• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.76.2021.tde-09092021-115733
Documento
Autor
Nombre completo
Jorge Augusto Salgado Salhani
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2021
Director
Tribunal
Fontanari, Jose Fernando (Presidente)
Berbert, Juliana Militão da Silva
Kinouchi Filho, Osame
Título en portugués
Modelando brainstorming com sistemas quadro-negro
Palabras clave en portugués
Inteligência coletiva
Modelo baseado em agentes
Modelos cooperativos
Sistemas quadro-negro
Sobrecarga de informação
Resumen en portugués
Os sistemas quadro-negro são modelos computacionais de trabalho em grupo que incorporam a noção popular de brainstorming, na qual especialistas (agentes) escrevem ideias promissoras (dicas) para resolver um dado problema em um quadro negro central ao qual todos os membros do grupo têm acesso. Usaremos esse ambiente cooperativo para resolver problemas discretos de satisfação de restrições muito simples, as charadas cripto-aritméticas. Uma charada cripto-aritmética é uma operação algébrica (adição, por exemplo) em que os dígitos dos números são representados por letras, de modo que cada letra represente um dígito único, e o objetivo é encontrar a correspondência dígito-letra que torna a operação soma válida pelas regras da aritmética. As dicas exibidas no quadro-negro são correspondências parciais dígito-letra que tornam a soma módulo 10 dos dígitos das colunas individuais correta. Os resultados mostram que o sistema quadro-negro sempre é mais eficiente do que a busca cega, onde os agentes geram atribuições dígito-letra aleatórias até encontrarem a solução da charada. Como no caso de um único agente o quadro-negro pode ser usado como uma memória externa para armazenar as dicas descobertas, podemos usar os sistemas quadro-negro para estudar as vantagens da cooperação, ou seja, de formar equipes com dois ou mais agentes. Encontramos que a vantagem da cooperação é maior quando as charadas são desafiadoras (têm mais letras distintas e menos soluções) ou quando o tamanho do quadro é muito restrito, o que limita o seu uso como memória externa dos agentes. Entretanto, mostramos que o aumento da equipe não resulta necessariamente em melhora de desempenho, o que aponta a existência de um tamanho de grupo que otimiza o desempenho do sistema quadro-negro. Um resultado contraintuitivo de nosso modelo é a melhora do desempenho da equipe para quadros limitados, que não tem capacidade de exibir todas as dicas possíveis, evidenciando nesse contexto restrito a questão da sobrecarga de informação que afeta a resolução de problemas no mundo real.
Título en inglés
Modeling brainstorming with blackboard systems
Palabras clave en inglés
Agent-based model
Blackboard systems
Collective intelligence
Cooperative models
Information overload
Resumen en inglés
Blackboard systems are computational models of group work that incorporate the popular notion of brainstorming, in which experts (agents) write promising ideas (hints) to solve a given problem on a central blackboard to which all group members have access. We will use this cooperative environment to solve very simple discrete constraint satisfaction problems, viz., crypto-arithmetic riddles. A crypto-arithmetic riddle is an algebraic operation (addi- tion, for example) in which the digits of the numbers are represented by letters, so that each letter represents a single digit, and the goal is to find the digit-letter correspondence that makes the operation sum valid under the rules of the arithmetic. The hints displayed on the blackboard are partial digit-letter matches that make the sum modulo 10 of the digits of the individual columns correct. The results show that the blackboard system is always more efficient than the blind search, where agents generate random digit-letter assignments until they find the solution to the puzzle. Since in the case of a single agent the blackboard can be used as an external memory to store the discovered hints, we can use the blackboard systems to study the advantages of cooperation, i.e., of forming teams with two or more agents. We found that the advantage of cooperation is greater when the riddles are challenging (they have more distinct letters and fewer solutions) or when the size of the blackboard is very restricted, which limits its use as an external memory for the agents. However, we have shown that increasing the team size does not necessarily result in an improved performance, which points to the existence of a group size that optimizes the performance of the blackboard system. A counterintuitive result of our model is the improvement of the team´s performance for limited blackboards that do not have enough space to display all possible hints, highlighting in this restricted context the issue of information overload that affects problem-solving in the real world.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2021-09-16
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2021. Todos los derechos reservados.