Hoppa till huvudinnehållet
Till KTH:s startsida

ID2209 Distribuerad AI och Intelligenta Agenter 7,5 hp

Administrera Om kursen

Information per kursomgång

Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.

Termin

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan ID2209 (HT 2021–)
Rubriker med innehåll från kursplan ID2209 (HT 2021–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

  • Introduktion och grundläggande begrepp för DAI (distribuerad artificiell intelligens).
  • Koordineringsmetoder: allmänna modeller, gemensamma koordineringsstekniker, organisationsstrukturer, informationsutbyte på metanivå, multiagentplanering, explicit analys och synkronisering. 
  • Förhandlingsmetoder: principer, protokoll, produktionssekvensering som förhandlingar, konventioner för automatiserad förhandling. 
  • Interoperabilitet: Metoder för programvaruinteroperation, talakter, KQML, FIPA. 
  • Multiagentarkitekturer: Lågnivåarkitekturstöd, DAI-testbäddar, agentorienterad programvaruutveckling. 
  • Agentteori: Grunder i modallogik, BDI-arkitekturen. 
  • Agentarkitekturer: deliberativa, reaktiva och hybridarkitekturer. 
  • Mobila agenter: krav, implementering, säkerhet för mobila agenter, miljöer för mobila agenter. Agenttypologi och teknikfrågor. Tillämpningar.
  • Praktisk del av kursen som innehåller övningar och ett projekt som omfattar implementering av ett multiagentsystem.

Lärandemål

Efter godkänd kurs ska studenten kunna

  • formulera definitioner av de viktigaste begreppen och metoderna för intelligenta agenter och multiagentsystem
  • utvärdera och använda de viktigaste begreppen och metoderna inom området för intelligenta agenter och multiagentsystem.

Kurslitteratur och förberedelser

Särskild behörighet

Ingen information tillagd

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • ANN1 - Hemprojekt, 3,0 hp, betygsskala: P, F
  • TEN1 - Tentamen, 4,5 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Skriftlig tentamen.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Profile picture Mihhail Matskin

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

EECS/Datavetenskap

Huvudområde

Datalogi och datateknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Matskin, Mihhail

Övrig information

I denna kurs tillämpas EECS hederskodex, se: http://www.kth.se/eecs/utbildning/hederskodex.