A hipótese de pesquisa desse trabalho é mostrar que a utilização de uma camada de software, a qual implementa o foco de atenção (qualitativo e quantitativo) do agente, me- lhora o desempenho, segundo a métrica de tempo de execução, dos agentes em relação a agentes oniscientes. Essa camada de software seria útil, por exemplo, para a utiliza- ção desses agentes em sistemas onde o tempo de resposta fosse um elemento importante. Dessa forma, esses agentes, com seus parâmetros de configuração dos agentes AAFA ajustados adequadamente, seriam capazes de obter resultados melhores que agentes onis- cientes usados nas mesmas condições.
Para validar essa hipótese, os agentes foram avaliados em um ambiente de simulação multiagente, onde os agentes devem alcançar um objetivo comum a todos eles. No nosso caso específico, a simulação escolhida foi a de fuga de um incêndio. Os agentes estão confinados em uma sala onde, em determinado momento, um ou mais focos de incên- dio aparecem. A partir desse instante, o objetivo comum dos agentes é o de sobreviver, encontrando uma saída de emergência.
A fim de avaliar a influência do uso da afetividade em uma arquitetura de agente inte- ligente, é necessário que o ambiente usado por esses agentes seja complexo e dinâmico, como o recomendado por vários autores [Silverman, Johns, Cornwell & O’Brien 2006] [Morgado 2006] [Sarmento 2004] [Kasap et al. 2009] [Romano et al. 2005] [Kessler et al. 2008] [Gebhard 2005]. De acordo com eles, um cenário adequado para que o uso da afetividade possa ser significativo deve considerar a quantidade de objetos para o processo de planejamento dos agentes, restrições de tempo e problemas próximos a situações reais. Normalmente, em um cenário com essas características é esperado que nem toda a informação disponível seja relevante para um processo correto e eficiente de tomada de
decisão. Por causa disso, uma arquitetura como a projetada para os agentes AAFA pode ser bem sucedida.
No contexto dos testes realizados para a validação da arquitetura proposta, a avaliação do desempenho dos agentes será feito através da medição de parâmetros da simulação como um todo, pois considera-se que agentes com um desempenho individual melhor produzem simulações com parâmetros gerais melhores.
A utilização de parâmetros da simulação ao invés de parâmetros individuais dos agen- tes deveu-se ao fato, já mencionado anteriormente, de que a plataforma Jason não possui suporte a nenhum tipo de profiler para os agentes. Dessa forma, seria necessário intro- duzir um aplicativo de terceiros para realizar essa tarefa, o que aumentaria bastante a complexidade do sistema de teste desenvolvido.
A avaliação do desempenho dos agentes é baseado nos seguintes parâmetros de simu- lação:
• Tempo total de simulação e seu desvio padrão;
• Número total de passos de simulação e seu desvio padrão;
• Número total de agentes mortos na simulação e seu desvio padrão;
Apesar das métricas tempo total de simulação e número total de passos de simulação sejam similares, pois são interrelacionadas, decidiu-se efetuar a medição de cada uma delas, para verificar se a redução de tempo de raciocínio poderia influenciar o número de passos.
Nesse caso, os agentes mortos são os agentes que não alcançaram a saída de emergên- cia e foram alcançados pelas chamas do foco de incêndio. Para todas as simulações foi definido que somente a exposição às chamas mataria o agente, não existindo mortes por exposição à fumaça ou à alta temperatura.
Como mencionado na Seção anterior (5.1), o projeto da arquitetura proposta permite que ela trabalhe de diversas formas diferentes. Objetivando a melhor descrição e entendi- mento dos resultados obtidos, todos os modos de operação possíveis foram nomeados da seguinte maneira:
• OMN - São os agentes oniscientes. Eles não fazem uso da arquitetura proposta e percebem todos os elementos cognitivos disponíveis no am- biente;
• AAF-SfTf - São agentes que usam a arquitetura proposta configurada com foco qualitativo e quantitativo fixos;
• AAF-SdTf - São agentes que usam a arquitetura proposta configurada com foco qualitativo dinâmico e foco quantitativo fixo;
• AAF-SfTd - São agentes que usam a arquitetura proposta configurada com foco qualitativo fixo e foco quantitativo dinâmico;
• AAF-SdTd - São agentes que usam a arquitetura proposta configurada com foco qualitativo e quantitativo dinâmicos.
Os agentes utilizados nas simulações utilizam o mesmo algoritmo de raciocínio. O que diferencia cada um dos modos de operação da arquitetura mostrados anteriormente,
é a quantidade e o tipo de informação que será manipulada pelo processo de raciocínio. No caso dos agentes oniscinetes (OMN), todas as informações do ambiente estarão dis- poníveis, o que significa que o foco de atenção da arquitetura não está operando. Para os agentes AAF, nos quais o foco de atenção está ativo, a qualidade da informação e a quantidade será analisada conforme o modo de operação definido para a arquitetura (vide Seção 4.4).
Tendo em vista que a avaliação do desempenho do raciocínio dos agentes será feita avaliando-se parâmetros da simulação, foram projetados três cenários diferentes para a mesma simulação de fuga de incêndio. Cada cenário foi implementado como um grid 2D de tamanho 50x50, onde uma célula não pode conter mais do que um agente, ou seja os agente são obstáculos uns para os outros. O cenários implementados são descritos a seguir.
• Cenário de teste 01: nível de dificuldade alto. Os agentes são espalha- dos aleatoriamente por todo o ambiente e são definidos três diferentes focos de incêndio. O foco de incêndio mais próximo ao canto inferior esquerdo possui uma velocidade de propagação duas vezes maior que os outros dois focos. O cenário possui três saídas de emergência: canto su- perior esquerdo, canto superior direito e canto inferior esquerdo e várias sinalizações de emergência. A Figura 5.2 mostra o cenário;
• Cenário de teste 02: nível de dificuldade médio. O cenário tem um foco de incêndio no meio do ambiente e apenas uma saída de emergência no canto superior esquerdo. Os agentes são posicionados aleatoriamente na porção do ambiente próxima ao canto inferior direito. O cenário possui quatro sinalizações de emergência. A Figura 5.3 mostra o cenário; • Cenário de teste 03:nível de dificuldade baixo. O cenário é basicamente
o mesmo do cenário 01 mas com os agentes distribuídos aleatoriamente na porção do ambiente próxima ao canto inferior direito cujo canto dis- põe de uma saída de emergência. A Figura 5.4 mostra o cenário;
Em todos os cenários de teste, os focos de incêndio se propagam de forma homogênea, formando um círculo cujo o centro é o foco inicial. A temperatura e a fumaça se propagam da mesma forma que os focos de incêndio que lhe deram origem, com uma distância máxima de dez células da última célula com fogo.
Nesses cenários de teste, a percepção dos agentes foi modelada através de quatro sentidos: audição, olfato, visão e tato. Desse modo, os agentes são capazes de perceber as seguintes informações:
• Ruídos e sons (o que inclui o alarme de incêndio);
• Fumaça (mesmo que o alarme não tenha sido disparada ainda); • A localização das saídas;
• Os sinais luminosos de emergência indicando o local das saídas; • O fogo;
• A temperatura; • Os outros agentes;
Figura 5.2: Representação gráfica do Cenário de teste 01. Legenda: 1=sinalização de emergência; 2=saída de emergência; 3=foco de incêndio; 4=alarme sonoro; 5=agente.
Figura 5.3: Representação gráfica do Cenário de teste 02. Legenda: 1=sinalização de emergência; 2=saída de emergência; 3=foco de incêndio; 4=alarme sonoro; 5=agente.
• A direção de movimento dos agentes; • Os agentes mortos.
O cenário de teste básico para essa investigação é um grid de células 50 × 50, onde os elementos cognitivos são as células desse tabuleiro. Ou seja, a lista de elementos percebidos (perceived elements list) recebida pelo agente é formada por um conjunto de
Figura 5.4: Representação gráfica do Cenário de teste 03. Legenda: 1=sinalização de emergência; 2=saída de emergência; 3=foco de incêndio; 4=alarme sonoro; 5=agente. células contendo, cada uma, um conjunto de elementos do ambiente (informações do am- biente). O tamanho máximo da lista de elementos percebidos é de 2500 elementos, que corresponde ao número de células recebidas pelos agentes oniscientes (OMN). Como foi discutido na Seção 4.2.1, depois do processamento dos elementos cognitivos recebidos do ambiente, cada célula (elemento cognitivo) se torna um conjunto de elementos percep- tíveis com o formato mostrado na Equação 4.5.
Internamente, cada elemento cognitivo (célula) do grid, mapeia um conjunto de in- formações do ambiente usando a fórmula mostrada na Equação 5.1. Dessa forma, cada célula, através da estrutura Info, indica quando determinada informação está presente ou não e, no caso de informações que são definidas em um determinado intervalo, qual o valor dessa informação no atual passo de simulação.
In f o = {Position X,Position Y,Exit,Agent,
Fire, Level o f Smoke, Level o f Temperature, Level o f Sound, Alarm, Sign, Dead Agents}
(5.1) Um exemplo dessa abordagem pode ser visto na Equação 5.2 que mostra uma célula do grid, com as informações que estão disponíveis em um determinado passo de simu- lação. Para esse caso, a célula cuja a posição é (x = 20,y = 30) não contém uma saída, não contém agente e também não contém fogo, o nível de fumaça é 0.2, a temperatura é 0.2 e o nível de som é 0.4, não contém alarme ou sinalização de emergência e possui um agente morto.
De acordo com o descrito na Seção 4.2.2, o foco qualitativo do agente é construído com base em um conjunto de aspectos que caracterizam o ambiente, descritos pelo con- junto A = {a1, a2, ··· ,ak}, e em um conjunto que define o interesse do agente sobre cada
um desses aspectos, o conjunto dos LoI.
Considerando o que o agente é capaz de perceber e as informações disponíveis nos cenários utilizados (Equação 5.1 e 5.2), o conjunto de aspectos escolhido para caracterizar esse ambiente em particular foi:
A= {Exit,Agents,Danger,Signs,Fatal} (5.3)
O mapeamento entre as informações disponíveis em cada elemento cognitivo (Equa- ção 5.1 e 5.2) e o conjunto de aspectos do foco qualitativo do agente (Equação 5.3), associado à interpretação semântica implementada no sistema testado é descrito a seguir:
• Fatal – Fire • Danger – Smoke – Temperature • Agents
– Quantidade de agentes mortos na célula – Quantidade de agentes que chegaram à saída – Quantidade de agentes mortos na mesma direção – Quantidade de agentes que estão na mesma direção • Signs
– Sinais com o mesmo sentido do movimento do agente – Sinais com sentido oposto ao movimento do agente • Exit
– Exit
Conforme o que foi mostrado pela Equação 4.11 da Seção 4.2.2, o nível de interesse LoI do agente em relação a qualquer aspecto é um valor x = {x ∈ R|0 ≤ x ≤ 1}. Por simplificação do processo de avaliação da arquitetura, os níveis de interesse foram con- siderados binários, ou seja, o interesse do agente sobre um determinado aspecto pode assumir o valor x = 0, significando que não há interesse por parte do agente, ou o va- lor x = 1, significando que há total interesse (100%) por parte do agente em relação ao aspecto considerado.
O interesse sobre o aspecto Exit foi mantido com o valor 1 em todas as simulações em que o foco qualitativo do agente foi utilizado. Essa consideração foi feita por se tratar de um comportamento de fuga de um incêndio, onde a prerrogativa de saber a localização da saída é básica para o sucesso do objetivo do agente: a sobrevivência. Além disso, os agentes oniscientes recebem todos os elementos cognitivos disponíveis (todas as células do grid), e sempre saberão a localização das saídas existentes. No caso de um agente que utiliza a arquitetura cujo interesse sobre o aspecto exit tenha valor x = 0 poderá não
perceber a saída e fazer um movimento aleatório, por não ter uma direção estabelecida para seguir, o que tornaria a comparação com um agente onisciente injusta.
Considerando que o interesse sobre o aspecto exit sempre em 1 e os demais aspectos com valores binários 0 ou 1, pode-se ter 16 focos espaciais diferentes, variando de F = 10000 a F = 11111. A nomenclatura F = 10101 significa que o foco qualitativo do agente foi configurado com os valores de LoI de cada aspecto valendo: Exit = 1,Agents = 0,Danger = 1,Signs = 0,Fatal = 1. Como essa nomenclatura é binária, usaremos como referência da posição do bit (a sua ordem de grandeza), ou seja, o bit 0 (zero) será o bit menos significativo e o bit 4 o mais significativo. Dessa maneira o bit 0 representa o LoI relativo ao aspecto Fatal e o bit 4 representa o LoI relativo ao aspecto Exit e assim sucessivamente. Nesse documento, o foco qualitativo do agente será denotado doravante por F.
Por convenção, o foco quantitativo será denotado por L nesse documento. Para o ambiente em grid utilizado como cenário de teste, pode-se ter L como um inteiro no intervalo [0,2500]. Para os propósitos dos teste em questão, o menor valor considerado para o foco quantitativo foi 250 e o maior 2250 e o incremento padrão usado para variação desse parâmetro foi de 250. Em algumas situações específicas, foi usado um incremento de 100. O valor do foco quantitativo (L) refere-se à quantidade de elementos cognitivos (células do ambiente) que o agente será capaz de perceber e manipular.
Como a hipótese de pesquisa está relacionada ao desempenho dos agentes individu- almente, a interação entre os agentes não é considerada. Ou seja, não existe nenhum processo de coordenação ou cooperação entre os agentes. Dessa forma, a quantidade de agentes na simulação torna-se irrelevante para a validação da arquitetura proposta. A quantidade de agentes influencia apenas o aspecto da dificuldade do ambiente, pois se dois agentes não podem ocupar a mesma célula, todos passam a ser obstáculos uns para os outros. A única forma de relacionamento entre os agentes é dada pelo aspecto Agents do foco qualitativo, pois esse aspecto faz com que o agente considere o número de agentes mortos nas células ao realizar a avaliação do melhor caminho. Além disso, com este as- pectoativado, o módulo afetivo recebe informações que permitem ao agente considerar a quantidade de agentes mortos na direção escolhida para o movimento, e também a quan- tidade de agentes que estão se movendo na mesma direção escolhida pelo agente. Esse relacionamento pode ser considerado uma forma de Stigmergy, ou comunicação através do ambiente [Bonabeau 1999] [Alexander S. Klyubin 2004].
A quantidade de agentes utilizada nas simulações foi de 15. O número foi escolhido levando-se em consideração a necessidade de obter valores dos parâmetros de avaliação da simulação, capazes de evidenciar o desempenho dos agentes. Além disso, como o desempenho geral do sistema desenvolvido no Jason foi consideravelmente baixo, foi ne- cessário estabelecer uma quantidade de agentes que permitisse a execução das simulações em um tempo razoável.
O número médio de repetições utilizado para gerar os conjuntos de resultados foi de 20. Os conjuntos comparados usaram o mesmo número de repetições. Essa quantidade de repetições foi definido observando-se o comportamento dos resultados para 12, 20, 30 e 50 repetições. O valor 20 apresentou a mesma coerência de resultados apresentados pelos valores 30 e 50 com um tempo de execução menor.
Para localizar os agentes nos cenários, em cada repetição do experimento, foi utilizado um conjunto de mapas de localização previamente definidos, onde as posições foram aleatoriamente escolhidas. No caso do cenário de teste 01, os agentes foram distribuídos por todo o grid. No cenário de teste 02 e 03, os agentes foram distribuídos na porção inferior direita do grid, pois, no caso do cenário 02 a idéia era dificultar o processo de achar a saída e, no caso do cenário 03, a idéia era facilitar esse processo.
Para os agentes com pelo menos um dos focos (qualitativo e/ou quantitativo) atua- lizados dinâmicamente durante a simulação (AAF-SdTd, AAF-SfTd e AAF-SdTf), as configurações usadas estão descritas na Tabela 5.1.
Configuração da Arquitetura
Sub-Módulo Parâmetro Valor
OCC Emoção Joy(+) / Distress (-)
OCC decayEmotion 0.5
PAD Mbasico P= 0.495 A = −0.06 D = 0.35 (Calculado)
PAD tmood 0.9
PAD Kn 0.1
OCEAN Traços O= 0.5 C = 0.5 E = 0.5 A = 0.5 N = 0.5
Foco Quantitativo µ 0.1
Foco Quantitativo δ 4.0
Tabela 5.1: Configuração dos parâmetros da arquitetura proposta usada nos testes de va- lidação.
O cenário de teste 02 foi o cenário no qual todo o projeto foi desenvolvido e inicial- mente testado. Desse modo, todos os meta_info operators foram desenvolvidos e testados nesse cenário, não havendo nenhum processo de adaptação deles para os demais cenários. As meta_info operators consideradas para os testes são mostradas na Tabela 5.2.
Todas as simulações utilizadas nos processos comparativos discutidos na Seção 5.3 foram executadas nos mesmos computadores, usando-se a mesma configuração básica de serviços ativos em cada máquina. Dessa forma, tornou-se possível comparar os tempos referentes à simulação completa, bem como os tempos de cada passo de simulação.
Um teste estatístico foi utilizado para a comparação dos conjuntos de resultados obti- dos com agentes com a arquitetura proposta ativa e os resultados dos agentes oniscientes. Foi utilizado o Teste de Hipótese (t-test), o qual permite avaliar se dois conjuntos de re- sultados são estatisticamente equivalentes. Nessa investigação foi considerado o t-test bi-caudal com grau de confiança de 95% (α = 0.05) [Demsar 2006].