Algoritmo evolutivo basado en reglas locales para resolución de objetivos sobre agentes en un entorno simulado

• Autores: Arles Rodríguez, Jonatan Gómez
• Localización: Avances en Sistemas e Informática, ISSN 1909-0056, Vol. 8, Nº. 1, 2011, pág. 10
• Idioma: español
• Títulos paralelos:
  • Evolutionary algorithm based on local rules for targets resolution over agents in a simulated environment
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Este articulo muestra la construccion y evolucion de un entorno multiagente. Los agentes estan ejecutando programas de movimiento buscando objetivos en un mundo que tiene objetivos aleatorios y temperaturas distribuidas en el espacio. Algunas temperaturas son letales para los agentes. Un algoritmo evolutivo evalua y selecciona las acciones de los agentes en el mundo virtual basado en las percepciones locales de cada agente. Se de�O nen programas basicos de movimiento derivados de un lenguaje simple para representar las direcciones de movimiento y son codi�O cados en un genotipo binario de 9 bits (los 3 proximos movimientos).

    La funcion de evaluacion esta basada en interacciones locales y evalua la proximidad de los programas de movimiento al objetivo y acciones para prevenir la muerte del agente por calor. En cada hilo de ejecucion del agente, el algoritmo evolutivo se ejecuta en multiples ocasiones hasta alcanzar el objetivo. Como resultado, los agentes alcanzan el objetivo rapidamente y al mismo tiempo evitan puntos de temperatura letal.

  • English

    This paper discusses the construction and evolution of a multiagent environment. The agents are running movement programs looking for objectives in a world that has random targets and temperatures distributed in the space. Some temperatures are lethal for agents. An evolutionary algorithm evaluates and sets the agents actions in the virtual world based on local perceptions of each agent. We de�O ne basic movement programs, which are generated from a simple language to represent directions and we encode the programs in a binary genotype of 9 bits (3 next movements).

    The �O tness function is based on local interactions and assesses the proximity of movement programs to the goal and actions to prevent death of the agent by the heat. In each agents thread, the Arles Rodriguez Ing. & Jonatan Gomez Ph.D.

    Dpto. Ingenieria de Sistemas e Industrial, Universidad Nacional de Colombia Grupo de Investigacion Alife aerodriguezp@unal.edu.co, jgomezpe@unal.edu.co evolutionary algorithm is executed several times until reach the target. As result, the agents reach the target quickly and at the same time, they avoid points of lethal temperature.