Agentes inteligentes evolutivos y su aplicación a la usabilidad de sitios web

Resumen

La tecnología de agentes tiene el potencial de mejorar el rendimiento en un amplio abanico de tareas computacionales. Un agente puede definirse como una entidad autónoma capaz de reaccionar ante su entorno, determinando las metas que debe alcanzar y las acciones a realizar para lograr dichas metas. Los sistemas multi-agente están constituidos generalmente por un grupo coordinado de ''solucionadores'' de problemas dentro de un dominio que cooperan y se comunican entre sí para resolver problemas que superan sus capacidades individuales. Una de las características fundamentales de los agentes es su capacidad de adaptación, que suele estar basada en su capacidad de aprendizaje. El problema con los agentes inteligentes es que el proceso de aprendizaje suele ser lento, debido principalmente al gran número de posibles pares situación-acción que deben contemplar. En esta tesis planteamos una estrategia híbrida para tratar de acelerar el aprendizaje de agentes inteligentes, que consiste en usar algoritmos genéticos para complementar el proceso de aprendizaje, realizado normalmente a través de técnicas de refuerzo. Se ha escogido la computación evolutiva porque es una técnica que: (1) Tiene la capacidad de adaptarse a cambios que se producen en el entorno. (2) Los algoritmos evolutivos son de naturaleza paralela, operan de forma simultánea con varias soluciones. Esto es idóneo para aplicar un algoritmo evolutivo a un sistema multi-agente donde cada agente puede verse como una solución del problema. (3) Los algoritmos evolutivos son muy robustos, funcionan bien con datos con ruido, incompletos e imprecisos como los que se suelen manejar en un entorno real. De esta forma se define un esquema de integración de agentes y computación evolutiva que hemos pasado a denominar Agentes Inteligentes Evolutivos. Estos agentes parten de la premisa de que operan en entornos en los que desconocen por completo qué acciones son las más adecuadas para llevar a cabo sus metas. Sin embargo, a través del proceso combinado de aprendizaje por refuerzo más aprendizaje evolutivo los agentes son capaces de aprender las acciones más adecuadas para lograr sus metas. Para poder probar y ejecutar la aproximación propuesta en esta tesis se ha desarrollado un framework, denominado GAEL (Generic Agents with Evolutionary Learning) que permite aplicar de forma sencilla esta aproximación a distintos problemas. Como problemas de ejemplo se plantea la aplicación del framework al problema del tres en raya o a la resolución del 8-puzle. Por otro lado, como aplicación de la aproximación propuesta a un problema complejo y real se plantea el análisis de la usabilidad web. La usabilidad se define como la capacidad de un producto de ser usado por usuarios específicos para conseguir metas específicas con efectividad, eficiencia y satisfacción en un determinado contexto de uso. La aproximación propuesta de agentes inteligentes evolutivos es adecuada para realizar el estudio de la usabilidad de los sitios web ya que permite simular la navegación de un usuario por el sitio web, en el que los agentes evolutivos toman el rol de los usuarios humanos. Los agentes comenzarían con un conocimiento nulo inicial del sitio web pero aprenderían del mismo a medida que navegan por él.