TDDE13 · 6 hp · Avancerad nivå (A1N) · Datateknik, Datavetenskap
Multiagentsystem
Ges · nästa start HT 2026
100 %
klarade senaste ordinarie tillfället
LAB1 · 3 feb 2026 · 41 studenter
100 %
klarade de ordinarie tillfällena, alla tillfällen de senaste 5 åren
LAB1 · 102 studenter
Modulen rapporterar bara godkända resultat, så andelen godkända visar inte hur många som inte klarade den.
Ingår i 4 program
Inlämning eller laboration
LAB1 Laborationer
- G
Ordinarie tillfällen
100 % godkända · 102 studenter
- 100 %41
- 100 %18
- 100 %15
- 100 %10
- 100 %18
Senare tillfällen
Inga tillfällen med minst 5 studenter.
Visa små tillfällen (6)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %1
- 100 %1
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
UPG1 Hemuppgifter
- 5
- 4
- 3
- U
Ordinarie tillfällen
98 % godkända · 98 studenter
- 95 %42
- 100 %16
- 100 %12
- 100 %10
- 100 %18
Senare tillfällen
Inga tillfällen med minst 5 studenter.
- Får 4 eller 5: 71 % (98 studenter)
Visa små tillfällen (6)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
- 100 %4
- 100 %1
- 100 %1
- 100 %1
Om kursen
Mål
Kursens övergripande mål är att ge studenterna en översikt över multiagentsystem och djupare kunskaper inom några delområden. Efter avslutad kurs ska studenten kunna:
- lista och förklara viktiga problem och tekniker inom området multiagentsystem
- förklara hur moderna multiagentsystem med storaspråkmodeller fungerar och kan användas
- förklara hur centrala algoritmer inom området multiagentsystem fungerar
- implementera några centrala algoritmer inom området multiagentsystem
- utvärdera och tillämpa olika spelteoretiska angreppssätt
- designa och använda auktioner för att allokera resurser i ett multiagentsystem
- modellera relevanta aspekter av multiagentsystems beslutsfattande med hjälp av Markov-beslutsprocesser och logik
Innehåll
- Arkitekturer för multiagentsystem
- Moderna agentsystem baserade på stora språkmodeller
- Distribuerad AI, inklusive distribuerad 'constraint satisfaction' och optimering
- Spelteori, inklusive normalform och extensiv form
- Kommunikation, inklusive talhandlingar
- Aggregerade preferenser, inklusive röstning
- Auktioner för resursallokering inom multiagentsystem
- Beslutsfattande inom multiagentsystem, inklusive fördelning av uppgifter
- Examinator
- Fredrik Heintz
- Schemalagd tid
- 60 h
- Huvudområde
- Datateknik, Datavetenskap