martes, 14 de mayo de 2013

Evidenica 12 > Sistemas Multiagente

Esta evidencia trata sobre la instalación de plataformas para programar sistemas multiagente.

  1. ¿Qué significa JADE?
    Significa Java Agent DEvelopment Framework.
  2. ¿Para qué sirve?
    Simplifica la implementación de sistemas multi-agente por medio de un software intermedio que cumple las especificaciones FIPA y a través de un conjunto de herramientas gráficas que soportan depuración.
  3. ¿De dónde se puede descargar?
    Del sitio web oficial debes registrarte primero para descargarlo.
  4. ¿Qué otras plataformas existen?
    Jason
    SPADE
    Janus-project
    MadKit
    tinyMAS
    Lisa

sábado, 11 de mayo de 2013

Práctica 4 > Plataforma Multiagente

MadKit: MultiAgents Developpement Kit

MadKit es una plataforma multiagente modular y escalable (de código abierto), escrito en Java y construido sobre el modelo Agente-Grupo-Rol.

Este software libre está bajo licencia GNU GPL e incluye:
  • Agentes de la creación artificial y la gestión del ciclio de vida.
  • Infraestructura organizativa para la comunicación entre agentes.
  • Alta heterogeneidad en las arquitecturas de los agentes.
  • Multi-Agente de simulación basado en simuladores y herramientas de autoría.
  • Multi-Agente distribuida basada en servicios de aplicaciones de edición.
La máquina virtual de java (JRE) debería ya estar instalada en tu PC si no es así ingresa al sitio oficial.



A continuación muestro un video tutorial sobre la instalación de dicha plataforma




Un pequeño programa que muestra el funcionamiento de agentes. No está basado en la plataforma mencionada previamente, sino más bien realizado en la idea del funcionamiento, cuya codificación se realizó con el lenguaje de programación Java. Basado en la "subastas".






Resultados obtenidos de la subasta


martes, 7 de mayo de 2013

Avance del Proyecto

Descripción

Nuestro proyecto simulará un emparejamiento de equipos de un multijugador en línea, de tal forma que estén balanceados los mejor posible. La entrada de los integrantes será de forma aleatoria; cada equipo conformado por 5 participantes, en lo general se asignan roles específicos (posteriormente se definirán explícitamente en los avances del proyecto).

Justificación

Seleccionamos este punto del multijugador porque estamos familiarizados con la mecánica previa del mismo, además de que notar una aplicación de los temas aprendidos en la clase: Programación de Sistemas Adaptativos. Bien podríamos formar equipos más equilibrados para partidas justas.

Bosquejo de Solución

Crearemos un tipo de base de datos para realizar la simulación con los siguientes:

  • Victorias
  • Derrotas
  • Asistencias
  • Asesinatos
  • Tasa de crecimiento por partida
  • Rol seleccionado anteriormente.


En el multijugador existen los roles siguientes, básicamente son:

  1. Support
  2. Tank
  3. Jungler
  4. Renged
  5. Mage
  6. Fighter
Nuestro algoritmo tomará en cuenta los datos individuales y creará los equipos.

Un ejemplo: Durante el emparejamiento, es posible que las Asistencias de un jugador exprese una cantidad enorme a comparación del resto, esto significaría que él no busca Asesinatos, sino más bien que busca apoyar al resto del equipo; si nuestro programa encuentra otra coincidencia, habrá "llenado el rol" en ambos equipos. 
Sin embargo sabemos que no todos las muestran resultarán equilibradas. Partiendo del ejemplo anterior, supongamos que la mayoría de la muestra resulta en menos asesinatos por parte de cada jugador, para esto tomaremos en cuenta el resto de datos (tasa de crecimiento por nivel, rol seleccionado anteriormente) podría ser que alguno de los jugadores sea más hábil para Asesinatos que los otros.

Se tratará de llegar lo más equilibrado posible.

Herramientas

Existe un sitio web LoLKing donde se encuentran los datos citados previamente. De aquí tomaremos una muestra para ejecutar nuestro algoritmo.


sábado, 4 de mayo de 2013

Evidencia 10 > Caos

Breve Introducción

Estudio de sistemas determinísticos que son tan sensibles en su medición que su salida parece aleatoria. Básicamente encontrar el orden de algo que parece aleatorio.

Ejemplos de sistemas caóticos

Un sistema planetario es un sistema caótico. Así es, nuestro hogar se encuentra en pleno caos, aun que no lo percibamos.
  • Sensibilidad a condiciones iniciales.- Antes de formarse el Sistema Solar el polvo estelar que se acumulaba pudo haberle faltado una pequeña "pisca o grano" de material, y así el Sol no hubiera nacido; condenando nuestro vecindario a ser puro polvo (nebulosa).
  • Atractores.- Hemos observado a lo largo y ancho del espacio que todos los objetos celestes cercanos se inclinan a un tipo de configuración común; tienden a orbitar un objeto mayor. Así se forman los objetos en el exterior, al principio escombros vagabundos y después se juntan más y más a la bola hasta conformar una estrella o un diminuto meteoro.
  • Auto-similitud.- Los planetas giran alrededor del Sol; las lunas giran alrededor de planetas.
  • Entropía. Esta es la medición que se otorgó al caos, todo tiene entropía. Por el simple hecho de que una roca cae (como vemos en la naturaleza) y no sube.

Un huracán también es un sistema caótico, aun que eso ya es como mencionar una elocuencia, veamos sus características.
  • Sensibilidad a condiciones iniciales.- Para que se forme un huracán las condiciones deben ser específicas y son muy especiales. Una tormenta tropical puede convertirse en un huracán si recibe un flujo constante de aire cálido, o incluso algo espontáneo del mismo y comenzará su nacimiento.
  • Atractores.- Todos los huracanes tienden a girar, no se ha registrado alguno cuyos vientos vayan al Norte, al Este y al Sur; ya sea que roten en contra o a favor de las manecillas del reloj.
  • Bifurcación.- Una variación en la temperatura del agua y el tiempo que tomó en formarse el huracán será el mismo en que se desvanecerá, así de simple.
  • Ciclos de Retroalimentación.- La "fuente de poder" de estos eventos son tanto aire cálido como aire frío, ambos en conjunto suministran de fuerza al huracán. Por esto se presentan mayormente entre los trópicos y no en los extremos más norteños.
  • Entropía. Esta es la medición que se otorgó al caos, todo tiene entropía. Por el simple hecho de que una roca cae (como vemos en la naturaleza) y no sube. Las lluevias torrenciales caerán, más no subirán directo a la nubes (aun que suene loco).

Conclusiones

Considero que todo lo que nos rodea y es medido (base fundamental de las investigaciones) es un sistema caótico, por más insignificante que parezca, ya que todo posee entropía.

Referencias

"El Universo" - History Channel
"Universo" - Discovery Channel

Evidencia 9 > Redes Complejas

Redes complejas

Las redes complejas son grafos con características especiales. Que bien pueden modelar sistemas reales (como la naturaleza) ya que presentan una estructura comunitaria a muchas escalas y evidencias de estructuras jerarquizadas.

Ejemplo

A continuación se presenta una matriz de adyacencia, de la cual calcularemos la densidad de la red compleja.


Recomiendo utilizar una hoja de cálculo (en mi caso OpenOffice Calc) como herramienta.

Obtenemos las sumatorias de cada fila y de cada columna. Dado que apreciamos una matriz simétrica deberá resultar la misma cantidad en la sumatoria de la fila y la columna correspondiente.
Esto resulta de sumar cada columna

Para calcular la densidad utilizamos la fórmula siguiente
Donde "m" es la suma de todos los unos en la matriz, sobre 2 (porque es una matriz simétrica); "n", representa la cantidad de filas o de columnas.

Nuestra ecuación quedaría como sigue
Lo adaptamos para usarlo en la hoja de cálculo y nos arroja el resultado de: 0.1155303.

A continuación muestro un script que realize la anterior metodología, lo codifiqué en PHP

La matriz de adyacencia anterior se encuentra, originalmente, en un archivo de texto. Para extraer la información abriré el fichero en modo lectura.

Obtengo la información e itero sobre el arreglo que contiene arreglos, lo sé.

 Resultado final




lunes, 29 de abril de 2013

Práctica 3 > Redes Neuronales Artificiales

Introducción
Esto consiste en el reconocimiento de patrones de señales. Los patrones se obtienen a partir de los procesos de segmentación, extracción de características y descripción donde cada objeto queda representado por una colección de descriptores.
Para realizar esta aplicación seleccionamos el lenguaje C++, utilizando las librerías: opencv2/objdetect, opencv2/highgui y opencv2/imgproc.
Para que esta aplicación funciones se tiene que guardar los datos de la persona u objeto, así al momento de ejecutar la aplicación pueda ser reconocido.

Objetivo
Aprender el funcionamiento y aplicaciones de las Redes Neuronales Artificiales. Realizar la actividad seleccionada, en este caso reconocimiento de un rostro humano (por lo menos detectar uno de estos).

Justificación
Seleccionamos el tema Redes Neuronales Artificiales en el que implementaremos el mencionado reconocimiento de rostro en la cámara de nuestra laptop utilizando un reconocimiento de patrones.
Esta aplicación podría ser utilizada en varios dispositivos como: celulares, tabletas, o bien para reconocer los empleados de una empresa y así ayudar en la seguridad de la misma, entre otros.

Ejemplo
A continuación se presenta un ejemplo muy básico sobre cómo funciona un perceptrón simples. Se realizó con ayuda de una hoja de cálculo (openoffice calc).

Necesitaremos de las fórmulas siguientes
La primera servirá para actualizar los valores de una tabla, que se conocerán como pesos. La segunda sirve como un rango de error entre un valor obtenido y su contraparte resultante.

La tabla con respectivos valores iniciales. La última columna representa el valor esperado correspondiente a la combinación


Factores de aprendizaje. Son tres valores en el sesgo debido a que tres elementos forman la combinación (x's).
También se considera que cualquier número negativo obtenido de un cálculo será representado como un 0; 1 será en caso contrario.


En el primer cálculo determinaremos el resultado de sumar el producto de cada "x" con el respectivo sesgo, colocando el valor en una nueva columna llamada "g(x)".
La columna "f(x)" representa el resultado de la condición previamente establecida.


Al aplicar el proceso anterior en cada combinación (renglón) obtenemos lo siguiente
Nótese que en todas las combinaciones existen número negativos, debido a la condición los resultados deseados "d" y los resultados obtenidos "f(x)" difieren en el último renglón (d = 1 y f(x) = 0). Es preciso realizar un ajuste en esta parte.


Ejecutamos el ajuste de pesos para calcular nuevamente el resultado
Con esta muestra pequeña indicamos como se realiza a actualización del peso. En la hoja de cálculo sería algo como esto

La tabla finalmente luce así
Ahora sí el resultado no es un número negativo por lo tanto al evaluación la condición la establecemos como 1.


Nota: DEBEN ACTUALIZARSE LOS VALORES Y CALCULARLOS DE NUEVO TANTAS VECES HASTA QUE SE OBTENGA EL RESULTADO DESEADO


Código
Como mencionamos necesitaremos de librerías para captar las imágenes y convertirlas a un formato legible por la PC. Afortunadamente todo este "rollo" lo realiza ya la librería.



Primeramente debemos detectar el rostro y dibujar un rectángulo sobre el perímetro del mismo. Para ello al momento de digitalizar la imagen se obtienen los puntos o en este caso pixeles "x,y" donde iniciará nuestra figura; los pasamos como parámetros a la función de "enmarcado".



Como puede apreciarse se introducen elementos para hacer algo más gráfico el programa. Las instrucciones provenientes de la librería para detección y dibujado se apoyan de un escaneo de la imagen completa (justo donde inicia el ciclo "for" cuya iteración máxima dependerá de la longitud del rostro captado); útil, ya que se utiliza una ejecución continua por lo cual así podemos repintar el marco cada que detecta un obtjetivo.

Ya en el método main (método para la ejecución) agregamos un "capturador de excepciones", incluido por default. Encargado de captar cualquier problema relacionado al cargar el archivo utilizado para la detección de rostros (una red ya entrenada). "capture" es un puntero a la imagen escaneada en tiempo de ejecución.



Después indicamos que realizar al momento de una no detección, en este caso simplemente no enmarca el objetivo y muestra un mensaje simple; para ello recurrimos al objeto gráfico "frame" que se enlaza con la imagen por "capture".



Finalmente un "escucha" proveniente de teclado para salir del programa.


Resultado


Conclusiones
Al principio pensamos mucho en sobre como realizar la digitalización y escaneo de la imagen, sin embargo supimos de esta grandiosa librería openCV2 que se encarga de ello, sin enfocarnos demasiado en la estructura de aprendizaje para el rostro humano, ya que viene incluída, admitimos que el conjunto de entrenamiento que usa es extenso como para modificarlo (se encuentra en un archivo XML).
Una vez logrado nuestra meta: detectar por lo menos un rostro (básico). Fuimos algo más ambiciosos al tratar de captar la nariz y comparar con un estándar para determinar las cualidades de la nariz en cuestión, sin embargo no pudimos lograr el escaneo de ésta, y tuvimos inconvenientes al incorporarlo en la ejecución en tiempo continuo. También admitimos que nuestros esfuerzos para la comparación de narices, realmente nos superaban.

A continuación un video de muestra sobre esta práctica: