Printer Friendly

Modelado e implementacion de un sistema multiagente para el diagnostico de enfermedades de transmision sexual.

Modelling and implementation of a multi-agent system for diagnosing SExUALLY transmitted diseases

Adaptacao e implementacao de um sistema multiagente para o diagnostico de doencas sexualmente transmissiveis

Introduccion

El desarrollo de software ha buscado siempre sistematizar y optimizar procesos llevados a cabo por el ser humano, segun mencionan Maturana, Ferrer y Baranao (2004), es por esta razon que esta investigacion se realizo con el animo de lograr un acercamiento al paradigma que intenta simular el comportamiento humano, asi como en otras areas lo han tratado autores como Moreno, Ona y Martinez (1998) y Romeo y Pastor (2004), mas alla de desarrollar un sistema complejo de agentes, como lo planteado por Sansores y Pavon (2005), es asi que en este articulo se enfatiza en la importancia de esta area, mediante una indagacion tanto en el estado del arte como en las teorias involucradas.

Aunque a nivel colombiano ya se esta abarcando la investigacion en Agentes y Sistemas Multi-Agentes (SMA), en las universidades del departamento de Boyaca, Colombia, aun no se ha profundizado en esta area de investigacion, asi como tambien es de mencionar que de acuerdo con estudios realizados por la Unidad de Promocion de la Salud y Prevencion de la Enfermedad, de la Universidad Pedagogica y Tecnologica de Colombia (UPTC), las Enfermedades de Transmision Sexual (ETS), son las mas frecuentes y alarmantes en la comunidad universitaria y actualmente no existe una herramienta que brinde soporte tecnologico a programas enfocados en la prevencion de dichas enfermedades.

La implantacion de una herramienta de apoyo para la prevencion de Enfermedades de Transmision Sexual, permite a la Unidad de Promocion y Prevencion de la UPTC un desempeno optimo en el desarrollo de sus objetivos y actividades; ademas de lograr un mayor cubrimiento en la poblacion universitaria y contribuir a evitar complicaciones innecesarias por falta de informacion o conocimiento sobre diferentes problemas de salud.

Este documento presenta inicialmente los trabajos relacionados con sistemas multiagentes en el campo de la salud, posteriormente se expone la fundamentacion teorica para la investigacion, a continuacion se describen los resultados obtenidos en desarrollo de la aplicacion de Sistemas MultiAgentes (SMA) en una herramienta Web de apoyo a programas de prevencion de enfermedades de transmision sexual en la UPTC y finalmente se plasman las conclusiones.

1. Trabajos relacionados

En la actualidad, la tematica que involucra agentes de software, constituye una de las mas importantes areas de investigacion. Asimismo los adelantos en las aplicaciones de la inteligencia artificial distribuida provocan un creciente interes en la exploracion de los sistemas multiagente, asi como de su aplicacion en la resolucion cooperativa de problemas.

Existe un gran numero de grupos de investigacion, productos implantados, articulos, congresos y conferencias que se han realizado respecto al paradigma de los agentes y los SMA, razon por la cual no debe ser un tema aislado del area de investigacion de la comunidad estudiantil. A continuacion se presentan algunos de los logros obtenidos en el campo de investigacion de agentes inteligentes en el area de la salud.

En Corchado y otros (2008) se presenta el desarrollo de un agente autonomo inteligente para el seguimiento de la atencion de la salud de pacientes de Alzheimer en tiempo real en residencias geriatricas. El agente opera en dispositivos inalambricos y es una buena opcion para la organizacion del trabajo de las enfermeras que tienen la mision de cuidar de estos pacientes.

En Crutzen y otros (2011), se revela la implementacion de un chatbot, sistema basado en inteligencia artificial, especificamente un agente. El uso de un chatbot, en el campo de la promocion de la salud tiene una gran importancia debido a que puede llegar a un grupo significativo de adolescentes y darles respuestas a preguntas relacionadas con sexo, drogas y alcohol, temas que en otros escenarios no son tratados con la facilidad que ofrece el sistema.

En el documento presentado por Edwards y otros (2011), se propone un enfoque basado en agentes inteligentes para reproducir las operaciones de busqueda de informacion acerca de hospitales y centros de salud existentes en una localidad especifica con el proposito de solicitar una cita medica, de la misma manera que lo haria un individuo en condiciones de rutina (de forma manual). El sistema propuesto fue simulado y validado a traves de la aplicacion en el telefono inteligente de un individuo usando el kit de desarrollo con agentes JADE LEAP.

De la misma forma Jara y otros (2011), tratan lo relacionado con la evaluacion de tres metodos de aprendizaje automatico (con tecnicas de inteligencia artificial) para clasificar diagnosticos de neoplasias, comentan que los diagnosticos medicos son una fuente valiosa de informacion para evaluar el funcionamiento de un sistema de salud y afirman que su uso en sistemas de informacion es dificil porque estos se encuentran normalmente escritos en lenguaje natural.

En estudios mas recientes (Lasheng et al., 2012) se propone un sistema multiagente basado en la integracion de procesos de vigilancia de la salud (IHMS), que esta compuesto por redes inalambricas de sensores, redes publicas de comunicacion, multiples agentes y tecnologias de servicios web para uso de adultos mayores desde el hogar. El sistema ha sido disenado con base en cinco plataformas de servicios: el hogar, servicios comunitarios, servicio medico de salud, personal a cargo del cuidado del adulto mayor y centro de datos. Todas las plataformas de servicios se implementan a traves de roles distintos, agentes que pueden ser deliberativos o reactivos. El proposito del sistema es proveer a las personas mayores una atencion de salud movil, ubicua y personalizada, asi como mejorar su calidad de vida a traves de la implementacion de tecnologia basada en agentes inteligentes.

2. Fundamentacion teorica

Para el desarrollo de la investigacion fue necesario contar con la comprension de los soportes y fundamentos teoricos, por lo cual, a continuacion se presenta la contextualizacion de la investigacion.

2.1. Inteligencia Artificial Distribuida

La Inteligencia Artificial Distribuida (IAD) es la rama de la Inteligencia Artificial (IA) que trata la resolucion de problemas de manera cooperativa en un cierto ambiente, por medio de entidades, que segun Shoham (1993), son denominadas agentes.

2.2. Agentes y Taxonomia

Existen multiples definiciones de agente, sin embargo, aun no se ha concertado un concepto consolidado. Una de las mas acertadas es la que presentan Wooldridge y Jennings (1995), que dice: "Es un sistema de computo, situado en un ambiente cualquiera, y que es capaz de realizar acciones autonomas que afectan su ambiente de acuerdo con ciertos objetivos de diseno". En cuanto a la taxonomia de los agentes, no existe un consenso sobre su definicion, sin embargo es de mencionar que el concepto de "agente" tiene asociado un conjunto de cualidades, las mas relevantes son: autonomia, reactividad, proactividad, habilidad social, entre otras, segun lo mencionado por Wooldridge (2009).

2.3. Sistemas Multiagentes (SMA)

Asi como sucede con la definicion de "agente", tampoco existe un concepto unico para Sistema MultiAgente. Woldridge (2009), expresa que los SMA, son sistemas compuestos por multiples elementos computacionales que interactuan entre sii, denominados agentes, que se encargan de la coordinacion de la conducta inteligente de un grupo de agentes autonomos, los cuales tienen la capacidad de coordinar su conocimiento, objetivos, habilidades, toma de decision y planes (Unal, 2012).

2.4. Arquitecturas de Agentes

Segun la ingenieria del software, una arquitectura se encarga de la division del sistema en modulos y la descripcion de cada uno de ellos, especificando ademas la interrelacion que hay entre estos. Para el caso de los sistemas basados en agentes existen arquitecturas como:

2.4.1. Deliberativas

En Agent Theories, Architectures, and Languages: A Survey, los autores Wooldridge y Jennings (2012), presentan una arquitectura de agente deliberativo, que contiene un mundo representado explicitamente y un modelo logico del mismo, y en la cual las decisiones (por ejemplo, acerca de las acciones a realizar) son tomadas por medio de un razonamiento logico (o por lo menos pseudo-logico), basado en concordancia de patrones y manipulacion simbolica.

2.4.2. Reactivas

Las arquitecturas reactivas no tienen un modelo del mundo simbolico como elemento central de razonamiento y no utilizan razonamiento simbolico complejo, sino que siguen un procesamiento ascendente (bottom up), para lo cual mantienen una serie de patrones que se activan bajo ciertas condiciones de los sensores y tienen un efecto directo en los actuadores (Universidad Politecnica de Madrid, 2012).

2.4.3. Hibridas

Estas arquitecturas presentan varios subsistemas, en los que se combinan las dos anteriores; unos deliberativos para resolver tareas que requieren un modelo simbolico y otros reactivos para responder ante estimulos que no precisan deliberacion. (Universidad Politecnica de Madrid, 2012).

2.5. Ontologias

Una definicion concreta para este termino la presenta Jimenez (2011), mencionando que una ontologia "es una especificacion de objetos, conceptos y relaciones de una determinada area de interes". La utilizacion de ontologias busca favorecer la comunicacion entre personas, organizaciones y aplicaciones, y de esta forma lograr la interoperabilidad entre sistemas informaticos y razonar automaticamente. Las ontologias aplicadas a los SMA permiten que todos los agentes que compartan una misma ontologia para la representacion de conocimiento, tengan un entendimiento de palabras en el lenguaje de comunicacion que usen.

2.6. Lenguaje de Comunicacion FIPAACL.

La comunicacion entre agentes es la base para las interacciones y la organizacion de un SMA, de modo que segun Molina, Garcia y Bernardos (2011), Agent Communication Language (ACL) resulto de la necesidad de tener un lenguaje que permitiera la interaccion entre agentes autonomos distribuidos. ACL tiene tres componentes: un vocabulario, un lenguaje de contenido llamado KIF (Knowledge Interchange Format) y un lenguaje de comunicacion llamado KQML (Knowledge Query Manipulation Language). Un mensaje de ACL, de acuerdo con lo mencionado por Cortes (2011), es un mensaje en KQML que se compone de una directiva de comunicacion y un contenido semantico en KIF expresado en terminos del vocabulario.

2.7. Plataformas orientadas a Agentes

Existe variedad de opciones para la seleccion de una metodologia, asi mismo las hay para la eleccion de la plataforma; con el paso de los anos se han desarrollado varias plataformas, cada una de ellas con ciertas caracteristicas especificas, por lo cual a continuacion se presenta una descripcion de las mas representativas, segun Marchetti y Garcia (2003):

* JACK: Entre las caracteristicas relevantes, se puede mencionar que esta plataforma utiliza una arquitectura base denominada BDI (BeliefsDesire-Intention, tipo de agente racional cuyo comportamiento es dirigido por creencias, deseos e intenciones), soporta cualquier tipo de agentes, para implementacion de agentes soporta el lenguaje tambien denominado Jack, ademas la documentacion disponible es muy completa.

* MADKit: El ACL o Lenguaje de Comunicacion entre agentes que soporta es KQML, y al igual que la plataforma Jack, soporta cualquier tipo de agentes. Una de sus ventajas es que soporta varios lenguajes para implementacion de agentes, entre los cuales se puede mencionar java, jess, Scheme, BeanShell y python, principalmente. Tambien es de mencionar que esta plataforma es liberada con licencia GPL/ LGPL, pero presenta aun poca documentacion.

* ZEUS: Esta plataforma tambien soporta KQML como ACL, y al igual que Jack, su arquitectura base es BDI; solamente soporta agentes deliberativos y colaborativos, y el lenguaje para la implementacion de agentes es java, se distribuye bajo licencia Mozilla public, pero la documentacion disponible es pobre.

* JADE (Java Agent Development Framework): La arquitectura de comunicacion de esta plataforma crea y maneja una cola de mensajes ACL entrantes, debido a que este entorno simplifica la implementacion de SMA mediante una capa de soporte (middle-ware). Ademas es de mencionar que soporta cualquier tipo de agentes, los cuales son implementados utilizando el lenguaje java; esta plataforma es liberada bajo licencia LGPL y ofrece una completa documentacion. Jade (2012).

* AgentBuilder: Esta plataforma, al igual que otras descritas, presenta arquitectura base BDI: es posible utilizarla bajo licencia de version de evaluacion libre limitada y revela una documentacion completa.

En la Tabla 1 se presenta una comparacion simple de las plataformas mas comunes de desarrollo de software basado en agentes, teniendo como referente lo planteado por Marchetti y Garcia (2003).

2.8. Metodologias de desarrollo de sistemas basados en agentes

En el proceso de desarrollo de software basado en agentes es necesario tener en cuenta una metodologia que guie esta actividad; actualmente existen multiples opciones entre las cuales se destacan: MASE: Multi-agentsystems Software Engineering (Scott et al., 2001), INGENIAS (Gomez-Sanz et al., 2002), TROPOS (Bresciani et al., 2004), BDI (Bratman, 1987; Kinny et al. 1995), GAIA (Wooldridge et al., 2000), MAS-CommonKADS (Iglesias, 1998).

3. Resultados

Teniendo como base la informacion aportada en el numeral anterior, se definio como metodologia de desarrollo INGENIAS, como arquitectura seleccionada deliberativa y la plataforma usada fue Java Agent Development Framework.

A continuacion se describen, los modelos requeridos para el desarrollo del sistema multiagente.

3.1. Definicion de agentes, su comportamiento y ontologias

Los modelos requeridos son los siguientes:

* Casos de uso

* Modelo de agentes

* Modelo de objetivos y tareas

* Modelo de interaccion

* Modelo de entorno

La notacion para representar los modelos se observa en la Grafica 1

[ILUSTRACION OMITIR]

3.1.1 Casos de uso

Mediante estos diagramas se plasman los requisitos funcionales del sistema, que seran base para la identificacion de agentes y su contexto de interaccion; a continuacion se presentan los diagramas y su respectiva especificacion. (Ver Diagramas 1, 2, 3 y 4 y Tablas 3, 4 y 5).

[ILUSTRACION OMITIR]

[ILUSTRACION OMITIR]

[ILUSTRACION OMITIR]

[ILUSTRACION OMITIR]

3.1.2. Modelos de agentes

Mediante estos modelos se identifica y define que agentes seran necesarios en la implementacion del sistema propuesto. A continuacion se presentan los modelos de los agentes: interfaz, traductor y conocimiento.

[ILUSTRACION OMITIR]

[ILUSTRACION OMITIR]

[ILUSTRACION OMITIR]

3.1.3 Modelo de objetivos y tareas

Cada uno de los agentes identificados anteriormente debe cumplir con una serie de objetivos y tareas para el cumplimiento funcional de la aplicacion, los modelos de esta etapa se presentan a continuacion:

[ILUSTRACION OMITIR]

[ILUSTRACION OMITIR]

[ILUSTRACION OMITIR]

3.1.4 Modelos de interaccion

En un sistema mutiagente se tiene como parte fundamental la interaccion entre los agentes identificados, este comportamiento se plasma con el uso de los modelos de interaccion, los cuales son presentados a continuacion:

3.1.5 Modelo de entorno

Haciendo uso de estos modelos es posible definir el tipo de recursos y aplicaciones a utilizar para el funcionamiento del sistema.

[ILUSTRACION OMITIR]

3.2. Ontologia

Teniendo en cuenta la necesaria interaccion entre los agentes, es fundamental realizar una especificacion de una ontologia que contenga los conceptos, predicado y accion a realizar por estos. El siguiente es un ejemplo de la implementacion de una ontologia en el sistema.

3.3. Descripcion de los modulos del sistema web multiagente

A continuacion se presenta una descripcion de los modulos que integran la aplicacion multiagente.

3.3.1 Modulo Administrador

A traves de este modulo el usuario administrador se encargara de gestionar la informacion de enfermedades y sintomas que estas presentan.(ver Figuras 1, 2, 3 y 4).

En la Figura 1 se visualiza la pantalla inicial del sistema, en donde se tiene la opcion de ingresar a realizar la consulta o acceder al sistema como administrador.

[FIGURA 1 OMITIR]

En la Figura 2 se muestra la interface para guardar un nuevo sintoma, en donde se solicita un nombre y una imagen representativa de este.

[FIGURA 2 OMITIR]

Las Figuras 3 y 4, son las pantallas encargadas de ofrecer al administrador un listado de todos los sintomas y enfermedades respectivamente.

[FIGURA 3 OMITIR]

[FIGURA 4 OMITIR]

3.3.2 Modulo Consulta

Mediante este modulo el usuario selecciona los sintomas que presenta o que requiere consultar y de acuerdo con dicha seleccion, los agentes se comunican y eliminan progresivamente los sintomas excluyentes, hasta poder dar un diagnostico que sirva como referente para determinar que enfermedad presenta, o a que enfermedad se hace referencia e informa de algunas recomendaciones al respecto.

En la Figura 5 se visualizan los sintomas de forma grafica, con el fin de que el usuario seleccione uno a uno los que presente; a medida que selecciona se eliminan los que sean excluyentes, (Figura 6).

[FIGURA 5 OMITIR]

[FIGURA 6 OMITIR]

Finalmente, en la Figura 7 se presenta una pantalla de resultado a la consulta, en el que se entrega al usuario un mensaje que contiene una(s) posible(s) ETS y la recomendacion de acudir a un especialista.

[FIGURA 7 OMITIR]

4. Conclusiones

* Los resultados obtenidos en este proyecto ponen en evidencia que los agentes de software son actualmente un paradigma que cuenta con un nivel aceptable tanto de investigacion como de desarrollo, es asi que en el presente trabajo se demuestra la aplicabilidad de los SMA en el sector de la salud.

* Con el desarrollo de esta aplicacion se logra obtener que la Unidad de Promocion y Prevencion de la Universidad Pedagogica y Tecnologica de Colombia, tenga una herramienta tecnologica que pueda brindarle mayor cubrimiento sobre la poblacion universitaria.

* Con el desarrollo de la presente investigacion se logro analizar y disenar un sistema Web, basado en sistema multiagentes para la prevencion de ETS, para permitir que los estudiantes de la Escuela de Ingenierias de Sistemas y Computacion abran un espacio mas de investigacion en el area de las ciencias computacionales.

* Por otra parte el sistema ofrece a la comunidad academica una herramienta que permite solucionar dudas y/o cuestionamientos sobre ETS, que no son faciles de abordar frente a un especialista. =

REFERENCIAS BIBLIOGRAFICAS

1. BRATMAN, M. Intentions, Plans, and Practical Reason. Harvard University Press. 1987.

2. BRESCIANI, P.; PERINI, A.; GIORGINI, P.; GIUNCHIGLIA, F. Tropos: An Agent-Oriented Software Development Methodology. In: Autonomous Agents and Multi-Agent Systems. Vol 8, No.. 3. (2004);pp. 203-236.

3. CORCHADO, J.; BAJO, J.; DE PAZ, Y.; TAPIA, D. Intelligent environment for monitoring Alzheimer patients, agent technology for health care, Decision Support Systems. Vol. 44. No.. 2. pp. 382-396. 2008. Disponible en: http://www.sciencedirect.com/ science/article/pii/S0167923607000760. Consultado el15 de abril de 2012.

4. CORTES, U. Comunicacion entre Agentes Autonomos. Disponible en: http://www.lsi.upc.es/~ia/ComunicacionA2006. ppt. Consultado Octubre de 2011.

5. CRUTZEN, R.; PETERS, G.; DIAS, S.; FISSER, E.; GROLLEMAN, J. An Artificially Intelligent Chat Agent That Answers Adolescents' Questions Related to Sex, Drugs, and Alcohol: An Exploratory Study. In: Journal of Adolescent Health, Vol. 48, No. 5. (2011); pp. 514-519, Disponible en: http://www.sciencedirect.com/ science/article/pii/S1054139X10004301. Consultado en Abril de 2012.

6. EDWARDS, T.; SANKARANARAYANAN, S. Applications of Intelligent Agents in Hospital Search and Appointment System. International Journal of E-Services and Mobile Applications IJESMA. Vol. 3, N.4. (2011);pp. 57-81.

7. GOMEZ-SANZ, J.; FUENTES, R. The INGENIAS Methodology. Fourth Iberoamerican Workshop on Multi-Agent Systems Iberagents. 2002.

8. IGLESIAS, C. Definicion de una metodologia para el desarrollo de Sistemas Multi-Agente. Tesis doctoral. Departamento de ingenieria de Sistemas Telematicos, Universidad Politecnica de Madrid. 1998. Disponible en: http://www.upv.es/sma/teoria/ agentes/tesiscif.pdf. Consultado en Abril de 2012.

9. JADE. Java Agent DEvelopment Framework, Disponible en: http:// jade.tilab.com. Consultado en Abril de 2012.

10. JARA, J.; CHACON, M.; ZELAYA, G. Empirical evaluation of three machine learning method for automatic classification of neoplastic diagnoses. Revista Chilena de Ingenieria. Vol. 19 No. 3. (2011); pp. 359-368. Disponible en: http://www.scielo.cl/pdf/ingeniare/v19n3/art06. pdf. Consultado en Abril de 2012.

11. JIMENEZ, A. Ontologias para comunicacion entre agentes, Disponible en: http://alfonsojimenez.com/computers/ontologiaspara-comunicacion-entre-agentes/. Consultado el 26 de marzo de 2011.

12. KINNY, D.; GEORGEFF, M.; RAO, A. A design methodology for BDI agent systems. Technical Report 54, Australian Artificial Intelligence Institute, Melbourne, Australia. 1995.

13. LASHENG, Y.; JIE, L.; BEIJI, Z. Research on a Multi-agent Based Integrated Health Monitoring System for the Elderly at Home. En: Future Wireless Networks and Information Systems, Editorial: Springer Berlin Heidelberg. Vol. 143. (2012) pp. 155--161. Disponible en: http://dx.doi.org/10.1007/978-3-642-27323 0_20. Consultado en Abril de 2012.

14. MARCHETTI, T.; GARCIA, A. Evaluacion de plataformas para el desarrollo de sistemas multiagente, en http://cs.uns.edu.ar/~ajg/ papers/2003(Cacic)MarchettiGarcia.pdf. 2003. Consultado febrero de 2012.

15. MATURANA, S.; FERRER, J.; BARANAO, F. Design and implementation of an optimization-based decision support system generator. European Journal of Operational Research, Volume 154, Issue 1, 1 April 2004, Pages 170-183. 2004.

16. MOLINA J.; GARCIA, J. y BERNARDOS, A. Agentes y sistemas multiagente, Disponible en: www.ceditec.etsit.upm.es/index. php/component/option,com_docman/task,doc_download/gid,3/ Itemid,78/. Consultado Mayo de 2011.

17. MORENO, F.; ONA A. y MARTINEZ M. Un sistema de simulacion como alternativa en el entrenamiento de habilidades deportivas abiertas. En: Revista de ciencias de la actividad fisica y del deporte. No. 4. pp. 75-95. 1998.

18. ROMEO, L.; PASTOR, M. Simulacion del comportamiento humano. En: Revista del Instituto Nacional de Seguridad e Higiene en el Trabajo. No. 31. 2004.

19. SANSORES, C.; PAVON, J. Simulacion social basada en agentes. En: Inteligencia artificial: Revista Iberoamericana de Inteligencia Artificial. Vol. 9. N. 25. (2005);pp. 71-78

20. SCOTT, A.; DE LOACH, M.; WOOD, F. and SPARKMAN, H. Multiagent Systems Engineering. In:International Journal of Software Engineering and Knowledge Engineering. Vol. 11, No. 3 (2001.);pp. 231-258

21. SHOHAM, Y. Agent-oriented programming. En: Journal Artificial Intelligence. Vol. 60 pp. 51-92. 1993.

22. UNIVERSIDAD POLITECNICA DE MADRID. Grupo de investigacion en sistemas inteligentes. Informe Tecnico: Arquitecturas de Agente. Proyecto DAMMAD: Diseno y Aplicacion de Modelos Multiagente para Ayuda a la Decision (TIC2000-137004-01). Disponible en: http://platon.escet.urjc.es/grupo/proyectos/dammad/propio/ Documentos/Informes/coor_survey.pdf. Consultado en abril de 2012.

23. UNAL. Universidad Nacional de Colombia. Inteligencia Artificial Distribuida, Disponible en: http://www.virtual.unal. edu.co/cursos/ingenieria/2001394/docs_curso/contenido.html. Consultado Abril de 2012.

24. WOOLDRIDGE, M.; JENNINGS, N. Intelligent Agents: Theory and practice. En: The Knowledge Engineering Review. Vol. 10:2. pp. 115-152. 1995.

25. WOOLDRIDGE, M.; JENNINGS, N.; KINNY, D. The Gaia Methodology for Agent-Oriented Analysis and Design. En: Journal of Autonomous Agents and Multi-Agent Systems.Vol. 3 No. 3. pp. 285-312. 2000.

26. WOOLDRIDGE M. An Introduction to Multiagent Systems. Second Edition, Wiley & Sons. 366 p. 2009.

27. WOOLDRIDGE, M; JENNINGS, N. Agent Theories, Architectures, and Languages: A Survey. University of Southampton. Dispoinible en http://eprints.ecs.soton.ac.uk/2177/1/ECAI94-WS.pdf. Consultado en Abril de 2012.

Mauro Callejas Cuervo Ingeniero de sistemas, especialista en ingenieria de software, magister en ciencias computacionales y actualmente desarrollando tesis de Doctorado en Ciencia y Tecnologia Informatica en la Universidad Carlos III de Madrid Espana. Director del Grupo de Investigacion en Software, GIS-UPTC. Profesor Asistente, Universidad Pedagogica y Tecnologica de Colombia--UPTC, Facultad de Ingenieria, Escuela de Sistemas y Computacion. Colombia maurocallejas@yahoo.com, mauro.callejas@uptc.edu.co

Liliana Milena Parada Prieto Ingeniera de sistemas y computacion. Asesora del Instituto Colombiano de Bienestar Familiar. Integrante del Grupo de Investigacion en Software, GIS Escuela de Ingenieria de Sistemas y Computacion, Universidad Pedagogica y Tecnologica de Colombia--UPTC, Colombia lilianamparada@gmail.com

Andrea Catherine Alarcon Aldana Ingeniera de sistemas y computacion. Especialista en Ingenieria de Software. Magister en Software Libre. Integrante del Grupo de Investigacion en Software--GIS. Profesor asistente, Facultad de Ingenieria, Universidad Pedagogica y Tecnologica de Colombia--UPTC, Colombia. Escuela de Ingenieria de Sistemas y Computacion, Universidad Pedagogica y Tecnologica de Colombia--UPTC, Colombia acalarcon@gmail.com
Tabla 1. Comparacion de plataformas.

Criterios/
Plataforma        JACK             MADKit                ZEUS

ACL soportado      ---             KQML                  KQML

Arquitectura      BDI              Agente/grupo/rol      BDI
base

Tipo de agentes   Cualquiera       Cualquiera            Deliberativos
soportados                                               colaborativos

Lenguajes         Jack             Java, Jess, Python,   Java
soportados                         Scheme, BeanShell
para
implementacion
de agentes.

Movilidad         No detalla       No detalla            No detalla
de codigo

Disponibilidad    on-line          on-line               on-line

Licencia          gratis 30 dias   GPL/LGPL              Mozilla
                                                         public

Interface         GUI              GUI                   GUI

Instalacion       Simple           Simple                Simple

Documentacion     Muy complete     Pobre                 Pobre

Ayuda             Manual           On-line               Manual

Criterios/
Plataforma        JADE         AgentBuilder

ACL soportado     ACL.         --

Arquitectura      --           BDI
base

Tipo de agentes   Cualquiera   Agentes
soportados                     inteligentes

Lenguajes         Java.
soportados        Java(J2ME)
para
implementacion
de agentes.

Movilidad         Migracion    No detalla
de codigo         debil

Disponibilidad    on-line      --

Licencia          LGPL.        Version de
                               evaluacion
                               libre,
                               limitada

Interface         GUI          GUI

Instalacion

Documentacion     Complete     Muy completa

Ayuda             Manual       Manual

Fuente: Modificado de Marchetti y Garcia (2003)

Tabla 2. Registrar informacion de enfermedad

Nombre:            Registrar informacion basica de enfermedad/CU-1

Actor:             Administrador

Descripcion:       Describe el proceso para ingresar una nueva
                   enfermedad al sistema.

Flujo Principal:   Eventos ACTOR

                   1.  Activa  la funcion  de  ingresar
                   nueva enfermedad

                   2. Escribe el nombre de la nueva enfermedad y
                   selecciona los sintomas de dicha enfermedad.

Alternativa:       1.  Activa  la funcion  de  ingresar nueva
                   enfermedad

                   2. Escribe el nombre de la nueva enfermedad
                   y selecciona los sintomas de dicha enfermedad

Precondicion:      El administrador desea ingresar una nueva
                   enfermedad al sistema.

Poscondicion:      La nueva enfermedad queda guardada y esta lista
                   para ser utilizada.

Presuncion:        La base de datos de ETS esta disponible.

Flujo Principal:   Eventos SISTEMA

                   1. Muestra el formulario de nueva enfermedad

                   2. Acepta los datos y guarda la informacion
                   en el sistema.

                   3. Se reinicia el caso de uso

Alternativa:       1. Muestra el formulario de nueva enfermedad

                   2. Algun sintoma de la enfermedad no se ha
                   ingresado al sistema

                   3. Se reinicia el caso de uso

Precondicion:

Poscondicion:

Presuncion:

Tabla 3. Registrar informacion de sintoma

Nombre:            Registrar informacion basica de sintoma/ CU-2

Actor:             Administrador

Descripcion:       Describe el proceso para ingresar un nuevo
                   sintoma al sistema.

Flujo Principal:   Eventos ACTOR

                   1. Activa la funcion de ingresar nuevo sintoma

                   2. Escribe el nombre del nuevo sintoma
                   y selecciona una imagen relacionada con el sintoma.

Alternativa:       1. Activa la funcion de ingresar nuevo sintoma

                   2. Escribe el nombre del nuevo sintoma
                   y selecciona una imagen relacionada con el sintoma.

Precondicion:      El administrador desea ingresar un nuevo sintoma
                   al sistema.

Poscondicion:      El nuevo sintoma queda guardado en el sistema

Presuncion:        La base de datos de ETS esta disponible.

Flujo Principal:   Eventos SISTEMA

                   1. Muestra el formulario de nuevo sintoma

                   2. Verifica la ubicacion de la imagen y la carga
                   al servidor.

                   3. Guarda el nombre del sintoma y un enlace
                   a la imagen.

                   4. Se reinicia el caso de uso

Alternativa:       1. Muestra el formulario de nuevo sintoma

                   2. No logra subir la imagen al servidor.

                   3. Se reinicia el caso de uso

Precondicion:

Poscondicion:

Presuncion:

Tabla 4. Gestionar diagnostico

Nombre:            Gestionar diagnostico/ CU-3

Actor:             Usuario

Descripcion:       Describe el proceso para realizar un diagnostico.

Flujo Principal:   Eventos ACTOR

                   1. Activa la funcion realizar test
                   de diagnostico de ETS

                   2. El usuario escoge los sintomas que padece

Alternativa:       1. Activa la funcion realizar test
                   de diagnostico de ETS

Precondicion:      El usuario desea realizar el test de ETS.

Poscondicion:      Mensaje de posibilidad de infeccion de ETS

Presuncion:        La base de datos de ETS esta disponible.

Flujo Principal:   Eventos SISTEMA

                   1. Muestra los sintomas de forma grafica

                   2. Analiza los sintomas recopilados.

                   3. Genera un mensaje de las posibles
                   enfermedades que padezca.

                   4. Muestra el mensaje generado

Alternativa:       1. No existe informacion de enfermedades
                   en el sistema

                   2. Se reinicia el caso de uso.

Precondicion:

Poscondicion:

Presuncion:
COPYRIGHT 2012 Universidad Libre Seccional Cali
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2012 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Title Annotation:SISTEMAS DE COMPUTACION
Author:Callejas Cuervo, Mauro; Parada Prieto, Liliana Milena; Alarcon Aldana, Andrea Catherine
Publication:Revista Entramado
Date:Jan 1, 2012
Words:4893
Previous Article:El cuidado de cara a la etica, la politica y la pedagogia vivencial para la vida.
Next Article:Estudio sobre el desempeno de las empresas familiares colombianas que cotizan en la bolsa de valores, frente a las empresas no familiares.
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters