Subject

Агентно-базирани системи

1. Course Title Агентно-базирани системи
Agent-based systems
2. Code F23L3S073
3. Study Programme
4. Organizer of the study programme (unit, institute, department or division) Faculty of Computer Science and Engineering
5. Degree level (first, second, third cycle) Прв циклус
6. Academic year / semester 6 / Летен
7. Number of ECTS credits 6
8. Teacher Кире Триводалиев, Соња Гиевска
9. Prerequisites for enrolling in the course Вештачка интелигенција или Математика 3 или Веројатност и статистика или Бизнис статистика
10. Objectives of the course programme (competences) Агентно-базираното моделирање нуди природна метафора за разбирање и објаснување на многу феномени од доменот на биолошки и социјални системи – од еволуција и ширење на епидемии до сегрегација и формирање на коалиции. Многу системи може да се моделираат како средини составени од автономни агенти кои може да комуницираат, соработуваат, преговараат, да се спротивставуваат, да се водат од сопствени интереси или делуваат алтруистички. Микро-однесувањето на агенти водени од едноставни правила може да предизвика нови квалитети и комплексни појави во макро размери. Целта на предметот е запознавање на студентот со агентската парадигма за репрезентација и моделирање на системи од различни домени (пр. игри, роботи, однесување на социјални групи). По завршување на курсот се очекува студентот да има способност да дизајнира, моделира и реализира или симулира едно-агентен или повеќе-агентен систем.
11. Course content 1. Воведни поими. Апстракција на агенти. Повеќе-агентни системи.
2. Недетерминистички агенти
3. Маркови процеси на одлучување
4. Учење со поттикнување
5. Длабоко учење со поттикнување
6. Примери и области на примена на учење со поттикнување
7. Примена на теорија на игра во повеќе-агентни системи - Координација и комуникација на агенти
8. Стратегии за формирање коалиции, соработка, гласање во повеќе агентни системи
9. Еволутивна теорија на игра
10. Моделирање и симулација
12. Learning methods Предавања со користење на презентации, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа.
13. Total available time 6 ECTS x 30 hours = 180 hours
14. Distribution of available time 30 + 45 + 15 + 15 + 75 = 180 часа
15. Forms of teaching activities
15.1. Lectures - theoretical instruction 30 hours
15.2. Exercises (laboratory, auditory), seminars, teamwork 45 hours
16. Other forms of activities
16.1. Project assignments 15 часови
16.2. Independent assignments 15 часови
16.3. Home study 75 часови
17. Assessment method
17.1. Tests 10 бодови
17.2. Seminar paper / project (presentation: written and oral) 15 бодови
17.3. Activities and learning 10 бодови
17.4. Final exam 70 бодови
18. Grading criteria (points / grade)
up to 50 points5 (five) (F)
from 51 to 60 points6 (six) (E)
from 61 to 70 points7 (seven) (D)
from 71 to 80 points8 (eight) (C)
from 81 to 90 points9 (nine) (B)
from 91 to 100 points10 (ten) (A)
19. Requirement for obtaining a signature and taking the final exam Реализирани актибвности 15.2 и 16.1
20. Language of instruction Macedonian and English
21. Method for monitoring the quality of teaching internal evaluation and survey mechanism
22. Literature
22.1. Required literature
1. Michael Wooldridge | An Introduction to Multiagent Systems (2nd Edition) | John Wiley & Sons Ltd | 2009
2. Yoav Shoham & Kevin Leyton-Brown | Multiagent Systems: Algoritmic, Game-Theoretica and Logical Foundations | Cambridge University Press | 2009
3. Uri Wilensky & William Rand | Introduction to Agent-based Modeling | MIT Press | 2015
4. Richard S. Sutton, Andrew G. Barto | Reinforcement Learning: An Introduction | MIT Press | 2018
5. Stuart Russel & Peter Norvig | Artifical Intelligence: A modern Approach, 4th Edition | Pearson | 2022
22.2. Additional literature
No. Author Title Publisher Year