TEK9010 – Multiagent-systemer

Timeplan, pensum og eksamensdato

Velg semester

Endringer på grunn av koronaviruset

Høsten 2020 vil eksamen i de fleste emner ved MN gjennomføres digitalt, enten som hjemmeeksamen eller som muntlig eksamen, med normal karakterskala. Følg med på semestersiden for oppdatert informasjon om eksamensformen i ditt emne.

Se felles retningslinjer for eksamen ved MN-fakultetet høsten 2020.

Kort om emnet

Emnet gir deg en innføring i systemer med flere agenter/enheter/roboter som er gjensidige avhengig av hverandres oppførsel for å kunne karakterisere egen- eller systemytelse. Emnet vil ta for seg teorier for både strategisk interaksjon mellom ikke-samarbeidende agenter og mer eksplisitt koordinering av agenter som samarbeider i komplekse, distribuerte miljø. Spill-teori og sverm-intelligens er sentrale deler av emnet. 

Hva lærer du?

Du skal i løpet av emnet ha lært prinsipper for analyse, modellering og design av komplekse multiagent-systemer. Etter å ha fullført emnet:

  • kan du klassifisere forskjellige typer multiagent-systemer
  • kan du anvende agentbegrepet i distribuerte miljøer
  • kan du designe og bruke hensiktsmessig arkitektur for kommunikasjon og informasjonsdeling mellom agentene
  • har du inngående kunnskaper om forskjellige kunstig-intelligens metoder, spesielt spill-teori og sverm-intelligens, som kan brukes til å representere og modellere dynamikken i distribuerte systemer
  • har du opparbeidet erfaringer med multiagent-systemer gjennom simuleringer og praktiske øvinger
  • har du opparbeidet kunnskap om hvordan evolusjonær spill-teori kan anvendes i multiagent-systemer

Som ph.d.-kandidat skal du i tillegg studere prinsippene for evolusjonær spill-teori og kunne presentere dette i en skriftlig rapport.

Opptak til emnet

Ph.d.-kandidater ved UiO søker plass på undervisningen og melder seg til eksamen i Studentweb.

Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av søkere til emner med begrenset kapasitet.

Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner må innen angitt frist søke om hospitantplass.

Erfaring med programmering tilsvarende IN2010 – Algoritmer og datastrukturer. Emnet IN3050 – Introduksjon til kunstig intelligens og maskinlæring kan være nyttig forkunnskap.

Overlappende emner

Undervisning

Undervisningen består av 2 timer forelesning og 1 time gruppearbeid per uke, gjennom hele semesteret.

Emnet har to obligatoriske øvelser og én skriftlig rapport, som må være godkjent før avsluttende eksamen.

Eksamen

  • Avsluttende muntlig eksamen som teller 100% ved sensurering.

Ved stort antall studenter kan eksamen bli holdt skriftlig.

To obligatoriske øvelser og én skriftlig rapport må være godkjent før avsluttende eksamen.  

Hjelpemidler til eksamen

Godkjent kalkulator

Eksamensspråk

Dersom emnet undervises på engelsk vil det bare tilbys eksamensoppgavetekst på engelsk. Du kan besvare eksamen på norsk, svensk, dansk eller engelsk.

Karakterskala

Emnet bruker karakterskala bestått/ikke bestått. Les mer om karakterskalaen.

Adgang til ny eller utsatt eksamen

Studenter som dokumenterer gyldig fravær fra ordinær eksamen, kan ta utsatt eksamen i starten av neste semester.

Det tilbys ikke ny eksamen til studenter som har trukket seg under ordinær eksamen, eller som ikke har bestått.

Tilrettelagt eksamen, kildebruk, begrunnelse og klage

Se mer om eksamen ved UiO

Sist hentet fra Felles Studentsystem (FS) 27. nov. 2020 15:18:05

Fakta om emnet

Studiepoeng
10
Nivå
Ph.d.
Undervisning
Høst
Eksamen
Høst
Undervisningsspråk
Norsk (engelsk på forespørsel)