Multibydagentsystemer og koordinering i Python Treningskurs

Introduksjon til multibydagentsystemer

• Oversikt over agenter, miljøer og interaksjonsmodeller
• Samarbeid, konkurranse og autonomi i agentbaserte systemer
• Anvendelser innen logistikk, robotikk og beslutningsprosesser

Kjernekonsepter i agentarkitektur

• Reaktive vs. deliberative agenter
• Kommunikasjonsprotokoller og koordineringsmodeller
• Kunnsksrepresentasjon og felles tilstand

Implementering av agenter i Python

• Bygge agenter ved bruk av Mesa-rammeverket
• Modellering av miljøer og interaksjoner
• Simulering av agentoppførsel og visualisering

Koordinering og kommunikasjon

• Meldingsoverføring og fellesminne-arkitekturer
• Forhandlinger, konsensus og oppgavetildeling
• Koordineringsalgoritmer (contract net, markedsbasert, swarmed-modeller)

Læring og tilpasning i multibydagentsystemer

• Forsterkningslæring for flere agenter
• Samarbeidende vs. konkurrerende læredynamikk
• Bruk av PettingZoo og Stable-Baselines3 for MARL

Distribuert databehandling og skalering

• Bruk av Ray for distribuerte multibydagent-simuleringer
• Styring av samtidighet og synkronisering
• Parallelisering av beregninger og håndtering av fellesressurser

Samarbeid mellom menneske og agent

• Design av grensesnitt for menneske-in-the-loop-koordinering
• Hybride arbeidsflyter med KI-støttet beslutningsstøtte
• Ethiske og operative overvegelser

Hovedprosjekt

• Design og implementering av et multibydagentsystem i Python
• Demonstrasjon av koordinering og læring mellom agenter
• Presentasjon av simuleringsresultater og prestasjonsinnsikter

Oppsummering og neste trinn