Systemy wieloagentowe i koordynacja w Pythonie - Plan Szkolenia

Wprowadzenie do systemów wieloagentowych

• Przegląd agentów, środowisk i modeli interakcji
• Współpraca, konkurencja i autonomia w systemach agentowych
• Zastosowania w logistyce, robotyce i systemach decyzyjnych

Pojęcia kluczowe w architekturze agentów

• Agenci reaktywni a deliberatywni
• Protokoły komunikacji i modele koordynacji
• Reprezentacja wiedzy i współdzielony stan

Implementacja agentów w Pythonie

• Budowa agentów z wykorzystaniem frameworku Mesa
• Modelowanie środowisk i interakcji
• Symulacja zachowań agentów i wizualizacja wyników

Koordynacja i komunikacja

• Architektury przesyłania wiadomości i pamięci współdzielonej
• Negocjacje, konsensus i alokacja zadań
• Algoritmy koordynacji (contract net, modele oparte na rynku, modele roju)

Uczenie i adaptacja w systemach wieloagentowych

• Uczenie przez wzmocnienie dla wielu agentów
• Dynamika kooperacyjna a konkurencyjna
• Zastosowanie PettingZoo i Stable-Baselines3 do MARL (Multi-Agent Reinforcement Learning)

Obliczenia rozproszone i skalowanie

• Użycie Ray do rozproszonych symulacji wieloagentowych
• Zarządzanie konkurencją i synchronizacją
• Parallelizacja obliczeń i obsługa zasobów współdzielonych

Współpraca człowieka i agenta

• Projektowanie interfejsów do koordynacji human-in-the-loop
• Hybrydowe przepływy pracy z wsparciem decyzji przez AI
• Kwestie etyczne i operacyjne

Projekt dyplomowy

• Projektowanie i implementacja systemu wieloagentowego w Pythonie
• Demonstracja koordynacji i uczenia się między agentami
• Prezentacja wyników symulacji i wniosków dotyczących wydajności

Podsumowanie i kolejne kroki