en bases de
datos locales de cada servicio del hospital. El tipo de datos que se mantiene para los
pacientes es diverso: resultados de análisis clínicos, imágenes (tomografías,
resonancias magnéticas, etc.), señales (magneto encefalografías, etc.), tomas de
rayos X, ultrasonidos y anotaciones clínicas. La tendencia actual es la
automatización de toda esta información y su unificación en un historial clínico
centralizado capaz de acceder a datos que se encuentran distribuidos en los
diversos servicios del hospital.

Los sistemas multiagente (SMA) ofrecen una plataforma de distribución de datos en

la que cada agente es responsable de determinados procesos. Además los agentes
pueden modelar tareas importantes de tipo administrativo, logístico (transporte entre
servicios u hospitales), etc. Los SMA son particularmente adecuados para el
problema de la coordinación de trasplante de órganos donde donantes y receptores
pueden provenir de diversos centros. La existencia de agentes inteligentes en estos
centros facilita el intercambio de información y la organización del proceso de
trasplante facilitando la tarea del coordinador de trasplantes. Los beneficios de usar
un SMA son dobles: por un lado el SMA puede adaptarse a la estructura
organizativa vigente (tanto dentro un mismo hospital como entre diferentes
hospitales) y, por otro lado, la complejidad del problema puede ser reducida con la
incorporación de diversos niveles de coordinación y toma de decisiones en el SMA.

Arquitectura general del sistema multiagente

Para coordinar el trasplante de órganos entre los hospitales españoles proponemos

la construcción de un sistema multiagente cuya arquitectura refleja la estructura de
coordinación de trasplantes de órganos que se utiliza en España.

Cada uno de los diferentes agentes tiene un conocimiento y un papel determinado, y

han de coordinar sus actividades para ofrecer una manera eficiente de gestionar el
trasplante de órganos a nivel nacional.

• Un agente llamado Coordinador de Emergencias (EC), que es el coordinador

nacional de los casos de urgencia cero. Este es el nombre dado a aquellos
pacientes que están esperando un órgano y han llegado a un estado crítico, en el
que su vida está en grave peligro si no se realiza el trasplante en un plazo muy corto
de tiempo.

• Un agente llamado Agente Histórico (HA), que recibe los datos de todos los
trasplantes realizados en España. Con esta información se pueden mantener
archivos históricos, elaborar estadísticas, aplicar técnicas de minería de datos para
obtener nuevo conocimiento, etc.

Los agentes del sistema deben comportarse de acuerdo con las normas impuestas
por las organizaciones de trasplantes autonómicos y nacionales, tales como la
Organización Catalana de Trasplantes (OCATT) y la Organización Nacional de
Trasplantes (ONT).

Coordinación de trasplantes

El proceso que se sigue para encontrar el receptor más adecuado para cada órgano
está compuesto de varios pasos que se efectúan sucesivamente hasta determinar el
paciente que es apto para recibir el órgano en cuestión.

El primer paso consiste en comprobar si los casos de urgencia cero pueden usar el
órgano disponible. Si no se encuentra ningún receptor se procede a buscar un
paciente en el hospital del donante. Si esto es posible se podrán ahorrar muchos
recursos y esfuerzos puesto que la coordinación entre centros siempre es más
costosa y más lenta (hay que notar que, al contrario de lo que sucede con otros
componentes corporales como los tejidos o la sangre que pueden ser congelados y
almacenados, los órganos sólo se pueden utilizar en un intervalo corto de tiempo).

En caso de tener que buscar fuera del centro se intenta siempre encontrar un
receptor apropiado lo más cercano posible al hospital del donante, para minimizar el
coste económico y temporal del transporte del órgano.

Los agentes del sistema utilizan técnicas de Inteligencia Artificial para sugerir cuáles
son los pacientes más adecuados para un órgano, si es que se dispone de más de
un receptor posible.

Bibliografía

[1] Decker, K., Li, J. Coordinated Hospital Patient Scheduling. Proc. ICMAS‘98.

[2] Informes y documentos de consenso. Organización Nacional de Trasplantes

(Ed.), 2000.

[3] López, B., Aldea, A., Bañares-Alcántara. R. Intelligent Agents to Human

Resource Allocation in the Design of a Chemical Process. (Accepted to SEID).
2000.

[4] López-Navidad, A., Domingo, P., Viedma, M.A., Professional characteristics of

the transplant coordinator. Transplantation Proceedings, 29, pp. 1607-1613,
Elsevier Science Inc., 1997.

[5] López-Navidad, A., Kulisevsky, J., Caballero, F., El donante de órganos y

tejidos. Evaluación y manejo. Springer-Verlag Ibérica, 1997.

[6] Matesanz, R., Miranda, B., Coordinación y Trasplantes: El modelo español.

Editorial Aula Médica, ISBN 84-7885-060-0, 1995.

[7] Organización Nacional de Trasplantes, ONT: http://www.msc.es/ont.

[8] So, Y., Durfee, E.H. Designing Organisation for Computational Agents. In:
Simulating Organisations: Computational Models of Institutions and Groups. Edited
by M.J. Prietula, K.M. Carly, L. Gasser. AAAI/Press/The MIT Press, 1998.

[9] Tambe M., Pynadath, D. Chauvat, N. Adaptive Agent Integration Architectures

for Heterogeneous Team Members. Proc. of the International Conference on Multi-
Agent Systems (ICMAS), 2000.

FICHA DE REGISTRO DOCUMENTAL

Código: [ALBU 2007] Fuente: [ALBU 2007] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Libro. Capitulo 15

Título: Tecnología de agentes en las ciencias de la vida

Autor: BAKER Christopher J. O., CHEUNG Kei-Hoi.

Ubicación: Web Semántica, ISBN 13: 978-0-387-48436-5 Capitulo 15.

http://books.google.com.co/books?hl=es&lr=&id=F1wTJvqA4Z4C&oi=

fnd&pg=PR5&dq=multiagent+software+medicine+&ots=UUjk-
Hr0vG&sig=FQYv0eWvSFtYtBOqKlC3e3R6axQ#v=onepage&q=agent&f=false

Descripción: En este capítulo se realiza una introducción a las aplicaciones

basadas en tecnología de agentes y sistemas multiagentes que han sido aplicadas
a las ciencias de la vida y su relevancia en el desarrollo de sistemas
bioinformaticos

Tabla de Contenido: Introducción, Agentes inteligentes y sistema multiagente,

Palabras Clave: Agentes artificiales, Sistemas Multiagente, Arquitectura,

Planeación, Protocolos de interacción, Solución de problemas distribuidos

I.Introduccion

Cada nueva versión de de software bioinformatico viene con funcionalidades que

antes se realizaban manualmente, los sistemas informáticos se utilizaron en el
campo de la biología únicamente para guardar y acceder a datos, ahora los
utilizamos para realizar acceder a una gran variedad de bioinformacion distribuida
en la internet, Esto significa que el software ha desarrollado un alto proceso
cognoscitivo, capacidades de razonamiento, que requiere un alto proceso
cognoscitivo, Muchas de estas aplicaciones están en ambientes distribuidos y para
acceder a estos recursos se sugiere la utilización de sistemas multiagentes para
poder acceder a dichos recursos.

Sistemas inteligentes y sistemas multiagentes

En este capítulo se realiza una introducción a los conceptos de agentes

especialmente a los utilizados en la web semántica para las ciencias de biología

Los agentes son sistemas computacionales introducidos en un ambiente y que es

capaz de realizar acciones autónomamente con el fin de alcanzar objetivos
determinados.

Bajo el paradigma de los agentes cuando un agente solicita una acción a otro
agente, este último realizara o no dicha acción, esto reafirma la siguiente frase. Los
objetos realizan acciones de manera libre, los agentes realizan las acciones por
dinero

Sistemas multiagente y arquitectura

Los agentes no actúan de manera aislada interactúan con otros para alcanzar unas
metas esta agrupación se denomina sistemas multiagente diferentes tipos de
agentes en los sistemas multiagente tienen diferentes responsabilidades a
continuación se enumeran algunos

Agentes usuarios brindan una interfases para la interacción entre los humanos y el
sistema, en algunas ocasiones personalizan los servicios para cada usuario

Agentes de planeación: Formulan planes los cuales deben ser ejecutados para
alcanzar el objetivo deseado.

Agentes cronogramas, responsables porque las tareas y objetivos se realizan en el

tiempo determinado

Agentes de recursos: provee la interfas entre el sistema multiagente y los recursos

externos

Esta lista está incompleta, otras clases de clasificaciones, que no se basan en

funcionalidades de los agentes es posible de realizar

Es la arquitectura de los sistemas multiagente la que determina los bloques de

construcción principales, los tipos de agentes principales y la forma de interactuar
unos con otros, la arquitectura es crítica para el reusó y la interoperabilidad dentro
y entre los sistemas multiagente. La organización FIPA define estandarización para
este aspecto.

Comunicación entre agentes

Para que los agentes tengan la capacidad de trabajar juntos, se deben comunicar
unos con otros, basándose en las teorías de la comunicación, el lenguaje de
comunicación de agentes fue desarrollado (ACL). Siguiendo los estándares KQML
(Knowledge Query and Manipulation Language) y la especificación de FIPA para
su propio ACL con diferentes desempeños, los más importantes son informar y
solicitar son usados para comunicar información y solicitar a los agentes que
realicen acciones respectivamente

Los protocolos de interacción son requeridos para restringir la comunicación a una

cadena de mensajes con significado. Por ejemplo cuando un agente recibe bajo el
protocolo FIPA un mensaje de solicitud este debe responder si está de acuerdo o
rechaza el mensaje. Varios tipos de protocoles existen reflejando la naturaleza de
la interacción necesaria para los agentes en un sistema multiagente.

El tercer componente para la comunicación entre agentes es la ontología que

representa un entendimiento común de los problemas en el dominio, por ejemplo la
bioinformatica, la ontología puede ser usada para el razonamiento de los agentes y
son la base del contenido de los mensajes en el lenguaje ACL y la descripción de
de las capacidades de los agentes en el directorio de servicios. La
interoperabilidad entre los agentes depende de esta ontología

Composición de tareas y planeación de inteligencia artificial

Los agentes deben trabajar de manera conjunta para completar satisfactoriamente

las tareas. Esta es una típica referencia a la solución de problemas distribuidos. La
forma más fácil de realizar las maneras de forma coordinada es a través de la
planeación, la segunda parte de de este plan es la selección y la ejecución, la
replaneación se puede dar en el caso de que los planes a realizar en la primera
etapa fallen. El proceso de creación de los planes puede ser centralizado o
distribuido

Sistema de agentes en la las ciencias de la vida

Uno de los esfuerzos tempranos de los sistemas multiagente se presento en el

proyecto BioMAS este sistema se utilizo para descifrar el genoma humano.
BioMAS se organizo en cuatro grupos de agentes básicamente responsables de la
anotación de la secuencia básica, la anotación funcional, los querys y el proceso
de las secuencias de los tags . Un ejemplo son los agentes de tarea, entre los
cuales se encuentra el agente de anotación que tiene la capacidad de leer una
secuencia y decidir cual información se debe anotar. El agente del procesamiento
de fuentes de secuencia se encarga de validar la secuencia interna, también está
el agente de Ontología y el agente de antología de razonamiento interna de los
cuales se deduce la antología genética

También hay otro proyecto de agentes informáticos que integran recursos

bioinformaticos MyGrid Project tiene muchos agentes que son utilizados en el
estudio de la enfermedad de Williams-Beuren.

Los sistemas multiagente también son utilizados en los siguientes estudios el

modelamiento de los procesos dinámicos intracelulares, modelamiento del sistema
inmune, modelamiento del metabolismo mitocondrial, simulación de células madres
y el modelamiento del doblado de las proteínas.

Gracias a la tecnologia de los agentes se ha logrado desarrollar un sistema que

simula una epidemia enfermedad infecciosa para estudiar el comportamiento de
una infección aguda en cualquier región geográfica

Conclusiones

Los sistemas multiagente han sido estudiados por muchas comunidades de

computación distribuida y de inteligencia artificial, por algún tiempo. En el contexto
de las ciencias bilógicas los sistemas basados en agentes se han destinado a los
problemas de integración de datos. Pero ahora están disponibles para afrontar
otros problemas por ejemplo la simulación de procesos biológicos. Los futuros hilos
de la tecnología basada en agentes serán más grandes, más complejos y en
ambientes abiertos que se asemejaran a los requerimientos para sistemas
bioinformaticos para automatizar los altos niveles de procesos cognoscitivos en las
capas de software

Sin embargo para que la tecnología de agentes de verdaderas soluciones un gran

esfuerzo debe ser realizado, alcanzando suficientes acuerdos en materias como
lenguajes, ontologías, arquitecturas, protocolos de interacción para qué sean
aplicados en el dominio de las ciencias Biológicas

FICHA DE REGISTRO DOCUMENTAL

Código: [AVEA 2006] Fuente: [AVEA 2006] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 7 p.

Título: A web-based collaboration approach for teaching in medicine

Autor: Víctor Alves, José Machado, António Abelha, Paulo Novais and Cesar
Analide.

Ubicación: Informatics Department, School of Engineering – University of Minho.

Braga, Portugal

Descripción: Este articulo realiza la descripción de la enseñanza de la medicina

con la ayuda de agentes y sistemas multiagentes, bajo la supervisión de un tutor

Tabla de Contenido: Introducción, sistemas multiagentes, E-learning, E-teaching,

sistema de E-aprendizaje, AIDA, Mensajes, Archivo de imágenes y sistema de
comunicaciones, Base de datos, Conclusiones

Palabras Clave: Sistemas multiagentes, E-aprendizaje, Ayudas educativas,

Simulación basada en WEB.
I. Introducción.

La enseñanza tradicional de la medicina se basa en textos, lecturas de clases

presenciales, con la auto guía individual de aprendizaje de libros siendo este el
pilar de la enseñanza, Esta enseñanza se puede complementar con un sistema
electrónico distribuido a través de internet o de intranets, la enseñanza de la
medicina requiere el desarrollo de un alto rango de conocimientos manuales,
intelectuales, visuales y táctiles así como una gran cantidad de información real.
Una de las ventajas de la educación web E-Educación es que provee
oportunidades para crear una gran cantidad de recursos que hacen del proceso
educativo más flexible. En este escenario los estudiantes participan activamente de
su autoformación volviéndose más horizontal y menos dependiente de un profesor.

La enseñanza basada en ambientes WEB vía sistemas de tutoría inteligente (ITS)

se ha convertido en una de las más exitosas realidades de la inteligencia artificial.
Este estudio describe alguna particularidades de la E-Enseñanza que estimula el
dialogo conversacional en el área de la medicina, habilitando la integración de una
gran cantidad de fuentes heterogéneas de información en un conocimiento
coherente basado en interfases basadas en ambientes web.

II. Sistemas Multiagente

Los sistemas autónomos son una técnica del campo de la inteligencia artificial que
se utiliza para realizar interacciones. Los sistemas multiagentes presentan una
nueva metodología para resolver problemas, soportan la evolución de los sistemas
inteligentes, o realizan la sustitución de tareas o delegan actividades realizadas por
los seres humanos, la descripción de los agentes que se involucran en la
enseñanza de la medicina se describen a continuación.

El agente de perfil: mantiene un registro de los perfiles de los usuarios

El agente evaluador, evalúa las preferencias del usuario y su desempeño

El agente productor de información, se encarga de preparar la información

El agente investigador, que busca la información de acuerdo a la base de

conocimiento del usuario

El agente preguntas, que provee replicas para las preguntas de los usuarios

El agente anónimo; que produce replicas anónimas de la información medica

III. E-Aprendizaje

El aprendizaje incluye la observación, la verificación, la búsqueda de hipótesis,

inducción de reglas y solución de problemas. En este trabajo la educación es la
meta base y el rol desempeñado, construido sobre una estructura web que
envuelve lecciones y tutorías, la meta de la aprendizaje se desarrolla con el trabajo
del estudiante en un contexto dependiente de un escenario, la activación y
precipitación de eventos requiere una respuesta rápida; en el rol del juego del
aprendizaje los estudiantes juegan con alternativas y posibilidades realizando una
aproximación entre la simulación y el juego. La E-Enseñanza puede aumentar la
forma como las personas aprenden de manera natural. La E-aprendizaje es una
variante de la educación a distancia, rompiendo los límites físicos y de tiempo, una
clase de auto aprendizaje sin una comunicación y colaboración permanentes,
soportada por la tecnología y la comunicación a ambos lados una amplia gama de
escenarios de aprendizaje son cubiertos, las clases virtuales, la colaboración
digital, la aprendizaje basada en ambiente WEB, y el envió de contenido vía WEB,
audio y video a través de CD-ROM, televisión entre otros, los tiempos y costos de
desplazamientos se reducen y los estudiantes pueden seleccionar los materiales e
estudio de acuerdo a su nivel de conocimiento e interés, este tipo de aprendizaje
puede ser sincrónico o asincrónico. Sincrónico cuando va a la par de lo visto en
clase y con seguimiento en tiempo real por el tutor o profesor. Asincrónico cuando
la comunicación se realiza vía e-mail y no hay un seguimiento con la clase

IV. E-Enseñanza

La E- enseñanza también se relaciona con la simulación, los estudiantes y los

profesores interactúan en un ambiente artificial y muy dinámico donde se estudian
hipótesis o experiencias reales. En particular la simulación en tiempo real se centra
como una herramienta de enseñanza en muchas aéreas, especialmente en la
medicina donde las practicas pedagógicas conllevan un alto riesgo y costo. Los
ambientes virtuales permiten a los estudiantes equivocarse en ambientes seguros.
La vitalidad de los sistemas basados en ambientes WEB recae en el potencial de
integración, el soporte de las comunidades sociales y en la organización y difusión
de la información

V. El sistema de E-Aprendizaje

Las opciones estratégicas en términos de implementación buscan cubrir

 El campo de las imágenes medicas yendo desde la adquirían y

almacenamiento de datos para los médicos, profesores y estudiantes
 Los registros médicos electrónicos, quien cubre horizontalmente las
unidades de cuidado médico y hacen posible el análisis de registros
 médicos a lo largo de varis servicios unidades y tratamiento de patologías
 Los sistemas de información para otros propósitos de diagnostico.
Estas bases de datos son una fuente muy valiosa para la enseñanza

Como el primer proveedor se tiene a PACS (Sistema de archivos y

comunicaciones de imágenes) que tiene una gran cantidad de imágenes con el
diagnostico del radiólogo este es un recurso muy valioso para la enseñanza

El segundo proveedor es el EMR (Registros electrónicos médicos) que busca

estandarizar los documentos directamente desde el registro de las acciones y
procedimientos médicos

El tercer proveedor es una gran colección de diagnósticos clínicos, con una gran
cantidad de datos que confirman las tendencias y las evoluciones de los casos

Diseñar software parar los ambiente médicos presentan un gran reto, el centro del
sistema recae sobre una gran cantidad de videos, imágenes y textos. Esta
información se complementa con la metainformacion que define la estructura,
clasifica y define las relaciones entre las partes. El siguiente paso es que los
agentes tomen esta información y la presenten dependiendo de las tareas
diseñadas para hacerlo que pueden ir desde un texto a la reconstrucción de un
sistema orgánico. Otra clase de agentes adicionara y actualizara la base de datos
autorizando datos médicos y herramientas asegurando la consistencia. El
propósito es difundir las investigaciones medicas y para la enseñanza

VI. AIDA

Agencia para la Integración, Difusión y Archivos de Información Médica, es una

agencia que provee trabajadores electrónicos inteligentes, llamados aquí agentes
proactivos, encargados de comunicarse con los sistemas heterogéneos enviando y
recibiendo información, manejando y guardando la información y respondiendo por
requerimientos de información, con los recursos correctos necesarios en el tiempo
esperado

AIDA soporta servicios WEB para facilitar el acceso rápido a la información.

La construcción de AIDA sigue los criterios de simplicidad, metas comunes,

direccionamiento de las responsabilidades, la principal meta es integrar, difundir y
guardar una gran cantidad de información de fuentes heterogéneas

AIDA también provee herramientas para realizar comunicaciones con los agentes
humanos basado en servicios web.

Bajo estas suposiciones el sistema de información de salud (HIS) se direcciona en

términos de

 El sistema de información administrativa (AIS) que tiene como objetivo

recolectar almacenar y manejar la información de los tratamientos de los
pacientes desde el inicio hasta el final
 El sistema de información y soporte medico (MIS) que tiene como finalidad
manejar, representar y guardar la información clínica del episodio
 El sistema de información y soporte de cuidados, que maneja, representa y
guarda la información de las cuidados durante el episodio
 El sistema de información de registro medico electrónico (EMR)
 El sistema de información (IS) de todos los departamentos involucrados
particularmente los laboratorios, información radiológica, imágenes medicas
Para utilizar esta información se desarrollo una intranet con interfaces amigables
basados en tecnologías WEB usando tecnologías libres y con licenciamiento para
el ministerio de salud de Portugal. La intranet se construyo sobre lenguaje Linux
como sistema operativo, la comunicación entre los agentes se estructuro con
mensajería, el lenguaje, la ontología y la arquitectura

VII. Mensajes

Los mensajes se enviaban a los agentes usando XML. De acuerdo a la ontología,

el mensaje es procesado, integrado y archivado en bases de datos. La ontología
es definida por los administradores usando una herramienta WEB SNOMED que
incluye 370.000 conceptos, 900.000 descripciones y 1.300.000 relaciones , el
sistema SNOMED provee un estructura para manejar dialéctica medica

VIII Sistema de comunicaciones y archivo de imágenes

La arquitectura computacional que soporta la información médica en el área de

imágenes es un ejemplo de datos externos para AIDA, para tener el conocimiento
requerido para la construcción de este sistema se debe estar familiarizado con
varias modalidades de toma de imágenes (Tomografías, Resonancias magnéticas,
Documentación estándar de radiólogos y técnicos DICOM)

IX. Bases de datos: Los sistemas de manejo de bases de datos relacionales son
ampliamente utilizados en las unidades de cuidado médico, manteniendo los
documentos diarios de la operación, estas bases de datos se modifican poco y
manejan una gran cantidad de transacciones. Se guardan datos históricos con los
que se construyen análisis y se soportan las decisiones realizadas. Las unidades
medicas consolidad la información de varias fuentes en un datawarehouse
recibiendo información de varias fuentes heterogéneas, toda esta información es
utilizada por los agentes del ambiente AIDA.
X. Conclusiones

La colaboración de las tecnologías WEB para la enseñanza de la medicina se ha

convertido en una fuente poderosa de educación.

El uso de agentes y sistemas multiagentes para estimular los diálogos en aéreas

de medicina que permita la integración de varias fuentes heterogéneas en un
conocimiento coherente basado en servicios WEB para la enseñanza de la
medicina fueron presentados. Aun se necesita identificar los factores que
contribuyen al éxito o fracaso de la experiencia WEB

Lo que obliga a los autores a participar en reuniones de las unidades de salud

Bibliografía

[1] ASTD – American Society for Training & Development.

http://www.learningcircuits.org

[2] SNOMED International. http://www.snomed.org

[3] Radiological Society of North America http://www.rsna.com

[4] van der Heyden, J. E., Atkins, M.S., Inkpen K., Carpendale, M.S.T., ―A User
Centered Task Analysis of Interface Requirements for MRI Viewing‖, Graphics
Interface 1999, pp 18-26.

[5] Neves, J., Alves V., Nelas L., Maia M., and Cruz R. ―A Multi-Feature Image
Classification System that Reduces the Cost-of-Quality Expenditure‖, in
Proceedings of the Second ICSC Symposium on Engineering of Intelligent
Systems, Paisley, Scotland, UK, pages 594-554, 2000.

[6] Neves, J., Machado, J., Analide, C., Novais, P., and Abelha, A. ―Extended Logic
Programming applied to the specification of Multi-agent Systems and their
Computing Environment‖, in Proceedings of the ICIPS‘97 (Special Session on
Intelligent Network Agent Systems), Beijing, China, 1997.

[7] Faratin, P., Sierra C. and N. Jennings ―Negotiation Decision Functions for
Autonomous Agents‖ in Int. Journal of Robotics and Autonomous Systems, 24(3-
4):159-182, 1997.

[8] Wooldridge, M., ―Introduction to MultiAgent Systems‖, 1st edition, John Wiley &
Sons, Chichester,

[9] Gruber, T.R. ―The role of common ontology in achieving sharable, reusable
knowledge bases‖, in Proceedings of the Second International Conference
(KR‘91), J. Allen, R. Filkes, and E. Sandewall (eds.), pages 601-602 Cambridge,
Massachusetts, USA, 1991

[10]Abelha, A., PhD Thesis, ―Multi-agent systems as Working Cooperative Entities

in Health Care Units‖ (In Portuguese), Departamento de Informática, Universidad
do Minho, Braga, Portugal, 2004.

[11]Alves V., Neves J., Maia M., Nelas L., ―A Computational Environment for
Medical Diagnosis Support Systems‖. ISMDA2001, Madrid, Spain, 2001.

[12]Alves V., Neves J., Maia M., Nelas L., Marreiros F., ―Web-based Medical
Teaching using a Multi- Agent System‖ in the twenty-fifth SGAI International
Conference on Innovative Techniques and Applications of Artificial Intelligence –
AI2005 , Cambridge, UK, December, 2005.

FICHA DE REGISTRO DOCUMENTAL

Código: [CATO 2005] Fuente No:[CATO Elaboró: Paulo Cesar Quintero Uribe
2005]

Tipo de Fuente: Informe de Investigación 35 p.

Título: AGENTES INTELIGENTES

Autor: CASTRO, Arturo; TORRES, María Luisa

Directores: LOPEZ, Bruno

Ubicación: Instituto Tecnológico de Nuevo Lareno, Ingeniería en Sistemas Computacionales,

Inteligencia Artificial

http://www.itnuevolaredo.edu.mx/maestros/sis_com/takeyas/Apuntes/Inteligencia%20Artificial/

Apuntes/tareas_alumnos/Agentes_Inteligentes/Agentes_Inteligentes(2005-II).pdf

Descripción: El siguiente documento hace una introducción a los agentes inteligentes,

muestra la representación de los sistemas, como piensan y actúan racionalmente, también
describe el entorno, su estructura y aplicaciones. Además muestra una comparación entre los
agentes inteligentes y el software convencional.

Tabla de Contenido: Definición y Estructura, Agente Inteligente, ¿Qué son los agentes?
Diferencia entre agentes Inteligentes y software convencional, Características, ¿Cómo se
caracteriza un agente?, Aéreas de Aplicación, ¿Por qué utilizar agentes, Funciones básicas
de la Tecnología de Agentes, ¿Que nos ofrecen de nuevo?, Usos de los agentes,
Descripción Detallada del Tema, ¿Como se construyen los Agentes Inteligentes?, Entradas
del agente Salidas del agente, Representación y razonamiento

Palabras Clave: Continuidad Temporal, Benevolencia, Capacidad de Comunicación,

Agentes,

Resumen: Que son los Agentes Inteligentes El origen por el cual la tecnología de los
agentes inteligentes surge es por la necesidad de aplicarlos a los sistemas complejos, donde
la aplicación de las técnicas existentes ha fracasado o es muy difícil de comprender o
mantener. En muchos de los casos, los agentes no son desarrollados de forma
independiente sino como entidades que constituyen un sistema. A un sistema que tiene
varios agentes inteligentes se le llama sistema multiagente. Los agentes en este tipo de
sistemas deben interactuar entre ellos. Las interacciones más habituales son informar o
consular otros agentes y esto les permite a los agentes ―hablar‖ entre ellos, saber que hace
cada uno de ellos y razonar sobre el papel que juega cada uno en el sistema. La
comunicación entre agentes se realiza por medio del lenguaje ACL Agent Communication
Lenguaje. Diferencia entre agentes Inteligentes y software convencional: Hay dos principales
características que distinguen a los agentes inteligentes del desarrollo de software tradicional
y estas son la inteligencia y la agencia.

1. La dimensión de inteligencia se refiere al grado en el cual la aplicación utiliza

razonamiento, aprendizaje y otras técnicas para interpretar la información o conocimiento al
cual tiene acceso. Se puede decir que hay tres niveles de formas de inteligencia.

• La forma más modesta de inteligencia permite al usuario expresar sus preferencias.

• Una forma intermedia podría formalizar un conjunto de reglas de razonamiento que

combinadas con conocimiento a corto y largo plazo, siguiendo un proceso de inferencia
puede conducir a la toma de alguna acción.

• En el nivel superior es la capacidad del agente de modificar su capacidad de razonamiento

en la base nuevo conocimiento derivado de muchas fuentes, es decir, aprender.

2. La agencia es el grado en el cual el agente puede percibir su entorno y actuar en el. Define
al agente, en otras palabras, para que un programa sea un agente debe poseer autonomía,
habilidad social, reactividad y proactividad.

Cómo se caracteriza un Agente: se caracteriza por una serie de calificativos, los cuales
vienen a denotar ciertas propiedades a cumplir por el agente.

 Reactivo. El agente es capaz de responder a cambios en el entorno en que se

encuentra situado.
 Pro-activo, a su vez el agente debe ser capaz de intentar cumplir sus propios
planes u objetivos.
  Social, debe de poder comunicarse con otros agentes mediante algún tipo de
lenguaje de comunicación de agentes.

 Continuidad Temporal: se considera un agente un proceso sin fin, ejecutándose

continuamente y desarrollando su función.
 Autonomía: un agente es completamente autónomo si es capaz de actuar basándose
en su experiencia. El agente es capaz de adaptarse aunque el entorno cambie
severamente.
 Sociabilidad: este atributo permite a un agente comunicar con otros agentes o
incluso con otras entidades.

 Racionalidad: el agente siempre realiza «lo correcto» a partir de los datos que
percibe del entorno.

 Reactividad: un agente actúa como resultado de cambios en su entorno. En

este caso, un agente percibe el entorno y esos cambios dirigen el comportamiento del
agente.

 Pro-actividad: un agente es pro-activo cuando es capaz de controlar sus propios

objetivos a pesar de cambios en el entorno.
 Adaptabilidad: está relacionado con el aprendizaje que un agente es capaz de
realizar y si puede cambiar su comportamiento basándose en ese aprendizaje.

 Movilidad: capacidad de un agente de trasladarse a través de una red telemática.

 Veracidad: asunción de que un agente no comunica información falsa a propósito.
 Benevolencia: asunción de que un agente está dispuesto a ayudar a otros agentes si
esto no entra en conflicto con sus propios objetivos.

Por qué utilizar agentes: Por la necesidad de construir aplicaciones complejas compuestas
de multitud de subsistemas que interaccionan entre sí, es el marco de la distribución de la
inteligencia en diversos agentes.

En este tipo de sistemas, la utilización de agentes y técnicas multiagente permite

la gestión inteligente de un sistema complejo, coordinando los distintos subsistemas que lo

componen e integrando objetivos particulares de cada subsistema en un objetivo común.

Funciones básicas de la Tecnología de Agentes. Un agente se puede considerar para llevar a

cabo las siguientes funciones:
Figura No.1 Funciones de un Agente

 Ejecución de Tareas: La capacidad de realizar tareas son las destrezas que el agente
posee para lograr sus objetivos.
 Conocimiento de su entorno: El conocimiento del entorno debe de ser introducido o
construido por el desarrollador. Algunos agentes además adquieren su conocimiento
por aprendizaje.
 Capacidad de Comunicación: Se distingue dos tipos de comunicación, la interacción
con el usuario, y la que se refiere a comunicación inter-agente.

Usos de los agentes

 Representación virtual. Se comunican en lenguaje natural y suplen a los comerciales.

 Como asistentes personales. Nos ayudan como lo haría un ayudante.
 Negociador en mercados electrónicos. Localiza una subasta en internet, aprende
como va la oferta y realiza una compra por nosotros.
 Agente de búsqueda de información o rastreador. Rastrean en las redes de
ordenadores en busca de información solicitada. Son parametrizables por el usuario
aprenden de sus hábitos, rastrean la red e informan por correo electrónico de
novedades que consideran pueden ser de interés para el usuario.
 Agente secreto o espía. Monitorizan una página Web identificada previamente por el
usuario e informan cuando se producen cambios en dicha página.

Construcción de un Agente Inteligente:

Figura No.2 Esquema de Construccion de un Agente

Entradas del agente

 Conocimiento previo del mundo: lo que sabe el agente del entorno

 Experiencias anteriores de las que puede aprender: situaciones pasadas que le
pueden dejar conocimiento.
 Objetivos a conseguir y valores sobre lo importante
 Observaciones sobre su entorno y sobre sí mismo: sensores

Salidas del agente

 Acciones: que afectaran al entorno

 Conocimiento previo
 Experiencias pasadas
 Objetivos/Valores
 Observaciones
 Acciones
 Entorno

Representación y razonamiento

 Necesidad de representación de las entradas del agente: de aquí se forma la base

conocimiento del agente
 Problema -> Representación -> Razonamiento
 Elementos de un Sistema de Representación y Razonamiento (SRR):
 Sintaxis: Lenguaje de comunicación con la computadora
 Semántica: Manera de asignar significado al lenguaje
 Calculo: Procedimientos para obtener respuestas
Bibliografía

Agentes Inteligentes: el siguiente pasó en la Inteligencia Artificial V. Julián, V. Botti

Dpto. sistemas Informáticos y Computación Universidad Politécnica de Valencia

http://www.ati.es/novatica/2000/145/vjulia-145.pdf

Agentes inteligentes: Representación y razonamiento José A. Alonso Jiménez

Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos Dpto. de Ciencias de la
Computación e Inteligencia Artificial Universidad de Sevilla

http://www.cs.us.es/cursos/ia2-2000/temas/tema-01.pdf

Agentes inteligentes Serrano Cinca C. (2005): ʺLa Contabilidad en la Era del

Conocimientoʺ 5campus.org, Sistemas Informativos Contables
http://www.5campus.org/leccion/introduc

Agentes Inteligentes José Emilio Gondar Nores DATA MINING INSTITUTE, S.L.

http://www.estadistico.com/arts.html?20011105

FICHA DE REGISTRO DOCUMENTAL

Código [DACF 2005] Fuente: [DACF 2005] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 8 pdf.

Título Los Sistemas Multi-Agentes y la salud integral para la infancia

Autores: Domínguez Fabián, Aceros María Hemmy, Corredor Beatriz

Ficha bibliografica

Ubicación: VENTANA INFORMÁTICA No. 12 – Universidad de Manizales, enero –

junio / 2005 – pp 193-202 Consultado en Octubre 08 2009
http://www.umanizales.edu.co/programs/ingenieria/Ventana/ventana12/articulo17.pdf

Descripción: Este artículo pretende mostrar una perspectiva particular de la

utilización de los Sistemas Multi-Agentes (SMA) de la Inteligencia Artificial
Distribuida (IAD), en los programas de prevención y promoción de la salud del niño
en nuestro país. Los SMA surgen como una nueva alternativa de la Inteligencia
Artificial, los cuales pueden poseer el conocimiento de varios especialistas o
expertos humanos, necesarios para evitar o solucionar un problema, lo que se
conoce como el paradigma de la Solución Cooperativa de Problemas (SCP). La
prevención de enfermedades en la infancia, es fundamental para el normal
crecimiento y desarrollo del niño, y, el éxito de esto se debe a la cooperación de
todas las personas que vigilan su normal desarrollo, entre ellas un equipo de
especialistas de la salud (pediatra, Psicólogo, nutricionista, entre otros) que
inspeccionan por etapas las normales conductas del niño en cada disciplina. Este
seguimiento del normal crecimiento y desarrollo del niño está estipulado en un
programa de salud llamado Salud Integral Para la Infancia (SIPI). Este equipo de
médicos o trabajadores de la salud para llevar a cabo el SIPI, no existe en los
centros y puestos de salud de este país y mucho menos en las zonas rurales.
Luego, se trata de mostrar una alternativa a través de los SMA, lo cual permitiría que
un médico general o una enfermera profesional pudiese llevar cabo tal seguimiento
del niño ayudado de una herramienta informática.

Tabla de Contenido: Los Sistemas Multi-agentes, Salud integral para la Infancia, El

inconveniente del equipo interdisciplinario, Diseño de un prototipo de sistema multi-
agente para la salud integral para la infancia. ―sipi-expert‖, Conclusiones

Palabras Clave: Inteligencia Artificial (IA), Sistemas Multi-Agentes (SMA),

Inteligencia Artificial distribuida (IAD), Solución Cooperativa de Problemas (SCP),
Salud integral para la infancia (SIPI) y Puericultura.

Un enfoque estructural en diseño de SMA bajo el paradigma de la SCP2 consta

básicamente de dos componentes: un agente llamado El facilitador, que es la
plataforma que permite la cooperación y la sociedad de agentes expertos o
especialistas.

El facilitador Es una pieza de software que se encarga de guiar a un conjunto de

agentes a la solución de un problema planteado. El facilitador necesita una
definición formal de la sociedad, la cual definimos en cuanto a: Agentes que la
conforman, objetivos que puede cumplir cada uno de los agentes y necesidades de
cada uno de ellos. El facilitador esta compuesto por: una base de datos, la
descripción de la sociedad, la interfaz con los agentes, la interfaz con el usuario y la
estrategia de cooperación. Para el caso de SIPI-EXPERT, los expertos en la salud
integral del niño han organizado el seguimiento del crecimiento y desarrollo del
infante en rangos de edad de 3 meses, que abarca desde los 0 meses hasta 84
meses. El proyecto en el que se soporta este artículo, está enmarcado en la
construcción de un prototipo que comprende la etapa entre cero y tres meses, con el
cual se pudo lograr un manejo apropiado del conocimiento de cada uno de los
agentes de la salud involucrados, generando una aplicación que muestra la utilidad
y viabilidad de los SMA en la salud integral para la infancia. SIPI-EXPERT fue
diseñado para la población infantil del hospital Ismael Darío Rincón de Ecopetrol en
Barrancabermeja, con la colaboración del grupo de trabajo SIPI de esta misma
entidad.
Base de datos del facilitador La base de datos del facilitador contiene: los atributos
preguntables de los agentes, quién es el responsable de cada uno de los atributos y
cuales agentes pueden activar ese campo en determinado momento. A continuación
se muestra una sección de los atributos y los datos que esta contiene. Atributos:
edad, sexo, talla, perímetro cefálico al nacer, cráneo. Motricidad gruesa, entre otros.

La negociación Luego de analizar la forma como cada uno de los especialistas

maneja su conocimiento y como participan en el momento de aplicar el programa
SIPI a un determinado grupo de niños, se seleccionó esta estrategia de
cooperación. Cada uno de los especialistas es completamente autónomo, cada uno
de ellos (que vienen a ser los agentes especialistas), tienen sus propias metas que
pueden ser muy diferentes entre sí, sin embargo entran a intercambiar información
para detectar estados de alerta en los niños. Esto es muy importante teniendo en
cuenta que el niño se encuentra sano y el objetivo primordial es detectar anomalías
que podrían ser causa de enfermedades o trastornos más adelante.

Sociedad de agentes Un conjunto de agentes que colaboran en la solución del

problema planteado. Cada agente puede tener su forma de representación del
conocimiento (FRC) y su método de solución de problemas (MSP) particular, pero
estos mantienen cierta imagen externa única que permite que el facilitador sea
capaz de interactuar con agentes de diferente naturaleza. La descripción de un
agente que es tomada en cuenta por la sociedad de agentes está dada por los
siguientes aspectos: Nombre del agente, metas, necesidades, restricciones y
finalmente cada agente tiene una interfaz con el facilitador y una memoria de
estado.

La sociedad de agentes de SIPI-EXPERT en el caso del periodo seleccionada para

el prototipo, está compuesta por cuatro agentes. Los nombres correspondientes son:
agente Nutrición, agente Pediatría, agente Psico-social y Agente Enfermera
profesional quien hace la valoración de la escala abreviada de desarrollo. Veamos la
descripción de uno de estos agentes.

Modelo del agente nutrición

IDENTIFICACIÓN: Nutrición.

ROL: Especialista en Nutrición y dietética.

METAS: Determinar las relaciones entre peso, talla, perímetro cefálico y edad del
niño e indagar sobre hábitos alimentarios.

CONOCIMIENTO: Modelo Nutricional. Para determinar la relación entre peso talla y

edad del niño se necesita que el agente posea conocimiento sobre los percentiles
de acuerdo a NCHS. Para Indagar sobre hábitos alimentarios el agente debe
preguntar sobre los alimentos que se le están suministrando al niño, qué cantidad,
en qué horario y consistencia. El conocimiento anterior puede ser expresado
mediante reglas de producción, algunas de las cuales se presentan a continuación.

NECESIDADES: Valoración clínica realizada por el Pediatra, condiciones en la

situación familiar que interfieran o afecten la ingesta alimentaria (disfunción familiar,
sobreprotección, abandono, alteraciones en ciclo vital, etc.) y condiciones
sicológicas que interfieran o afecten la ingesta alimentaria (reacciones de
adaptación, etc.).

IF (Edad = 1mes AND sexo = masculino AND talla _ [49.7, 59.5 ] )

OR (Edad = 2mes AND sexo = masculino AND talla _ [52.9, 63.2] )

OR (Edad = 3mes AND sexo = masculino AND talla _ [55.8, 66.4 ] )

THEN Estado Talla = Anormal

IF (Edad = 1mes AND sexo = masculino AND peso _ [2.9, 5.6 ] )

OR (Edad = 2mes AND sexo = masculino AND peso _ [3.5, 6.8] )

OR (Edad = 3mes AND sexo = masculino AND peso _ [4.1, 7.7 ] )

THEN Estado Peso = Anormal

Los sistemas multiagentes de la informática aplicada a la medicina son una buena

alternativa para la resolución de problemas en donde la cooperación entre los
profesionales de varias ramas de la salud sea indispensable. A lo anterior se agrega
que en los últimos años en el ámbito de la medicina está tomando mucha fuerza, el
tratamiento y diagnostico de enfermedades basadas en evidencia En gran parte, el
conocimiento que manejan los médicos acerca de la salud del niño es fruto de la
experiencia y de los múltiples intercambio de información entre ellos.

La cooperación de los médicos especialistas que intervienen en la detección de

alertas durante el proceso de crecimiento y desarrollo, no se produce con el
diagnóstico que pueda emitir cada uno de ellos, sino que la valoración del niño en
cada una de sus áreas es un aporte para poder inferir si el niño se encuentra sano o
por lo contrario hay que remitirlo a consulta o hacer un seguimiento.

La intención es que la aplicación completa asista a un trabajador de la salud y en

menos de 10 minutos, junto con la madre, pueda detectar alertas que se presentan
en el niño, teniendo una visión integral de su crecimiento y desarrollo.

Bibliografía

[1] El niño sano, Alvaro Posada, J.F. Gómez, Edit. Universidad de Antioquia, 1997.

[2] Guías para la supervisión de la salud I, Academia americana de pediatría,

1994.

[3] Desarrollo Psicológico, Grace J. Craig, Prentice Hall, 1994

[4] Manual de normas técnicas administrativas Crecimiento y desarrollo por grupos

de edad, Universidad de Antioquia, 1996

[5] Proyecto de grado: prototipo de sistema multiagente que asista a un trabajador

de la salud en la detección de alertas en el proceso de crecimiento y desarrollo
durante el periodo comprendido entre cero y tres meses de edad. Corredor
Huertas Beatriz y Aceros Chaparro Maria Hemmy, UCC-B/Bermeja, 2002

[6] Curso de sistemas basados en el conocimiento parte II, Inteligencia Artificial

Distribuida, Daniel Galvez Lío, Universidad Central de las Villas Cuba, 1998.

FICHA DE REGISTRO DOCUMENTAL

Código: [DMAS 2006] Fuente No.: [DMAS 2006] Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 5 p.

Título: Sistema Multiagente para la Evaluación Personalizada en Cursos Virtuales

Autor: Néstor Darío Duque Méndez y Alfonso Pio Agudelo Salazar

Ubicación: Revista Avances en Sistemas e Informática, Vol. 3 No. 2 pp. 13-17,

Medellín, Diciembre 2006, ISSN 1657–7663

Abstract: La evaluación del aprendizaje, entendida como un proceso sistemático y

permanente que busca validar todo un proceso de enseñanza aprendizaje, posee
un alto valor pedagógico y debe ser involucrada en los avances de adaptación de
otros aspectos. Se propone un sistema de evaluación que se adapte a las
condiciones específicas de cada estudiante, modelado mediante un Sistema
Multiagente, SMA, aprovechando las grandes ventajas de distribución que nos
otorga esta técnica de inteligencia artificial. Se propone y presenta las
características requeridas de un proceso evaluativo que se adapte a las
condiciones y preferencias académicas y psicopedagógicas de los estudiantes y
muestra el proceso de análisis, diseño y construcción de un Sistema Multiagente
(SMA) que integra el modulo de evaluación a una plataforma experimental de
Cursos Adaptativos. La metodología adaptada para el desarrollo fue
MASCommonKADS.

Tabla de Contenido: Introducción, Propuesta para la evaluación adaptativa en

cursos virtuales, Modelo multiagente para evaluación Adaptativa, Conclusiones

Palabras Clave: Sistemas Multi-Agente, Agentes Pedagógicos, Sistemas

Tutoriales Inteligentes.

Resumen: El desarrollo de cursos virtuales hasta ahora ha tenido un auge muy

marcado hacia el desarrollo de contenidos, sin embargo la evaluación ha sido
manejada como una transposición de la evaluación presencial a lápiz y papel, sin
que se hayan tenido en cuenta de forma importante las nuevas posibilidades
ofrecidas por la Inteligencia Artificial y los sistemas adaptativos. Este trabajo
propone y presenta las características requeridas de un proceso evaluativo que se
adapte a las

Condiciones y preferencias académicas y psicopedagógicas de los estudiantes y

muestra el proceso de análisis, diseño y construcción de un Sistema Multiagente
(SMA) que integra el modulo de evaluación a una plataforma experimental de
Cursos Adaptativos.

2. Propuesta para la evaluación adaptativa en cursos virtuales

En estos momentos los avances en las técnicas de Inteligencia Artificial y en

particular de los sistemas adaptativos abren posibilidades que los investigadores
no han explotado completamente y se convierten en la actualidad en un área de
especial interés para su implementación y solución de forma automatizada.

La utilización de técnicas adaptativas en la construcción de evaluaciones incluye el

proceso de la selección, calificación y retroalimentación del estudiante sobre sus
resultados. Tomando como base el modelo de los ITS actuales esta propuesta
apropia conceptos como el modelo del dominio, el pedagógico, el del estudiante y
el modelo de interfaz y se complementa con un modelo adicional: Evaluación
Adaptativa. Se propone un proceso evaluativo que se adapte a las condiciones
académicas y a las características psicopedagógicas y preferencias de los
estudiantes. La evaluación está orientada por los Objetivos Educativos, OE,
propuestos en el curso y los cuales se espera que el estudiante logre en el
proceso. El proceso debe identificar dónde el estudiante tiene falencias, para lo
cual se inicia con la evaluación de los objetivos de orden superior y se desciende
por los su objetivos hasta ubicar exactamente el punto donde se tienen
dificultades, lo cual permitiría replanear la labor de instrucción en este caso
concreto. Se juega igualmente con el nivel de dificultad de las preguntas. El Banco
de Preguntas se ha diseñado apoyado en las normas para este tipo de repositorios
y se incluye metadatos para cada pregunta que la asocian con los OE que evalúan,
el Estilo de Aprendizaje que soporta y el nivel de dificultad otorgado.

Para el Banco de preguntas se calculan varios parámetros y debe incluir

información como Id, enunciado, respuesta correcta, distractores (si se requieren),
fecha, autor, Objetivo Educativo, tema a evaluar, Estilo de Aprendizaje, estructura
de la pregunta (selección múltiple, verdadera o falsa, de complementar, etc.),
índice de dificultad y correlación con el total del examen

3 Modelo multiagente para evaluación adaptativa

La metodología de desarrollo adoptada fue MASCommonKADS [Iglesias (1998)], la

cual es una extensión de CommonKADS, con aspectos que son relevantes para
los SMA e integrando técnicas de las metodologías orientadas a objetos para
facilitar su uso. Enuncia siete modelos para la definición del desarrollo, algunos de
los cuales se presentan a continuación.

El modelo del Agente especifica las características de un agente, sus

capacidades de razonamiento, habilidades, servicios, sensores, efectores, grupos
de agentes a los que pertenece y clase de agente.

Los pasos a seguir en la petición de una evaluación son:

1. Un agente externo se encarga de solicitar al agente adaptación iniciar el examen

de un estudiante determinado, enviando el ID del estudiante y objetivo educativo a
evaluar.

2. El agente adaptación hace una petición de un perfil de estudiante y estilo de

aprendizaje de acuerdo al identificador recibido al agente estudiante.

3. El agente estudiante responde al agente adaptación con un estilo de aprendizaje

que tiene el estudiante que se encuentra en sesión.

4. El agente adaptación envía al agente banco de preguntas una solicitud de

pregunta que se selecciona en la base de datos de banco de preguntas de acuerdo
a unos criterios como objetivo educativo a evaluar, estilo de aprendizaje del
estudiante y perfil tecnológico.

5. El agente banco de preguntas responde al agente adaptación con una lista de

las posibles preguntas con su respectivo nivel de dificultad que se pueden realizar
al estudiante que se encuentra en sesión.

6. El agente de adaptación de acuerdo a unos criterios lógicos se encarga de

seleccionar la pregunta que se le debe realizar al estudiante, por lo cual envía el ID
de la pregunta seleccionada al agente banco de preguntas y este a su vez la
selecciona de la base de datos.

7. El agente banco de preguntas tiene la pregunta que se debe realizar al

estudiante por lo tanto la envía al agente interfaz quien es el encargado de mostrar
la pregunta al usuario.

8. El agente interfaz envía la pregunta al aprendiz que se encuentra en sesión.

9. El aprendiz responde la pregunta mostrada de acuerdo a los conocimientos

adquiridos previamente, la respuesta es enviada al agente interfaz.

10. El agente interfaz envía la respuesta dada por el aprendiz, al agente banco de
preguntas, el cual hace la consulta al banco de preguntas y verifica la respuesta, si
es correcta o incorrecta.

11. El agente banco de preguntas envía el objetivo cumplido o no cumplido (de

acuerdo a la respuesta del usuario) al agente de diagnostico.

12. El agente de diagnostico envía al agente estudiante el objetivo cumplido o no

cumplido, el ID de la pregunta y el ID del estudiante para que este lo guarde en el
historial del estudiante.

13. El agente de diagnostico envía al agente adaptación el objetivo cumplido o no

cumplido y el ID del estudiante para tomar decisiones acerca de que pregunta será
la siguiente.

14. El agente de adaptación evalúa si el objetivo educativo no ha sido cumplido,

para así solicitar al agente de dominio nuevos objetivos educativos a evaluar.

15. El agente de dominio envía hijos del objetivo educativo actual al agente
adaptación. En este caso el agente de adaptación hace una selección del nuevo
objetivo educativo a evaluar dentro de los hijos enviados por el agente de dominio.

Los agentes inteligentes pueden actuar en nombre de usuarios o entidades

involucradas en un sistema, pero los resultados dependen de una rigurosa
aplicación de la metodología adoptada. En estos momentos se está realizando el
proceso de integración con la plataforma experimental de cursos virtuales, pero en
las pruebas de selección de preguntas según lo planeado se ha obtenido los
resultados esperados. Sin duda es necesario ver si esto realmente mejora la
efectividad del proceso de enseñanza aprendizaje.

REFERENCIAS

Conejo, R., Millán, E., Cruz, J. y Trella, M. (2001), ‗Modelado del alumno: un
enfoque bayesiano‘, Revista Iberoamericana de Inteligencia Artificial 12. En línea:
<http://tornado.dia.fi.upm.es/caepia/numeros/12//Conejo.pdf>.

Duque, N., Agudelo, A. y García, L. (2005), ‗Análisis y determinación de las

características de un módulo de evaluación personalizado para cursos virtuales‘,
Semillero Evaluación Personalizada en Cursos Virtuales apoyada por Inteligencia
Artificial.

Duque, N., Jiménez, C. y Guzmán, J. (2005), ‗IA planning for automatic generation
of customized virtual courses‘, Frontiers in Artificial Intelligence and Applications.
(IOS Press) 117.

Gagné, R. (1987), Principios de aprendizaje para selección y uso de medios de

instrucción, 8a edn, Editorial Diana, México.

Gonçalves, J. (2004), ‗A integraçaode testes adaptativos informatizados e

ambientes computacionais de tareas para o aprendizado do ingles instrumental‘,
Trabajo de grado para optar para el grado Maestría en ciencias de Computación y
Matemática Computacional. Sao Carlos.

Iglesias, F. (1998), Desarrollo de una Metodología para el Desarrollo de Sistemas

Multiagente, PhD thesis, Universidad Politécnica de Madrid. Jade (2005),
‗Documentación en línea de jade‘, En línea: <http://jade.cselt.it/doc/index.html>
C12/05.

Papanikolaou, K., Grogoriadou, M., Kornilakis, H. y Magoulas, G. (2001), Inspire:

An intelligent system for personalizad instruction in a remote envoronment, in
‗Third Workshop on Adaptative Hypertext and Hypermedia Twelfth, paper 3‘. En
línea: <wwwis.win.tue.nl/ah2001/papers/papanikolaou.pdf>.

FICHA DE REGISTRO DOCUMENTAL

Código: [FGEA 2008] Fuente: [FGEA 2008] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 14 paginas pdf.

Título: A Multi-Agent-based 3D Visualization of Stem Cell Behavior

Autor: Geisa Martins Faustino, Maíra Atanásio de Cerqueira Gatti, Carlos José
Pereira de Lucena, Marcelo Gattass
Ubicación: Monografias em Ciência da Computação n° 07/08, issn 0103-9741,
pontifícia universidade católica do rio de janeiro ftp://ftp.inf.puc-
rio.br/pub/docs/techreports/08_07_faustino.pdf 29 de marzo 2009

Descripción: Este articulo presenta algunos resultados obtenidos en la

construcción de un visualizador 3D basado en sistema multiagentes para la
simulación de del comportamiento de las células madre. Considerando que este es
un sistema autónomo, adaptativo y complejo el principal desafio de este trabajo fue
desarrollar la visualización del comportamiento de las células madre tales como la
proliferación la diferenciación, de los agentes auto-organizables, se proyecto una
auto organización de las células madres que se volvió en la visualización del
comportamiento emergente de las entidades de los agentes, también posibilito la
observación de las interacciones entre los agentes y los ambientes

Tabla de Contenido: Introducción, Trabajos relacionados, Descripción del

problema, Propuesta de aproximación, avances en la visualización de los
componentes, conclusiones y trabajos futuros

Palabras Clave: Sistemas multiagente, visualización 3D, células madre

I. Introducción.

Las células madres tiene la capacidad de reproducirse de manera infinita y además

tiene la capacidad de producir otro tipo de células gracias al proceso de
diferenciación, las células madres se utilizan para el tratamiento y cura de la
leucemia y de la enfermedad de parkinson

Este trabajo describe los resultados alcanzados a través de la visualización en 3D

basado en un sistema multiagentes que simula el comportamiento de las células
madre usando previamente el sistema de visualización 2D. el principal aporte de
este trabajo es la reformulación de la auto organización espacial de las células
madres y su extensión al espacio 3D

Se utilizo la librería de simulación de los sistemas multiagente MASON

desarrollada por JAVA, que provee apara ambos modelos de librerías y una opción
de herramientas de visualización en 2D y 3D, se escogió esta herramienta porque
en su momento era la única que permitía la visualización en 2D y en 3D

Descripción del problema

En esta parte de la investigación se muestra los procesos de diferenciación y

división de las células madre, ambas son importantes para ser visualizados,
también se muestra algunas funcionalidades del sistema
La figura uno muestra las diferentes células que puede llegara a ser una célula
madre, el interés de este trabajo está en ver como una célula madre se convierte
en una neurona

Figura1 Diferenciación de una célula madre: observe las clases de células en las
que se puede diferenciar una célula madre

Basados en el conocimiento del ciclo de vida de las células y el proceso de las

células madres un modelo conceptual fue desarrollado con los investigadores de
células madre. Un nuevo modelo conceptual de células madre basado en agentes
(mucho más refinado que el primero) y un framework basado en multiagentes para
el soporte de aplicaciones que simulara el comportamiento de de las células
madres fue desarrollado.

El modelo computacional de las células madres basado en agentes muestra cuatro

tipos de células, las células multipotentes, quew son células con un gran poder de
diferenciación, que puede dar origen a una gran cantidad de células; Células
precursoras que son células que tienen la habilidad de de auto diferenciarse en
una célula especifica por instancia una célula de la sangre; células progenitoras,
son células madre que han desarrollado en una etapa que forman una célula
particular y las células diferenciadas, que ya no tienen el poder de diferenciación
Figura 2. Pantallazos de la simulación: a la izquierda el inicio, en la mitad el
proceso y a la derecha el final de la simulación. Observe el crecimiento
exponencial de las células

Conclusiones y trabajos futuros

La visualización científica es una herramienta que ayuda en la comprensión de

problemas complejos, Por esta razón la visualización de las estructuras de las
células en un alto nivel de detalle y sus comportamientos emergente es
fundamental en el análisis de los procesos de diferenciación celular.

Este trabajo presento avances en el componente de la visualización de la versión

inicial del sistema presentado, se mostro los detalles de las capas de la
visualización multiagente basada en un framework de desarrollo de la simulación
del comportamiento de las células madre, Con el conocimiento de la simulación de
las células madre es posible la visualización de fenómenos emergentes que crecen
con la interacción de los agentes

Los componentes de la visualización avanzada es muy promisoria, Los

colaboradores observaron en la herramienta de visualización el primer fenómeno
emergente, el cual es similar a los fenómenos emergentes in vitro: la diferenciación
de las células se localiza en las extremidades de la colonia cuando la
especialización y las células madre se localizan en el centro de la colonia.

El propósito del sistema de visualización también sugiere próximos desarrollos.

Uno de ellos es hacer la representación de las células más foto realística, La
visualización de las células en 3D en más niveles de detalle muestra las
interacciones entre las estructuras internas haciendo el sistema más completo y
realístico. Otro trabajo futuro es aumentar la interacción con el usuario, como en la
versión previa quisiéramos permitir al usuario la visualización del estado de las
células y su simulación individual, También nos gustaría aumentar la interactividad
permitiendo a los especialistas con la ejecución en vivo como en el caso de las
funcionalidades básicas como iniciar, pausar, detener y aumentar/disminuir la
velocidad, también lo que significa poner algunas sustancias al nicho y observar el
comportamiento emergente. También permitir la auto organización optimización y
el propósito de nuevas hipótesis. Aun más la generación de reportes acerca d la
información visualizada durante el proceso de simulación, en altos niveles de
detalle, el cual puede incrementar la comprensión del proceso. La conversión del
sistema de un lenguaje C++ usando OpenGL podría permitir la visualización en
tiempo real

Bibliografía

[1] Java 3D API. http://java.sun.com/products/java-media/3D/, last acessed in

November 2007.

[2] Collis J. C., Ndumu D. T., Nwana H. S., and Lee L. C. The Zeus agent building
tool-kit. BT Technol Journal, 16(3), 1998.

[3] Lales C., Parisey N., Mazat J., and Beurton-Aimar M. Simulation of
mitochondrial metabolism using multi-agents systems. In AAMAS Workshop on
Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics,
pages 137 – 145, 2005.

[4] Shreiner D., Woo M., Neider J., and Davis T. OpenGL Programming Guide: The
Official Guide to Learning OpenGL. Addison-Wesley, Reading, Massachusetts,
1999.

[5] dŠInverno M. and Saunders R. Agent-based Modelling of Stem Cell self-

organisation in a Niche, volume 3464 of Lecture Notes in Computer Science,
pages 52–68. Springer Berlin / Heidelberg, 2005.

[6] Bellifemine F., Caire G., Poggi A., and Rimassa G. Jade a white paper. EXP in
search of innovation, 3(3):06 – 19, 2003.

[7] Vizzari G., Pizzi G., and Silva F. S. C. da. A framework for execution and
visualization of situated agents based virtual environments. In Workshop dagli
Oggetti agli Agenti, pages 22 – 25, 2007.

[8] Swarm Development Group. http://www.swarm.org/wiki/Main_Page, last

accessed in January 2008.

[9] Gatti M., Vasconcellos J. E., and Lucena C. J. P. An agent oriented software
engineering approach for the adult stem-cell modeling, simulation and
visualization. In Third Workshop on Software Engineering for Agent-Oriented
Systems – SEAS, 2007.
[10] Tom Misteli. The concept of self-organization in cellular architecture. The
Journal of Cell Biology, 155(2):181–185, 2001.

FICHA DE REGISTRO DOCUMENTAL

Código:[FLJU 2007] Fuente:[FLJU 2007] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 4 paginas pdf.

Título:3D Multi Object Segmentation of Cardiac MSCT Imaging by using a Multi-

Agent Approach

Autor: Julien Fleureau, Mireille Garreau, Dominique Boulmier, Alfredo Hernández.

Ubicación: Conference proceedings : Annual International Conference of the

IEEE Engineering. IEEE 29/03/2009

Descripción: Este articulo propone una nueva técnica de propósito general

interactiva y multiobjeto aplicada a la extracción de las estructura cardiaca en
tomografías multidiapositivas computadas

Tabla de Contenido: Introducción, sistemas multiagentes, aplicación a las

imágenes MSCT cardiacas, Conclusiones y perspectivas

Palabras Clave: Tomografía, sistemas multiagente, estructuras cardiacas, tres

dimensiones

I. Introducción.

La tomografía cardiaca computada es rápida, no invasiva presenta resoluciones

submilimetricas y la modalidad de imágenes volumétricas. El desarrollo de la
tomografía cardiaca de multidiapositivas se ha convertido en una importante
herramienta para las imágenes cardiacas, dando acceso al mismo tiempo a
diferentes partes de la anatomía cardiaca (ventrículos derecho, izquierdo, atrio,
miocardio, y venas) pero asociadas a solo un ciclo cardiaco Las herramientas de
visualización en tercera dimensión es usada como práctica clínica pero necesita e
mucha interacción humana y mucho tiempo para remover estructuras que no
pertenecen al corazón, Numerosas técnicas se mencionan para identificar algún
ventrículo izquierdo pero no hay una técnica para mostrar todas las estructuras de
manera simultánea. Este trabajo se focaliza en la detección de los componentes
del corazón para cada estructura del volumen cardiaco en 3D en una secuencia
dinámica de MSCT, y presenta un método, suficientemente robusto para responder
del problema de extracción de las estructuras cardiaca en 3D
II Un sistema Multiagente

El sistema multiagente propuesto desarrolla una segmentación de objetos en

imágenes 3D basados en primera instancia en lo que el usuario seleccione
interactivamente uno o más puntos para cada objeto de interés. En esta aplicación
un objeto es considerado como una entidad que satisface unas condiciones.

 Homogeneidad en términos de intensidad y de textura

 Conectividad en el espacio 3D, un órgano está compuesto de subpartes
conectadas y compactas
 Disponibilidad de información prioritaria, normalmente el ventrículo izquierdo
y el atrium se observan como si fueran un solo órgano porque muestran la
misma textura y las mismas estructuras de conectividad, como se observan
en la figura 1

Figura 1 Diapositiva original MSCT cardiaca

El sistema multiagente está compuesto de un grupo de agentes llamados

trabajadores, que cooperan y compiten para maximizar su territorio (satisfaciendo
su criterio de textura e intensidad) y un agente puro de comunicaciones que
coordina los conocimientos de los agentes trabajadores. Esta arquitectura
corresponde a una organización micro social. El ambiente se define como el
volumen de voxeles (Imágenes 3D) que serán segmentadas y los diferentes
conocimientos de los agentes son determinísticos. La siguiente subseccion
muestra cada agente y sus interacciones
Figura 2 Arquitectura MAS

A. Agentes situados: Trabajadores

Cada agente situado es inicialmente localizado en un ambiente y asociado con una

marca especifica de acuerdo al objeto a ser segmentado por el usuario. Los
agentes con la misma marca obviamente coexistirán y su meta es asociarse en la
marca de una región de la imagen. El comportamiento de estos agentes se
descompone en tres etapas, la parte intencional en la que ellos en su primera
etapa aprenden o recopilan información de intensidad y textura concerniente al
objeto al que se encuentran asociados, los trabajadores adquieren información de
su objeto en términos de textura e intensidad local. Luego cada agente puede
mostrar su ambiente desde su punto inicial tratando de conectar en primer orden
con sus vecinos y definiendo una dirección de aleatoria en función del agente
vecino que satisfacen los criterios de textura y la intensidad en la imagen. En cada
desplazamiento el agente pregunta al agente de comunicaciones si desea adquirir
su marca como una nueva parte de la imagen. Cuando esta solicitud ha sido
propuesta el agente reacciona y simplemente espera por la aprobación o la
negación por parte del controlador. También se han introducido específicos
trabajadores llamados agentes inhibidores cuyo rol es prevenir a otros agentes
alcanzar un territorio equivocado o inicializar una situación artificial de competición.

B. Agente de comunicaciones: Controlador

Los agentes situados dependen de una u otra manera de un agente llamado

controlador, este agente es claramente un agente cognoscitivo e intencional, Su
principal rol consiste en decidir si la región de la imagen puede ser adquirida por
uno de los agentes trabajadores e informar acerca de su decisión. Para decidir el
actualiza y usa dos mapas específicos, un mapa de segmentación en la que se
marcados e la copia original de la imagen y el mapa de viajes que graba la longitud
que un agente ha recorrido y que ha sido adquirida. Usando estos dos mapas el
controlador puede enfrentar tres tipos de solicitudes

Adquisición simple: Un trabajador solicita la adquirían de una parte de la imagen

que no ha sido adquirida por ningún otro agente. En este caso el controlador
acepta la adquisición y actualiza el mapa de segmentación, luego evalúa la
longitud del camino recorrido para actualizar el mapa de viajes, y luego informa al
trabajador que la adquisición fue aceptada

Cooperación Si un trabajador desea adquirir una parte de la imagen que ya fue

adquirida por otro agente de su misma marca, para este caso el controlador
compara la longitud del camino necesario para llegar por los dos agentes
cooperantes, El agente con el recorrido más corto es retenido se actualiza el mapa
con la información del agente habilitado

Competición Un trabajador solicita la adquirían de una parte de la imagen que fue

atribuida a otro grupo de trabajadores, esta situación implica que la textura y la
intensidad de los dos objetos son similares o idénticas, para resolver esta
ambigüedad en este caso el controlador atribuye esta imagen al agente con el
camino más corto

III Aplicación a las imágenes cardiacas MSCT

Se presente la nueva estructura aplicada a las imágenes cardiacas MSCT.

La meta es extraer las diferentes partes anatómicas del corazón desde la totalidad
de una base de datos 4D en particular el ventrículo izquierdo, en atrium, el
ventrículo derecho, el atrium , en algunos casos se considero unir el ventrículo
derecho y el atrium por conveniencia y el miocardio que envuelve la cavidad del
ventrículo izquierdo, la metodología simultáneamente segmenta y marca las
diferentes estructuras de acuerdo a las solicitudes del usuario

Bibliografía

[1] Y. Boykin and V. Kolmogorov. An experimental comparison of mincut / max-flow

algorithms for energy minimization in vision. IEEE Trans. Pattern Anal. Mach.
Intell., 26(9):1124–1137, 2004.
[2] T. Chen, D. N. Metaxas, and L. Axel. 3D cardiac anatomy reconstruction using
high resolution CT data. In MICCAI, volume 1, pages 411–418, 2004.

[3] E. Duchesnay, J.J. Montois, and Y. Jacquelet. Cooperative agents society

organized as an irregular pyramid: A mammography segmentation application.
Pattern Recognition Letters, 24(14):2435–2445, 2003.

[4] J.K. Udupa et al. Relative fuzzy connectedness and object definition: Theory,
algorithms, and applications in image segmentation. IEEE Trans. Pattern Anal.
Mach. Intell., 24(11):1485–1500, 2002.

[5] A. Falcao, J. Udupa, S. Samarasekera, and S. Sharma. User-steered image

segmentation paradigms: Livewire and livelane. Graphical Models and Image
Processing, 60:233–260, 1998.

[6] A.F. Frangi, W.J. Niessen, and M.A. Viergever. Three-dimensional modeling for
functional analysis of cardiac images: A review. IEEE Trans on Medical Imaging,
20(1):2–25, 2001.

[7] G.T. Herman and B.M. Carvalho. Multiseeded segmentation using fuzzy
connectedness. IEEE Trans. Pattern Anal. Mach. Intell., 23(5):460–474, 2001.

[8] M. Lorenzo-Valdes, G.I. Sanchez-Ortiz, A.G. Elkinton, R.H. Mohiaddin, and D.

Rueckert. Segmentation of 4D cardiac MR images using a probabilistic atlas and
the EM algorithm. Medical Image Analysis, 8(3):255–265, 2004.

FICHA DE REGISTRO DOCUMENTAL

Código [GOEA 2004] Fuente: [GOEA 2004] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 10 pdf.

Título Sistemas tutores inteligentes: propuesta de una arquitectura para

aprendizaje en salud pública

Autores: C. González, J.C. Burguillo, M. Llamas, J.C. Vidal

Ficha bibliografica

Ubicación: VII Congreso Iberoamericano de Informática Educativa,

http://www.niee.ufrgs.br/eventos/RIBIE/2004/breve/breves1236-1245.pdf 4 de
Octubre de 2009

Descripción: En este artículo se muestra cómo la utilización de Sistemas de

Tutorías Inteligentes (STIs) vinculados con la aplicación de técnicas de Inteligencia
Artificial (IA) constituye una valiosa contribución a la mejora de los programas de
capacitación dentro del dominio de Salud Pública. El uso de STIs mejora el
proceso de aprendizaje y toma de decisiones a través del uso de tutorías
personalizadas y aprendizaje basado en casos. La validación de la arquitectura se
realiza con un prototipo de Sistema Tutor Inteligente para Tuberculosis (STI-TB)
dentro del marco del proyecto SINCO-TB (Sistema Inteligente para el Control de la
Tuberculosis) que se lleva a cabo en la Universidad del Cauca (Colombia).

Tabla de Contenido: Introducción, Sistemas de Tutorías Inteligentes (STIs),

Arquitectura General del Sistema de Tutorías Inteligente, Caso de Estudio. Sistema
de Tutorías Inteligente para Tuberculosis STI-TB, Conclusiones y Trabajos Futuros

Palabras Clave: Arquitectura SMA, Tutorías inteligentes, Tuberculosis, Salud

Publica, Inteligencia artificial

I. Introducción.

Una aplicación potencial de sistemas basados en el conocimiento en Informática

Médica se encuentra en la formación de los profesionales de la Salud. Aunque se
han realizado grandes avances en soporte a la decisión, análisis, recolección y
tratamiento de la información médica, poco trabajo se ha desarrollado en el área
de educación médica asistida por computador.

Los planes de capacitación en Prevención y Control

involucran capacitación a estudiantes de pre-grado y profesionales, e incluyen: (1)

caracterización clínica de las enfermedades de alta prevalencia, (2) diagnóstico, (3)
tratamiento y (4) planes operativos de administración de cada uno de los
programas en relación con el conjunto de enfermedades. Se propone una
aproximación MultiAgente que ofrece grandes ventajas teniendo en cuenta que el
desarrollo de un STI en el campo médico implica un elevado nivel de complejidad y
grandes estructuras de conocimiento teórico en constante evolución. El STI se
enmarca, según los fundamentos pedagógicos, en el paradigma de Razonamiento
Basado en Casos (RBC) proporcionando asistencia inteligente y personalizada.

II. Sistemas de Tutorías Inteligentes (STIs)

Los STIs son sistemas instruccionales adaptativos, que poseen ciertas

características ―inteligentes‖ en relación a la capacidad de adaptación, a los tipos
de aprendizaje, y al conocimiento de los distintos alumnos. Representan un
conjunto de principios instruccionales lo suficientemente generales como para
ofrecer instrucción efectiva mediante un conjunto de tareas de enseñanza.
Además, un STI se adapta a las características y ritmo de aprendizaje de cada
alumno, proporcionando una ayuda adaptable, que es capaz de ofrecer a los
estudiantes elementos de autoreflexión sobre su propio rendimiento, pudiendo
incluso compararse con otros estudiantes, reales o modelados. Los STIs son
capaces de guiar al alumno a lo largo de un dominio particular de conocimiento,
resolviendo durante el proceso tareas tales como la elaboración de una estrategia
de autorización, la generación de ejercicios a la medida de las necesidades del
alumno, la resolución pedagógica de estos ejercicios, así como la explicación de la
solución. Estas tareas se organizan en distintos módulos, siendo los componentes
fundamentales de un STI tradicional: un modelo del alumno, un modelo
pedagógico, un modelo didáctico y una interfaz con la que interactúa el usuario.

STIs y Sistemas Multiagente (SMA)

El desarrollo de STIs bajo una aproximación MultiAgente, tiene en cuenta la

división de las tareas del sistema entre diversos agentes, entidades concurrentes
que gozan de propiedades como:

Autonomía: Los agentes deben ser semiautónomos es decir, no necesitan una

directa y constante supervisión. Por ejemplo, un agente conoce cómo y cuándo
presentar un mensaje al estudiante y cuándo actualizar su base de conocimiento.

Proactividad: Los agentes tienen metas y objetivos que cumplir, actuando

consecuentemente de una manera autónoma para lograrlos. Por ejemplo
seleccionar los contenidos didácticos que se le deben presentar al estudiante.

Capacidad Social: El agente debe ser capaz de interactuar con su entorno, es

decir, llevar a cabo diferentes tipos de comunicación con otros agentes.

Aprendizaje: Los agentes deben ser capaces de aprender de su entorno y de la

interacción con otros agentes, incorporando estos cambios en su base de
conocimiento.

STIs y RBC: un paradigma de aprendizaje

En el dominio de Salud Pública no existen sistemas que ayuden a la formación de

estudiantes y profesionales de la salud relacionados especialmente con los
aspectos operativos de cada uno de los programas de Control y Prevención. No
existen arquitecturas que permitan incorporar bases de conocimiento médico en
grandes sistemas instruccionales. Además, la mayoría de STIs modelan el
conocimiento por medio de sistemas de producción de reglas, los cuales poseen
grandes desventajas como la dificultad en el proceso de adquisición del
conocimiento, el costoso desarrollo y mantenimiento, problemas en el manejo de
grandes volúmenes de información y la adaptación de planes instruccionales a
nuevos dominios. Nuestra aproximación resuelve estos inconvenientes, al permitir
incorporar gran cantidad de conocimiento médico dentro del STI y utilizar como
paradigma de aprendizaje el Razonamiento Basado en Casos.

Arquitectura General del Sistema de Tutorías Inteligente

La arquitectura que proponemos, está integrada por dos componentes

fundamentales. Primero, el sistema SINCO-TB [1] que presenta una solución
integrada y flexible que permite mejorar la calidad con sistemas automatizados de
manejo de datos clínicos y epidemiológicos sobre los pacientes.

Figura 1. Arquitectura de SINCO-TB

Segundo, el STI presentado en esta comunicación y desarrollado bajo una

aproximación multiagente compatible con los estándares de FIPA[8], utilizando
Java, JavaScript y XML en diferentes etapas de su programación y teniendo en
cuenta las propiedades definidas para el diseño de agentes expuestas Cada uno
de los módulos del STI se encuentran distribuidos y subdivididos en partes más
pequeñas llamadas agentes, funcionando como entidades autónomas, que se
comunican entre sí y actúan racionalmente de acuerdo a sus percepciones del
exterior y el estado de su conocimiento.

Modelo de Agentes en STI

El STI se compone de un conjunto de agentes independientes que intercambian

información, usando un lenguaje formal expresivo, y proporcionando modularidad e
interoperabilidad. A continuación describimos los agentes que participan en la
resolución del problema:

Agente Experto: Guía y controla el proceso de tutorías. Contiene representación

del conocimiento experto en los ámbitos relativos a procesos de evaluación,
enseñanza aprendizaje, y metodología de enseñanza. Es el responsable de dirigir
la ejecución del proceso teniendo en cuenta los datos introducidos por el alumno.

Agente Evaluador: Evalúa el comportamiento del alumno. Según la evolución del

estudiante durante el plan instruccional modifica su perfil o, en caso de ser
necesario, solicita al agente tutor la reestructuración del plan instruccional.

Agente Tutor: Razona acerca del comportamiento del alumno. Su objetivo es

generar el plan instruccional, de forma que se adapte a las necesidades del
estudiante. Las capacidades de razonamiento de este agente, se originan en el
paradigma RBC, La memoria del agente tutor contiene un grupo de elementos,
denominados acciones, las cuales describen el comportamiento del estudiante
durante las sesiones de trabajo. Este conjunto de acciones contiene el identificador
del alumno, la temática de trabajo según los objetivos a alcanzar y las trazas del
estudiante (aciertos, fallos, etc.) durante su aprendizaje. Además, se proporciona
una indicación del estado en el que se encuentra el proceso de aprendizaje
(terminado o interrumpido) e incluso es posible generar subplanes de trabajo para
el alumno a partir del plan ya resuelto.

Bibliografía

[1]. González, S. C., Vidal, R. J. & Martínez, J.F. (2003). SAD-EPI: Enfoque
Arquitectónico Integrado para la toma de decisiones en Salud. Ponencia
presentada en el III Congreso Iberoamericano de Telemática. CITA'03.
Montevideo, Uruguay.

[2]. Carbonell, J.G., Michalski, R.S. & Mitchell, T.M. (1983). An Overview of
Machine Learning. Morgan Kaufmann Publishers, Inc., Vol. I, Chapter 1.

[3]. Clancey, WJ. (1982). Overview de GUIDON. Journal of Computer-Based

Instruction, 10(1/2), 8-15.

[4]. Davis, R., Buchanan B. & Shortliffe, E. (1984). Production Rules as a

Representation for Knowledge-Based Consultation Programs. Readings in Medical
Artificial Intelligence:The First Decade, pages 98-130. Addison Wesley.

[5]. Azevedo, R. & Lajoie, SP. (1998). The cognitive basis for the design of a
mammography interpretation tutor. International Journal of Artificial Intelligence in
Education, 9, 32- 34.

[6]. Rogers, E. (1995). VIA-RAD: a blackboard-based system for diagnostic

radiology. Journal of Artificial Intelligence in Medicine, 7(4), 343-60.
[7]. Aamodt, A. (1994). Explanation-Driven case based reasoning. In S. Wess, K
Althoff, M. Ritcher. (eds.): Topics en Case-based reasoning, Springer Verlag, 274-
288.

[8]. Nicol, R. & O‘brien. (2003). FIPA-Towards a Standard for Software Agents.
Extraído el 23 Mayo, 2004, de http://www.bt.com/bttj/vol16no3/06.pdf.

[9]. Reyes, & Sison, R. (2002). Using Case-based Reasoning Approach in

Planning Instructional Activities. In Proceedings of the Seventh Pacific Rim
International Conference on Artificial Intelligence, 502-511.

[10]. OPS/OMS. (2000). Desafíos de la educación en salud pública. La reforma

sectorial y las funciones esenciales de la salud pública. División de Desarrollo de
Sistemas y Servicios de Salud. Washington DC.

[11]. Sánchez, A., Medina, María. & Castellanos, N. (2004). Ontological Agents
Model base on MAS-CommonKADS methodology. Proceedings of the 14ht
International Conference on Electronics, Communications and Computers.
(Veracruz, México). IEEE Computer Society Press.19-23.

[12]. May, J., Labrou, Y. & T, Finin. (1996). Evaluating KQML as an agent
communication language. Intelligent Agents II, Lecture Notes in Artificial
Intelligence 1039, 347-360, Berlin, Germany, Springer.

[13]. Mendes, E., Mosley, N. & Watson L. (2002). A comparison of case-based

reasoning approaches. Proceedings of the eleventh international conference on
WWW. (Honolulu, Hawai). IEEE Computer Society Press. 272-280.

[9] T. McInerney and D. Terzopoulos. Deformable models in medical image

analysis : A survey. Medical Image Analysis, 1(2), 1996.

[10] S. Osher and J.A. Sethian. Fronts propagating with curvature dependent
speed : Algorithm based on hamilton-jacobi formulations. Journal of Computational
Physics, 79:12–49, 1988.

FICHA DE REGISTRO DOCUMENTAL

Código: [GUMA 2006] Fuente:[GUMA 2006] Elaboró: Paulo Cesar Quintero Uribe

Tipo de Fuente: Tesis de Doctoral 253 p.

Título: DEFINICION DE UN AGENTE INTELIGENTE PARA LA INTER

COMUNICABILIDAD AUTOMATICA DE SISTEMAS DE APRENDIZAJE
BASADOS EN INTERNET
Autor: GUTIERREZ MARTINEZ, José María

Directores: MARTINEZ HERRAIZ, José Javier - FERNANDEZ DEL CASTILLO

DIEZ, José Raúl

Ubicación: Departamento de Ciencias de la Computación Universidad de Alcalá

http://dspace.uah.es/dspace/bitstream/10017/238/1/Tesis.pdf 2006

Descripción: Esta tesis presenta un estudio de los elementos que se

integran en la propuesta de investigación concerniente a las aplicaciones de los

agentes inteligentes: como son los sistemas de enseñanza. El capitulo 1 trata
sobre la taxonomía de los Agentes, los tipos que actualmente hay y las tecnologías
requeridas para estos.

Tabla de Contenido: Taxonomía de Agentes, Agentes Móviles, Tecnologías

Requeridas para los Agentes

Palabras Clave: Agentes de Red, Agentes de Programación, Agentes de Usuario,

Movilidad de Agentes, Aprendizaje de Agentes, Agente de Información.
Resumen: Agentes Inteligentes Un agente es todo aquello que puede
considerarse que percibe su ambiente mediante sensores y que responde o
actúa en tal ambiente por medio de efectores.

Figura No. El agente y su Entorno

Los agentes de software son programas informáticos con un comportamiento

semejante a sus homólogos físicos cuyas percepciones y acciones vienen a ser la
cadena de bits codificados recibidos y los emitidos en respuesta a la recepción.
Entre las capacidades de estos agentes figura la movilidad intersistemas, la
capacidad de toma de decisiones, la intercomunicación y su autonomía
reconociendo los intereses del usuario al que representa. Pueden realizar tareas
guiados por reglas lógicas, utilizar gran cantidad de ejemplos y estar dotados de
capacidades inductivas o simplemente observar a un usuario y agilizar su trabajo.

Una de las características que distingue los agentes de los programas sencillos es
la autonomía de acción. Los agentes son más que activos, es decir, que no sólo
actúan en respuesta a una acción directa del usuario, sino que también actúan
siguiendo los objetivos que tienen marcados, bien por el usuario bien por su propia
construcción. Además, son persistentes, aún cuando el usuario no interactúa con
ellos siguen funcionando, recolectando información, aprendiendo y comunicándose
con otros agentes.

Un agente debe tener alguna de las siguientes propiedades:

1. Ser reactivo, capaz de detectar cambios en el entorno y reaccionar ante los

mismos mediante acciones.

2. Ser autónomo (o semiautónomo), en el sentido de tener control en cuanto al

cuándo y al cómo sobre sus propias acciones según su programación, experiencia
y objetivos.

3. Se delega en él alguna tarea, el usuario se desentenderá de ella encargando su

realización al agente, dando una cierta información de comienzo y reclamando los
resultados posteriormente.

4. Se dirige por objetivos, tomando la iniciativa con su autonomía para alcanzar

dichos objetivos.

5. Admite paralelismo, ya que una tarea compleja o en una situación de descarga

de trabajo, varios agentes pueden colaborar para solucionar un problema.

6. Es ajustable o personalizable, adaptándose al usuario en alguna de sus facetas

para cumplir mejor sus objetivos.

Estas propiedades, son las que hacen que los actos y percepciones sean tenidos
en cuenta en el futuro para modificar su conducta. La connotación de inteligente
permite que aprendan de los fallos para no volver a cometerlos en el futuro, esto
implica adaptabilidad, y un bucle percepción y procesamiento de información (y
acción en consecuencia), para volver otra vez al principio, es decir, un
comportamiento similar al de cualquier ser vivo dotado de comportamiento
inteligente. Este comportamiento se da aunque el ser vivo posea un bajo nivel de
inteligencia, lo cual es trasladable a los agentes que lo serán a pesar de tener un
nivel de inteligencia, o su equivalente según el agente, de poca complejidad.

Figura No. 2 Los Agentes interactúan con el entorno

El aprendizaje de los agentes se producirá a través de la interacción con un
usuario, lo cual hará que el agente sea habitualmente representativo de tales
acciones. Y además, la percepción y acción implican comunicación, que se puede
realizar con programas no-agentes o con otros agentes, lo cual puede dar lugar a
sociedades de agentes. Se tienen agentes que son más que programas, que
interactúan con el usuario y su interfase, del cual se diferencian, y que interactúan
con el entorno, del cual también se diferencian. También interactúan con otros
agentes, de los cuales se diferencian. Por último, estos agentes tienen autonomía
de acción y persistencia cómo ya hemos comentado, lo que nos lleva a una última
consecuencia y es que los agentes son lo que se denomina agentes situados.
Algunos de estos agentes situados, además podrán tener la capacidad de
desplazarse dentro del entorno global que es la red, a subentornos distintos del
original que manejan, y su característica de independencia del entorno se lo
permitirá. De esta forma, los agentes, seguirán al usuario llevando su bagaje de
información y conocimiento aprendido allí donde van que es allí donde el usuario
se desplace.

Figura No. 3 Usuarios, Agentes y Entornos en Interacción

Taxonomía de Agentes Se pueden encontrar las siguientes:

Agentes de Programación: Estos agentes son herramientas orientadas a ayudar
a los desarrolladores de software. En concreto, son abstracciones realizadas a
priori que simplificarán sus tareas en la construcción de grandes sistemas o
sistemas de elevada complejidad. Se mejoran las fases de conceptualizado, diseño
e implementación.

Agentes de Red: También denominados agentes móviles, son entidades de

carácter autónomo que fluyen a través del entorno distribuido que proporciona la
red.

Estos agentes parten de un nodo inicial o un nodo cliente (en el que no tienen por
qué residir) y durante sus desplazamientos intentan completar la tarea que se
delegó en ellos desde el nodo cliente, usando para ello los recursos del nodo en el
que se encuentren. Estos agentes pueden interactuar con otros agentes que se
encuentren en la red para ayudarse de ellos en el desarrollo de sus tareas. Los
resultados de las acciones del agente serán devueltos al solicitante desde el nodo
en que se encuentren, quedando liberados para recibir otra petición en el nodo
donde hayan terminado sus actividades.

Existe la posibilidad de que el agente vuelva a su nodo de inicio cuando termina.

Agentes de Usuario: Tienen la misión de asistir al usuario en la interacción con

sistemas. Se dividen en :
  Agentes de Información: que asisten al usuario en la manipulación de
datos cuando se trata de grandes volúmenes, en entornos complejos y que
soporten el uso de agentes por sus características.

 Agentes de Tareas: que realizan un seguimiento de las tareas

desempeñadas por el usuario intentando aprender dichas tareas así como su
cadencia o las condiciones que las disparan. Con esta información, el agente,
intentará automatizar las tareas para librar al usuario de su realización en
adelante.

 Agentes Sintéticos: se caracterizan por la simulación de criaturas en la

interfase de usuario. Estas simulaciones tienen la misión de asistir al usuario
pero representando un carácter animado bien por gráficos o caracteres.

Agentes Móviles: Se caracterizan por su capacidad para desplazarse entre los

nodos de una red de aplicaciones distribuidas. Dentro de estas se tienen las
siguientes:

1. Autonomía de movimiento, ya que será un proceso autónomo o semi autónomo,

capaz de decidir cuándo, cómo y en qué condiciones migrar desde el nodo de
residencia actual a otro.

2. Persistencia en la movilidad, ya que el objeto agente se envía manteniendo su

estado, código y datos al nodo destino.

3. Capaz de suspender su ejecución ante una migración y capaz de reanudarla

tras la migración en el mismo punto donde se quedó.

4. Comunicativo con el medio, con otros agentes y con el usuario con el que
trabaja, a pesar de los cambios. Es decir, es capaz de interactuar con los agentes
de un nuevo nodo, con el propio nuevo nodo y con el usuario que ahora puede
estar en otro nodo distinto, más alejado.

5. Enfocado a la realización de tareas, bien delegadas por su usuario o bien

obtenidas a través del estado del entorno en el que se encuentra.

6. Independiente de la conexión, si esta cae por algún motivo, el agente podrá

migrar a otro nodo con conexión si es necesario o esperar a que la conexión se
reanude bien permaneciendo activo, bien desactivándose.

7. Ejecutable asíncronamente, mediante su propio hilo de ejecución, independiente

del resto de procesos y agentes ejecutados en el mismo nodo.
8. Duplicable, o mejor auto duplicable mediante la creación de un clon de sí mismo,
para que le ayude en la tarea ocupando así más recursos del nodo para completar
una tarea que puede ser prioritaria.

Los agentes móviles deben:

1. Permitir el cómputo asíncrono y autónomo. Asíncrono por poseer su propio hilo

de ejecución que les permite ejecutarse independientemente del resto de procesos
del nodo y autónomo por su capacidad para decidir cuándo y cómo actuar según el
estado de su entorno.

2. Ser heterogéneos.

3. Propiciar entornos robustos y a prueba de fallos, dada su habilidad para

responder a los cambios en su entorno y realizar cambios en su forma de trabajar
migrando, esperando o, permaneciendo activos, trabajando aun cuando no hay
conexión.

4. Favorecer el procesamiento paralelo. Ya que una tarea compleja, podría ser

descompuesta en varias por un agente y encargadas cada una de ellas a otro
agente que la realiza, o bien utiliza su hijo para completarla o bien migra a otro
nodo donde aprovecha la capacidad del mismo para realizar su tarea. Al final,
todas las tareas parciales son reunidas por el agente principal para componer la
solución al trabajo.

5. Reducir el tráfico de red. Ya que el uso de agentes permite la solicitud de un

cierto servicio y la delegación en el agente de la solicitud que considere oportuna
en el nodo de residencia. Sin el uso de agentes, cada servicio del nodo destino
requiere una llamada RPC.

Tecnologías Requeridas para los Agentes: La implementación de agentes, con

todas sus características avanzadas, complejas y flexibles, exige el máximo de las
tecnologías, protocolos y estándares existentes, sobre todo en la implementación
de sistemas de agentes inteligentes distribuidos, de modo que:

1. La movilidad de agentes, precisa que se permita a los programa migrar de un

ordenador a otro lo que implica la existencia de lenguajes que soporten la
posibilidad de desactivación de un programa, codificación, envío y reactivación en
el punto en el que se encontraba su ejecución.
2. La movilidad también precisa de un compromiso y estabilidad en la asignación
de recursos. Si un agente migra a un nuevo nodo de ejecución porque los recursos

disponibles en este son mayores, a su llegada no puede encontrarse con que los

recursos ya no están disponibles, ya que volvería a migrar y esto produciría un

exceso inútil de tráfico de red.

3. También es necesaria comunicación entre agentes que no está contemplada en

ningún lenguaje puesto que implica que distintos programas en ejecución en la
misma máquina colaboren siendo realmente distintos, no procesos del mismo
programa.

4. Además los agentes deben procesar e intercambiar la información y para ello

deben ser capaces de entenderla. Esto requiere algún tipo de estándar de
intercambio de la información que sea comúnmente aceptado o distintos
estándares compatibles.

5. También es necesario que los agentes evolucionen y para ellos es necesario el

uso de técnicas como los algoritmos genéticos, la lógica borrosa o técnicas como
las aplicadas en los sistemas de vida artificial.

Bibliografia

ADL. ―Advanced Distributed Learning Sharable Content Object Reference Model

Version 1.2. The SCORM Overview‖ [online]. Philip Dodds (ed.). 1 octubre 2001.

http://library.barant.com/library/SCORM_1.2_Overview.pdf. 2001.

J.R.Anderson y E.Skwarecki. ―The automated tutoring of introductory computer

programming‖. Communications of the ACM. vol.29, num.9, p.842-849. 1986.

D. Barlex, (2003) Creativity in Crisis. Report from a joint seminar held 10

September.

Design and Technology Association/Nuffield Foundation. 2003

Basic Skills Agency (2002) Basic Skills and Social Exclusion in England. Study, at:
http://www.basic-skills.co.uk/. 2002.

G.Boole. ―An Investigation of the Laws of Throught on Which Are Founded the

Mathematical Theories of Logic and Probabilities‖. New York: Dover Publications,

1854.

E. Bowling. ―Understanding the Architecture of LearningSpace‖. En: Lotus

DeveloperDomain [online]. IBM, Mayo. http://www-10.lotus.com/ldd/

today.nsf/Product?

OpenView. 2002.

J.T. Bruer. ―School of Thought‖. Cambridge: MIT Press. 1993.

J.Bruneau, A.Chambreuil, M.Chambreuil, M.Chanier, P.Dulin, Lotin y P.Nehemie.

―Cognitive science, artificial intelligence, new technologies: How to cooperate for a

computer assisted learning to read system.‖ En: Actas de International Conference

on the Learning Sciences. Evanston. 1991.

P.Brusilowsky y L.Pesin. ―ISIS Tutor: An adaptative hypertext learning

environment.‖ En:

Actas de Japanise-CIS Sympossum on Knowledge-based software engineering

JCKBSE‘94. Tokyo: Pereslav-Zalesski. p.83-87. 1994.

R.R.Burton y J.S.Brown. ―An investigation of computer coaching.‖ Sleeman y

Brown(ed.). Intelligent Tutoring Systems. New York: Academic Press, 1982. p. 79-
98. 1982.

COMISION DE LAS COMUNIDADES EUROPEAS. ―e-Learning. Concebir la

educación del futuro‖ [online]. Comunicación de la Comisión. Bruselas, 25 mayo
2000. Referéncia:

Bruselas 25.5.2000 COM(2000) 318 Final. http://europa.eu.int/eur-

lex/es/com/cnc/2001/com2001_ 0172es01.pdf. 2000.

CEN/ISSS Learning Technology Workshop. ―Estándar para Metadatos de Objetos

Educativos‖ (Traducción a español de la norma IEEE 1484.12.1-2002) [online].
http://www.gist.uvigo.es/~lanido/LOMes/. 2003.

D. Chess, B. Grosor, C. Harrison, D. Levine, C. Parris, and G. Tsudik. Itinerant

Agents for Mobile Computing. IEEE Personal Communications. 1995.
FICHA DE REGISTRO DOCUMENTAL

Código:[IFCA 1998] Fuente:[IFCA 1998] Elaboró: Paulo Cesar Quintero Uribe

Tipo de Fuente: Tesis Doctoral 322 p.

Título: Definición de una metodología para el desarrollo de sistemas multiagentes.

Autor: Iglesias Fernández, Carlos Ángel

Directores: Garijo Ayestaran, Mercedes - González Cristóbal, José Carlos

Ubicación: Departamento de Ingeniería de Sistemas Telemáticos Universidad

Politécnica de Madrid-http://www.gsi.dit.upm.es/tesis/pdf/tesiscif.pdf 2003

Descripción: En este capítulo se presenta un modelo de agente para sistemas

multiagente. Este modelo recoge las características genéricas de los agentes y
sirve de puente entre el resto de modelos. Se muestra su fundamento lógico, su
estructura, relación con el resto de modelos de MAS-CommonKADS y los métodos
de construcción del modelo.

Tabla de Contenido: Modelo de Agente MAS-CommonKADS, Modelo de Tareas.

Palabras Clave:. MAS-CommonKADS, Precondición, Tiempo de Ejecución,

Frecuencia

Resumen: Modelo de Agente MAS-CommonKADS El modelo de agente de

MAS-CommonKADS sirve de enlace entre el resto de modelos del análisis,
mediante el modelado de las capacidades y restricciones de los agentes del
sistema multiagente. El modelo de agente propuesto es orientado a servicios. Los
agentes son capaces de realizar tareas, que se especifican en un ejemplar del
modelo de tareas. Los agentes pueden ofertar la realización de determinadas
tareas (denominadas servicios) a otros agentes. La especificación de los servicios
se realiza en una ontología de servicios, descrita en el modelo de la experiencia.
La especificación de los protocolos para ofertar y demandar servicios se describe
en los modelos de coordinación y comunicación. Los agentes se caracterizan
además por tener objetivos. Un objetivo es una responsabilidad aceptada por el
agente. Los objetivos pueden adoptarse desde el nacimiento del agente (objetivos
iniciales) o en el transcurso de la ejecución del agente. Los objetivos pueden ser
persistentes (deben cumplirse siempre, por ejemplo, minimizar la interacción con el
usuario) o no persistentes, si una vez logrados dejan de ser objetivos (por ejemplo,
alcanzar una posición en un tablero). Los agentes pueden adoptar objetivos para
satisfacer otros objetivos propios, para satisfacer objetivos de otros agentes, o para
responder a eventos del entorno.

El modelo de agente tiene como propósito:

1. La especificación de los diversos agentes involucrados en la resolución del

problema. Sirve tanto para describir los agentes existentes antes de la
introducción del sistema multiagente desarrollado como después de la misma.
También permite la descripción de los usuarios humanos del sistema.
2. La descripción del impacto en la modificación de las tareas desempeñadas por
los humanos tras la introducción del sistema multiagente.

Modelo de Tareas

Permite describir las actividades relacionadas para alcanzar un objetivo. El objetivo

del desarrollo del modelo de tareas es documentar la situación actual y futura de la
organización, facilitar la gestión de cambios, y ayudar a estudiar el alcance y
viabilidad del sistema inteligente que se desea desarrollar. Las tareas cognitivas
que se deseen implementar se detallarán en un modelo de la experiencia, mientras
que las tareas de comunicación se detallarán en un modelo de comunicación
(comunicación humana) o coordinación (comunicación con agentes).

Entidades del modelo de tareas

Tarea entidad. Representación de una tarea. Una tarea se refiere al conjunto de

actividades que se realizan para conseguir un objetivo en un dominio dado.

Nombre ranura, texto. El nombre de una tarea es una cadena de texto corta. El
nombre debe ser único en el modelo de tareas, ya que es el principal mecanismo
de referencia empleado para especificar las relaciones entre tareas.

Objetivo ranura. Especificación de cómo transformar las entradas en salidas. El

enunciado del objetivo debe ser conciso, resaltando los aspectos más importantes
del cometido de la tarea.

Rendimiento ranura, texto. Calidad típica o admisible de la salida en relación con

el objetivo perseguido.

Descripción ranura, texto. Una descripción de la tarea en lenguaje natural. La

descripción
contiene típicamente una versión más elaborada del objetivo, junto con notas

de los aspectos más importantes de la tarea que no caben en otras ranuras de la

tarea.

Precondición ranura, texto, , muchos a muchos. Las precondiciones de una tarea

representan los requisitos sobre el entorno que deberían darse para poder
ejecutarla, aparte de la disponibilidad de la entrada. Como ejemplo de estas
precondiciones, se puede citar que alguna otra tarea haya sido realizada, o que
alguna decisión de gestión haya sido tomada.

Estructura-de-control ranura, texto,. Control sobre las subtareas y sobre las

actividades de las tareas hoja del árbol de tareas. Obsérvese que dichas
actividades no tienen una representación aislada en el modelo de tareas.

Tiempo-Ejecución ranura, texto. Tiempo típico o admisible de ejecución de la

tarea (análisis de tarea) o tiempo máximo permitido (diseño de tarea).

Frecuencia ranura, texto. Frecuencia con que se ejecuta una tarea. Este aspecto
está relacionado con el control, pero desde la perspectiva de la tarea. La
frecuencia puede ser absoluta (p. ej. una vez por semana), relativa a la entrada (p.
ej. por cada elemento de la entrada), o relativa a la frecuencia de las supertareas.

Tipo-de-descomposición ranura, texto,. Tipo de descomposición entre una tarea

y sus subtareas. Esta ranura proporciona una justificación de la descomposición de
la tarea. Puede haber varios criterios para descomponer una tarea, y esta ranura
identifica el criterio seguido como, por ejemplo, funcional o temporal.

Rasgo entidad. Representación de un rasgo de una tarea. Los rasgos de una tarea
la caracterizan en términos de un lenguaje abstracto, la gramática de rasgos. Este
lenguaje puede ser interpretado por una herramienta de ayuda en el desarrollo del
modelo así como por un ingeniero de conocimiento. Los rasgos de las tareas
(características del problema, del dominio, del conocimiento disponible, etc.)
permiten guiar el modelado con herramientas de adquisición automática del
conocimiento.

Bibliografía

A. Aamodt, B. Benus, C. Duursma, C. Tomlinson, R. Schrooten, and W. Van de

Velde. Task features and their use in commonkads. ESPRIT Project P5248
Deliverable D1.5 KADS-II/T1.5/ VUB/TR/014/1.0, Free University of Brussels &
University of Amsterdam & Lloyd‘s Register,1992.
M. Aben. On the specification of knowledge model components. In B. Gaines,
editor, Proceedings of the 7th Banff Knowledge Acquisition for Knowledge–based
Systems Workshop, pages I–1 — I–21, 1992.
http://swi.psy.uva.nl/usr/manfred/abstracts/Aben:92b.html.

M. Aben. CommonKADS inferences. ESPRIT Project P5248 KADS-

II/M2/TR/UvA/041/1.0, University of Amsterdam, June 1993.

M. Aben. Formal methods in Knowledge Engineering. PhD thesis, SWI, University

of Amsterdam, Feb. 1995.

M. R. Adler, A. B. Davis, R. Weihmayer, and R. W. Worrest. Conflict resolution

strategies for nonhierarchical distributed agents. In L. Gasser and M. Huhns,
editors, Distributed Artificial Intelligence Volume II, pages 139–162. Pitman
Publishing: London and Morgan Kaufmann: San Mateo, CA, 1989.

R. M. Adler. Emerging standards for component software. IEEE Computer,

28(3):68–77, Mar. 1995.

F. Alexandre, A. Labbi, Y. Lallement, and M. Malek. A common architecture for

integrating case-based reasoning and neural networks. Technical Report
Deliverable S3, IMAG - INRIA, Jan. 1996.

F. Alexandre, A. Labbi, Y. Lallement, and M. Malek. Evaluation report on the case-

based reasoning / neural networks hybrid architecture. Technical Report
Deliverable D8, IMAG -INRIA, 1996.

J. Allen. Natural Language Understanding. Benjamin/Cummins Publishing

Company, Inc.,

1987.

FICHA DE REGISTRO DOCUMENTAL

Código: [JVOJ 2007] Fuente: [JVOJ 2007] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 10 p.

Título: Metodología para el Análisis y Diseño de Sistemas Multi-Agente Robóticos:

MAD-Smart

Autor: Jiménez, Jovani; Vallejo, Marcela; Ochoa, John; GIDIA:

Ubicación: Revista Avances en Sistemas e Informática, Vol.4 No. 2, Septiembre

de 2007, Medellín, ISSN 1657-7663
Descripción: En este artículo se describe la metodología para el desarrollo de
Sistemas Multi-Agente Robóticos MAD-Smart y se desarrollan algunos ejemplos
para visualizar algunas de sus características.

Tabla de Contenido: Introducción, Metodología mad-smart, Modelado de sistemas

multi-agente robóticos Mediante mad-smart; Discusión, conclusiones y trabajo
futuro

Palabras Clave: Sistemas Multi-Agente, Metodologías de Desarrollo de MAS,

Entornos Cooperativos Robóticos, Enjambres Robóticos, Sistemas Multi-Agentes
Robóticos.

Resumen: La metodología MAD Smart trata de cubrir todos los aspectos de

conceptualización, análisis y diseño mediante la definición de un conjunto de
actividades que ayudan al desarrollador a entender el tema a resolver, las
características finales del sistema y los troles que debe cumplirá cada uno de los
agentes involucrados en la solución

I. INTRODUCCIÓN: La navegación de agentes robóticos que trabajan

cooperativamente en la solución de problemas como el desplazamiento de cargas,
entrega de materiales en oficinas, construcción de mapas de entornos
desconocidos, entrega de medicinas en hospitales, detección de minas, Es una de
las problemáticas de la robótica móvil que más interés ha suscitado en los últimos
años. El trabajo en esta área es lo suficientemente amplio y se han aplicado
conceptos de etología animal, de la teoría de la organización, el aprendizaje y de la
inteligencia artificial distribuida, siendo de esta última de donde ya han salido
algunas propuestas de metodologías para el desarrollo de proyectos. las técnicas
de coordinación y cooperación en los sistemas multi-agente (MAS) no son las más
adecuadas para el tratamiento de incertidumbre y falta de información que hay
comúnmente en la robótica. Algunos de los requerimientos que impone el
funcionamiento de agentes en entornos reales son los siguientes

- Saberse comportar de acuerdo a las circunstancias (Situated Behavior), y

reaccionar ante sucesos imprevistos.

- Las tareas deben realizarse con eficiencia teniendo en cuenta las imposiciones
restrictivas del trabajo en tiempo real.

- Se debe de tener en cuenta la presencia de otros agentes en el entorno.

El papel principal de una metodología es permitir transformar la visión subjetiva de

un sistema en una definición objetiva que permita su implementación. De esta
manera, una metodología debe de ofrecer:
-Un conjunto de pasos con actividades a desarrollar e instrucciones para
desplazarse entre los diferentes pasos.

- Mecanismos de documentación que permitan compartir la experiencia ganada en

el proyecto con otros desarrolladores e investigadores.

- Terminología homogénea que brinde significado a los pasos del ciclo y facilite la
transición entre pasos (por lo general es una terminología gráfica basada en
diagramas de flujo).

- Estructuras conceptuales abstractas que permitan una suficiente elección de

técnicas cuando se deba de implementar el sistema (independencia de técnicas de
implementación).

II. Metodología MAD-Smart: El enfoque de la Metodología para el Análisis y Diseño

de Sistemas Multi-Agentes Robóticos MAD-Smart está fundamentado en: (1)
Independencia de las técnicas de implementación, (2) Proceso metodológico
ascendente iniciando en la determinación de los requerimientos del proyecto para
llegar a las estrategias de solución de éstos de manera cooperativa.

La metodología recoge elementos de trabajos existentes para la construcción de

Sistemas Multi-Agente como son GAIA, Mas-CommonKADS y MaSe a la vez que
introduce otros nuevos que surgen desde la propia área de los Sistemas Multi-
Agentes Robóticos.

Se debe de tener en cuenta que la metodología no está orientada hacia la síntesis

automática de grupos equipos. Este

campo hasta ahora se ha abordado en su mayor parte desde la computación

evolutiva permitiendo la definición de

estrategias a partir de un grupo de robots heterogéneos y una misión para llevar a

cabo.

En la figura 1 se encuentran los ocho pasos que forman la metodología y tiene

como meta captura la definición de mecanismos para la comunicación y manejo
de conceptos entre los agentes, la descripción de software y hardware de los
agentes, la interacción entre ellos y la distribución de tareas.

Etapa de conceptualización: La finalidad de esta etapa es permitir al

desarrollador tener una mejor comprensión de cuál es el problema a resolver y el
alcance y limitaciones del sistema a desarrollar. A este nivel la definición de los
agentes no es importante. Los pasos a desarrollar son:
- Descripción verbal del Proyecto: Se busca obtener una descripción completa en
lenguaje natural del sistema que se está buscando haciendo énfasis en los
objetivos que se espera que cumpla.

- Identificación de los objetivos: Los objetivos descritos en la fase anterior se

estructuran mediante las relaciones que tienen y los sub-objetivos que engloban.

- Definición de la arquitectura del grupo: La arquitectura de un sistema

computacional es aquella parte del sistema que permanece inalterada hasta que
un agente externo la cambie

-Definición de los Roles: Mediante los roles se define las funcionalidades, a un

nivel muy abstracto, que permitirán que los objetivos sean alcanzados.

Análisis Al finalizar esta fase se definirán o se reutilizarán los agentes con sus
respectivas características físicas, de comunicación, razonamiento, y las
estrategias para la formación de equipos y la solución cooperativa de tareas para
el alcance de objetivos.
Continuación de análisis…Se define tres capas a desarrollar: Arquitectura Interna:
define la operación del agente a nivel individual en condiciones normales; Capa
Relacional: Aquí se encuentran los comportamientos necesarios para la formación
de grupos de trabajo; Capa Organizacional: Es la encargada de la exhibición de
comportamientos para la solución cooperativa de tareas. Las actividades a
desarrollar son las siguientes.

- Desarrollo del modelo de Agente: Este modelo permite especificar las

características de un agente como son sus capacidades de razonamiento, la
manera en que interactúa con el mundo mediante sensores y efectores, y los
grupos de agentes a los que pertenece.

- Desarrollo del Modelo de la Experiencia: En esta actividad se describe el

conocimiento requerido por los agentes para alcanzar sus objetivos.
Al finalizar esta actividad se tendrán definidos:

La Ontología del sistema: Una ontología permite estructurar el conocimiento que se

tiene respecto a un dominio especificado en torno a un conjunto de conceptos que
son claves en ese dominio

Representación del Mundo: Hay varios modos de representar el mundo, por

ejemplo los Vectores de Características, las Representaciones Icónicas, o métodos
de representación espacial o geométrica.

Representación de los otros agentes: El modelado de las intenciones, creencias,

acciones, capacidades, y estados de otros agentes puede conducir a mecanismos
más efectivos de cooperación entre robots

Arquitectura Interna de los Agentes: Constituye la primera capa de un agente. La

arquitectura a usar es de libre elección pudiendo ser reactivas, deliberativas,
hibridas, BDI, entre otras. Componentes comunes de los agentes son: sistemas de
sensado, de representación, de procesamiento y de acción.

Diseño: El propósito en esta fase es acercar lo más posible los agentes definidos
en la fase anterior a su posterior implementación. En este punto se tiene en
consideración para cada agente su parte Hardware y Software en una misma
plantilla.

Modelado de sistemas multi-agente robóticos mediante mad-smart

A. Conceptuación

1) Actividad: Desarrollo del Modelo Jerárquico de Objetivos

2) Actividad: Desarrollo del Modelo de Arquitectura del Grupo

3) Actividad: Desarrollo del Modelo de Roles.

B. Análisis.

1) Actividad: Desarrollo del Modelo de Agente

2) Actividad: Desarrollo del Modelo de la Experiencia

3) Actividad: Desarrollo del Modelo de Comunicación

4) Actividad: Desarrollo del Modelo Relacional

5) Actividad: Desarrollo del Modelo Organizacional

6) Actividad: Desarrollo del Modelo de descripción Modular.

C. Diseño.

Discusión

Ventajas de la metodología

La metodología propuesta trata de dar cobertura a gran número de los problemas

que se encuentran en los Sistemas Multi-Agentes Robóticos como son: Naturaleza
de la información en el sistema, mediante el modelo de la experiencia;
comunicación entre los agentes, modelo de comunicación; y estrategias de
cooperación para la solución de problemas mediante los modelos relacional y
organizacional.

Otro aspecto relevante de la metodología es que busca desde el principio que la

solución del problema sea de naturaleza distribuida mediante un buen modelado
de los objetivos, llegándose finalmente a los agentes individuales con sus
respectivas características software y hardware.

La metodología esta mejor pensada para el modelado a nivel microscópico en el

cual se considera cada robot en el sistema con sus respectivas interacciones y
comportamientos en un nivel alto de detalle. Hay que tener en cuenta que la mayor
parte del trabajo está orientado al modelado a nivel macroscópico en el cual se
trabaja a nivel de comportamiento del sistema sin consideración de los agentes
individuales

Finalmente la similitud con las metodologías orientadas al diseño de Sistemas

Multi-Agente lo hace de fácil uso para las personas con experiencia de trabajo en
esta área.

B. Aspectos no abordados

La metodología no está pensada para la definición de métricas y de costos de los

sistemas individuales (como el uso de ciertos sensores) y de componentes
interactivos (como aquellos relacionados con la comunicación).

Tampoco se trabaja la parte de aprendizaje y de solución de conflictos que

constituyen líneas básicas de investigación en el área

El manejo de incertidumbre exige también un mayor análisis que el aquí propuesto,

aunque el modelo de descripción modular donde se describe la naturaleza de los
sensores requeridos y el modelo de diseño donde la escogencia de un sensor
determinado se debe de hacer de acuerdo a la naturaleza de la información
requerida implicara que el diseñador tenga en cuenta este factor. Se debe de tener
en cuenta que la metodología no está orientada a servir de guía en la búsqueda de
optimización de problemas; de esta manera preguntas como: ¿dada una misión
específica, cual es la configuración óptima del equipo de agentes?, no es
directamente abordable desde la metodología, aunque si se espera que los pasos
en el proceso ayuden al diseñador en la toma de decisiones que sean cruciales en
el proyecto.

BIBLIOGRAFÍA

[1] R. Alamis, S. Fleury, M. Herrb, F. Ingrand, y F.Robert. Multi-Robot Cooperation

in the MARTHA Project. IEEE Robotics and Automation Magazine, Vol. 5, No. 1,
1998.

[2] K. Altenburg. Adaptive Resource Allocation for a Multiple Mobile Robot System
using Communication. Technical Report NDSU-CSORTR- 9404. 1994.

[3] A. Collinot, A. Drogoul, P. Benhamou. Agent Oriented Design of a Soccer Robot

Team. ICMAS‘96; 1996

[4] Y. Cao, A. Fukunaga, A. Kahng, F Meng. Cooperative Mobile Robotics:

Antecedents and Directions. Proc. 1995 IEEE/RSJ International Conference on
Intelligent Robots and Systems (IROS ‗95) Pittsburgh, PA, Vol. 1, pp 226-234.
1995.

[5] B. Chandrasekaran, J. Josephson, V. Benjamins. Ontologies of Tasks and

Methods. IEEE Intelligent Systems, 14(1): 20-26, 1999

[6] B. Donald, J. Jennings, D. Rus. Experimental Information Invariants for

Cooperating Autonomous Mobile Robots. Proceedings International Symposium on
Robotics Research. 1993

[7] S. DeLoach, E. Matson, Y. Li. Applying Agent Oriented Software Engineering to

Cooperative Robotics. Proceedings of the Fifteenth International Florida Artificial
Intelligence Research Society Conference. 2002.

[8] Drogoul A, J-D. Zucker. Methodological Issues for Designing Multi- Agent
Systems with Machine Learning Techniques: Capitalizing Experiences from the
RoboCup Challenge. LIP6 – Université París 6. 1998

[9] S. DeLoach. Multiagent Systems Engineering: A Methodology And Language

forDesigning Agent Systems. Agent-Oriented Information Systems. 1999.
[10] G. Dudek, M. Jenkin, E. Milios, D. Wilkes. A Taxonomy for Swarm Robots.
Proc. 1993 IEEE/RSJ International Conference on Intelligent Robots and Systems
(IROS). Yokohama, Japan. 1993. pp. 441-447

[11] B. R. Donald. Information invariants in robotics: I. state, communication, and

side-effects. In IEEE ICRA, pages 276–283, 1993.

[12] J. Evans, B. Krishnamurthy. HelpMate, The Trackless Robotic Courier.

Lectures Notes in Control and Information Sciences. Springer Verlag. 1998.

[13] D. Frankiln, A. Kahng, A. Lewis. Distributed Sensing and Proving with Multiple
Search Agents: Towards System-level landmine Detection Solutions. Proceedings
of Detection Technologies for Mines and Minelike Targets, vol 2496. 1995.

[14] S. Franklin, T. Graesser. Is it an Agent, or just a Program?: A Taxonomy for

Autonomous Agents. Proceedings of the Third International Workshop on Agent
Theories, Architectures, and Languages, Springer-Verlag, 1996.

[15] T. Fukuda, K. Sekiyama. Communication reduction with risk estimate for

multiple robotic system. In IEEE ICRA, pages 2864–2869, 1994.

[16] B. Gerkey, M. Mataric. Multi-robot task allocation: Analyzing the complexity

and optimality of key architectures. In Proceedings of the IEEE International
Conference on Robotics and Automation, pages 3862-3867, Taipei, Taiwan, Sep
2003.

[17] C. Iglesias, M. Garijo, J.Gonzales, A survey of Agent-Oriented Methodologies;

1999; disponible en: http://citeseer.ist.psu.edu/iglesias99survey.html

[18] C. Iglesias, M. Garijo, J. Gonzales, J. Velásquez. Analysis and Design of

Multiagent Systems using MAS-CommonKADS. Disponible en:
http://citeseer.ist.psu.edu/iglesias98analysis.html

[19] J. Jones, B. Seiger, A. Flynn. Mobile Robots. Inspiration to Implementation.

Second Edition. A K Peters Natik, Massachusetts. 1998

[20] P. Khosla, L. Navarro, Ch. Paredis. A Beacon System for the Localization of
Distributed Robotic Teams. Carnegie Mellon University. 1999.

[21] E. Kendall. Agent Roles and Role Models. Intelligent Agents for Information
and Process Management (AIP‘98). 1998

[22] K. VanLehn. Architectures for Intelligence: the 22nd Carnegie Mellon

Symposium on Cognition. Laerence Elrbaum Associates. 1991
[23] H. Mäkelä. Outdoor Navigation of Mobile Robots. Tesis Doctoral. University of
Technology. 2001

FICHA DE REGISTRO DOCUMENTAL

Código: [LJHA 2008] Fuente: [LJHA 2008] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 6 pdf.

Título An Approach towards using Agent in Multi-Agent Systems to streamline

emergency services

Autor: Jenny Lundberg and Anne Håkansson

Ficha bibliografica

Ubicación:

Descripción: En los servicios de emergencia, la evaluación de la situación se

realiza de manera manual, lo que incluye la sincronización de los servicios para
cada situación. Sin embargo el trabajo requiere divergentes y decisivas decisiones
a resolver desde diferentes puntos de vista, que se podrían beneficiar
automatizando partes del trabajo. Usando sistemas computacionales en el dominio
de la parte critica de la vida, que puede envolver cuidadosamente consideraciones
del trabajo práctico y de los componentes de la situación. En esta investigación se
propone utilizar agentes inteligentes y meta agentes en el extremo de los servicios
de emergencia. La inteligencia de los agentes responde a entradas estáticas y
dinámicas de manera estructurada o flexible para desarrollar dichas acciones.
Desde estos escenarios los meta agentes son creados en el cual la división de la
información dinámica o estática tiene impacto en la estructura de los cálculos pero
también en la salida producida por los metagentes. Como un ejemplo de la
aplicación se provee un escenario de agentes, meta agentes y sistemas
multiagentes donde los meta agentes tienen las propiedades del sistema. El
escenario tiene un fuerte piso en el dominio de los servicios de emergencia, en el
cual se observa gran coordinación relacionada entre los agentes y los sistemas
multiagente

Tabla de Contenido: Introducción, Trabajos relacionados, Dominio de la

aplicación, Sistemas Multiagente, Meta Agentes, Escenario, Conclusiones y
trabajos futuros

Palabras Clave: Servicios de emergencia, agentes inteligentes, Meta Agentes,

Sistemas MultiAgente, Propiedades sistémicas
I. Introducción.

Los servicios de emergencia son importantes para brindar el correcto tratamiento

en el momento justo. Usualmente el despacho de los servicios de emergencias es
un proceso manual con muchos vehículos y estaciones involucrados: Seleccionar
el vehículo adecuado para una emergencia específica es un asunto crítico.
Características como competencias de la tripulación, disponibilidad de equipos y la
ruta más apropiada (Velocidad y disponibilidad) deben ser tenidas en cuenta. Por
esta razón los agentes constituyen una muy buena herramienta de soporte para
capturar todos estos puntos de vista, necesarios para tomar una decisión correcta.
La velocidad y la disponibilidad de las vías son fáciles de medir, pero la
confiabilidad, dependencia, eficiencia, robustez, realidad de la información
actualizada son características difíciles de evaluar, buscar la mejor información
estática y dinámica al igual que el entrenamiento social y las interacciones son
aspectos que se deben considerar

II. Trabajos relacionados

Existen varios ejemplos de aproximaciones usando sistemas multiagentes en

combinación a los sistemas de conocimiento para apoyar sistemas de emergencia,
ejemplos hay sistemas de monitoreo de emergencias causadas por inundaciones
que combinan agentes interpretadores de datos, pronosticadores de
comportamientos futuros, agentes que recomiendan acciones de control, agentes
hidráulicos, agentes detectores de problemas, agentes que manejan las reservas y
agentes de protección civil. Molina and Blasco (2003)

Otra aproximación es un sistema MultiAgente para respuestas de emergencia.

Este sistema asiste en la detección de posibles emergencias sugiere y evalúa
posibles acciones para dichas emergencias, este sistema detecta en qué lugar son
originadas las llamadas y en donde es probable que se esté presentando la
emergencia, busca rutas para llegar al sitio evitando embotellamientos y analiza la
vos de la persona que llama, para detectar posibles engaños

III. Dominio de la aplicación

El dominio de la aplicación es la sincronización de los servicios de emergencia

para cada situación, el principal servicio es el manejo de las llamadas de
emergencia y detectar en donde se encuentran los recursos. Generalmente el
manejo de las emergencias tiene cuatro etapas. Clasificación de la emergencia,
localización de los recursos, despacho y monitoreo.

El trabajo de esta investigación se centra en la localización de los recursos,

adicionalmente las tareas que involucran el estatus de la situación, el lugar del
accidente y la posición geográfica de los vehículos como subtareas

La combinación de vehículos requeridos son numerosas: en algunos casos solo se

necesita una ambulancia, en otros una gran cantidad de ambulancias en otros
vehículos de rescate y / o policías, y en otros helicópteros o equipos de salvavidas
en el mar

IV Sistemas multiagente

Los hilos de un sistema MultiAgente incrementan la delegación y la inteligencia que

requiere el sistema para operar independientemente y actuar en la vía correcta que
represente el mejor interés cuando interactúan los humanos y el sistema. La
combinación de vehículos necesarios se da gracias a que cada vehículo es un
agente que tiene la independencia de actuar dependiendo del ambiente y de la
situación, en el momento de una emergencia los agentes comienzan a
intercambiar mensajes para determinar cual equipo de emergencia se debe
acercar a la escena del accidente

V. Metagentes

El meta razonamiento es el razonamiento del razonamiento. Cuando se utiliza el

meta razonamiento en los sistemas MultiAgente, el sistema tiene la capacidad de
razonar acerca de sus operaciones. Esta característica puede manejar
individualmente a los agentes, generar planes, localización de tareas integración y
plan de ejecución

Bibliografía

[1] D. Chelberg, L. Welch, A. Lakshmikumar, M. Gillen, and Q. Zhou. "Meta-

Reasoning For a Distributed Agent Architecture",
http://zen.ece.ohiou.edu/~robocup/papers/HTML/SSST/SSST.html, 2000.

[2] T. Schoenharl, G. Madey, G. Szabó, and A-L. Barabási, "WIPER: A multi-agent

system for emergency response. (ISCRAM)," In Proceedings of the 3rd
International community on information systems for crises response and
management Conference, Newark, NJ, USA, 2006.

[3] J. Lundberg, Principles of workflow support in life critical situations. Blekinge

Institute of Technology, Licentiate dissertation series no.2007:02.

[4] M. Wooldridge, An Introduction to Multi-agent Systems, John Wiley and Sons

Ltd, Chichester, England, 2002.
[5] Håkansson, A., and Hartung, R. "Calculating optimal decision using Meta-level
agents for Multi-Agents in Networks," In Proceedings of KES2007, 11th
International Conference on Knowledge-Based and Intelligent Information &
Engineering Systems, LNCS/LNAI, Springer-Verlag, Heidelberg New York,
LNAI4692-I 2007, pp. 180-188.

[6] A. Håkansson, and R. Hartung, "Using Meta-Agents for Multi-Agents in

Networks," (ICAI'07) The 2007 World Congress in Computer Science, Artificial
Intelligence 2007.

[7] S. Russell, and P. Norvig, Artificial Intelligence - a Modern Approach, Prentice

Hall, pp. 32-752, 2003.

[8] Håkansson, A., and Hartung, R. "An approach to event-driven algorithm for
intelligent agents in multi-agent systems," Accepted at The 2nd KES International
Symposium on Agent and Multi-Agent Systems: Technologies and Applications,
Incheon, Korea, 27th-28th March 2008.

[9] S. Costantini. "Meta-reasoning: a survey," In A. Kakas and F. Sadri, editors,

Computational Logic: From Logic Programming into the Future: Special volume in
honour of Bob Kowalski, 2002.

FICHA DE REGISTRO DOCUMENTAL

Código: [MASB 2005] Fuente: [MASB 2005] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 16 pdf.

Título Utility-based Agents for Hospital Scheduling: A Conjoint-Analytical Approach

Autor: Hans Czap, Marc Becker, Malte Poppensieker, Alexander Stotz

Ubicación: AAMAS Workshop on Multi-Agent Systems for Medicine,

Computational Biology, and Bioinformatics 04 de Abril 2009
http://www.diee.unica.it/biomed05/pdf/proceedings.pdf

Descripción: La programación de teatros de operaciones centralizadas en los

grandes hospitales pueden ser considerado como un problema de decisiones
cooperativas. La forma atrayente como el paradigma de los sistemas multiagente
(MAS) apoyan los diferentes variaciones de los trabajos cooperativos de los
sistemas, como la situación mostrada en este sistema. En un grupo MAS cada
individuo envuelto puede ser representado por un agente inteligente de software
que lleva algunas restricciones y una estructura preferente como su principal
característica. Los calendarios pueden ser realizados por negociaciones entre los
agentes, lo que traerá como resultado una solución cooperativa que optimiza el
beneficio social y la organización de recursos médicos de manera simultánea. Uno
de los más importantes problemas encontrados en el uso de la utilidad basada en
la programación de citas con el sistema multiagente es la actual medida de las
preferencias humanas la utilidad de las funciones. En esta investigación se
propone un análisis conjunto como solución a este problema e introduce los
componentes del software que se pueden integrar de manera fácil a una aplicación
existente basada en agentes

Tabla de Contenido: Introducción, Política del proyecto de investigación de

agentes, Funciones Preferencias, deseos utilidad, Análisis conjunto, como una
medida de aproximación de la utilidad medida, aprendizaje, conclusiones

Palabras Clave: Sistemas multiagente, Programación citas medicas

I. Introducción.

Los sistemas multiagente son bien conocidos por soportar diferentes variantes de
los trabajos cooperativos en los computadores y se ajustan al problema que se
presenta en los hospitales grandes de Alemania en el que la programación de citas
es inmanejable porque en algunos casos se realiza de manera manual y no ha
intervención de los sistemas de tecnología de la información, La programación de
citas basadas en agentes dan mucha flexibilidad y alto grado de flexibilización. El
trabajo que se presenta en esta investigación asume que cada individuo
involucrado delega el proceso de negociación a un agente de software inteligente
con el fin de llegar a un acuerdo sobre el calendario necesario y este calendario
debe cumplir todas las restricciones del hospital y debe tener en cuenta las
preferencias de la persona a la que representa.

El proyecto de agentes ayudara a proveer un sistema multiagente para la

programación de los hospitales, lo que encontraron los investigadores en Alemania
fue lo siguiente: La programación de citas en Alemania se realiza de dos maneras
o en dos fases; la larga y la corta. La vía larga los pacientes tienen una fecha
aproximada de una operación, en algunos de los casos si la operación no es vital,
esta se puede programar para dentro de algunos meses, esto se hace por la poca
cantidad de presupuesto para los hospitales públicos, y se debe tener en cuenta
que las aseguradoras publicas presionan para que los pacientes se queden el
menor tiempo posible en los hospitales, por eso al momento de entrar el paciente
al hospital la operación se debe hacer en el menor tiempo posible para disminuir la
estadía de los pacientes en el hospital.

Pero en la vía corta o de la manera rápida las citas se realizan de un día para otro.
Los investigadores se concentraran en esta vía para la programación de citas para
operaciones.

Estos tiene algunas variables

Existe la incertidumbre en la duración de la operación

Las tareas especificas a ser realizadas durante la operación dependen de la

situación, y no fueron observadas en el diagnostico.

La programación del día se puede ver interrumpida por casos de emergencia, la

frecuencia de las emergencias depende del departamento médico.

En el hospital analizado existe un convenio entre este y las enfermera y estas

trabajan entre las 8 am y las 4 pm y esto se debió a un descontento de las
enfermeras debido a largas y tediosas jornadas de trabajo. Si se llegaran a
posponer operaciones para otro día esto se ve reflejado en la insatisfacción de los
pacientes y estas combinaciones hacen que en algunos casos las aseguradoras
publicas no paguen la hospitalización

II. Proceso convencional de programación de citas en los hospitales – Preferencias

y Restricciones

Tradicionalmente cada departamento médico tiene su propia sala de operaciones y

esto se ha cambiado en las organizaciones de los hospitales donde las salas de
operaciones se cambiaron a un teatro centralizado de operaciones, el cual es
utilizado por diferentes departamentos médicos, esto se observa en una baja en
los costos de operación del hospital y en gran flexibilidad en la planeación y en la
forma de reaccionar ante las emergencias, esto llevo a desarrollar un sistema
automático sistema de planeación

La solución MAS

Los problemas de programación de cirugías presentados aquí conducen a

diferentes requerimientos para un sistema multiagente

 Reducir las interacciones entre humanos a lo más mínimo, reduciendo las

necesidades de solución por teléfono
 El proceso secuencial implica consumo de tiempo en los ciclos de
retroalimentación, si llegase a pasar una incompatibilidad
 El sistema MultiAgente puede satisfacer los intereses organizacionales y los
individuales
 Basados en estos requerimientos un sistema de programación de citas
basado en agentes ha sido desarrollado por el proyecto de Agentes
La programación de las cirugías y de los recursos necesarios para esta se realiza
en dos etapas

En la primera etapa el sistema de agentes crea una programación sin tener en

cuenta las preferencias individuales, solamente las demandas y restricciones
medicas y de la organización son tenidas en cuenta, se utilizan programaciones
aproximadas y algoritmos, el componente del programador interactúa con el
planeador vía diálogos y le ofrece subplanes de modificación o reordenamiento
colocado en un grafico de Gantt

En la segunda etapa el plan preliminar es mejorado por los agentes negociadores,

en esta etapa, los agentes del individuo (asistentes personales) tratan de negociar
el mejor horario para su representado, basado en la solución Nash-Bargaining, al
final la programación definida optimiza el bien social respetando las preferencias
individuales sin sacrificar las metas medicas o las de eficiencia.

Uno de los más serios problemas encontrados en el diseño de la política de

agentes MAS reside en la medición de las estructuras de preferencias de reales
seres humanos y su transformación dentro de funciones útiles. Por ejemplo
considere una situación simple compuesta por cuatro médicos y cuatro enfermeras

Departments Surgery Orthopedics Urology Neurosurgery

Anesthetists John George Jim Andy

Nurses Clara Anne Joyce Hillary

El problema de asignación manual, el cual hace parte de los problemas de

programación de citas consiste en encontrar los tres elementos (Departamento,
Anestesista y Enfermera ) que formen un equipo para una operación deseada. La
organización del hospital no tiene ninguna restricción para la formación de los
equipos pero si necesita que los cuatro anestesistas y las cuatro enfermeras sean
asignados; o sea que es necesario encontrar cuatro tripletas cada una consistente
de una instancia (Departamento, Anestesista y Enfermera), ahora viene la parte de
las preferencias de las personas involucradas, por ejemplo se podría asumir que
Jhon solo quiere trabajar con Joyce en las cirugías y no le gustaría trabajar con
Anne en ningún departamento y trabajar con ella sería uno de los peores casos, le
gustaría trabajar con Hillary en cirugía y con Clara en Urología. Preferencias
similares existen para las otras personas en nuestro ejemplo. El problema consiste
en encontrar cualquier persona, con una funcionalidad, que se pueda medir por un
numero real y cualquier combinación de asignación que exprese las preferencias
de esta persona

(surgery, John, Clara) John (surgery, John, Hillary),

(surgery, John, Hillary) ~John (urology, John, Clara),

(urology, John, Clara) John (surgery, John, Anne),

El resultado es una función de utilidad

uJohn(surgery, John, Clara) > uJohn(surgery, John, Hillary),

uJohn(surgery, John, Hillary) = uJohn(urology, John, Clara) and

uJohn(urology, John, Clara) > uJohn(surgery, John, Anne).

Se argumenta que un aproximación estándar a las preferencias y a la medición de

la utilidad, lo cual es un aproximación de Expectativa-Utilidad es un concepto
teórico que no se ajusta a las aplicaciones prácticas. Sin embargo la aproximación
es necesaria y puede ser encontrada en un análisis conjunto

Bibliografía

1. Addelman, S.: Orthogonal Main-Effect Plans for Asymmetrical Factorial

Experiments, in: Technometrics, Vol. 4(1), 1962, pp. 21-46.

2. Allais, M.: Le Comportement de l‘Homme Rationnel devant le Risque: critique

des Postulats et Axiomes de l‘Ecole Américaine, in: Econometrica, Vol. 21, 1953,
pp. 503-546.

3. Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R.: Multivariate

Analysemethoden – Eine anwendungsorientierte Einführung, Berlin 2000.

4. Becker, M.; Heine, C.; Herrler, R.; Krempels, K.-H.: OntHoS - an Ontology for
Hospital Scenarios, in: Moreno, A.; Nealon, J. (Hrsg.): Applications of Software
Agent Technology in the Health Care Domain. Whitestein Series in Software Agent
Technologies (WSSAT), Basel 2003, S.87-103.

5. Becker, M.; Krempels, K.-H.; Navarro, M.; Panchenko, A.: Agent Based
Scheduling of Operation Theaters, Proceedings des EU-LAT E-Health-Workshop,
Mexico 2003.
6. Brembeck, W.; Howell, W.: Persuasion – A Means of Social Influence, 2nd Ed.,
Englewood Cliffs, NJ 1976.

7. Czap, H.; Becker, M.: Multi-Agent Systems and Microeconomic Theory: A

Negotiation Approach to solve Scheduling Problems in High Dynamic
Environments, in Proceedings of 36th Annual Hawaii International Conference on
System Sciences (CD-Rom), Hawaii 2003.

8. Czap, H.; Becker, M.; Schiffelholz, S.-D: Der Ablauf der kurzfristigen
OPTerminplanung am Beispiel des Krankenhauses der Barmherzigen Brüder, Trier
e.V., Arbeitsbericht des Zentrums für Gesundheitsökonomie an der Universität
Trier, Trier 2002.

9. Gingerenzer, G.; Selten, R. (eds.): Bounded Rationality: The Adaptive Toolbox,

Cambridge 2001.

10. Green, P. E.; Krieger, A.M.; Wind, Y.: Thirty Years of Conjoint Analysis:
Reflections and Prospects, in: Interfaces, Vol. 31/3, 2001, pp. 56-73.

FICHA DE REGISTRO DOCUMENTAL

Código: [MJPC 2004] Fuente: [MJPC 2004] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 20 p.

Título: Web semántica: agentes inteligentes

Autor: MARZO, José; PEÑA, Clara

Ubicación: http://personales.upv.es/ccarrasc/doc/2003-
2004/websemag/agentes.htm

Descripción: Este documento presenta la definición de los sistemas Multi agentes

sus características y las aplicaciones en los diferentes campos.

Tabla de Contenido: Sistemas Multiagente, Aplicaciones

Palabras Clave: Sistema Multiagente, Gestión de Redes y Sistemas, Movilidad,

Gestión de Acceso a la Información, Simulación Social,

Resumen: Sistemas Multi Agentes: Un sistema multi agente es aquel que contiene
una colección de dos o más agentes. Este requiere: Dos o más agentes

Al menos un agente autónomo, dado que los agentes trabajan para cumplir
objetivos pero son incapaces de generar sus propios objetivos, un sistema
multiagente no tendría razón de ser sin un agente autónomo que genere estos
objetivos. Al menos una relación entre dos agentes donde uno satisface el objetivo
del otro, debe existir una interacción entre los agentes del sistema, ya que de lo
contrario se tendría un conjunto de agentes actuando independientemente de los
demás, que los convertiría en una colección de componentes y no en un sistema.
Aplicaciones de los Sistemas Multi Agentes A continuación se enuncien algunas
de las áreas identificadas como las más prometedoras para la aplicación de esta
tecnología.
Gestión de Redes y Sistemas La gestión de sistemas y redes es una de las
primeras áreas que están recibiendo el impacto de la tecnología de los agentes
inteligentes. El creciente uso de la arquitectura cliente/servidor ha intensificado la
complejidad de los sistemas utilizados. Los usuarios que hacen uso de estos
sistemas necesitan una gestión más simplificada para afrontar la creciente
complejidad. La tecnología de los agentes puede ser usada para mejorar el
software de gestión de sistemas. Por ejemplo, pueden ayudar a filtrar y a realizar
acciones automáticas a un alto nivel de abstracción. Además pueden ser usados
para gestionar grandes configuraciones dinámicamente.
Movilidad Se obtiene un acceso a los recursos de la red desde cualquier
ubicación, este acceso debe ser satisfactorio a pesar de las limitaciones del ancho
de banda que presenta la tecnología móvil tales como la comunicación sin cables.
Los agentes inteligentes que en este caso residen en la red y no en los
ordenadores de los usuarios pueden gestionar estas necesidades. Además los
agentes pueden procesar datos y mandar únicamente respuestas comprimidas a
los usuarios, más que sobrecargar la red con grandes cantidades de datos sin
procesar.
Correo y Mensajería El software de mensajería como las aplicaciones de correo
electrónico ha ido evolucionando para mejorar el servicio de los usuarios y es un
área donde la introducción de la tecnología de los agentes inteligentes parece muy
propicia ya que el futuro de estas aplicaciones pasa por la delegación de la toma
de decisiones del usuario en el agente de correo. Los usuarios precisan de
utilidades que automáticamente organicen el correo electrónico, y en el futuro,
incluso debería gestionar todo el correo de una persona como si fuera ella misma.
Los agentes inteligentes pueden hacer posible todo esto mediante reglas de
gestión del correo, y permitiendo a los agentes inteligentes operar en nombre de
los usuarios de acuerdo a dichas reglas. En el futuro será posible que los agentes
deduzcan estas reglas observando el comportamiento del usuario e intentando
encontrar los patrones del usuario.
Gestión y Acceso a la Información. El acceso y gestión de la información es un
área con gran actividad, dado el gran crecimiento que se está produciendo en
Internet y la consiguiente explosión de datos disponibles para los usuarios. Aquí
los agentes inteligentes no solo ayudan en las tareas de búsqueda y filtrado, sino
que también lo hacen en la clasificación, establecimiento de prioridad, descarte
selectivo, anotación y colaboración de información y documentos.
Gestión Administrativa Estos sistemas ayudan a automatizar los procesos de
negocio, asegurando que diferentes tareas son ejecutadas por las personas
idóneas en el momento adecuado, además de asegurar que el flujo de documentos
se gestiona correctamente dentro de la organización.
Comercio Electrónico El comercio electrónico es un área de gran crecimiento
debido a la creciente popularidad de Internet. Los compradores necesitan
encontrar vendedores de productos y servicios, necesitan información de los
productos que solucionen sus problemas, y también precisarán de consejo experto
tanto antes de la compra como después, durante el soporte. Los vendedores
necesitan encontrar compradores y tendrán que proporcionar consejo experto
sobre sus productos o servicios al igual que soporte y servicio al cliente. Ambos,
compradores y vendedores, necesitan automatizar el manejo de sus transacciones
comerciales. Los agentes inteligentes pueden ayudar en el comercio electrónico de
varias maneras. Pueden ir de compras para un usuario, coger las especificaciones
de lo que se desea y devolverlas con recomendaciones de posibles compras, etc...
Pueden también servir de vendedores proporcionando productos o servicios, y
ayudar con los posibles problemas que tengan los clientes.
Interfaces de Usuario Adaptativos. Los agentes inteligentes llamados agentes de
interfaz permiten al sistema monitorizar las acciones de los usuarios, desarrollar
modelos sobre ellos, y automatizar la ayuda cuando surgen los problemas. Cuando
son combinados con la tecnología de procesamiento del lenguaje, los agentes
inteligentes hacen que los interfaces de ordenador sean más humanos o sociables
cuando se tiene interacción con ellos.
Simulación Social Una de las visiones detrás de los sistemas multiagente es la de
utilizarlos como herramientas experimentales en las ciencias sociales. Es decir, se
pueden utilizar agentes para simular el comportamiento de las sociedades
humanas. El proyecto EOS, llevado a cabo por la Universidad de Essex en el
Reino Unido, es un buen ejemplo de simulador de la sociedad. El objetivo del
proyecto era investigar las causas de la aparición de una compleja sociedad en
Francia durante el Paleolítico Superior.

BIBLIOGRAFÍA

URL‘s consultadas del 19.04.2004 al 17.05.2004:

http://www.informandote.com/jornadasIngWEB/articulos/jiw02.pdf

http://greta.cs.ioc.ee/~helemai/HaavLubiADBIS2001.pdf

http://www.estadistico.com/arts.html?20011105

http://www.ii.uam.es/~castells/docencia/semanticweb/apuntes/

http://www.rediris.es/rediris/boletin/66-67/ponencia18.pdf
http://www.inf.ufrgs.br/~clesio/cmp151/cmp15120021/artigo_lydia.pdf

http://www.straddle3.net/context/02/020619_semantic.es.html

http://petra.euitio.uniovi.es/~labra/cursos/ext03/SemWeb.pdf

http://www.ii.uam.es/~castells/docencia/semanticweb/

http://antic.ibit.org/websemantica/quees_es.cfm

http://suburbia.sindominio.net/pdf.php3?id_article=107

http://www.baquia.com /com/20010523/art00008.html

http://zope.aditel.org/personal/esanchez/documentos/rtb/files/rtb-
doc/x155.html/index.html/index.html/x155.html/index.html/x155.html/index.html

http://www.baquia.com /com/20010523/art00008.html

http://www.dcc.uchile.cl/~cgutierr/websemantica/

http://www.interacciones.i-p.com/doc24.xhtml

http://www.infovis.net/Revista/num_26.htm

http://www.dcc.uchile.cl/~jcvidal/Agentes/AgentesWeb.html

http://www.lexiquest.fr/news/releases/990809_ge.html

http://www.cyc.com/cyc/technology/whatiscyc_dir/whatsincyc

http://www-cia.mty.itesm.mx/~avazquez/knowledge/

http://www.it.uc3m.es/liliana/paginas/masinfo/agentes.doc

http://rayuela.uc3m.es/~bety/lydia/Age/AGENTES.html#Característica%20de%20lo
s%20agentes

Monografías:

BERROCAL, J.L., et al. Agentes inteligentes: recuperación autónoma de

información en la web. Revista Española de Documentación Científica, 2003, vol.
26, nº 1

INGLADA, V. J. y BOTTI, V. Agentes inteligentes: el siguiente paso en la

Inteligencia Artificial. En: NOVATICA, may-jun, 2000. p. 95-99
HIPOLA, P. y VARGAS-QUESADA, B. Agentes inteligentes: definición y tipologías.
Los agentes de información. El profesional de la información, 1999, vol. 8. nº 4, p.
13-21

PEIS, E., et al. Ontologías, taxonomías y agentes: recuperación "semántica" de la

información. JOTRI 2003: II Jornadas de Tratamiento y Recuperación de
Información, 8 y 9 de septiembre. 2003

Páginas web para la descarga de algunos programas:

WEBFERRET 5.0 http://news.swzone.it/swznews-10855.php

COPERNIC VERSION 6.1 http://www.copernic.com/en/products/agent/basic.html

SHOE http://www.cs.umd.edu/projects/plus/SHOE/search/

FICHA DE REGISTRO DOCUMENTAL

Código: [MOAN 2005] Fuente [MOAN 2005] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Exposicion 70 p.

Título: Multi-agent systems in health care. An application to Palliative Care Units

Autor: Antonio Moreno

Ubicación: Multi-Agent Systems Group (GruSMA). Research Group

onArtificialIntelligence. Computer Science and MathematicsDepartment .University
Rovira iVirgili(URV). Tarragona, Spain

Descripción: En esta exposición se muestra el sistema PalliaSys que busca

mejorar la vida de los pacientes terminales con la ayuda de sistemas multiagente

Tabla de Contenido: Introducción, sistemas basados en agentes en el cuidado

médico, Proyecto Palliasys, Investigación y desarrollo, Conclusiones

Palabras Clave: Sistema Multiagentes, Cuidado Médico, Inteligencia Artificial,

Ambientes Inteligentes

I.Introduccion

Elementos de la plataforma.

Agente: Es una aplicación que provee un grupo de servicios

Facilitador de directorio: Es un agente que ofrece un servicio de paginas amarillas
dentro del sistema (Conoce los servicios que pueden ser ofrecidos por otros
agentes dentro del sistema)

Agente administrador del sistema (AMS) Es un agente que controla el acceso y el

uso de de los agentes de la plataforma. Conoce la dirección del agente de
plataforma y ofrece un servicio de paginas blancas

Servicio de transporte de mensajes: Es usado para comunicar agentes que se

encuentran en diferentes plataformas

Métodos de Comunicación

Sistema de Pizarra, Los agentes comunican la información hacia otros agentes

usando una estructura de datos común, donde todos pueden acceder. En estos
sistemas los cuellos de botella se pueden incrementar

Comunicación mensajería: Los agentes se comunican unos con otros a través de

mensajes utilizando el lenguaje FIPA-ACL Y con el protocolo FIPA

Caracterización básica JADE

Construcción de ambiente de sistemas multiagente que sigue las especificaciones

FIPA

Jade es desarrollado en JAVA y los agentes se pueden implementar en JAVA

Provee una gran cantidad de paquetes Java que nos permite crear los agentes

El lenguaje de comunicación usado entre los agentes es el definido por FIPA, la

mensajería, los protocolos

El contenido de los mensajes puede ser escrito en FIPA-SL también se puede

utilizar RDF o XML

Jade provee herramientas que nos permiten seguir la operación de los agentes

RMA la misión de este agente es controlar la interface grafica de los agentes de

plataforma

Dummy permite la emisión y recepción de mensajes

DF GUI Interfas grafica

Sniffer: este agente nos permite ver los mensajes enviados o recibidos por los
agentes
Jade únicamente puede ser ejecutado en PC estándar o servidores

Algunas partes del kernel de JADE fueron remplazados para generar el ambiente
JADE-LEAP

LEAP es una funcionalidad para JADE que ofrece un ambiente en los cuales los
agentes se pueden ejecutar en dispositivos con pobres recursos como teléfonos
móviles o PDAs

Los sistemas multiagente aplicados en el cuidado medico

Características de ,los problemas en los centros de salud

Uso de conocimiento espacialmente distribuido

Coordinación de tareas en una cantidad de entidades autónomas

Problemas complejos que se pueden descomponer en subproblemas

Información personalizada de doctores y pacientes

Sistemas multiagente aplicados en los problemas de los centros médicos

Sistemas Distribuidos

Habilidad Social

Solución a problemas distribuidos

Agentes de información

Proactividad

Autonomía

Conocimiento Distribuido

Cooperación

Descomposición de problemas complejos

Acceso a información Medica

Proactividad y personalización de la información

Modelado de entidades independientes

Campo de aplicación de los sistemas MultiAgente en Medicina

Programación de pacientes

Monitoreo de Pacientes

Sistema de soporte de decisiones

Agentes de información acceso a información medica

Cuidado de comunidades, cuidado de la tercera edad

Entrenamiento e-learning

Tareas internas de Hospitales

Manejo de procesos distribuidos

Proyecto PalliaSys

Integración de tecnologías de información y sistemas multiagente para mejorar el

cuidado dado a los pacientes paliativos

Los pacientes paliativos son pacientes en avanzado estado de una enfermedad

fatal y la ayuda para su cuidado es calmar el dolor. Estos pacientes se pueden
encontrar en salas especiales de los hospitales o en otras unidades especializadas
o en su propia casa

El proyecto PalliaSys busca mejorar el proceso de recolección de información de

los pacientes paliativos, mejorar el acceso a esta información por parte de los
pacientes y de los médicos, monitorear el estado de los pacientes y aplicar análisis
inteligente a los datos
Arquitectura del sistema PalliaSys

Recolección de información

Los pacientes deben enviar información no técnica de manera periódica acerca de

su estado de salud, deben llenar un formato con diez ítem evaluados de 0 a 10
esta información se debe enviar vía web, o vía sms o a través de e-mail

También se podría asociar un agente a cada cama que periódicamente envié

información acerca de estado de salud del paciente , los médicos también pueden
enviar información al sistema cuando estén desarrollando un visita a los pacientes
en su casa atreves de su teléfono móvil o PDA vía GPRS

Acceso a la información

Todos los datos de los pacientes paliativos se guardan en una base de datos
centralizada en el hospital (Información Personal, datos de la familia, auto-
evaluaciones, registros médicos) los doctores y los pacientes pueden acceder a
esta información a través de querys , los querys de los pacientes a vía WEB o una
interfase WAP simulada, los querys de los doctores se pueden hacer a través de
agentes de comunicaciones

Seguridad de la base de datos

Existirá un agente que controle el acceso a la base de datos

Todo el sistema incluye mecanismos de seguridad para proteger la privacidad de

los datos médicos como autenticación de usuarios, encriptación de mensajes,
acceso a través de login y password, permisos asociados al tipo de usuario

Agentes Paciente

Existe un agente paciente asociado a cada paciente paliativo, este monitoreara

continuamente el estado del paciente y enviara alarmas al médico asociado
cuando el paciente empeore su situación

Agentes Medico es un agente asociado a cada doctor que está corriendo en el

computador de cada doctor, provee interfase grafica en la que se solicita
información acerca de sus pacientes, define situaciones de alarma recibe señales
de alarma de los agentes paciente

Existen dos clase de alarmas las generales y las especificas de cada médico, las
generales se aplican a todos los pacientes de la unidad y las especificas las define
el médico personal a cada paciente

Análisis inteligente de datos

El analizador de datos aplica técnicas de data minning y maquinas aprendices que

analizan la información de la base de datos, como la generación de modelos de
pacientes, generación de evolución de pacientes, generación de protocolos
médicos

FICHA DE REGISTRO DOCUMENTAL

Código: [MOBU 2004] Fuente: [MOBU 2004] Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 6 p.

Título: Problemas Inversos, Técnicas Evolutivas y Agentes inteligentes:

Estrechando las Fronteras

Autor: DAGMAR MONETT y HANS-DIETER BURKHARD

Ubicación: Revista Avances en Sistemas e Informática, No. 1 pp. 29–34, Medellín,

Julio 2004, ISSN 1657–7663

Abstract: En este artículo se exponen las características esenciales de la

modelación matemática y la simulación de procesos reales. Con la intención de
delegar capacidades humanas en las computadoras al aplicar técnicas evolutivas a
problemas inversos, se extienden los principios de la Inteligencia Artificial en la
automatización de dichas técnicas. También se describen la interacción entre
categorías de agentes inteligentes para tales propósitos, así como el
procesamiento del conocimiento de los mismos a una meta-nivel.

Tabla de Contenido: Modelación y simulación de sistemas reales, Agentes

inteligentes, Sistema multiagente y procesamiento del conocimiento; Conclusiones

Palabras Clave: Problemas Inversos, Algoritmos Evolutivos, Agentes inteligentes

Resumen: Problemas Inversos, Técnicas Evolutivas y Agentes inteligentes:

Estrechando las Fronteras

Este articulo habla de la importancia de las matemáticas (Ecuaciones diferenciales,

derivadas parciales, sistemas de ecuaciones lineales y no lineales) en la
interpretación de sistemas reales. Y de los métodos de optimización como solución
de muchos modelos que describen estos sistemas

Se busca la aplicación de agentes inteligentes para automatizar el manejo de

algoritmos evolutivos de optimización

MODELACION Y SIMULACION DE SISTEMAS REALES

La modelación ―no es más que una teoría que se desarrolla teniendo en cuenta las
características del sistema real, su comportamiento, así como su relación con otros
sistemas. Un modelo, como representación simplificada e intencional de un
sistema real, es el camino a través del cual se representan las propiedades o
componentes del sistema real. La modelación más común es la modelación
matemática, donde se relacionan expresiones matemáticas entre medidas y
cantidades medibles, o datos observables y variables del sistema, que definen el
comportamiento del sistema real‖.

Las interpretaciones de los sistemas se realiza de manera teórica en la que se

definen las entradas, las transformaciones que suceden dentro de este sistema y
las salidas, cada uno de estos puntos del sistema son medibles y con estas
mediciones se realizan predicciones de cómo se va a comportar el sistemas con
mas o menores componentes o interacciones de este sistema por medio de
simulaciones
Las simulaciones más utilizadas hoy en día se basan en modelos
computacionales, que tratan de descubrir comportamientos desconocidos de estos
modelos matemáticos que explican los sistemas

Existen varias clases de simulaciones:

Las simulaciones de sistemas directos en las que con los datos de entrada se
predice la salida;

El objetivo de este trabajo es trabajar con problemas inversos con coeficientes o

problemas clásicos de estimación de parámetros, donde se desconocen las
variables del modelo propuesto ―Valga en este momento citar como ejemplo
práctico, la determinación de propiedades químicas de nuevos materiales para la
liberación controlada de medicamentos en el organismo humano. Es por esto que
las propiedades del sistema que se desconozcan deben ser estudiadas con la
mayor precisión posible.‖

En 1995 se destaco en la revista byte que los agentes inteligentes serian las 20
tecnologías de mayor impacto que las ciencias de la computación brindan a la
sociedad

Agentes inteligentes

―La Inteligencia Artificial (IA) constituye, sin dudas, una herramienta novedosa para
facilitar al hombre el uso de las computadoras. Las interfaces de usuarios se han
convertido en un terreno fértil para las aplicaciones basadas en agentes
inteligentes. Como parte integrante de dichas interfaces, los agentes hacen más
fácil al hombre el operar las computadoras.

Es por esto que las aplicaciones con agentes inteligentes constituyen, hoy en día,
el ´área de aplicación más amplia en Internet: agentes para filtrar el correo
electrónico, agentes para la navegación en la red, agentes asistentes para
manipular información, por solo citar algunas.

En este trabajo proponemos agentes inteligentes que asistan al usuario y actúen

en su beneficio, evitando que el hombre diseñe nuevas sustancias a partir de
experimentos costosos en recursos humanos y de laboratorio. Los agentes en este
contexto pueden definirse como agentes asistentes de software: ellos guían al
usuario al manipular o ejecutar determinado software.

Por ejemplo, si consideramos técnicas evolutivas para su aplicación a problemas

inversos con coeficientes, los agentes pueden asistir al usuario para introducir
datos experimentales o propios del sistema, ejecutar las técnicas evolutivas
seleccionadas, manipular los resultados y procesar la información obtenida,
escoger los parámetros adecuados para cálculos futuros, entre otras tareas. De
hecho, los agentes asistentes de software le permiten al usuario delegar funciones
que de otra forma tuvieran que realizar por sí mismos, así como automatizar,
simplificar, aprender, y recomendar vas para encontrar respuestas adecuadas, sin
introducir complejidad adicional cuando se trata de aplicar técnicas evolutivas
particularmente.

La aplicación de métodos de IA emerge como una valiosa alternativa al permitir a

los usuarios delegar en las computadoras determinadas funciones. No todos los
procesos pueden ser automatizados debido a la precisión del análisis y la
especificación de los procedimientos que las computadoras necesitan. Aún así,
una cantidad considerable de trabajo intelectual puede ser simulada o llevada a
cabo autónomamente por agentes inteligentes. Esta autonomía puede entenderse
como la determinación del comportamiento del agente basado en su propia
experiencia.

Para ser considerados con capacidad inteligible, los agentes inteligentes asistentes
de software deben ser entidades autónomas que colaboren con el usuario en la
obtención de información para ejecutar las técnicas evolutivas, realizar las
acciones sin supervisión por parte del usuario, aprender de experiencias pasadas
para mejorar sus acciones en el futuro, así como extraer por si mismos las
conclusiones adecuadas de la información procesada, entre otras acciones.

En la Figura 1 se muestra el uso, por parte de agentes inteligentes asistentes de

software, de una técnica evolutiva en particular (un algoritmo genético) con
independencia de la acción del usuario. Los agentes, en este caso, actúan en el
mundo virtual del Internet.‖
Figura 1: Agentes inteligentes en Internet.

La idea de esta investigación es el desarrollo de agentes multiagente flexibles y

fáciles de usar para la elaboración de tareas evolutivas de manera automática ―La
generación de estrategias efectivas en la forma en que un experto concibe,
implementa, prueba y desarrolla algoritmos evolutivos, pueden ser incluidas en los
agentes como parte de su comportamiento‖

―Una de las divisiones de la IA Distribuida la constituyen los Sistemas Multi-

Agentes. En la IA clásica surgió la idea de subdividir el problema original en
subproblemas. Es por ello que se desarrollaron los modelos basados en el
razonamiento concurrente, permitiendo la ejecución simultánea de múltiples
agentes bajo requerimientos esenciales de comunicación y sincronización entre los
mismos. Las conductas deliberativas, por lo general, descansan en algoritmos
lentos y no tienen en cuenta eventos imprevistos. Sin embargo, dichas conductas
están motivadas por una representación simbólica del mundo, explicita y amplia,
como conocimiento de los agentes.

Por su parte, las conductas reactivas solamente reaccionan ante estímulos del
entorno resultando difíciles de aplicar a problemas complejos. Es por ello que
surgen las arquitecturas hibridas, donde los agentes reaccionan a eventos
imprevistos pero a la vez manipulan conocimiento explicito acerca del mundo en
que actúan‖

Las propiedades esenciales de los agentes son

• Autónoma: operan sin intervención directa del hombre y llevan un control

de sus acciones y estados internos,

• Habilidad social: interactúan con otros agentes y humanos,

• Reactividad: perciben el medio y responden a los cambios que ocurren en

´el (carácter reactivo),

• Pro-actividad: capaces de exhibir una conducta dirigida hacia objetivos al

tomar la iniciativa (carácter deliberativo)

No se hizo énfasis en la parte de la comunicación entre los agentes, ni en el paso

de mensajes, solo se tuvo en cuenta o se hizo énfasis la estructura general del
sistema multiagente y el procesamiento del conocimiento

En la Figura 2 se describe la organización básica de agentes para manipular

técnicas evolutivas. El primer agente a la izquierda determina de alguna forma la
técnica evolutiva a aplicar en dependencia del problema a resolver. La técnica
evolutiva se ejecuta y se devuelven ciertos resultados que otro agente procesa.
Finalmente dichos resultados fluyen al agente inicial, quien tomará decisiones y
perfeccionará su conducta.

Figura 2: Organización básica de los agentes en el sistema.

Tipo de agentes

 ―Agente Especialista: Como su nombre lo indica, simboliza el razonamiento

de los expertos humanos. Este agente solicita al usuario los datos relativos
al modelo matemático del sistema real en estudio. Dada su experiencia en
técnicas evolutivas, determina cual estrategia considerar en dependencia de
las características del modelo matemático y del sistema real en cuestión.
Es, por excelencia, el agente que asiste a los usuarios en la manipulación
del software como tal.
 Agentes Operadores: Ejecutan, independientemente, las técnicas evolutivas
propuestas. Conocen los pormenores necesarios para la ejecución de
dichos algoritmos y manipulan los datos autónomamente de acuerdo con las
especificaciones del software que operan. Deducen explícitamente la
información que no es suministrada por los usuarios pero que es
considerada esencial para su correcto funcionamiento.
 Agente de Resultados: Recibe los resultados parciales y globales de todas
las ejecuciones que realizaron los agentes operadores. Organiza dichos
resultados y los almacena en dependencia de la relevancia de los mismos,
pues en futuras ejecuciones pudieran servir como solución a problemas
similares.‖
―En la Figura 3 se asocia un agente operador por cada técnica evolutiva,
responsabilizándose cada agente con los detalles del funcionamiento de una
técnica especifica.

Figura 3: Agentes especialista, operadores y de resultados.

Concluir que una interpretación μ es la que ajusta el sistema real con mayor
precisión, determinando si el parámetro seleccionado tiene el valor ´optimo, no es
una tarea expedita y sencilla. Es por ello que, usualmente, se ejecutan varias
veces los algoritmos genéticos hasta ajustar los valores de sus parámetros de
control en dependencia del problema real de que se trate. Entonces, el agente
especialista SP, tal y como se representa en la Figura

4, puede ser quien evalué las diferentes posibilidades de aplicación del algoritmo
genético en dependencia de los valores de sus parámetros de control.

Figura 4: Interacción entre los agentes.

Recordemos que el agente especialista simula el comportamiento del experto que

decide cual método seleccionar y como, para resolver el problema real inicial. De
esta forma, esta también capacitado para definir criterios de parada para el
algoritmo genético, por ejemplo, con relación a su ejecución, así como obtener del
usuario toda información que necesite.

El agente especialista SP, además, debe interactuar con el agente de resultados R

(véase Figura 4) con el objetivo de conocer si se tienen resultados previos,
calculados con anterioridad, para iguales parámetros de control del algoritmo
genético. En estos casos, no solamente los parámetros de control del algoritmo
genético deben coincidir con los calculados en el pasado, sino también el modelo μ
a simular en ambos problemas.

El agente especialista SP en este momento está en condiciones de seleccionar al

agente operador adecuado para la simulación. Supongamos, sin perder
generalidad, que el agente operador escogido fue el OPi (véase Figura 4),
especializado en la ejecución del algoritmo genético. Una vez que el agente
operador OPi, esté disponible, el agente especialista SP suministra al mismo los
datos relativos a la técnica evolutiva particular (el algoritmo genético en este caso).
El agente operador OPi verifica los datos para la ejecución del algoritmo genético,
selecciona aquellos que no han sido suministrados pero que son importantes para
la ejecución (pues conoce las particularidades del algoritmo y actúa como un
experto en el mismo), ejecuta el algoritmo, acumula los resultados una vez
concluida la ejecución, y envía los mismos al agente de resultados R para que los
procese.

El agente de resultados R, por su parte, recibe los resultados de todas las

ejecuciones y almacena los que considera necesarios, positivos o negativos, con el
objetivo de evitar similares ejecuciones en el futuro.

Extiéndase por ―positivos‖ y ―negativos‖ los resultados con los cuales se concluye
que un modelo en Ms es adecuado o no para un sistema real determinado

Además, ´este agente debe interactuar nuevamente con el agente especialista SP,
pues ´este ´ultimo es quien expone al usuario del sistema los resultados de todo el
proceso, y brinda una valoración -como experto al fin acorde con el tipo de
problema y la técnica que se aplicó.‖

REFERENCIAS

Burkhart, H. D. (1995), Agent oriented programming for open systems, in

‗Proceedings of the ECAI-94 Workshop on Agent Theories, Architectures and
Languages, The Netherland‘. Lecture Notes in AI.
Bussmann, S. y Demazeau, Y. (1994), An agent model combining reactive and
cognitive capabilities, in ‗Proceeding of the IEEE International Conference on
Intelligent Robots and Systems‘, Munich, Ale mania.

García, A., González, N. y Morales, F. (1997), Diseño e implementación de

sistemas multiagentes, in ‗Proceedings del Primer Simposio de Inteligencia
Artificial, Conferencia Internacional de Ciencia y Tecnología para el Desarrollo
CIMAF-97‘, La Habana, Cuba.

Goldberg, D. E. (1989), Genetic Algorith,s in Search, Optimisation and Machine

Learning, Addison-Wesley, Reading,Mass.

Lindemann, G., Munch, I., Dittmann, I., Gnoth, M., Torres, E. y Hannebauer, M.
(1999), ChariTime: An agent-oriented approach for appointment management in
distributed working communities, in ‗Proceeding of the KI-99 Workshop
Agententechnologie- Multiagentensysteme in der Informationslogistik und
Witscharftswissenswissenschaftliche Perspektiven der Agenten-
Konzeptionalisierung‘, number 16, TZIBericht,Bonn, Alemania.

Lucasius, C. y Kateman, G. (1989), Application of genetic algorithms in

chemometrics, in J.D.Shaffer, ed., ‗Proceeding of the Third Intenational
Conference on Genetic Algorithms‘, Morgan Kaufmann.

Monett, D. (1997), Genetic algorithms for the reactivity ratios determination in

copolymerization, in ‗Proceedings del Primer Simposio de Inteligencia Artificial,
Conferencia Internacional de Ciencia y Tecnología para el Desarrollo CIMAF-97‘,
La Habana, Cuba.

Monett, D. (2000), Towards and intelligent agent desing for handling genetic
algorithms., in B. H. D., L. Czaja,

A. Skowron y P. Starke, eds, ‗Proceedings of the Workshop on Concurrency,

Specification and Programming CS&P-2000‘, Vol. 1, Berlın, Alemania, pp. 149–
155.

Monett, D. (2001), On the automation of evolutionary techniques and their

application to inverse problems form chemical kinetics, in ‗Porccedings of the
GECCO 2001, Genetic and Evolutionary Computation Conference‘, San Francisco,
California.

Patton, A., Punch, W. y Goodman, E. (1997), ‗A standard GA approach to native

protein conformation prediction‘. Genetic Algorithm Research and Application
Group, Computer Science Department, Michigan State University.
FICHA DE REGISTRO DOCUMENTAL

Código: [MVOJ 2005] Fuente No.: [MVOJ 2005] Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 9 p.

Título: Hacia una Metodología para la Construcción de Modelos de Simulación

Basados en Sistemas Multi-Agente

Autor: Julián Moreno Cadavid, Juan David Velásquez Henao y Demetrio Ovalle
Carranza

Ubicación: Revista Avances en Sistemas e Informática, No. 2 pp. 7–15, Medellín,

Diciembre 2005, ISSN 1657–7663

Abstract: El objetivo de este artículo es presentar las diferentes fases, modelos y

artefactos de una metodología creada por el grupo GIDIA (Grupo de Investigación
y Desarrollo en Inteligencia Artificial) para el desarrollo de modelos de simulación
basados en Sistemas Multi-Agente. La metodología propuesta se fundamenta en
algunos de los aspectos más sobresalientes de la ingeniería de software clásica,
de la ingeniería de software orientada a agentes y la simulación de sistemas. Al
integrar dichos aspectos se obtiene una metodología robusta y bien formalizada, la
cual podrá ser aplicada en modelos de simulación social, económica, política,
ambiental, etc...

Tabla de Contenido: Enfoques y metodologías existentes, Metodología propuesta,

Conclusiones

Palabras Clave: Simulación basada en Sistemas Multi-Agente, Metodologías de

Desarrollo de Modelos

Resumen: Enfoques y metodologías existentes Algunas de las metodologías

propuestas para el desarrollo de MABS tienen sus bases en campos diversos
como la simulación de sistemas, la ingeniería de software y la ingeniería de
software orientada a agentes.

 La simulación basada en modelos computacionales, consiste en una

intersección entre las ciencias sociales, matemáticas y de la computación,
que busca la creación de modelos simplificados de la realidad estudiada.
Para el desarrollo de tales modelos se siguen los pasos genéricos de
conceptualización, diseño, implementación, verificación, validación y
publicación de resultados. El inconveniente de este esquema es que es
demasiado general y no presenta una formalización sobre los artefactos
(entiéndanse los modelos, diagramas, plantillas, etc.) que deben utilizarse
en cada fase.-
  La ingeniería de software por su parte, se fundamenta en una aproximación
denominada ciclo de vida del software, el cual es un paradigma
universalmente aceptado y que se compone de las fases genéricas de:
conceptualización o especificación, análisis, diseño, implementación o
construcción, transición, producción y mantenimiento. La realización de
dichas fases puede ser vista como un proceso retroalimentado, donde la
elaboración de una fase puede producir cambios en otra anterior. Este
paradigma sin embargo, ha sido criticado por ser demasiado "duro" para la
creación de sistemas caracterizados por emular actividades humanas
 La ingeniería de software orientada agentes es un paradigma relativamente
reciente que usa la noción de agente como entidad de abstracción primaria,
y en el cual nuevas metodologías y plataformas han ido surgiendo a medida
que recibe más atención por parte de la comunidad científica. Entre dichas
metodologías algunas de las más utilizadas son: MAS-CommonKADS,
GAIA, Styx y MaSE, aunque hay también algunos trabajos que proponen la
combinación de varias de estas

Para el desarrollo de proyectos de sistemas multi-agente (MAS, por sus siglas en

inglés) dichas metodologías comparten las fases genéricas de análisis y de diseño,
siendo algunas más extensas al considerar una fase previa de conceptualización y,
en el caso de aquellas que están asociadas a una plataforma, una fase posterior
de implementación.

Metodología propuesta

1 Fase de Captura de Requerimientos: Esta fase se considera una fase previa al

proceso de modelamiento en la que se recopila la información relacionada con el
dominio del sistema a modelar.

2 Fase de Conceptualización: Esta fase busca brindar un contacto inicial con el

problema de estudio. Consiste en explorar y delimitar dicho problema y elaborar un
primer esbozo del sistema que puede resolverlo. En esta fase se identifican las
entidades que hacen parte del sistema real, así como sus objetivos, tareas e
interacciones; y de manera global, el funcionamiento del sistema. En la
metodología propuesta se hace uso del análisis centrado en el usuario, propio de
las metodologías orientadas a objetos y cuyo principal objetivo es comprender las
necesidades de los usuarios respecto al sistema en construcción. Para el caso de
MABS, el usuario al que se hace referencia sería el experto en el dominio sobre el
que se hace el modelo (o el modelador, en caso que éste cuente con dicho
conocimiento); mientras que las necesidades o requisitos de los cuales se habla
pueden traducirse en la recopilación de las características y funcionalidad que
debe poseer el sistema en desarrollo para simular su contraparte real.
Casos de Uso: Para esta fase se propone la utilización de casos de uso común
para las metodologías de la ingeniería de software y utilizados en la mayoría de
metodologías orientadas a agentes.

3 Fase de Análisis: El objetivo de esta fase es la construcción de modelos

conceptuales que permiten representar tanto la estructura como el comportamiento
del sistema. Un modelo conceptual se utiliza para especificar el "qué" del espacio
del problema, sin importar todavía el "cómo" se llegará a la solución, lo que lo hace
independiente de la implementación.

Modelo de Roles: en el que se identifican, en base a los actores previamente

definidos en la fase anterior, cuáles van a ser los roles existentes en el sistema. El
concepto de rol puede entenderse como una descripción abstracta del papel
llevado a cabo por cada entidad, el cual tiene asociado una serie de
responsabilidades (o funciones) dentro del sistema, así como un conjunto de
capacidades para cumplirlas.

Modelo del Entorno En este modelo se especifica el entorno dentro del cual
interactúan los roles del sistema, es decir, se describen los componentes del
sistema que no son agentes, pero que de alguna forma intervienen con los
procesos llevados a cabo por estos. Tal intervención puede entenderse como un
flujo de información uní o bidireccional entre los roles y el entorno en el que se
puede identificar las entradas, en caso que estas sean necesarias; y las salidas, si
es que hay alguna. El proceso mediante el cual tal información es procesada
también se describe en este modelo por medio de la plantilla textual, a menos que
este sea una "caja negra", o sea irrelevante en el modelo de simulación.

Modelo de Tareas Este modelo sirve para detallar la funcionalidad de cada rol y
consiste en descomponer y describir cada una de las tareas llevadas a cabo por
estos como un secuenciamiento de actividades, tomando en consideración sus
capacidades, la información que necesitan y su interacción con el entorno.

Modelo de Razonamiento y Aprendizaje La función de este modelo es identificar

las estructuras de inferencia utilizadas por los roles para llevar a cabo algunas de
las actividades que tienen asociadas, bien sea que estas sean de carácter reactivo
(respuestas ante estímulos o peticiones provenientes de otros agentes) o proactivo
(que sean realizadas de manera autónoma según el juicio del propio agente).

Modelo de Ontologías El objetivo de este modelo es describir la ontología u

ontologías del sistema, es decir, la estructura y significado de los principales
conceptos agrupados por dominio de aplicación que serán comunicados entre los
agentes (independientemente de la forma que en que se empaqueten) y sus
relaciones.

Modelo de Coordinación Este modelo permite profundizar en las interacciones

entre los roles identificando su objetivo, los participantes y las etapas de las que se
componen. Dichas interacciones se agrupan en conversaciones o protocolos, que
pueden ser vistos como patrones formalizados de comunicación.

4 Fase de Diseño Mientras que la fase anterior se encarga del "qué", la fase de
diseño se encarga del "cómo" de lo que debe hacer el sistema en desarrollo.
Desde el punto de vista de la ingeniería del software, el objetivo de esta fase es
transformar los modelos provenientes de la fase de análisis en modelos con un
nivel de abstracción lo suficientemente bajo para poder traducirlos posteriormente
a código fuente durante la implementación.

Modelo de Agentes En este modelo se especifican los diferentes tipos de agentes

que existirán en el sistema, así como las instancias de dichos agentes durante la
ejecución. Se entiende entonces por agente aquella entidad que desempeña uno o
más roles dentro del sistema y por tanto posee las características que éstos
especifican (responsabilidades, capacidades, etc.) definidas en la fase anterior.

Modelo de Comunicación En este modelo se especifican los requerimientos de

las comunicaciones entre los agentes, ya no desde el punto de vista sintáctico y
semántico analizados en el modelo de ontología y coordinación respectivamente, si
no desde el punto de vista del transporte.

Modelo de Plataforma Este modelo permite documentar las decisiones de bajo

nivel sobre las características de la plataforma sobre la que se montará el sistema
como el lenguaje de implementación seleccionado, el software y hardware
empleado, etc. Dicha plataforma de desarrollo puede ser una ya existente como
ZEUS, JADE, FIPA-OS, etc. o una plataforma propia.

5 Fase de Implementación y Verificación Esta fase se compone de dos etapas:

En la primera se lleva acabo la construcción del sistema como tal, es decir, se
traducen los modelos de las fases anteriores a código fuente o a una plataforma
existente. En esta etapa es importante documentar el proceso de codificación y
especificar los detalles técnicos más significativos como el lenguaje o plataforma
utilizada, versión, etc. La segunda etapa, conocida como verificación interna,
consiste en verificar la correcta correspondencia durante la transformación entre
las representaciones abstractas de los modelos de las fases anteriores y el sistema
implementado

6 Fase de Validación Mientras que en la etapa de verificación de la fase anterior

se chequea que el sistema "funcione", en la fase de validación se chequea que
"funcione como debe hacerlo". En otras palabras, mientras que la verificación se
preocupa porque el sistema desarrollado se ejecute como el modelador espera que
lo haga, la validación se preocupa porque el sistema sea un buen reflejo de su
contraparte real. En el caso de MABS particularmente, es necesario que en esta
fase la validación se lleve a cabo tanto a nivel micro (a nivel de cada uno de los
agentes) como macro (a nivel de la estructura global, entendida como el resultado
de las interacciones entre las partes componentes). Esta fase consiste entonces en
la realización de una serie de pruebas generales para validar el modelo de
simulación, aunque haciendo la salvedad que la aplicación de las mismas
dependerá de la naturaleza del modelo.

7 Fase de Estudio de Resultados Como fase final de la metodología, siendo la

más importante para el usuario del modelo (sea este o no el mismo modelador), se
encuentra la fase de estudio de resultados. En esta fase generalmente se llevan a
cabo diferentes análisis de escenarios o casos de estudio, en los que se ejecuta el
modelo de simulación dentro de unas condiciones controladas y bajo ciertos
parámetros para luego estudiar los resultados obtenidos. Igual que en la fase de
validación, el análisis que se realiza en esta fase se hace tanto a nivel micro como
macro, es decir, desde el comportamiento individual de cada agente, hasta el
comportamiento emergente del sistema resultado de las interacciones.

8 Fase de Replicación La mayoría de las fases expuestas anteriormente son

usadas para el desarrollo de modelos de simulación de diferente índole. Hay sin
embargo, una fase adicional que raramente se encuentra pero que debería ser
considerada y es la de replicación. La replicación se refiere a confirmar que los
resultados obtenidos con el modelo son confiables, en el sentido que pueden ser
reproducidos por terceros a partir de las abstracciones brindadas por los modelos
desarrollados.

En la actualidad, esta metodología está siendo usada para el desarrollo de

modelos de simulación al interior del grupo GIDIA (Grupo de Investigación y
Desarrollo en Inteligencia Artificial de la Escuela de Sistemas de la Universidad
Nacional de Colombia), pero se espera que luego de refinarla se convierta en una
metodología robusta que pueda ser utilizada en otros proyectos tanto académicos
como comerciales.

REFERENCIAS

Bush, G., Cranefield, S. y Purvis, M. (2001), ‗The styx agent methodology‘, The
Information Science Discussion Paper Series .
Cernuzzi, L. y Zambonelli, F. (2005), Developing mas solutions with gaia and auml,
in ‗31 Conferencia Latin-American de Informática - CLI 2005‘.

Checkland, P. y Scholes, J. (1990), Soft Systems Methodology in Action, John

Wiley & Sons, Chichester. Conte, R., Gilbert, N. y Sichman, J. (1998), Mas and
social simulation: A suitable commitment, in ‗Multi- Agent-Based Simulation,
Second International Workshop, MABS 1998‘.

DeLoach, S. (2001), Analysis and design using mase and agenttool, in ‗12th
Midwest Artificial Intelligence and Cognitive Science Conference- MAICS 2001‘.

García, D. (2000), Introducción al estándar fipa, Technical report, Informe técnico

UCM-DSIP 98-00. Universidad Complutense de Madrid.

Iglesias, C. (1998), Definición de una metodología para el desarrollo de Sistemas

Multi-Agente, PhD thesis, Universidad Politécnica de Madrid.

Jacobson, I., Christerson, M., Jonsson, P. y Övergaard, R. (1992), Object-Oriented

Software Engineering. A Use Case Driven Approach., ACM Press.

Jennings, N. y Wooldridge, M. (2000), ‗Agent-oriented software engineering‘,

Handbook of Agent Technology.AAAI/MIT Press .

Jiménez, C. (2003), Guía metodológica de desarrollo o adaptación de software,

Technical report, Universidad Nacional de Colombia - Sede Medellín.

Ramanath, A. y Gilbert, N. (2003), ‗Towards a methodology for agent-based social

simulation research‘.Rumbaugh, J. (1995), ‗Omt: The development model‘, JOOP -
Journal of Object Oriented Programming 76, 8–16.

Rumbaugh, J., Blaha, M., Premerlani, W. y Hedí, V. (1991), Object-Oriented

Modeling and Design, Prentice-Hall.

Sterman, J. (2000), Business Dynamics Systems Thinking and Modeling for a

Complex World, McGraw-Hill.

Tansley, D. y Hayball, C. (1993), Knowledge-Based Systems Analysis and Design,

BCS Practitioner Series. Prentice- Hall.

Wooldridge, M., Jennings, N. y Kinny, D. (2000), ‗The gaia methodology for agent-
oriented analysis and design‘, Autonomous Agents and Multi-Agent Systems 3,
285– 312.
FICHA DE REGISTRO DOCUMENTAL

Código: [OCJB 2005] Fuente No.: [OCJB 2005] Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 10 p.

Título: Sistemas de Enseñanza / Aprendizaje basados en Agentes Inteligentes

Pedagógicos

Autor: Demetrio Arturo Ovalle Carranza, Jovani Alberto Jiménez Builes

Ubicación: Revista Avances en Sistemas e Informática, Vol. 2 No. 2 pp. 17-26,

Medellín, Diciembre 2005, ISSN 1657–7663

Abstract: En este artículo se hace una descripción de los Sistemas Multi-Agente

para luego presentar el Ambiente Multi-Agente de Enseñanza/Aprendizaje
ALLEGRO. ALLEGRO es un ambiente inteligente que integra las bondades de
diferentes campos de investigación de la inteligencia artificial como la planificación
instruccional (IP), razonamiento basado en casos (CBR), sistemas multi-agente
(MAS), sistemas tutoriales inteligentes (ITS) y CSCL.

Tabla de Contenido: Sistemas Multi-Agente, Allegro: Ambiente Multi-Agente De

Enseñanza/ Aprendizaje, Conclusiones

Palabras Clave: Inteligencia Artificial Distribuida, Sistemas Multi-Agente, Agentes

Pedagógicos, Sistemas Tutoriales Inteligentes, Planificación Instruccional,
Razonamiento Basado en Casos.

Resumen: Los primeros sistemas de enseñanza aprendizaje computarizado eran

algorítmicos, rígidos, difíciles de modificar, de costosa producción y mantenimiento;
y disponían de un plan instruccional condicional prefijado por un profesor.

La inteligencia artificial ha permitido un cambio radical de paradigma. El propósito

de integrarla con educación radica fundamentalmente en aplicar sus técnicas al
desarrollo de sistemas de enseñanza-aprendizaje asistidos por computador, con el
objetivo de construir sistemas con capacidad de adaptación continua de la
instrucción a las características del aprendizaje y del conocimiento de los
diferentes usuarios

Algunas de las técnicas y mecanismo son por ejemplo la Planificación Instruccional

(IP), el Razonamiento Basado en Casos (CBR), los Sistemas Tutoriales
Inteligentes (ITS) y los Sistemas Multi-Agente (MAS), entre otros. Así mismo,
permite que los ambientes computarizado de enseñanza - aprendizaje confluyan
diversos modelos pedagógicos, como lo son: el constructivismo, conductismo,
cognitivismo, histórico-social y teorías de aprendizaje colaborativo entre otros.

Sistemas Multi-Agente: Los Sistemas de Multi-Agente (Multi-Agent Systems,

MAS) provienen de las áreas de investigación de la Inteligencia Artificial Distribuida
(Distributed Artificial Intelligence, DAI), la Solución de Problemas Distribuidos
(Distributed Problems Solving, DPS) y la Inteligencia Artificial Paralela (Parallel
Artificial Intelligence, PAI). Un MAS es una sociedad organizada compuesta por
agentes semiautónomos que interactúan entre sí, ya sea para colaborar en la
solución de un conjunto de problemas o en la consecución de una serie de
objetivos individuales o colectivos. Estos agentes informáticos pueden ser
homogéneos o heterogéneos y pueden tener metas comunes o no, pero siempre
involucrarán algún grado de comunicación entre ellos.

Cada uno de los agentes de software del MAS son programas que actúan en
representación de sus usuarios humanos o dueños para realizar tareas
complicadas de manejo de información, se comunican por medio del protocolo de
paso de mensajes y realizando sus acciones concurrentemente. Poseen
propiedades como: autonomía, habilidad social, reactividad, proactividad movilidad,
continuidad temporal, adaptabilidad y aprendizaje. Habitan en ciertos ambientes
dinámicos y complejos, sensando y actuando de manera autónoma para adaptarse
al ambiente; mediante lo anterior, realiza una serie de tareas o metas para las
cuales fueron diseñados

Los principios de los MAS han mostrado un potencial adecuado en el desarrollo de

sistemas de enseñanza debido:

• La naturaleza de los problemas de enseñanza aprendizaje son más fácilmente

resueltos a través de un abordaje cooperativo

• Los sistemas deben ser capaces de adaptarse a los cambios en la estructura del

• Los agentes de software pueden representar conocimiento pedagógico y/o

desempeñar tareas de tutoría para soportar y facilitar el aprendizaje humano.

Los agentes pedagógicos pueden adaptar sus interacciones instruccionales a las

necesidades de los aprendices y al estado actual del ambiente de aprendizaje,
ayudando a los aprendices en la superación de sus dificultades y en el
aprovechamiento de las oportunidades de aprendizaje. Poseen un conjunto de
metas de enseñanza, planes instruccionales para la ejecución de esas metas (pez
estrategias pedagógicas o de enseñanza), y recursos asociados en los ambientes
de aprendizaje. Ellos colaboran con los aprendices y con otros agentes,
proporcionando realimentación continua durante las Sesiones de trabajo
Allegro: Ambiente Multi-Agente De Enseñanza/Aprendizaje: Ambiente Multi-
Agente de Enseñanza Aprendizaje ALLEGRO es un ambiente inteligente
conformado por un Sistema Tutorial Inteligente (ITS) el cual permite brindar
aprendizaje en forma individualizada y un Ambiente Colaborativo de Aprendizaje
(CSCL) que ofrece aprendizaje en modo colaborativo. El ambiente fue modelado a
través del enfoque de un MAS, debido a que ofrece las siguientes cualidades:
Autonomía, flexibilidad y adaptabilidad.

1 Metodología de Desarrollo Para modelar el MAS se utilizó la metodología

MASCommonKADS propuesta por Iglesias (1998) la cual permite la integración de
técnicas de la ingeniería de conocimientos, ingeniería de software orientada a
objetos e ingeniería de software de protocolos.

La metodología se desarrolla a través de la construcción de siete modelos:

Modelo de Agente: Describe las características de cada agente.

Modelo de Tarea Describe las tareas realizadas por los agentes.

Modelo de la Experiencia Describe el conocimiento que necesitan los agentes

para llevar a cabo los objetivos encomendados.

Modelo de Coordinación Describe las relaciones dinámicas entre los agentes

software.

Modelo de Comunicación: Describe las relaciones dinámicas entre los agentes

humanos y los agentes software.

Modelo de la Organización: Describe las relaciones estructurales entre los

agentes.

Modelo de Diseño: Refina los modelos anteriores y decide qué arquitectura de

agente es más adecuada para cada agente, así como los requisitos de la
infraestructura de la red de agentes.

La aplicación de la metodología consiste en el desarrollo de los modelos. Cada

modelo está compuesto por constituyentes (entidades modeladas) y relaciones
entre los constituyentes. Se define una plantilla textual para describir cada
constituyente, y estados de los constituyentes para describir su estado de
desarrollo. El modelo de proceso software seguido combina un modelo dirigido por
riesgos con un enfoque basado en componentes, determinando qué componentes
pueden ser candidatos para su reutilización en cada ciclo.

2 Arquitectura del MAS: La arquitectura multi-agente de ALLEGRO está

conformado por dos tipos de agentes (Humanos y de software). A continuación se
presenta un resumen de las funciones que cumple cada uno de los agente del
ambiente

2.1 Agentes Humanos: Estos agentes pueden comunicarse entre sí para buscar
una meta común mediante la división de tareas o para lograr un objetivo
compartiendo las mismas. Se clasifican en tres grupos:

Aprendiz. Persona que desea aprender un dominio específico. Recibe las

instrucciones que brindan el docente y el asistente de docencia para trabajar en
grupo.

Asistente de Docencia. Es el encargado de gestionar una sesión de aprendizaje,

se encarga de elaborar y dar a conocer la agenda de trabajo; sugiere bibliografía o
recursos pedagógicos relacionados con la BUL de estudio.

Docente. Es el profesor humano, tiene como función acompañar a los aprendices

en su proceso formativo, supervisando el aprendizaje, inspeccionando los logros y
dificultades, con su actitud positiva brinda recomendaciones individuales y en
grupo, registra los resultados de las evaluaciones.

2.2 Agentes de Software: Son agentes informáticos encargados de realizar

labores para su dueño dentro de la arquitectura, en este caso tareas de tipo
pedagógico las cuales son su componente cognitivo, así como mostrar un
comportamiento determinado. Se presentan seis tipos:

Tutor. Es el encargado de guiar el proceso de aprendizaje, decide las acciones

pedagógicas a realizar, cómo y cuándo. Sus funciones son: Planificar y re-
planificar constantemente el plan de tutoría, Solicita al Agente Experto brindar un
determinado conocimiento al aprendiz, Selecciona la estrategia pedagógica
adecuada, Solicita al Agente Diagnóstico una evaluación para al aprendiz, Detecta
errores en el proceso del aprendiz.

Modelo del Aprendiz. Es el encargado de gerenciar el modelo de aprendizaje del

aprendiz. Este modelo contempla: el estilo de aprendizaje, comprensión de los
temas, limitaciones y nivel de conocimientos del aprendiz

Interfaz. Es el puente entre los agentes humanos y los agentes de software. Sus
funciones son:

 Establecer y mantener la interacción con el aprendiz.

 Permite desplegar los conocimientos y la colaboración en la pantalla del
aprendiz.
Experto. Es quien administra el conocimiento y contenidos del área o tema
específico de enseñanza.

Diagnóstico. Es el encargado de seleccionar y calificar el nivel de conocimientos

del aprendiz.

Colaborativo: Por solicitud del Agente Tutor, se encarga de buscar a otros

aprendices que están tratando el mismo tema y con los cuales se puede establecer
comunicación sincrónica o asincrónica para ofrecerle colaboración al aprendiz.

2.3 Elementos Complementarios

Base de Datos.

- Evaluaciones. Contiene un banco de evaluaciones clasificadas de

acuerdo a los IOs de la

BULs y en varios niveles de complejidad.

- Conocimientos. Contiene el dominio que se desea enseñar el cual se

encuentra estructurado en BULs.

- Estrategias. Conteniente material de apoyo especialmente en caso de

error.

- Perfiles. Contiene la información individualizada de cada uno de los

aprendices,

- Memoria de Casos. Almacena el conjunto de casos exitosos de cuando

los aprendices han encontrado un problema y los han solucionado.

- Memoria Global. Contiene un banco de problemas propuestos, la agenda

de trabajo y los aportes que brinda el grupo de aprendices para solucionar
los problemas.

Servicios de Comunicación

- Servicios de Comunicación Sincrónica. Permite interactuar

directamente con los demás usuarios en tiempo real, utilizando: El chat, las
pizarras compartidas, los editores multiusuarios, la conferencia, la
videoconferencia y la transferencia de archivos.

- Servicios de Comunicación Asincrónica. Permiten que el aprendiz se

comunique en forma no directa con los demás usuarios sin que el tiempo
sea factor relevante, utilizando: El correo electrónico, los grupos de interés,
el envío y recepción de archivos.
El Ambiente Multi-Agente de Enseñanza/Aprendizaje ALLEGRO puede funcionar
bajo dos tipos de contextos de aprendizaje: El individualizado (ITS) y el
colaborativo (CSCL). Los usuarios cuando lo deseen pueden pasar de un
escenario de aprendizaje a otro. A continuación se expone lo que pueden hacer
cada uno de los usuarios en cada uno de los ambientes.

3 Ambiente Individualizado de Aprendizaje

En el Ambiente de Aprendizaje Individualizado, el aprendiz tiene la posibilidad de

realizar las siguientes operaciones permitidas: Realizar una sesión de aprendizaje
para las Unidades Básicas de Aprendizaje; Visualizar los Objetivos Instruccionales;
Evaluar sus conocimientos a través del módulo de evaluación; Visualizar la
valoración y las recomendaciones pertinentes que le brinda el sistema después de
finalizar la evaluación; Consultar el resultado de las evaluaciones; Consultar la
bibliografía y recursos con el fin de ampliar más sus conocimientos.

Por su parte el docente en el Ambiente de Aprendizaje Individualizado tiene la

posibilidad de realizar las siguientes operaciones: Adición de contenidos;
Adicionar, modificar o borrar preguntas del banco de problemas; Adicionar,
modificar o borrar observaciones; Matricular o dar de baja a los aprendices;
Consultar el resultado de las evaluaciones de un aprendiz o de todos; Hacer un
seguimiento del progreso de los aprendices.

4 Ambiente Colaborativo de Aprendizaje: El Aprendiz hace uso del Ambiente de

Aprendizaje Colaborativo (CSCL) cuando no tiene los suficientes conocimientos
para resolver un problema propuesto, en este caso tiene la posibilidad de trabajar
en forma sincrónica y/o asincrónica con los demás usuarios, El aprendiz puede:
Conversar con los otros Usuarios en forma textual; Conversar con los otros
usuarios usando audio y video; Enviar y recibir archivos en línea; Compartir
pizarras en línea con miras a resolver el problema; Editar un documento en forma
concurrente con los demás usuarios; Enviar y recibir correo electrónico y archivos;
Solicitar al docente el examen de la unidad por correo electrónico; Puede utilizar la
Memoria Global (Tablero) para: Visualizar la agenda de trabajo y los problemas
propuestos para cada unidad, publicar un artículo nuevo en el Tablero; Buscar los
artículos en el Tablero mediante una palabra o patrón; Visualizar el documento
final de cierre donde aparecen las soluciones a los problemas.

En el Ambiente de Aprendizaje Colaborativo, el asistente de docencia tiene la

posibilidad de: Fijar la agenda de una determinada sesión brindando las
instrucciones necesarias. Elaborar y dar a conocer los problemas propuestos
publicándolos en el Tablero. Sugerir bibliografía y recursos a los aprendices.
Visualizar los aportes publicados en el Tablero. • Depurar, redactar y publicar el
documento final de cierre donde aparecen las soluciones a los problemas,

En el Ambiente de Aprendizaje Colaborativo, el docente tiene la posibilidad de

realizar las siguientes operaciones: Supervisar los aportes publicados en la
Memoria Global (Tablero) e intervenir en la sesión cuando se ha salido de su curso
normal. Se comunica con los aprendices por medio de los servicios de la
comunicación sincrónica y/o asincrónica. Envía a los aprendices una evaluación a
través del correo electrónico cuando éstos lo soliciten.

5 Mecanismo de IP usando CBR

El funcionamiento del modelo de IP usando CBR inicia cuando un aprendiz no

logró satisfactoriamente ganar la evaluación de la Unidad Básica de Aprendizaje.
El modelo de IP usando CBR es invisible externamente para el usuario, es decir,
no lo puede apreciar tangiblemente; sin embargo, puede beneficiarse de sus
bondades. La planificación es llevada a cabo por los agentes Tutor y Modelo del
Aprendiz. Como se anuncio en el marco teórico, los agentes de software no tienen
forma física; son entidades computacionales que actúan teniendo en cuenta los
intereses o beneficios de su dueño, en este caso, los dueños son los aprendices.

Cuando inicia el proceso, el agente Tutor envía la solicitud al agente Modelo del
Aprendiz con los datos del alumno, BUL y Objetivos Instruccionales (Instructional
Objetives, IOs). El agente Modelo del Aprendiz busca (Recupera) en la Memoria de
Casos, aquel que contenga las mismas características. Luego de seleccionado el
caso, el agente modelo del Aprendiz lo envía al agente Tutor con el propósito de
que lo adapte a manera de solución propuesta. En la pantalla del usuario aparece
una serie de recursos a utilizar. Después de que el aprendiz voluntariamente haga
el recorrido por los recursos sugeridos y de haber presentado la evaluación, el
caso se revisa para observar sus resultados, es decir, para determinar la viabilidad
de si se continúa guardando el caso o no. Este proceso lo realiza internamente los
agentes Tutor y Modelo del Aprendiz. El almacenamiento en la Memoria de Casos
es realizado por el agente Modelo del Aprendiz y después de realizada la
evaluación del respectivo caso.

REFERENCIAS

Ferber, J. (1999), Multi-Agent Systems: An Introduction to Distributed Artificial

Intelligence, AddisonWesley Longman, England.
Giraffa, L. y Viccari, R. (1998), The use of agents techniques on intelligent tutoring
systems, in ‗International Conference of The Chilean Society of Computer Science,
Proceedings IEEE Computer Society‘.

Gomes, E., Boff, E. y Viccari, R. (2004), Social, affective, and pedagogical agents
for the recommendation of tutorial colleagues in agent based learning
environments, in ‗Proceeding of Workshop Social and Emotional Intelligence in
Learning Environments of 7th International Conference on ITS2004‘.

Iglesias, C. (1998), Definición de una metodología para el desarrollo de Sistemas

Multi-Agente, PhD thesis, Universidad Politécnica de Madrid.

Jiménez, J. (2005), Un Modelo de Planificación Instruccional usando

Razonamiento Basado en Casos en Sistemas Multi-Agente para entornos
integrados de Sistemas Tutoriales Inteligentes y Ambientes Colaborativos de
Aprendizaje, PhD thesis, Universidad Nacional de Colombia.

Jiménez, J., Ovalle, D. y Viccari, R. (2005), Sistema multiagente para entornos

integrados de its & cscl, in ‗Proceedings of 4a Conferencia Iberoamericana en
Sistemas, Cibernética e Informática -CISCI 2005‘, Internacional Institute of
Informatics and Systemics, USA.

Lemaître, C. (1998), ‗Multi-agent network for cooperative work‘, Expert System with
Applications: An international Journal Elsevier Science .

Oliveira, F. y Viccari, R. (1996), Are learning systems distributed or social systems,

in ‗European Conference on AI in Education‘.

Russell, S. y Norving, P. (2003), Intelligent Agents, Prentice Hall Series in Artificial

Intelligence, chapter Artificial Intelligence: A Modern Approach.

Viccari, R., Ovalle, D., Collazos, C., Azambuja, R. Y Jiménez, J. (2005),

ALLEGRO: Sistema multi-agente pedagógico, in ‗Proceedings of
TECNOCOM2005‘.

Viccari, R., Ovalle, D. y Jiménez, J. (2005), ALLEGRO: Ambiente multi-agente de

apoyo a la enseñanza/ aprendizaje utilizando planificación instruccional y
razonamiento basado en casos (cbr), in ‗Proceedings of XIII Congreso
Iberoamericano de Educación Superior en Computación. 31th Latin-American
Conference on Informatics -CLEI‘.
Wenger, E. (1987), Artificial intelligence and tutoring systems, Technical report,
Los Altos, CA: Morgan Kaufmann. Wooldridge, M. (2002), An Introduction to Multi-
Agent Systems, John Wiley & Sons, Ltd.

FICHA DE REGISTRO DOCUMENTAL

Código: [PDOC 2006] Fuente No.: [PDOC 2006] Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 5 p.

Título: Evaluación de Métricas de Calidad Aaplicadas a Protocolos Multi-Agente de

Negociación Eelectrónica

Autor: María Marcela Pastrana David y Demetrio Ovalle Carranza

Ubicación: Revista Avances en Sistemas e Informática, Vol. 3 No. 2 pp. 69-73,

Medellín, Junio 2006, ISSN 1657–7663

Abstract: En la teoría de los Sistemas Multi-Agente, enfoque proveniente de la

Inteligencia Artificial Distribuida, se manejan mecanismos llamados protocolos de
negociación electrónica; éstos representan los patrones o conjunto de reglas que
modelan las posibles interacciones presentes en el sistema. El objetivo del trabajo
presentado en este artículo consiste en la evaluación de algunas métricas de
calidad elaboradas con el fin de comparar protocolos de negociación electrónica en
entornos Multi-Agente. Las métricas escogidas están asociadas a los criterios de
calidad: Rapidez, Eficiencia, Escalabilidad y Completitud. Para la evaluación de las
métricas se implementaron dos prototipos de negociación electrónica utilizando la
plataforma JADE (Java Agents Development Environment) y se obtuvieron
resultados preliminares de su comportamiento los cuales fueron analizados y se
sacaron las conclusiones respectivas.

Tabla de Contenido: Introducción, Sistemas multi-agente e inteligencia artificial

distribuida, Protocolos de negociación electrónica, Métricas de calidad en
protocolos de negociación electrónica, Análisis, diseño e implementación del
prototipo, Evaluación de métricas de calidad, Conclusiones y trabajo futuro

Palabras Clave: Sistemas Multi-Agente, Agentes Pedagógicos, Sistemas

Tutoriales Inteligentes, Inteligencia Artificial

Resumen: Los protocolos de negociación electrónica son mecanismos manejados

en la teoría de los Sistemas Multi-Agente. Éstos representan los patrones o
conjunto de reglas que modelan las posibles interacciones presentes en el sistema.
Lo anterior incluye: Tipos de participantes permitidos, estados de la negociación,
eventos que ocasionan la transición de los estados y las acciones válidas de los
participantes en los estados particulares

Sistemas multi-agente e inteligencia artificial distribuida. Se considera la

inteligencia artificial distribuida (IAD) como un sub-campo de la inteligencia artificial
que se centra en los comportamientos colectivos que son producto de la
cooperación de diversas entidades denominadas agentes. No existe un acuerdo
sobre la definición del término agente, de manera informal se puede decir que un
agente de software es un sistema informático situado en un entorno y capaz de
realizar acciones autónomas para alcanzar sus objetivos.

Los agentes adquieren una nueva dimensión cuando se les agrupa, formando
sistemas completos los cuales reciben el nombre de Sistemas Multi-Agente (SMA).

Para llevar a cabo los procesos de comunicación y cooperación entre los agentes
que integran un SMA se tienen mecanismos llamados Protocolos de Interacción,
algunos de los cuales por su semejanza con procesos de negociación similares a
los realizados por las personas son denominados "Protocolos de Negociación
Multi-Agente", pues su objetivo es simular entre agentes de software procesos de
adquisición de productos tal y como se realizaría en un mecanismo de negociación
real entre un grupo de personas

3. Protocolos de negociación electrónica En la teoría de los sistemas Multi-

Agentes se manejan

mecanismos llamados protocolos de negociación, estos representan los patrones o

conjunto de reglas que modelan las posibles interacciones presentes en el sistema
y que involucren la cooperación de un agente con varios de los agentes de su
entorno; Un protocolo de negociación incluye: Tipos de participantes permitidos,
estados de la negociación, eventos que ocasionan la transición de los estados y
las acciones válidas de los participantes en los estados particulares

Dos de los protocolos de negociación más conocidos y que han sido definidos por
la Fundación de Agentes Físicos Inteligentes FIPA (Foundation for Intelligent
Physical Agents)

Fipa English-Auction (Subasta Inglesa): Implementa el mecanismo de subasta

inglesa. Es un método de subasta a la alza. En una subasta inglesa los oferentes
(eventuales compradores) anuncian cuánto están dispuestos a pagar por un bien
objeto de la negociación, enviando cada vez una oferta de precio más atractiva,
hasta llegar a un precio máximo que se tiene establecido desde el comienzo y que
sólo él agente conoce.

Fipa Dutch-Auction (Subasta Holandesa): Implementa el mecanismo de subasta

holandesa. Es un método de subasta a la baja. En una subasta holandesa el
subastador (el que origina la subasta), inicia con un precio de apertura alto y con
un precio mínimo para el producto pero que es conocido sólo por el, seguidamente
se va disminuyendo progresivamente hasta que un comprador lo acepta, en ese
mismo momento se termina la negociación.

4 Métricas de calidad en protocolos de negociación electrónica

Se analizaron distintos criterios de calidad que pudieran permitir la comparación de

los 2 protocolos de negociación mencionados De ellos se lograron destacar 4
criterios para la definición de la métrica de calidad, los criterios escogidos son:

4.1 Rapidez Se define la rapidez, con respecto a un proceso de negociación, como

el tiempo que tarda cierto protocolo en alcanzar el fin de la negociación.

4.2 Eficiencia En este articulo, se define la eficiencia de un protocolo de

negociación Multi-Agente, como el número comprendido entre [0,1], el cual indica
el valor de la eficiencia de las utilidades obtenidas por los agentes durante el
proceso de negociación, donde 0 es el menor valor de utilidad o ganancia y 1 el
máximo valor.

4.3 Completitud La completitud de un protocolo, denotada por la sigla Co, es la

capacidad de encontrar una solución a la negociación, es decir, si se llegó a una
negociación entre compradores y vendedores. Para la verificación de la
completitud de un protocolo, entonces se debe verificar si se obtuvo el bien que se
deseaba en la negociación o se vendió la mercancía esperada luego de finalizada
la transacción.

4.4 Escalabilidad Determina cómo cambian las propiedades del sistema cuando
su tamaño en cuanto a número de agentes se incrementa. La medición de este
criterio se hace en cada uno de los protocolos, incrementando el número de
agentes dentro del sistema. Y tomando en cuenta en cada caso, la completitud, la
rapidez y la efectividad, si estos valores se degradan desproporcionadamente a
medida que el tamaño del sistema aumenta, entonces, se puede decir que se tiene
una escalabilidad deficiente en el protocolo.

5 Análisis, diseño e implementación del prototipo Se desarrollaron dos

prototipos de SMA. Uno simulando un proceso de Subasta Inglesa y otro
simulando un proceso de Subasta Holandesa. La plataforma sobre la cual fueron
desarrollados los prototipos es JADE ya que implementa de forma muy completa la
comunicación de los agentes permitiendo más agilidad a la hora del desarrollo de
un prototipo de SMA.

5.1 Identificación y descripción de Actores

Vendedor: Es un agente que tiene un producto para la venta y hace un llamado

para iniciar un proceso de subasta con el fin de negociar el producto y obtener las
mayores ganancias posibles de la venta.

Comprador Es un agente que se encuentra interesado en la adquisición de un

producto y el cual posee recursos para la obtención de dicho producto en un
proceso de subasta, siempre y cuando se llegue a un acuerdo en la negociación
que no supere su precio tope máximo para la compra del bien objeto de
negociación.

Pizarra Es el intermediario que contiene todos los agentes involucrados en el

proceso de negociación y el cual permite que se pongan en contacto el vendedor y
los distintos compradores

que estén participando en la subasta.

5.2 Identificación y descripción de Casos de Uso Existen 3 casos de uso que

conforman el proceso de subasta de un producto dentro del problema que se
modeló en los prototipos implementados

5.3 Implementación del Prototipo El prototipo implementado en este proyecto fue

desarrollado con la plataforma JADE (Java Agent Development Framework), la
cual es un middleware que proporciona tanto un entorno de desarrollo como un
entorno de ejecución para la realización y mantenimiento de SMA. Está realizado
enteramente en JAVA y proporciona una serie de herramientas que permiten al
desarrollador controlar y depurar a los agentes en tiempo

real. Además, JADE cumple con las especificaciones de FIPA para la

interoperabilidad de plataformas de SMA, y lo cumple a dos niveles: a nivel de
arquitectura y a nivel de Mensajes

# Tipo Eficiencia Eficiencia

Rapidez
Agentes protocolo comp. ven.

3 Inglesa 0,995 0,32 0.754

4 Inglesa 0,991 0 1

5 Inglesa 0,905 0,066 0,945

6 Inglesa 0,901 0,011 0,99

3 Holandesa 0,803 0,218 0,949

4 Holandesa 0,787 0,053 0,95

5 Holandesa 0,835 0,09 0,985

6 Holandesa 0,803 0,613 0,8185

Resultados arrojados de la medición de los parámetros Rapidez y

Eficiencia dado un incremento en los agentes del SMA

A partir de los resultados obtenidos se sacan los consolidados tomando como base
la corrida del SMA con menos número de agentes, en este caso 3 agentes y sobre
éste se mide la máxima disminución de las métricas de rapidez y eficiencia (del
comprador y del vendedor), que servirán para determinar el valor numérico de la
escalabilidad de los 2 protocolos estudiados.

7 Conclusiones y trabajo futuro

El proceso de evaluación de la Rapidez sobre los prototipos implementados arrojó

evidencias que el protocolo de Subasta Inglesa y Holandesa tiene un alto grado de
Rapidez, siendo la inglesa un poco más veloz que la Holandesa.

La subasta holandesa es, en general, más beneficiosa para los vendedores que la
inglesa porque registra las mayores utilidades para ellos.
La subasta inglesa es, en general, más beneficiosa para los compradores que para
los vendedores debido a que el protocolo inicia con un precio bajo y se va
subiendo lentamente de acuerdo a las ofertas de los compradores, lo que les
permite "controlar" el proceso de negociación para obtener mejores utilidades.

Si se comparan las subastas inglesa y holandesa se puede concluir que la

escalabilidad de la inglesa es mejor que la holandesa debido a que al aumentar el
número de agentes y a medida que se va incrementando el precio hay menos
permanencia de agentes y por lo tanto menos intercambio de mensajes, lo que
implica mayor rapidez en el proceso. La holandesa se degrada mucho ya que
todos los agentes permanecen activos en la negociación hasta que se finaliza el
proceso, lo cual no ocurre en la inglesa, en donde los agentes se van retirando al
no poder ofertar un precio superior al tope establecido para ellos.

Como trabajo futuro se tiene programado implementar otros prototipos de

negociación electrónica validando las métricas para diferentes configuraciones de
SMA, es decir variando el número de agentes. También se tiene previsto definir
más formalmente un método que permita la comparación de protocolos de
negociación electrónica en entornos multi-agente.

REFERENCIAS

Beer, M., D‘Inverno, M., Luck, M., Jennings, N., Preist, C. y Schroeder, M. (1999),
Negotiation in multi-agents systems.

Ben-Ameur, H., Chaib-Draa, B. y Kropf, P. (2002), ‗Multiitem auctions for automatic

negotiation. cirano‘, Scientific Series 68.

FIPA (2005), ‗Foundation intelligent physical agents‘, En lineal: <www.fipa.org>

C12/05.

Jaiswal, A., Kim, Y. y Gini, M. (2004), ‗Design and implementation of a secure

multi-agent marketplace‘, Electronic Commerce Research and Applications 3, 355–
368.

Odell, J., Van Dyke, P. y Bauer, B. (2001), Agent-Oriented Software Engineering,

Springer, Berlin, chapter Representing Agent Interaction Protocols in UML, pp.
121–151.

Quintero, A., Rueda, S. y Ucrós, M. (1998), Agentes y sistemas multiagente:

Integración de conceptos básicos. Universidad de los Andes, Santa fé de Bogotá.
Reaidya, J., Massottea, P. y Diep, D. (2003), ‗Comparison of negotiation protocols
in dynamic agent-based manufacturing systems‘, International journal of production
economics .

Zhang, W., Wang, G., Mailler, R. y Lesser, V. (2003), Distributed Sensor Networks:
A multiagent perspective, Kluwer Academic Publishers, chapter Analysis of
Negotiation Protocolsby Distributed Search, pp. 339–361.

FICHA DE REGISTRO DOCUMENTAL

Código: [POVI 2005] Fuente [POVI 2005] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 11 p.

Título: Complexity-driven Evolution of Decision Graphs for Classification of Medical

Data

Autor: Vili Podgorelec

Ubicación: Slovene Society Informatika, Vol. 29, Num. 1, pp. 41-51, 2005.

Descripción: Este articulo habla de la posibilidad de construir graficas de decisión

con la ayuda de meta agentes. Las graficas de decisión son una extensión de los
arboles de decisión e introduce la posibilidad de programas nodos y ciclos en el
modelo de clasificación

Tabla de Contenido: Introducción, Investigaciones relacionadas, Agentes

inteligentes, Construcción de graficas de decisión, Evolución de agentes,
Aplicación del método y resultados

Palabras Clave: Data Minning, Meta Agentes, Programación Automática, datos

médicos
I. Introducción

Tomar la mejor decisión se ha convertido en la clave para alcanzar el éxito en

todas las áreas de trabajo. Una correcta decisión es la combinación de varios
factores como la experiencia en casos similares, investigaciones recientes y el
juicio personal. En medicina la toma de decisiones juega un papel muy importante,
los sistemas de soporte a las decisiones ayuda a los médicos a tomar las mejores
y para esto existe modelos de decisión, arboles de decisión o la posibilidad de
utilizar agentes con el conocimiento para realizar la mejor decisión.

II.Investigaciones relacionadas

En el mundo de hoy existe una gran presión para automatizar todos los procesos
administrativos comunes, con el fin de reducir costos, minimizar el tiempo y
incrementar la productividad, los agentes inteligentes nos pueden ayudar a
alcanzar estos propósitos, ya que tienen la capacidad de actuar autónomamente
con el uso de su conocimiento, aprender de su experiencia y colaborar con otros
agentes a alcanzar esta meta en común.

Los sistemas de agentes y multiagentes han sido utilizados en muchas áreas

como las telecomunicaciones, internet, cuidado médico, tutorías de sistemas,
sistemas administrativos, ecología etc. también ha sido muy utilizado en Medicina y
hablaremos un poco de estos proyectos

La universidad de Pavia ilustra una metodología para el uso de agentes en

aplicaciones médicas y propone un modelo genérico para su implementación, este
modelo se puede especializar en el soporte de varios tipos de información en un
sistema de información de un hospital.

Se reporta también un trabajo de L.M. Camarinha-Matos y W. Vieira en el que

proponen un sistema económico para monitorear personas de la tercera edad que
se encuentran solos en casa, permitiendo a los centros médicos un monitoreo
remoto, para ser cuidados y ayudarlos, este sistema se basa en internet y en
agentes móviles.

Se informa de un trabajo realizado por M. Gnoth and I. Münich en el que se

describe un proyecto llamado Charitime que se encarga de organizar de manera
distribuida las citas de diagnostico y terapia basado en un sistema multiagente

Por último Boucher et.al.presenta un modelo basado en sistema multiagente para

el análisis de células vivas. El sistema se utiliza particularmente para el estudio de
la migración celular, por ejemplo la migración de células tumorales en respuesta al
tratamiento con drogas antineoplasticas
III Aprendizaje y agentes inteligentes

La programación genética y sus variantes han sido aplicada al aprendizaje de

sistemas multiagente, se ha usado la programación genética para demostrar que
con unas simples reglas se puede construir un comportamiento colectivo

Un grupo de agentes fueron programados con programación genética sobre

estrategias de cooperación y fueron experimentados en el dominio de los
depredadores-presa y se encontró que los agentes si generaron estrategias de
cooperación

IV. Construcción de graficas de decisión

Las graficas de decisión son una extensión de las representación de los arboles de
decisión. Las graficas de decisión contienen atributos y nodos de decisión donde
los nodos de los atributos contienen ciertas pruebas de los valores de los atributos
y junto a los nodos de decisión sirven para predecir la solución.

Un nodo en una grafica de decisión contiene una clase de reglas transitorias que
informa la ruta a seguir en el proceso de toma de decisiones, basado en los
valores internos de los atributos y el estado de las variables. Desde que se decidió
la construcción de gráficos de decisión con la ayuda de agentes, las reglas no se
realizaron complejas con el fin de mantener la simplicidad de cada uno de los
agentes participantes

Figura. Simple grafica de decisión. Cada nodo contiene una regla transitoria, que
sirve para probar y/o como una clase de predicción, Todas las rutas hacia un nodo
están numeradas, los números determinan el siguiente nodo dentro de la regla de
transición.

Agentes participantes: se utilizan siete tipos diferentes de agentes para la toma de

decisiones, se llamaron así: ADD, DELETE, MUTATE, JOIN, DISJOIN, PROTECT,
y UNPROTECT, cada agente tiene su propia función y trabaja independiente de
los otros agentes de acuerdo a su procedimiento.

Las funciones de los agentes son

1. cada ADD adiciona un nodo o un camino

2. Cada Delate borra un camino o un nodo
3. Cada MUTATE cambias las reglas transitorias
4. Cada JOIN fusiona dos nodos seleccionados , ajusta las reglas transitorias y
reenumera las conexiones
5. Cada DISJOIN separa un nodo compuesto en dos nodos conectados
6. Cada PROTECT protege un nodo un camino contra el borrado, la mutación,
las fusiones o las acciones de separación
7. Cada UNPROTECT desprotege cada camino o cada nodo
Bibliografía

[And91] Anderson HR et al, Clinicians Illustrated Dictionary of Cardiology, Science

Press, London, 1991.

[And00] Andonyadis CG, A Hybrid Architecture for Web-Based Personal

Healthcare Support Agents, PHD thesis, George Washington University, 2000.

[Bha96] Bharat K, Cardelli L, Migratory Applications, Mobile Object Systems

Toward the Programmable Internet: Second International Workshop, pp. 131- 148,
Springer, 1997.

[Bou98] Boucher A, Doisy A, Ronot X, Garbay C, A society of goal-oriented agents

for the analysis of living cells, Artificial Intelligence in Medicine, 4(1- 2), pp. 183-
199, 1998.

[Bre84] Breiman L, Friedman JH, Olsen RA, Stone CJ, Classification and
regression trees, Wadsworth, USA, 1984.

[Bul94] Buldyrev SV et al., Fractals in Biology and Medicine: From DNA to the
Heartbeat, Fractals in Science (Bundle A, Havlin S, eds.), Springer Verlag, 1994.

[Cam99] Camarinha-Matos LM, Vieira W, Intelligent mobile agents in elderly care,

Robotics and Autonomous Systems, 27(1-2), pp. 59-75, 1999.

[Chu95] Chu-Caroll J, Carberry S, Communicating for Conflict Resolution in Multi-

agent Collaborative Planning, in Proc. of the International Conference on Multi-
Agent Systems ICMAS‘95, 1995.
FICHA DE REGISTRO DOCUMENTAL

Código:[RAEA 2006] Fuente:[RAEA 2006] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 6 paginas pdf.

Título: A Multi Agent Approach for the Representation and Execution of Medical
Protocols

Autor: Armando Robles, Pablo Noriega, Michael Luck, Francisco Cantu y

Francisco Rodriguez.

Ubicación: 4th Workshop on Agents Applied in Health Care. ECAI 2006, p.11-16
(2006), http://www.iiia.csic.es/en/publications/multi-agent-approach-representation-
and-execution-medical-protocols 29 de marzo 2009

Descripción: En este articulo se muestra como es el protocolo de cuidado de los

pacientes fuera de los hospitales, el manejo corriente, se ha agentificado y es
controlado por un middleware de los hospitales que es la versión preliminar del
motor propuesto como parte de la infraestructura, El middleware de la organización
lee los scripts del workflow, interpreta y delega tareas a servidores de agentes
especializados que manejan el acceso a registros médicos y a las reglas del
negocio

Tabla de Contenido: Introducción, Soporte, Organizaciones e instituciones

electrónicas, Sistema de cuidado de pacientes externos, Protocolo de cuidado
médico de pacientes externos, Ambiente integrado para la ejecución de protocolos
médicos, Capa de motor del workflow y el Middleware, Capa de los pacientes
externos, Ejecución del protocolo medico externo, Trabajos relacionados,
Conclusiones, Agradecimientos

Palabras Clave: Protocolos Medicos, Pacientes externos, Sistemas multiagente,

middleware,

I. Introducción.

En el dominio de la medicina el principal foco del negocio es la modelación de los

protocolos médicos, existen una gran cantidad de lenguajes para la modelación de
este tipo de lenguajes, basados en reglas, lógica, tareas redes de petri, son una
buena representación del estado del arte en este campo. Cada uno de estos
protocolos tiene sus ventajas, se ha tratado de capturar en este estudio la
funcionalidad del modelamiento de los protocolos médicos dentro de de un sistema
coherente de información. La clave a resolver es la representación abstracta de los
procesos de negocio en el dominio medico y su ejecución en línea en los
hospitales.

Se necesita de un intérprete que lea la representación de los protocolos médicos y

ejecute y monitoree los procesos representados, siendo parte del sistema que
opera en un ambiente distribuido.

Este sistema ya se encuentra en operación y fue desarrollado por una compañía

mediana llamada tca que tiene como objetivo seguir agentificando la información
del hospital; las contribuciones de este artículo son 1. La prueba del concepto de
una implementación basada en agentes, en operación del protocolo para el
cuidado de pacientes externos, interactuando con el sistema de información del
hospital. 2. La organización de un middleware que incluye un motor workflow y 3.
Una colección de usuarios y agentes servidores que hacen una interfaz entre el
sistema de información del hospital y el middleware de la organización.

2.el sistema de cuidado de pacientes externos

El sistema de cuidado de los pacientes externos, hace parte de los sistemas de

información de un hospital, y tiene como funcionalidades el brindar citas a los
pacientes a través de su contact center o a traves de internet, siempre y cuando
haya disponibilidad, cuando una cita es asignada los módicos tienen acceso a la
información del electrónica del paciente (emr), en la que pueden ver la historia
clínica, los diagnósticos y escriben prescripciones o realizan acciones tales como
citas en el laboratorio, ordenes de hospitalización, etc. En la función que sirve al
paciente, el sistema guía al paciente a obtener la medicación y los servicios
prescritos. Los médicos para actualizar la información de los pacientes acceden al
emr individual, donde se encuentra la información histórica, en este sistema el
médico puede registrar prescripciones, indicaciones y diagnósticos, sugiere al
medico la medicación necesaria para el paciente antes de después de la visita,
basado en estas entradas el sistema realiza un cruce entre los diagnósticos y los
procedimientos terapéuticos para asignar un código de procedimiento.

El protocolo medico de los pacientes externos

Figura 1. Parte del protocolo medico para pacientes externos

La figura 1 muestra parte del protocolo medico para pacientes externos, luego de
la selección del paciente de una lista, el médico lo entrevista, mientras tanto el
sistema actualiza todos sus datos (visitas previas, alergias, identificación del
paciente). Luego de finalizada la entrevista el médico actualiza la información en
una forma siguiendo el método soap (subjetivo, objetivo, análisis y plan). Observe
que el reporte estandarizado en la forma, adicionalmente a apoyo de los registros
del cuidado, refuerza el correcto acceso a la información del sistema. Este proceso
sigue los siguientes pasos.

1. Luego de registrar los aspectos subjetivos y objetivos de la visita, un diagnostico

preliminar es realizado y es cruzado contra una lista de códigos, el análisis de la
entrevista debe ser realizado de acuerdo con el código del diagnostico

2. Dado el diagnostico preliminar, la prescripción puede ser despachada, pero esta

se encuentra restringida por algunos factores por ejemplo la especialidad médica
un ginecólogo no puede prescribir drogas siquiátricas, o tener en cuenta las
alergias de los pacientes y su estado actual, como embarazos ulceras etc.

3. Los procedimientos médicos que se dan apropiadamente a los pacientes

4. El diagnostico preliminar sirve de guía para los requerimientos a los laboratorios,

imágenes y otros estudios obtenidos en el diagnostico final, por ejemplo cada vez
que un hueso se fractura es necesario la realización de un examen de radios x.
5. Dependiendo de los diagnósticos, el paciente es asignado a un destino llamado
actualmente en el hospital como tratamiento, cuidado ambulatorio o es
descargado.

Luego que las prescripción es realizada y el estudio es solicitado , el

correspondiente departamento es notificado, por ejemplo si un examen hemático o
biométrico es requerido, el laboratorio recibe el requerimiento de examen vía hl77

y se asigna una cita para esta persona

Cuando todos los datos y las acciones son registrados el médico puede llenar el
plan del tratamiento de manera automática presionando un botón

Finalmente el médico puede programar una nueva cita, activando el agente de

asignación de citas o finalizar la actual, con un botón, al realizar esta acción el
sistema verifica que todos los ítems estén cerrados y guarda la toda la historia del
paciente en el EMR

3. Ambiente integrado para la ejecución de los protocolos médicos

El sistema de cuidado de los pacientes externos se implemento en un framework

de multiagentes. El middleware supervisa los dominios actuales de los
componentes, como las reglas de negocio y los componentes de la base de datos
representado por agentes BAG y DAG agentes de servidores. Ellos manejan las
tareas especializadas que sirve a los requerimientos de los usuarios humanos
representados por los agentes de usuario, el middleware también lee los scripts del
workflow de un repositorio, los scripts son interpretados por el motor del workflow
que guía la actual ejecución del sistema

La capa de dominio del paciente externo, esta capa contiene los siguientes
componentes

Agentes del servidor: Estos son agentes de software, pertenecientes a la

organización, que se especializan en manejar los elementos y componentes del
sistema de información del hospital. Actualmente hay agentes de servidores para
las bases de datos, reglas de negocio, repositorios y scripts del workflow, también
existen otros agentes requeridos por otras aplicaciones o dominios de
aplicaciones, los actos de estos agentes como el front end para todas las
aplicaciones y repositorios del dominio del hospital y manejan las interacciones con
los otros agentes de otros dominios.

Agentes de usuarios: estos son software de agentes pertenecientes a la

organización, que interactúan por el front end con los usuarios humanos como los
pacientes, proveedores, el staff del hospital y eventualmente procesos externos

Aparatos de interacción: Este tipo de aparatos se usan para la interacción entre el

sistema y las personas que usan el sistema y en general entre los agentes
usuarios y los agentes de servidores que desarrollan actividades como manejo,
llamadas a la base de datos y triggers de reglas de negocio

Scripts de Workflow: interpretan las especificaciones que definen el

comportamiento de la organización

Repositorios: Incluyen los repositorios de las reglas de negocio, los scripts del
workflow y otros accesos a los agentes a la base de datos

Bibliografía

[1] Josep Arcos, Marc Esteva, Pablo Noriega, Juan Rodriguez-Aguilar, and Carles
Sierra, ‗Engineering open environments with electronic institutions‘, Engineering
Applications of Artificial Intelligence, (18), 191– 204, (2005).

[2] Richard M. Cyert and James G. March, A behavioral theory of the firm,
Prentice-Hall, Englewood Cliffs, N.J. USA, 1963.

[3] Ada Valls David Snchez Ruenes, Antonio Moreno, AgentCities.NET

Deployment Grant #1, Midterm report, Universitat Rovira i Virgili, Computer
Science and Mathematics Department. Tarragona, Spain., September 27, 2002.
http : ==www:agentcities:org:.

[4] Marc Esteva, Electronic Institutions: from specification to development, Ph.D.

dissertation, Universitat Polit`ecnica de Catalunya (UPC), Barcelona, Catalonia,
Spain, 2003. Published by the Institut d‘Investigaci´o en Intellig`encia Artificial.
Monografies de l‘IIIA Vol. 19, 2003.

[5] James G. March and Herbert A. Simon, Organizations, JohnWiley and sons,
New York, USA., 1958.

[6] Pablo Noriega, Agent Mediated Auctions: the Fishmarket Metaphor, Ph.D.
dissertation, Universitat Aut`onoma de Barcelona (UAB), Bellaterra, Catalonia,
Spain, 1997. Published by the Institut d‘Investigaci en Intelligncia Artificial.
Monografies de l‘IIIA Vol. 8, 1999.
[7] Douglass C. North, Institutions, Institutional change and economic performance,
Cambridge Universisy press, 40 west 20th Street, New York, NY 10011-4211,
USA, 1990.

[8] Lorenzo Boicocchi Silvana Quaglini Mario Stefanelli. Paolo Cicarese, Ezio Caffi,
A Guideline Management System, Dipartimento di Informática e Sistemestica,
Universit di Pavia, Italy; Consorzio di Bioingegneria e Informática Medica, Pavia
,Italy., 2004.

[9] A Robles and Pablo Noriega, ‗ A Framework for building EI–enabled Intelligent
Organizations using MAS technology‘, in Proceedings of the Third European
Conference in Multi Agent Systems (EUMAS05), eds., M.P. Gleizes, G. Kaminka,
A. Now´e, S. Ossowski, K. Tuyls, and K. Verbeeck, pp. 344–354., Brussel,
Belgium, (December 2005). Koninklijke Vlaamse Academie Van Belgie Voor
Wetenschappen en Kunsten.

[10] A Robles, Pablo Noriega, Marco Robles, Hector Hernandez, Victor Soto, and
Edgar Gutierrez, ‗ A Hotel Information System implementation using MAS
technology‘, in Industry Track – Proceedings Fifth International Joint Conference
on AUTONOMOUS AGENTS AND MULTIAGENT SYSTEMS (AAMAS 2006), pp.
1542–1548, Hakodate, Hokkaido, Japan, (May 2006).

[11] Juan A. Rodr´ıguez-Aguilar, On the Design and Construction of Agent-

mediated Electronic Institutions, Ph.D. dissertation, Universitat Aut`onoma de
Barcelona (UAB), Bellaterra, Catalonia, Spain, 2000. Published by the Institut
d‘Investigaci´o en Intellig´encia Artificial. Monografies de l‘IIIA Vol. 14, 2003.

[12] R. Bejar C. Fernandez F. Manya. T. Alsinet, C. Ansotegui, A Multi- Agent

System Architecture for Monitoring Medical Protocols, Department of Computer
Science, University de Lleida, Jaume II 69, E-25001 Lleida, Spain., 1999.

FICHA DE REGISTRO DOCUMENTAL

Código: [ROGO 2007] Fuente No.: [ROGO 2007] Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 6 p.

Título: Arquitectura de Comunicación entre Frameworks Jade-Symfony

Autor: Paola J. Rodríguez C., MSc. y Santiago Gómez R., Ing

Ubicación: Revista Avances en Sistemas e Informática, Vol. 4 No. 1 pp. 81-86,

Medellín, Junio 2007, ISSN 1657–7663
Abstract: La inclusión del uso de Agentes dentro del campo del desarrollo de
software es una de las principales áreas de estudio en la actualidad.
Específicamente, el desarrollo de aplicaciones Web que aprovechen las ventajas
que ofrece la tecnología de agentes y en especial las distintas propuestas de
comunicación entre frameworks son esfuerzos importantes dentro de este campo.
En este sentido, este artículo describe una arquitectura de comunicación entre dos
de los principales frameworks de desarrollo de aplicaciones web (Symfony) y de
agentes (Jade). La arquitectura propuesta fue usada para aplicar elementos de
adaptabilidad de interfaz en el proyecto Plataforma Experimental para Sistemas de
Recomendación, Descubrimiento de Conocimiento Interfaces Adaptativas y
Consultas Avanzadas (PREDICA).

Tabla de Contenido: Introducción, Arquitectura de comunicación intermodales,

Arquitectura de comunicación interplataformas (symfony-jade), Conclusiones y
trabajo futuro

Palabras Clave: Ingeniería del Software, Arquitecturas Web, Agentes Software,

Symfony, Jade.

Resumen: El propósito del proyecto PREDICA, fue desarrollar una plataforma

experimental para facilitar la búsqueda de documentos en el área de computación
cuya interfaz se adapte a un modelo de usuario definido y que ofrezca
recomendaciones con base en un perfil de consulta. Globalmente la arquitectura
de software de PREDICA, se presenta mediante una vista del sistema que incluye
sus componentes principales, la conducta de esos componentes y las formas en
que estos interactúan y se coordinan para alcanzar la misión del sistema:
Gestionar la interacción del usuario, Manejar las tareas de procesamiento internas,
Efectuar la navegación y Presentar el contenido. Dado que se optó por el uso de la
tecnología de agentes como mecanismo para monitorear el comportamiento del
usuario, capturar sus interacciones, enriquecer el modelo de usuario definido y
tomar las correspondientes decisiones de adaptación, como restricción, los
agentes deben ejecutarse tomando información de las interacciones del usuario
sobre la interfaz que se le despliega y sin obstruir el resto de funcionalidades que
provee el sistema, es decir, el trabajo de los otros módulos que conforman el
aplicativo
Arquitectura Global de PREDICA

De acuerdo al contexto anterior, fue necesario definir una Arquitectura de

comunicación entre el aplicativo Web desarrollado en Symfony y el aplicativo de
agentes desarrollado en Jade. Para esto, se definieron dos perspectivas:
Comunicación Inter-módulos (entre el Módulo de Interfaz y los otros módulos que
componen la Biblioteca) y Comunicación Inter-Plataformas (entre el Componente
que infiere la adaptación -agentes- y Módulo de Interfaz – aplicativo Web-).

2. Arquitectura de comunicación intermódulos

Symfony es un framework basado en el modelo MVC (Model-View-Controller),

donde el Modelo representa la lógica del negocio, es decir, las reglas,
restricciones y condiciones definidas para la operación de la aplicación, la Vista se
encarga de generar la página Web con la cual el usuario va a interactuar, y el
Controlador responde a las interacciones del usuario, y se encarga de generar
cambios ya sea en la Vista o en el Modelo. Específicamente, la parte donde se
centró el análisis realizado fue el Controlador, el cual se divide en un Controlador
Frontal y un conjunto de Acciones. El primero se encarga de redireccionar los
pedidos que el usuario hace sobre la vista, al par modulo/acción correspondiente.
El segundo, es el componente de código mínimo que se puede crear en el
framework, donde se ilustra como una función recibe unos parámetros de entrada
(abstracción del request HTTP proveída por Symfony), y retorna el llamado a una
vista. La propuesta desarrollada consistió en crear tres tipos de acciones definidas:
1. ContentManager, acción principal dentro del Módulo de Interfaz que permite la
entrada única a cada componente dentro del sistema. Se encarga de las siguientes
funcionalidades:

a. Validación básica del contenido esperado del request HTTP, con el fin de evitar
manipulaciones de URLs a través del navegador o manipulaciones del request a
través de un socket (intento de acceso ilegal al sistema); evitando con esta
validación de alto nivel dentro de la arquitectura del framework el procesamiento
extra a las capas mas bajas.

b. Redireccionamiento al modulo/acción correspondiente dependiendo de las

variables enviadas a través de formas o enlaces en la interfaz Web.

c. Validación de privilegios del usuario (basados en variables de la sesión

inicializadas por el modulo de usuarios), para el acceso a cualquier pagina del sitio.

d. Llamados al framework del Agente. Componente que se encarga de las

inferencias para realizar la adaptación.

El ContentManager es entonces la única acción a la que implícitamente tiene

acceso el usuario. No obstante, ninguno de los módulos, por definición
arquitectural podrá llamar a esta acción. Finalmente es importante resaltar que
esta acción maneja un identificador de escenario que indica la interfaz a la que
desea acceder el usuario. Estos identificadores se configuran en un archivo que
contiene las reglas de enrutamiento de la aplicación.

2. TemplateManager, acción que hace las veces de administrador de plantillas del

sistema y a la que comúnmente llamarán las acciones de los otros módulos. Esta
acción tiene como funcionalidades el llamado a la plantilla correspondiente y la
asignación de ciertas variables que serán utilizadas en la vista de validación de
formas.

3. SessionStartManager, acción encargada de realizar las gestiones pertinentes

al momento del inicio de sesión del usuario, las cuales comprenden: . Carga del
menú personalizado del usuario. . Inicialización del agente del usuario
(comunicación con plataforma JADE)

4. UserMenuManager, acción cuya función es actualizar el menú del usuario, en

caso de ser cambiado de un grupo de trabajo y por ende sus privilegios. El
llamando a cualquiera de las acciones definidas se hará por medio de la
abstracción request HTTP, anteriormente mencionada, y usando entre otras, las
siguientes variables:

. T_ID: El identificador de la plantilla que se necesita desplegar en la vista. Este

identificador es el que usa el TemplateManager para saber cual plantilla cargar,
con sus datos apropiados, y encargarse de realizar el retorno a la vista apropiado.

. T_VARS: Arreglo asociativo (PHP) que contiene datos a ser utilizados en la

plantilla correspondiente, que usualmente corresponden a una consulta realizada,
como por ejemplo la información personal de usuario o la información de un
documento digital a ser modificado.

. E_ID, S_ID: Los identificadores de error o éxito (respectivamente), que indican a

la plantilla correspondiente que hay un error, una advertencia o un mensaje de
éxito a ser desplegado al usuario, para lo cual se utilizo un Template Partial, que
sirviera como repositorio central de todos los mensajes de los diferentes módulos.

. M_VARS: Arreglo asociativo (PHP) que contiene información adicional sobre un

mensaje de error o éxito, específicamente a ser usada con los denominados
mensajes dinámicos. Un ejemplo es una lista de usuarios a la que no se les pudo
enviar un correo electrónico, o una lista de usuarios que fueron eliminados
exitosamente

3. Arquitectura de comunicación interplataformas (symfony-jade)

Para la comunicación entre el framework de la aplicación Web (Symfony) y el

framework del Agente (Jade), se optó por implementar un servicio Web Service, ya
que este provee un mecanismo sencillo y flexible para la transmisión de los datos
de lado a lado. Este Web Service implementa un conjunto de funcionalidades que
se complementan para lograr la comunicación interplataforma, como son permitir a
Symfony el envío de bloques de datos hacia Jade para que el agente de usuario
haga un procesamiento sobre ellos, y posteriormente desde Jade se retome la
comunicación con el Web Service para enviar el bloque ya procesado. El Web
Service, localizado en el mismo servidor del aplicativo, no es accedido por ninguno
de los frameworks directamente, sino a través de una pequeña interfaz definida
para cada uno (un cliente de un Web Service); esto con el fin de evitar introducir
código especifico de arquitectura de Web Services en el Modulo de Interfaz o en el
agente y así respectar el principio de modularidad.

4. Conclusiones y trabajo futuro La arquitectura propuesta contribuyó a la

definición de un estándar de trabajo para realizar el proceso de integración de
código de cada uno de los grupos de desarrollo definidos en el proyecto. Esto
puede ser extensible a cualquier tipo proyecto que involucre desarrollo Web con
Symfony; y a la definición de un mecanismo de comunicación para la Plataforma
Jade con frameworks externos, usando como elemento base el SocketProxyAgent.
Finalmente, es de interés ampliar el potencial del uso de agentes mediante la
implementación de agente de interfaz tipo ayudante que guíe al usuario a través de
la aplicación, de tal forma que se pueda hacer predicciones y sugerencias sobre lo
que el usuario va o puede hacer dentro del sistema. Asimismo, se pretende
extender la arquitectura propuesta para permitir la comunicación entre un aplicativo
Web desarrollado con las tecnologías Web 2 (Rich Internet Applications - RIA) y el
Framework Jade.

REFERENCIAS

André Elizaberth and Rist Thomas, ―From Adaptive Hypertext to Personalized web
companions‖. Commnunicatios of the ACM. Vol. 45, 2002. pp. 44–45.

Billus Daniel, Brunk Cliefford et all, ―Adaptative Interfaces for Ubiquitous Web
Access‖. Commnunicatios of the ACM. Vol. 45, 2002. pp. 34 – 38.

Brusilovsky Peter and Maybury Mark, ―Adaptative Interfaces for Ubiquitous Web
Access‖. Commnunicatios of the ACM. Vol. 45, 2002. pp. 31 – 33.

http://www.symfony-project.com Grupos de discusión y documentación en línea

de Symfony. Consultada en agosto de 2006.

http://jade.tillab.com Grupos de discussion y documentación en línea de Jade.

Consultada en agosto de 2006.

http://rfc.net/rfc2616.html Especificación HTTP/1.1. Consultada en agosto de

2006.

FICHA DE REGISTRO DOCUMENTAL

Código: [RTGJ 2007] Fuente [RTGJ 2007] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 8 p.

Título: La Metodología AOPOA

Autor: Julián Rodríguez, Ing., Miguel Torres, MSc., Enrique González, PhD.

Ubicación: Revista Avances en Sistemas e Informática, Vol.4 No. 2, Septiembre

de 2007, Medellín, ISSN 1657-7663

Descripción: Este artículo presenta en detalle las fases de análisis y diseño de

AOPOA, una metodología de programación orientada a agentes basada en una
aproximación organizacional.

Tabla de Contenido: introduccion, aopoa, fase de análisis, caso de estudio

Palabras Clave: Programación Orientada a Agentes, Metodologías de Diseño de
Agentes, Sistemas Multi-Agente.

Resumen: Esta aproximación permite diseñar sistemas complejos

descomponiéndolos en otros más simples. El enfoque organizacional soporta la
descomposición iterativa y recursiva basada en el concepto de metas, y al mismo
tiempo identifica interacciones entre las entidades que componen el sistema; en
cada iteración un nivel organizacional es desarrollado. Durante la fase de análisis,
las tareas y los roles son detectados. Durante la fase de diseño, las interacciones
son caracterizadas y administradas a través de protocolos de cooperación. En la
iteración final, la parametrización de roles es llevada a cabo, lo cual permite
especificar eventos y acciones asociados a cada rol. Estos roles serán agrupados
posteriormente en meta-agentes, que son los que finalmente serán desplegados
en el ambiente dentro del que se desenvolverá el sistema multia-gente.

La Aproximación Organizacional a la Programación Orientada a Objetos (AOPOA)

es una metodología para el análisis y diseño de Sistemas Multi-Agente (SMA). En
ella, cada conjunto mayor de actividades está formado por un conjunto de
procesos iterativos. Cada uno de esos procesos genera un conjunto de artefactos
que incluyen tablas y diagramas que definen un SMA genérico.

Algunos de los conceptos que rodean la metodología fueron mencionados en la

sección anterior; sin embargo, con propósitos de referencia, en el contexto de un
SMA el término objetivo es equivalente en significado a la palabra meta. El foco en
esta sección es la presentación de los conceptos y procesos generales que son
aplicados durante el uso de la metodología.

A. Enfoque Organizacional Al analizar una organización se observa que ésta

puede ser descompuesta en unidades bien definidas, cada una de las cuales tiene
una responsabilidad clara en relación a las metas de la organización. Con el fin de
lograr que los diferentes componentes de la organización puedan cooperar en el
cumplimiento de objetivos compartidos y logren una gestión correcta de los
recursos es indispensable que estos componentes interactúen. La descomposición
y la gestión de las interacciones, son los elementos distintivos que soportan
conceptualmente a AOPOA.

Típicamente, al analizar una organización se encuentra que está compuesta de un

conjunto de entidades autónomas, que actúan proactivamente para alcanzar los
objetivos de la organización. Normalmente, las entidades están agrupadas en
equipos pequeños de trabajo, los cuales a su vez pueden ser agrupados de
manera recursiva, hasta llegar a percibir a toda la organización como si fuera un
único equipo compuesto de los equipos de más alto nivel. Realizando el mismo
proceso, pero en sentido contrario, es posible sintetizar una organización haciendo
una descomposición recursiva. En efecto, la organización se divide en entidades
abstractas de alto nivel, las cuales se subdividen en forma recursiva hasta llegar a
las entidades autónomas que la componen.

En AOPOA, un rol representa una entidad abstracta que debe alcanzar un conjunto
de objetivos mediante el aprovechamiento de sus habilidades y utilizando los
recursos disponibles en su entorno. En consecuencia, un SMA puede ser diseñado
como una jerarquía de roles, los cuales pueden ser obtenidos mediante un proceso
de descomposición basado en los objetivos. El árbol de roles que representa la
jerarquía organizacional puede desarrollarse de diferentes formas, la selección del
orden en que se descomponen los roles existentes puede basarse en un recorrido
en amplitud ó en profundidad. Una alternativa más interesante, puede ser
descomponer primero los roles más complejos

En el proceso de análisis o el de síntesis, para lograr un adecuado funcionamiento

es imperativo que las entidades interactúen entre si. En muy pocos contextos
podría ser de verdadera utilidad tener una organización compuesta por entidades
independientes y separadas. Una característica muy importante de las
interacciones es que éstas surgen en situaciones típicas, cuándo varios roles
aportan a la consecución de un objetivo. Primero, se requiere establecer qué tarea
va a cumplir cada uno de los roles involucrados; en este contexto, aparecen
interacciones para realizar el manejo de la asignación de tareas. Segundo, se
precisa coordinar el accionar de los participantes, pues el orden en que se realizan
las acciones puede ser importante para obtener el resultado deseado; en este
caso, emergen interacciones para lograr la planificación y la ejecución sincronizada
de las acciones.

Tercero, se deben detectar y resolver los conflictos que puedan aparecer en el

acceso a los recursos compartidos; en estas situaciones, se generan interacciones
para realizar un acceso controlado a los recursos. Nótese que al analizar estos tres
casos, los vínculos de cooperación aparecen siempre que hay un objetivo
compartido por varios, ó cuando hay recursos en común. En AOPOA, se
aprovecha está característica implícita de las interacciones para detectar en forma
automática los potenciales vínculos de cooperación entre roles que pueden ser
requeridos para alcanzar los objetivos del sistema.

Los dos conceptos anteriormente analizados, la descomposición organizacional y

la detección de vínculos de cooperación, están fuertemente ligados. En efecto,
AOPOA propone realizar una descomposición gradual en roles; tomar un rol muy
complejo y dividirlo en varios más simples, pero al mismo tiempo identificar si entre
dichos roles resultantes surgen vínculos de cooperación.

Para realizar la identificación de los roles derivados, AOPOA propone una

heurística que propende por la especialización de los roles y por la disminución del
número de interacciones. La especialización es una característica deseable, que
permite una mayor cohesión de los componentes resultantes; para lograrla, la
heurística favorece la descomposición en la que los roles no comparten las mismas

habilidades. La reducción del número de vínculos reduce el nivel de

comunicaciones entre roles; la heurística penaliza la aparición de recursos
compartidos.

AOPOA está basada en una aproximación organizacional, que permite realizar una
descomposición orientada a las metas y la detección de enlaces cooperativos entre
los roles organizacionales. La heurística propuesta reduce las interacciones entre
roles, evita los conflictos por recursos, reduce la redundancia en las habilidades
asociadas a cada rol, y toma en cuenta el conocimiento previo del problema. Otra
característica importante de AOPOA es la eficiencia en la identificación de roles, ya
que la descomposición es realizada de manera gradual. AOPOA genera una
solución sub-óptima pero que basada en el uso de la heurística propuesta asegura
la calidad y facilidad de administración del sistema. La identificación temprana y
automática de los enlaces cooperativos debidos a recursos compartidos,
habilidades complementarias y metas comunes permite manejar la complejidad, y
genera un conjunto consistente de relaciones entre los roles al final del proceso.
Ya que las actividades propuestas son completamente sistemáticas, una
herramienta CASE fue desarrollada para apoyar el uso de la metodología y
diversos proyectos en clases han sido desarrollados utilizando AOPOA, con el fin
de probarla y refinarla. Trabajos futuros en esta área estarán enfocados en el
refinamiento de la metodología AOPOA y su herramienta CASE asociada. En
particular, las actividades asociadas al proceso de pruebas del desarrollo de
software serán mejoradas. Con el fin de validar AOPOA en la construcción de
SMAs compuestos de agentes físicos, se estudiará el problema de la
implementación de soluciones basadas en agentes cooperativos aplicadas a
robótica móviles utilizando la metodología.

BIBLIOGRAFÍA

[1] The Foundation for Intelligent Agents http://fipa.org – Fecha de acceso: Enero
12 de 2006.
[2] Gonzalez E., Torres M. ―AOPOA Organizational Approach for Agent Oriented
Programming‖, in Proceedings of the 8th International Conference on Enterprise
Information Systems, May 2006 Paphos – Cyprus

[3] Ferber, Jacques. ―Multi-agent Systems: An Introduction to Distributed Artificial

Intelligence‖, Addison – Wesley Longman. 1ra. Ed., 1999.

[4] Wooldridge M., Jennings N. ―Agent Technology – Foundations, Applications,

and Markets‖. Springer - UNICOM. 1998.

[5] Wooldridge, Michael. ―Reasoning about rational agents‖. The MIT Press
(Cambridge, Massachussetts/London, England) as part of the Intelligent robotics
and autonomous agents series. 2000.

[6] González, E., Bustacara, C., Ávila, J. (2003). ―BESA: Behaviororiented, Event-
driven and Social-based Agent Framework‖. PDPTA ‘03.

[7] Wooldridge M., Jennings M., Kinny D. The Gaia Methodology for Agent-
Oriented Analysis and Design. Autonomous Agents and Multi- Agent Systems, 3,
285OE312, 2000 Kluwer Academic Publishers. Manufactured in The Netherlands.

[8] http://troposproject.org/ , ―Tropos – Requirement-Driven Development for Agent

Software‖. Universidad de Trento – Última acceso: 12 de Enero de 2006.

[9] Torres da Silva, V., Choren, R., Lucena , C. ―A UML Based Approach for
Modeling and Implementing Multi-Agent Systems‖, ACM, 2004.

FICHA DE REGISTRO DOCUMENTAL

Código: [TNEA 2009] Fuente: [TNEA 2009] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 10 p.

Título: A Review of Mobile Terminal-Based Applications for Self-Management of

Patients with Diabetes,

Autor: Naoe Tatara, Eirik Årsand, Heidi Nilsen, and Gunnar Hartvigsen..

Ubicación: International Conference on eHealth, Telemedicine, and Social

Medicine, 2009 IEEE

Descripción: Este articulo realiza un recuento documental de aplicaciones móviles

utilizadas en el monitoreo de la diabetes

Tabla de Contenido: introducción, métodos, resultados, discusión

Palabras Clave: Diabetes, equipos móviles, Telemedicina.

A Review of Mobile Terminal-Based Applications for Self-Management

of Patients with Diabetes, Naoe Tatara, Eirik Årsand, Heidi Nilsen, and Gunnar
Hartvigsen.

Introducción.

La Diabetes es una seria condición que afecta al individuo y a la sociedad, un

pobre manejo de las causas de la diabetes, causa serias complicaciones, cuyos
resultados son altos costos médicos para cada sociedad. El auto control de los
pacientes, de las causas de la diabetes tiene como objetivo mantener los niveles
de azúcar en la sangre en los rangos normales, junto a una dieta balanceada,
ejercicio y medicación, aunque algunos pacientes consideran este manejo muy
complejo.

La edad de los pacientes con Diabetes varia y la utilización de dispositivos móviles

seria prominente en el monitoreo de pacientes por su portabilidad y las tecnologías
inherentes. Esto se refleja en la gran cantidad de tecnologías móviles en el cuidado
de la salud.

Métodos

2.1 Fuente de Datos

Se busco información en varias fuentes con el criterio de búsqueda (Diabetes y

(móviles, PDA´s, celulares)), las palabras fueron buscadas en cualquier campo, la
búsqueda de la información se realizo en Julio de 2008 y no tuvo restricción para el
año de publicación, también se buscaron fuentes en el buscador Google Scholar y
solo se utilizaron las primeras 100 publicaciones, pues se presento mucha
duplicidad.

2.2 Criterios de inclusión o exclusión.

Luego de remover todos los títulos duplicados, se reviso la bibliografía, los criterios
de inclusión eran los textos que describieran aplicaciones móviles para pacientes
con diabetes, se excluyeron textos repetidos, que no estuvieran en ingles ,
estudios sin datos preliminares, estudios donde solo primaron los conceptos
médicos y no se incluyeron los conceptos de los pacientes.

2.3 Extracción de datos.

La extracción de datos se realizo de acuerdo a las siguientes categorías: diseño

del estudio, población objetivo, terminal usado, personas involucradas en la
aplicación, funciones o aplicaciones móviles, métodos para evaluar la
aceptabilidad, efectividad y facilidad de los resultados clínicos de los estudios.

3. Resultados.

Se evaluaron 817 publicaciones, de las cuales 94 se consideraron relevantes,

todas las publicaciones fueron examinadas bajo los criterios de inclusión y
exclusión, luego de esta clasificación 27 estudios se identificaron como relevantes.

3.1 Diseño del estudio

En 20 estudios la aplicaron fue desarrollada por el autor, 7 estudios muestran una

aplicación comercial y los otros estudios son prototipos comerciales, de estos
estudios 17 se concentraron en los parámetros, 2 estudios mostraron la usabilidad
y los oros 16 se concentraron en la interfase de diseño de la aplicación.

3.2 Población objetivo.

13 de los estudios se centro en personas con diabetes mellitas incluyendo niños,

adolescentes, y adultos jóvenes, tres estudios son sobre personas tratadas con
insulina y un estudio fue para padres de niños con diabetes. Seis estudios fueron
sobre pacientes con diabetes mellitus tipo 2, los otros estudios no especificaron el
tipo de diabetes de los pacientes.

3.3 Terminales usados.

20 de los estudios utilizaron un teléfono móvil, 8 de los estudios utilizaron PDA´s,

un estudio utilizo PDA y un teléfono móvil, y otro estudio utilizo un game boy
avance como terminal de la aplicación, en muchos de los estudios los pacientes
usaron un móvil que fue proveído por el ejecutar del trabajo de investigación, en
cinco estudios los pacientes usaban sus propios terminales, el servicio de
mensajes cortos de texto fue utilizado para enviar datos o realizar
retroalimentaciones a los pacientes, también se utilizo el protocolo WAP para
enviar datos en tres estudios.

3.4 Personas involucradas en las aplicaciones

20 estudios involucraron enfermeras, médicos o educadores en los usos de las

aplicaciones, algunos de los estudios realizaban retroalimentación semanal a los
pacientes otros estudios solo monitoreaban la inserción de datos en las bases de
datos y realizaban los respectivos análisis.

3.5 Método de ingreso de datos.

Los datos se ingresaban de manera manual, de manera automática a traves de un

lector incluido en el terminal o a través de un MODEM vía WEB, también se
ingreso los datos de alimentos consumidos, medicación, peso y presión sanguínea.

3.6 Funciones de la aplicación

Los pacientes podían ver los resultados de sus datos de manera grafica o
sumarizada, en algunos estudios se realizaba retroalimentación inmediata según
los datos ingresados.

3.7 Métodos para evaluar la aceptabilidad, efectividad o factibilidad

El cuestionario fue utilizado en 24 estudios, en 16 de ellos se utilizo un

cuestionario especifico. En otros estudios las respuestas al cuestionario fueron
validadas junto al paciente.

3.8 Métodos y resultados de evaluación clínica

Un significativo descenso en HbA1c se observa en siete de los 15 estudios,

durante el uso de la aplicación o comparado contra el grupo control, dos de los
siete estudios con disminución tienen aplicaciones comerciales

3.9 Hallazgos de la investigación:

Se presentaron dificultades en la emisión de los datos desde la terminal en algunos

estudios, el envió automático de los datos de azúcar en la sangre es altamente
aceptado por los participantes, se presentaron dificultades en el uso de la
aplicación en personas de la tercera edad, se descubrió que los participantes en
los estudios prefieren el uso de mensajes de texto de los móviles para el envió de
los datos, sobre el envió de correos electrónicos o llenar un formato en papel

Bibliografia

[1] International Diabetes Federation, ―Diabetes Atlas - Executive Summary,‖2003.

[2] H. Blake, ―Innovation in practice: mobile phone technology in patient care,‖

British Journal of Community Nursing, vol. 2008 Apr; 13, (no. 4), pp.:160, (25 ref).

[3] A. Waller, et al., ―Participatory design of a text message scheduling system to

support young people with diabetes,‖ Health Informatics Journal, vol. 12, (no. 4),
pp. 304-318, December 1, 2006 2006.

[4] C.C. Quinn, et al., ―WellDoc mobile diabetes management randomized

controlled trial: change in clinical and behavioral outcomes and patient and
physician satisfaction,‖ Diabetes Technol Ther, vol. 10, (no. 3), pp. 160-8, Jun
2008.

[5] Z. Faridi, et al., ―Evaluating the impact of mobile telephone technology on type 2
diabetic patients' selfmanagement: the NICHE pilot study,‖ J Eval Clin Pract, vol.
14, (no. 3), pp. 465-9, Jun 2008.

[6] S.N. Forjuoh, et al., ―Incorporating PDA use in diabetes self-care: a central
Texas Primary Care Research Network (CenTexNet) study,‖ J Am Board Fam
Med, vol. 20, (no. 4), pp. 375-84, Jul-Aug 2007.

[7] S.N. Forjuoh, et al., ―Improving diabetes self-care with a PDA in ambulatory
care,‖ Telemed J E Health, vol. 14, (no. 3), pp. 273-9, Apr 2008.

[8] V.S. Kumar, et al., ―The DAILY (Daily Automated Intensive Log for Youth) trial:
a wireless, portable system to improve adherence and glycemic control in youth
with diabetes,‖ Diabetes Technol Ther, vol. 6, (no. 4), pp. 445-53, Aug 2004.

[9] M.A. Vahatalo, et al., ―Cellular phone transferred self blood glucose monitoring:
Prerequisites for positive outcome,‖ Practical Diabetes International, vol. 21, (no.
5), pp. 192-194, 2004.

[10] P.Y. Benhamou, et al., ―One-year efficacy and safety of Web-based follow-up
using cellular phone in type 1 diabetic patients under insulin pump therapy: the
PumpNet study,‖ Diabetes Metab, vol. 33, (no. 3), pp. 220-6, Jun 2007.

FICHA DE REGISTRO DOCUMENTAL

Código: [VBJM 11] Fuente:[VBJM 11] Elaboró: Paulo Cesar Quintero Uribe

Tipo de Fuente: Articulo Revista 15 p.

Título: Los agentes de software inteligentes y la respuesta didáctica a la diversidad

Autor: Vallejo Bautista, José Manuel

Ubicación: Revista Electrónica publicada por el Instituto de Investigación en

Educación Universidad de Costa Rica ISSN 1409-4703
http://revista.inie.ucr.ac.cr/articulos/1-2007/archivos/agentes.pdf Volumen 7,
Número 1 Enero-Abril 2007

Descripción: Este artículo recoge las contribuciones dentro del ámbito de la

tiflotecnología que el estudio de los Agentes de Software Inteligentes aporta en el
terreno de la atención educativa a la diversidad conocida comúnmente como
atención a la diversidad.

Tabla de Contenido: TIC y la gestión del conocimiento y necesidades, Sitios web,

Intranet Plataformas de trabajo en equipo, Las nuevas tecnologías y la respuesta
didáctica a la diversidad.

Palabras Clave: Tecnologías de la información y comunicación, Agentes de

Software Inteligentes, Atención a la Diversidad.

Resumen: TIC y la Gestión del Conocimiento en Agentes Inteligentes Entre

las tecnologías de la información que proporcionan la infraestructura básica para la
gestión del conocimiento se encuentran, las redes, sistemas de información,
herramientas inteligentes de búsqueda y gestión, minas de datos, almacenamiento
masivo de datos y herramientas para el desarrollo en Internet. La gestión del
conocimiento son prácticas orientadas a la adquisición más eficiente de la
habilidad de conocimiento y su correcta utilización, lo que permite asociar el
conocimiento con la capacidad de comprender e interpretar la naturaleza de algo,
un cierto fenómeno, las leyes que regulan un cierto comportamiento y, también, la
aplicación de ciertas habilidades o capacidades complementarias. Es un
mecanismo que permite su generación, formalización, adquisición, asimilación,
transmisión, uso; lo pone al servicio del desarrollo personal. Las herramientas
mencionadas se utilizan para desarrollar sistemas que posibilitan la gestión del
conocimiento y permiten el desarrollo de diferentes plataformas tales como:
Sitios web hacen de Internet un medio idóneo para el intercambio global de
información, ya que sirve como un primer acercamiento a la implementación de un
sistema de gestión del conocimiento. Intranet Medios básicos para compartir datos
dentro de una comunidad concreta. Frente al web destacan su rapidez en el
acceso y procesamiento de la información, y su adaptabilidad a las necesidades de
cada comunidad educativa en concreto. Plataformas de trabajo en equipo tales
como: el correo electrónico, las conferencias de audio/video, herramientas para
acceder a documentos entre otras.

El término agente fue empleado por vez primera por Minsky en su obra ―The
Society of Mind‖. En el momento actual, la palabra ―agente‖ tiene muchos
significados distintos, puesto que se utiliza en disciplinas muy distintas. Se
encuentran agentes de diferentes tipos tales como:

 Agentes autónomos
 Agentes biológicos
 Agentes robóticas
 Agentes computacionales
 Agentes de vida artificial
 Agentes de software
 Agentes de tareas específicas
  Agentes de entretenimiento
 Virus.

De forma genérica, las propiedades de estos se pueden resumir en:

 Reactivo: responde a cambios en el ambiente.

 Autónomo: ejerce control sobre sus propias acciones
 Orientado por objetivos: no actúa simplemente en respuesta al ambiente
 Temporalmente continuo: es un proceso que está continuamente
ejecutándose
 Comunicativo: se comunica con otros agentes, quizá incluyendo gente
 De aprendizaje: cambia su comportamiento basado en su experiencia previa
 Móvil: capaz de transportarse a sí mismo de una máquina a otra
 Flexible: las acciones no corresponden a un libreto tipo script
 Carácter: presenta una personalidad y estados

La tipología de los agentes suele variar de unos autores a otros, pero en la

mayoría de las ocasiones encontramos una tipología basada en tres
características: cooperativos, autónomos y de aprendizaje.

 Agentes Colaborativos: cooperativos y autónomos.

 Agentes de Interfaz: autónomos y de aprendizaje.
 Agentes de Aprendizaje Colaborativos: cooperativos y de aprendizaje.
 Agentes Smart: cooperativos, autónomos y de aprendizaje.

Los atributos de los Agentes Inteligentes son:

 Autonomía: cuanto más avanzado sea el agente, más capaz será de

cooperar y negociar con otros agentes.
 Nivel de inteligencia: determina el método de aprendizaje. Hay varios
niveles de inteligencia que van desde la aceptación y ejecución de tareas
hasta el aprendizaje y la adaptación al entorno, el establecimiento de
relaciones y la predicción de las necesidades del usuario).
 Movilidad: los agentes tienen que ser móviles y poder navegar por la red).
 Confianza: los usuarios sólo aceptarán a los agentes si éstos son de
confianza, es decir, si ejecutan sus tareas de una manera fiable. Aquí entran
en juego cuestiones como la calidad, la fiabilidad y la transparencia de la
información.

Las nuevas tecnologías y la respuesta didáctica a la diversidad El mundo

educativo no está ajeno a la preocupación por la diversidad que caracteriza a las
sociedades modernas. Instituciones internacionales, nacionales, regionales,
locales, desarrollan proyectos para potenciar la atención personalizada, facilitar el
intercambio cultural, garantizar el acceso a la educación de alumnos con
dificultades de asistencia y orientar su proceso formativo. Las TIC ofrecen
información y comunicación; el crecimiento en el uso de Internet y el World Wide
Web está permitiendo el desarrollo de nuevas aplicaciones. Un creador importante
de estas nuevas oportunidades son los Agentes Inteligentes.

Los agentes inteligentes son partes de software que actúan de forma autónoma en
las redes, en nombre del usuario. La inteligencia de los agentes les permite realizar
tareas como la recuperación de datos o la negociación con otros agentes.
Actualmente varios agentes de Internet pueden utilizarse de forma activa para el
comercio electrónico, de forma muy reducida, en el caso de las compras
electrónicas.

El uso de software inteligente y adaptativo aumentará las posibilidades de

accesibilidad y comunicación de las personas con discapacidad, porque responden
de forma inteligente a la complejidad de cada circunstancia y demanda externa,
hasta hacerla simple en su realidad.

Bibliografias

Anderson, Corin, Domingos, Pedro and Weld, Daniel. (2001). Personalizing web
sites for mobile users. Proceedings of the Tenth International World Wide Web
Conference. Hong Kong: IWWWCC.

Baltus, Gregory et al. (2000). Towards personal service robots for the elderly. Proc.
of the Workshop on Interactive Robotics and Entertainment (WIRE-2000).
Pittsburg, PA: The Robotics Institute, Carnegie Mellon University-AAAI.

Bennewitz, Maren, Burgard, Wolfram and Thrun, Sebastian. (2002). Using EM to

learn motion behaviors of persons with mobile robots. Proc. of the IEEE/RSJ
International Conference on Intelligent Robots and Systems. Lausanne: IROS.

Bautista Vallejo, José Manuel y Moya Maya, Asunción. (2001). Estrategias

didácticas para dar respuesta a la diversidad: adaptaciones curriculares
individualizadas. Sevilla, España: Padilla.

Bautista Vallejo, José Manuel. (2001). Formación del profesorado y escuela

abierta. Elementos para la comprensión e intervención didáctica. Sevilla, España:
Padilla.
Correa García, Ramón Ignacio. (2001). La sociedad mesmerizada. Medios,
nuevas tecnologías y conciencia crítica en educación. Huelva, España:
Universidad de Huelva, Servicio de Publicaciones.

Fox, Dieter. (2002). KLD-sampling: Adaptive particle filters. En Dietterich, Tom,

Becker, Suzanna and Ghahramani, Zoubin (editors). Advances in Neural
Information Processing Systems 14 (NIPS) (pp. 713-720). Cambridge, MA: MIT
Press.

Kautz, Henry, Fox, Dieter, Etzioni, Oren, Borriello, Gaetano and Arnstein, Larry.
(2002). An Overview of the Assisted Cognition Project. AAAI-2002 Workshop on
Automation as Caregiver: The Role of Intelligent Technology in Elder Care.
Edmonton, Alberta, Canadá: AAAI Press.

Marchesi, Álvaro; Coll, César; Palacios, Jesús. (Coord.) (1993). Necesidades

educativas especiales y aprendizaje escolar. Madrid, España: Alianza Editorial.

Mendez, Gonzalo, Rickel, Jeff, de Antonio, Angélica. (2003). Steve Meets Jack:
the Integration of an Intelligent Tutor and a Virtual Environment with Planning
Capabilities. 4th Internacional Workshop on Intelligent Virtual Agents (IVA'03).
Kloster Irsee, Germany: Springer Berlin.

Moya Maya, Asunción. (2001). El profesor de apoyo a la integración. Aportaciones

sobre la formación inicial desde su práctica profesional. Revista de Educación
Especial. 29, 27-47.

Parrilla Latas, Ángeles. (1992). La integración como experiencia institucional.

Sevilla, España: Grupo de Investigación Didáctica de la Universidad de Sevilla.

Rivera-Bermúdez, Carmen. (2000). Las computadoras y los estudiantes con

Problemas Específicos. Recuperado el 4 de septiembre de 2006, en
http://www.needirectorio.com/archivos/documentos/tema27.htm

Romañach, Javier. (1999). Teleformación, Internet y Discapacidad. Un enfoque

pragmático. Recuperado el 14 de agosto de 2006, en
http://www.quadernsdigitals.net/

Stan, Franklin & Graesser, Art. (1996). Is it an Agent, or just a Program? A

Taxonomy for Autonomous Agents. Recuperado el 25 de julio de 2006, en
http://www.msci.memphis.edu/~franklin/AgentProg.html

Sweeney, Tim. (1995). Intelligent agents: envoy of productivity or purveyors of

chaos? Communications International. 6, 23-26.
FICHA DE REGISTRO DOCUMENTAL

Código: [ZXXS 2007] Fuente: [ZXXS 2007] Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 16 p.

Título: An Integrated Role-Based Approach for Modeling, Designing and

Implementing Multi-Agent Systems

Autor: Xiaoqin Zhang, Haiping Xu & Bhavesh Shrestha

Ubicación: Computer and Information Science Department University of

Massachusetts at Dartmouth North Dartmouth, MA 02747 -U.S.A.

Descripción: En este artículo se presenta una aproximacion integrada para

modelar, diseñar, e implementar sistemas multiagente usando RADE. RADE es
una metodología para el desarrollo de agentes basado en su rol a desempeñar

Tabla de Contenido: Introducción, Aproximacion a RADE, Definición de agentes,

Definición de roles, Operación de un sistema multiagente, Proceso de generación
automática de agentes, Caso de estudio, aplicación en el dominio dl cuidado de la
salud

Palabras Clave: Desarrollo de agentes basado en roles, sistemas multiagente,

motivación de agentes, mapeo del rol de agente

I.Introduccion

Los sistemas multiagente (MAS)es un paradigma de la programación de

aplicaciones y sistemas distribuidos de información, donde los recursos los datos
el control y los servicios están ampliamente distribuidos, las aplicaciones de
sistemas multiagente han sido limitadas por la dificultad de desarrollar dicho
sistema, Un gran cantidad de tiempo y una amplia experiencia en programación se
requieren para desarrollar un sistema multiagente y luego de su construcción es
difícil probarlo y mantenerlo debido a su complejidad, la reusabilidad de estos
sistemas es muy baja y no es comparable al uso de un sistema realizarle algunos
cambios y cambiar el dominio de su aplicación.

Un gran número de aproximaciones se han realizado para definir y desarrollar

agentes autónomos, y sistemas multiagente desde diferentes direcciones se ha
estudiado y por diferentes investigadores.

En este estudio se trabajo en un grupo de tecnologías y mecanismos para facilitar

y formalizar el desarrollo de sistemas multiagente MAS y así incrementar la
reusabilidad y la replicación también. Se propuso el desarrollo de tres capas en el
proceso de desarrollo, la aplicación independientemente, el modelo de la
plataforma independientemente (AIPI), la aplicación especifica, y el modelo de
aplicación especifica se desarrollan en tres fases consecutivas. También se separo
el dominio del conocimiento de los agentes de su capacidad de solucionar
problemas, en esta aproximación los conceptos de rol están definidos en el modelo
relacionado del conocimiento , como las metas, los permisos, las relaciones de
organización, y los protocolos de interacción., donde los agentes son entidades
concretas equipadas con motivación, recursos y capacidad de resolver problemas.

Se introduce el concepto de instancia de rol, que es una implementación concreta

del concepto de rol y en esta aproximación se da un fuerte soporte a los sistemas
abiertos y dinámicos .

La segunda meta es el proceso de generación automática de agentes utilizando las

herramientas y mecanismos existentes, Se propone la creación de agentes bajo el
mecanismo de ―drag and drop‖ donde el usuario puede seleccionar los
componentes de los agentes dependiendo de las aplicaciones requeridas.

II Aproximación a RADE

La idea básica del desarrollo ambiental de agentes basado en roles se ilustra en el

figura 1

Figura1: modelos genérico de los roles de un sistema multiagentes

La parte superior del modelo es la organización de los roles, incluyendo los roles
conceptuales y sus relaciones como inherencia, agregación, asociación, e
incompatilibilidad. El segundo nivel es los roles espaciales, que consiste en una
múltiple cantidad de instancias cada instancia del rol es instanciada por los roles
conceptuales de manera dinámica, la parte inferior es la sociedad de agentes que
consiste en una gran cantidad de entidades de roles. Los agentes pueden tomar y
realizar un rol de manera dinámica el mapeo de las instancias de los roles es
llamado R-A mapping. Como lo informamos previamente los modelos se definen
en tres etapas, la primera el modelo AIPI que incluye la definición de los roles, los
espacios de los roles, la organización de los roles, los agentes y la sociedad de
agentes, la segunda parte es el modelo ASPI, este involucra el conocimiento de la
aplicación, incluye la definición de clases de roles, la organización de las clases de
roles, las clases de agentes etc. Y en la tercera parte es el modelo ASPS que
incluye información en la plataforma del software, mecanismos de comunicaciones
y el middleware

Caso de estudio Aplicación en el dominio del cuidado de la salud

Se implemento un prototipo de sistema incluyendo la definición del rol, la definición

de agente y los componentes de la creación. Usando este sistema, se implemento
una aplicación para el cuidado de la salud para demostrar esta modelación diseño
e implementación de sistemas multiagente que incluye la definición de roles, clases
de agentes, generación automática de agentes y el proceso dinámico de mapeo
entre los agentes y las instancias de los roles.

El propósito de esta aplicación en la salud es para ayudar a los proveedores del

sistema de la salud y a los pacientes para programar y coordinar sus actividades
proveyendo fácilmente y eficientemente servicios de cuidado de la salud para los
pacientes

Definición de roles

Paciente: Persona que busca servicios de salud

Medico: quien determina las diagnósticos que deben ser realizados, las
prescripciones, las intervenciones medicas y quirúrgicas, tiene la habilidad de
dirigir el cuidado del paciente y llevar al paciente a un nivel superior de cuidado

Asistente médico: Es un profesional médico que desempeña una variedad de

funciones medicas, administrativas y de oficina relacionadas con la salud. Este rol
se subdivide en dos

El asistente médico administrativo, quien desarrolla el trabajo administrativo

Asistente médico clínico quien desarrolla el trabajo clínico

Enfermeras este rol, también se subdivide en dos subclases

Asistente de enfermería, es una enfermera que asiste a los pacientes con sus
problemas médicos, provee cuidado y ayuda en el laboratorio con instrumentos
médicos

Practicante de enfermería, es una enfermera registrada que ha completado un

entrenamiento avanzado en atención primaria y provee cuidado médico en
pacientes que no estén en emergencias

Figura 2. Interfase RADE para la creación de roles

Por ejemplo el rol de médico, tiene como meta proveer salud, las cantidades
motivacionales que posee son profesionalismo, moral, experiencia y debe poseer
un certificado de medicina.

Este sistema modela la organización de un hospital y un agente con rol espacial

especial es creado, este agente no toma ningún rol en el sistema y es responsable
de mantener y manejar las instancias en el sistema.

Cuando el sistema se inicializa, el administrador del sistema crea una gran

cantidad de pacientes que expresan una necesidad por los servicios de salud, la
cantidad de pacientes depende de la capacidad del hospital, los pacientes no se
activan hasta que no sean tomados por un agente, cuando un agente toma el rol
de paciente su única meta es tener curación .Existen los otros roles de médicos y
enfermeras que se activan cuando un agente los invoca y tienen una función
específica y un problema a resolver

Bibliografía
[1] Ricardo Melo Bastos and Marcelo Blois Ribeiro. MASUP: An Agent-Oriented
Modeling Process for Information Systems. In Ricardo Choren, Alessandro Garcia,
Carlos Lucena, and Alexander Romanovsky, editors, Software Engineering for
Multi- Agent Systems III: Research Issues and Practical Applications Series. 2005.

[2] Michael Becht, T. Gurzki, Jurgen Klarmann, and Matthias Muscholl. ROPE:
Role oriented programming environment for multiagent systems. In Conference on
Cooperative Information Systems, pages 325–333, 1999.

[3] Anarosa A. F. Brandao, Viviane Torres da Silva, and Carlos J. P. de Lucena. A

knowledge-based approach to the specification and verification of MAS design. In
AAMAS ‘05: Proceedings of the fourth international joint conference on
Autonomous agents and multiagent systems, pages 1373–1373, New York, NY,
USA, 2005. ACM Press.

[4] Giacomo Cabri, Luca Ferrari, and Letizia Leonardi. Agent role-based
collaboration and coordination: a survey about existing approaches. In SMC (6),
pages 5473–5478. IEEE, 2004.

[5] Sen Cao, Richard A. Volz, Thomas R. Ioerger, and Yu Zhang. Role-based and
agent-oriental teamwork modeling. In Hamid R. Arabnia and Youngsong Mun,
editors, IC-AI, pages 1190–. CSREA Press, 2002.

[6] Viviane Torres da Silva, Ricardo Choren Noya, and Carlos J. P. de Lucena.
Using the UML 2.0 activity diagram to model agent plans and actions. In AAMAS
‘05: Proceedings of the fourth international joint conference on Autonomous agents
and multiagent systems, pages 594–600, New York, NY, USA, 2005. ACM Press.

[7] Mehdi Dastani, Virginia Dignum, and Frank Dignum. Role-assignment in open
agent societies. In AAMAS ‘03: Proceedings of the second international joint
conference on Autonomous agents and multiagent systems, pages 489–496, New
York, NY, USA, 2003. ACM Press.

[8] Keith Decker. TAEMS: A Framework for Environment Centered Analysis &
Design of Coordination Mechanisms. In Foundations of Distributed Artificial
Intelligence, Chapter 16, pages 429–448. G. O‘Hare and N. Jennings (eds.),Wiley
Inter-Science, January 1996.

[9] Scott A. DeLoach, Mark F. Wood, and Clint H. Sparkman. Multiagent systems
engineering. International Journal of Software Engineering and Knowledge
Engineering, 11(3), 2001.

[10] Nirmit Desai, Amit K. Chopra, and Munindar P. Singh. An overview of business
process adaptations via protocols. In AAMAS ‘06: Proceedings of the fifth
international joint conference on Autonomous agents and multiagent systems,
pages 1326–1328, New York, NY, USA, 2006. ACM Press.

Anexo BB Presentacion

Comparación de metodologías y
arquitecturas de Agentes y
Sistemas MultiAgente en
aplicaciones Medicas y de
servicios E-Salud

INGENIERÍA DE SISTEMAS
2009- -I II
2009

Comparación de metodologías y arquitecturas

de Agentes y Sistemas MultiAgente en
aplicaciones Medicas y de servicios E-Salud

Paulo Cesar Quintero Uribe

623822

ASESOR: Germán Cubillos

INGENIERÍA DE SISTEMAS
2009- -I II
2009
 PLANTEAMIENTO DEL PROBLEMA

El problema consiste en que la información existente

sobre aplicaciones de Sistemas de Agente y
MultiAgente en Medicina y en servicios de E-Salud no
está clasificada, priorizada u ordenada, para que
sirva de fuente de apoyo a soluciones en el sector
salud.
Esta falta de información clasificada va acompañada
de que no existe una comparación de la arquitectura
y la metodología utilizada en las aplicaciones de
Agentes y Sistemas MultiAgente en medicina y
servicios de E-Salud.

INGENIERÍA DE SISTEMAS
2009- -I II
2009

Ciencia dedicada al
estudio de la vida, la

Entidad con
MARCO CONCEPTUAL salud, las enfermedades
y la muerte del ser
capacidad de humano, e implica el
Agentes arte de ejercer tal
resolver problemas Medicina
conocimiento técnico
Conjunto de para el mantenimiento y
agentes que recuperación de la
tienen la Sistemas Multi-agentes salud, aplicándolo al
capacidad de diagnóstico, tratamiento
interactuar en un y prevención de las
entorno común enfermedades.
Alude a la práctica de
BDI cuidados sanitarios
Razonamiento Deductivo Servicios apoyada en
Razonamiento Práctico E-Salud tecnologías de la
Arquitecturas
Reactivas información y las
Híbridas comunicaciones
Deliberativas (TIC).
Agentes y Medicina
Sistemas Multi-agentes Servicios E-Salud
Principales Síntomas y Signos
Zeus Inspección Padecimiento Actual
GAIA Metodologías General Antecedentes
Desarrollo MASIVO Exploración Física
Common KADS
Síndromes
KQML
Evidencias Síntomas
FIPA Protocolos de
Interacción Comunicación
Negociación
Conocimiento
Identificación Exámenes
y Evaluación Ultrasonido
Vigilancia TAC
Automatización
Negociación Aplicaciones
Recolección Datos Conocimiento
Exámenes
Tratamiento
Ultrasonido
INGENIERÍA DE SISTEMAS TAC
2009- -I II
2009
 OBJETIVOS DEL TRABAJO DE GRADO

A. Objetivo General.
Realizar una revisión documental con un máximo de cien fuentes de información
sobre aplicaciones de Agentes y Sistemas MultiAgente utilizados en medicina y
en servicios E-Salud, comparando las metodologías y arquitecturas que las
conforman.

B. Objetivos Específicos.
Mostrar en una base de datos las fichas resultantes de la revisión documental
realizada en máximo cien fuentes a partir de criterios de clasificación para las
metodologías y arquitecturas encontradas.

Construir una comparativa entre las aplicaciones halladas efectuando un análisis

a partir de los criterios de clasificación para las metodologías y las arquitecturas
de los agentes y sistemas MultiAgente.

Presentar los resultados obtenidos en una herramienta WEB

INGENIERÍA DE SISTEMAS
2009- -I II
2009

METODOLOGÍA

Fase 1: Fase de revisión inicial y selección de los documentos

La revisión documental inicial, como estrategia metodológica de obtención de información, se
entiende como la gama de registros escritos (investigaciones [tesis de pre y posgrado, artículos de
revistas especializadas, documentos digitales, libros y capítulos de libros, entre otros]), encontrados
en momentos previos y durante la investigación.

Fase 2: Fase de registro y sistematización

El registro de los documentos se desarrolla sobre un modelo de fichas1, que recoge la información
básica de las fuentes consultadas.
Para el proceso de sistematización de la información recogida, se establece un código con el cual
se identifica la fuente origen. Los datos básicos de la fuente origen identifican el tipo de fuente,
título, autor, ubicación. Presenta además, una descripción breve de la fuente, en la cual se escriben
los aspectos generales de lo contenido en ella.

Fase 3
Construcción de base de datos.
Construcción de pagina Web.
Entrega del trabajo.

INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009

Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009

Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009

Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009

Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009

Resultados Finales

INGENIERÍA DE SISTEMAS
2009- -I II
2009
 Modelo Entidad Relación
1.N
1 N
Usuario Buscar Ficha

1.N
1 N
Usuario Buscar Documento

1.N
1 N
Usuario Buscar Aplicación

1.N
1 N
Administrador Manipula Documentos

INGENIERÍA DE SISTEMAS
2009- -I II
2009

Pagina WEB

INGENIERÍA DE SISTEMAS
2009- -I II
2009
 CONCLUSIONES

Las arquitecturas mas completas, son las arquitecturas hibridas, que son el resultado de combinar
arquitecturas reactivas y arquitecturas deliberativas, pero al tener esta característica la hacen mas
complejas de desarrollar.

Las arquitecturas reactivas son mas accesibles de implementar en las aplicaciones de medicina
basadas en sistemas de agentes y multiagentes, porque son una cantidad de reglas y de
parámetros que se pueden desarrollar fácilmente.

No se encontró mucha información de metodologías utilizadas en el desarrollo de aplicaciones

medicas y de servicios de E-salud como para tener una base fuerte y llegar a recomendarla.

Las aplicaciones medicas y de servicios de e-salud basadas en sistemas de agentes y multiagentes

son una herramienta muy poderosa para llevar salud a regiones apartadas de nuestro país, con el
constante monitoreo de médicos en ciudades capitales.

INGENIERÍA DE SISTEMAS
2009- -I II
2009

Trabajos futuros

Desarrollo de aplicaciones sencillas de medicina y de servicios de e-salud

basadas en agentes y sistemas multiagentes

Realización de contactos entre la universidad y entidades prestadoras

de servicios de salud para el desarrollo de los primeros sistemas
basados en agentes y sistemas multiagentes y ofrecer telemedicina desde
Bogotá a comunidades con déficit en servicios de salud.

INGENIERÍA DE SISTEMAS
2009- -I II
2009