2 Marco Teórico

Resumen

Este capítulo muestra los modelos de planeación tradicional más cercanos al propuesto, también los modelos de decisión asistidos por tecnología que apoyan el desarrollo del proyecto y finalmente se describen los sistemas expertos porque su funcionamiento tiene una estructura parecida al modelo que más adelante se plantea. Aunque los modelos de planeación tradicional no se asemejan, si tratan temas que todo modelo de planeación debe incluir, tales como la definición de metas, operadores o acciones, recursos, precedencia y consecuencia, entre otros. Los modelos de decisión asistida por tecnología se describen en su estructura y su utilización como apoyo en las organizaciones. Y los sistemas expertos tienen una forma de trabajo que se asemeja al modelo propuesto.

2.1 Modelos relacionados a la planeación

Este trabajo trata de un método de metaplaneación mediante la experiencia de agentes, por lo que se manejarán temas relacionados como son: planeación computacional, metaplaneación, planeadores más recientes y justificación del modelo propuesto. Primeramente se describe la evolución de los planeadores con la finalidad de observar como se fueron desarrollándose nuevos modelos que mejoraban los anteriores.

Evolutivamente se tiene primero GPS (General Problem Solving) (Fikes & Nilsson 71) que consiste fundamentalmente en descomponer de manera sistemática un problema en otros. GPS requiere describir el estado del sistema, lo que obliga a describir los objetos y sus relaciones. Lo anterior puede requerir una enorme cantidad de descripciones de estado. Esto hizo surgir la versión STRIPS (Stanford Research Institute Problem Solver) de GPS en donde un estado se representa por fórmulas lógicas de primer orden que constituyen los axiomas del estado; sin embargo algunas veces no se podía llegar a soluciones porque la resolución de un objetivo parcial daba lugar a la destrucción de información necesaria para resolver objetivos subsiguientes. Una versión mejorada, RSTRIPS, en algunos casos considera la posibilidad de generación de un nuevo estado por aplicación de operadores a pesar de que el estado actual sirviera ya para aplicar la acción que se pretendía.

Por otra parte ABSTRIPS y NOAH (Sacerdoti 98) hicieron la resolución de problemas complejos con operadores elementales lo cual condujo a la generación de planificadores jerarquizados que resolvieran el plan operando a distintos niveles de definición de objetivos.

Asimismo SIPE (Wilkins 01) y algunos otros modelos concibieron sistemas jerarquizados e interactivos que permitieran mezclar la concepción automática con la intervención humana.

Las aplicaciones recientes han ilustrado el poder de la planeación, en áreas como Cooperación en sistemas Multi-Agentes, donde se tienen trabajos como:

- Descubrimiento y explotación de sinergia entre agentes de planeación jerárquica (Cox & Durfee 02).

- Búsqueda de un plan alternativo (Felner et al 02).

- Programación de agentes en Dribble: en la cual se pasa de creencias a metas usando planes

(Riemsdijk et al 02).

Los planificadores computacionales han sido extendidos para actuar en ambientes multi-agente, donde ellos pueden razonar acerca de los planes e intenciones de otros agentes. Por ejemplo en el trabajo de Parsons (Parsons et al 98) se propone un marco basado en un sistema de argumentación que permite a los agentes negociar para establecer formas aceptables de resolver problemas. Una técnica reciente conocida como Metaplaneación permite planear acerca de cómo conformar los planes

Actualmente se cuenta con modelos tales como Planeación Jerárquica (Veloso y Carbonell 1994), Planes compartidos (Grosz & Krauz 1996) y Refinamiento en Planeación (Kambhampati 1997) que realizan la composición de acciones basados en el enfoque reduccionista de tomar en cuenta las acciones que tengan asociado un menor costo. Otro enfoque de mezcla de planes es dado por Yang (Yang 97), este último mejorado por Cox y Durfee (Cox y Durfee 03), en los cuales la mezcla se hace resolviendo problemas de coordinación de acciones de los multiagentes y mejorando el rendimiento al compartir acciones entre agentes; sin embargo no se ha tomado en cuenta que:

• Tener el menor costo de un conjunto de acciones no asegura que se tomen en cuenta las acciones más adecuadas para lograr la meta, ya que algunas veces el menor costo incluye operaciones que no garantizan que sean confiables.

• Cuando se hace un análisis de acciones en algún modelo como Tsemardinos (Tsemardinos et al 00) se lleva a cabo una unión uno a uno buscando que esté libre de conflictos; sin embargo no toman en cuenta que no es lo mismo unir planes que analizar cada acción mediante el enfoque individual de cada agente

• La solución no puede ser única, el uso de sesgos nos ayuda a que la solución no tome en cuenta determinados contextos de acciones; o bien las restricciones apoyan las soluciones que cuentan con valores acotados en el manejo de recursos.

Algunos otros modelos de planeación fuertemente relacionados son:

- Planeadores Lineales no-Jerárquicos. Buscan una secuencia de acciones para alcanzar una meta

- Planeadores Oportunistas. Usan un control de pizarrón

- Planeadores Basados en casos. Dependen de un plan esqueleto que siempre tienen disponible.

Una vez descritos algunos de los modelos representativos más conectados con el modelo propuesto, se describirán en seguida otra parte fundamental que da respaldo al modelo propuesto.