\n Se sei uno studente dell'Unimore, puoi accedere all'archivio del corso su Google Drive.\n
\n\n NetLogo è un software di modellazione sistemi multiagente, da noi usato per le lezioni di laboratorio.\n
\n\n Si può scaricare o usare da browser.\n
\n\n Il suo codice sorgente è disponibile su GitHub, e ha una pagina di documentazione.\n
\n \n\n Sono sistemi con le seguenti caratteristiche:\n
\n\n Hanno anche caratteristiche di livello più alto derivate dalle quattro precedenti:\n
\n\n Gli agenti solitamente hanno anche:\n
\n\n Lo sviluppo negli agenti di nuove capacità per cui non erano stati programmati.\n
\n\n Classificazione in base a come prende le decisioni un agente:\n
\n\n Classificazione in base a come sono definiti gli obiettivi di un agente:\n
\n\n Classificazione in base a quanto conosce dell'ambiente un agente:\n
\n\n Comportamento emergente che si manifesta nei sistemi multiagente con tantissimi agenti.\n
\n\n Indica la capacità di risoluzione di problemi complessi attraverso la collaborazione di più agenti semplici.\n
\n\n Meccanismi simili a quelli evolutivi umani che permettono ai tratti degli agenti di convergere verso un valore.\n
\n\n Inizialmente definita come numero di discendenti fertili, solitamente indica quanto è probabile che i tratti di un individuo siano passati alla generazione successiva.\n
\n\n Sequenza di valori che definisce uno o più tratti di un individuo.\n
\n\n Un insieme di individui aventi tutti gli stessi cromosomi.\n
\n\n Fenomeno che causa una piccola variazione casuale nei cromosomi dei figli.\n
\n\n Previene la convergenza prematura in un sistema.\n
\n\n Meccanismo di costruzione dei cromosomi in un figlio: i cromosomi dei genitori vengono tagliati nello stesso punto scelto a caso, e per costruire quelli del figlio viene presa una parte dal padre e l'altra parte dalla madre.\n
\n\n Può portare al miglioramento di un individuo e allo sviluppo di nuovi tratti, ma solo nelle parti di cromosoma che sono diverse tra i due genitori.\n
\n\n Sequenza di valori all'interno di un cromosoma, che può includere anche sezioni in cui il valore è irrilevante.\n
\n\n Gli algoritmi genetici permettono di trovare gli schemi con la fitness più alta in assoluto in un tempo relativamente breve: il sistema generalmente favorisce gli schemi corti con fitness alta.\n
\n\n Situazione in cui si è raggiunta una soluzione non-ottimale a causa dell'assenza di novità nel sistema.\n
\n\n Si può impedire con vari metodi: con la mutazione, introducendo requisiti di località per l'accoppiamento, scegliendo diversamente i genitori, etc...\n
\n\n Programmi che dati tanti esempi sono in grado di classificare un elemento in una o più categorie.\n
\n\n Sono formati da classificatori, liste di messaggi, detettori e effettori.\n
\n\n Strutture logiche che elaborano i messaggi.\n
\n\n Valutano una espressione logica (condizione) sui messaggi in arrivo, e se questa risulta essere vera, emettono un nuovo messaggio in risposta (azione).\n
\n\n Unità di informazione di un sistema a classificatori: sono generati da detettori e classificatori, e consumati da classificatori ed effettori.\n
\n\n Sensori che percepiscono lo stato dell'ambiente esterno e lo riportano sotto forma di messaggi.\n
\n\n Motori che rispondono ai messaggi effettuando una qualche azione nell'ambiente.\n
\n\n Un punteggio associato ad ogni classificatore.\n
\n\n Più un classificatore viene attivato, più la sua forza crescerà.
\n Il numero di condizioni che devono essere soddisfatte perchè il classificatore si attivi.\n
\n\n Prodotto di specificità e forza di un classificatore.\n
\n\n Rappresenta quanto è probabile che venga utilizzato un dato classificatore nel caso che le condizioni di più di uno vengano soddisfatte.\n
\n\n Se l'input non soddisfa nessun classificatore esistenze, se ne crea uno nuovo con azione casuale.\n
\n\n Se non viene prodotto nessun messaggio valido di output, si genera un nuovo classificatore che ne produce uno casuale a partire dall'input.\n
\n