Técnicas avançadas aplicadas a redes – Teoria de Jogos e Técnicas Bio-inspiradas – MAB853

Descrição:

Apresentação dos conceitos fundamentais de teoria de jogos e de técnicas de inteligência computacional, em particular as bio-inspiradas, seguido de discussões e apresentações de seminários sobre o uso de jogos e modelos bio-inspirados em problemas específicos que surgem na área de redes sem fio.

Ementa:

A Teoria de Jogos é  um capítulo da Matemática que se ocupa da análise de todo o tipo de conflitos segundo o modelo de um jogo cujas regras serão mais ou menos rígidas e mais ou menos conhecidas pelos jogadores. Inteligência Computacional (IC), por sua vez, é uma área que estuda mecanismos adaptativos que permitem ou facilitam o comportamento inteligente em ambientes complexos. Exemplos de características interessantes presentes em técnicas da inteligência computacional são: percepção; raciocínio; aprendizado; evolução e adaptação. Alguns exemplos de técnicas usadas na IC são: Inteligência de Enxame; Sistema Imunológico Artificial (SIA); Sistema Inibidor/ativador; Epidemias. Essas técnicas são exemplos de técnicas empregadas na Computação Natural. A computação natural utiliza a natureza como fonte de inspiração para o desenvolvimento de técnicas computacionais para solucionar problemas complexos. Esta disciplina tem por finalidade realizar estudos sobre os resultados mais recentes da literatura especializada.

Bibliografia:

L. N. de Castro: “Fundamentals of Natural Computing”, Chapman & Hall, 2006.· L.

·         N. de Castro, F. J. Von Zuben: “Recent Developments in Biologically Inspired Computing”, IDEA Group, 2005.· A. Engelbrecht: “Fundamentals of Computational Swarm Intelligence”, John Wiley, 2006.·

·         A. Konar: “Computational Intelligence: Principles, Techniques and Applications”, Springer, 2005.·

·         N. Nedjah, L. Mourelle: “Swarm Intelligent Systems”, Springer, 2006.·

·         S. Camazine, J.-L. Deneubourg, N. R. Franks, J. Sneyed, G.Theraulaz, E. Bonabeau: “Self-organization in Biological ystems”, Princeton University Press, 2003.·

·         E. Bonabeau, M. Dorigo e G. Théraulaz: “Swarm Intelligence: From Natural to Artificial Systems”, Oxford University Press,

·         Gintis, H. Game Theory Evolving, 2000.

·         Osborne, M. e A. Rubinstein, A. A Course in Game Theory, 1994.

·         Game Theory.net, http://www.gametheory.net. Roughgarden, T. e Tardos, E. “How Bad is Selfish Routing?”, Journal of the ACM, 49(2):236–259, 2002.

·         Roughgarden, T. , “Selfish Routing with Atomic Players”, ACM-SIAM Symposium on Discrete Algorithms (SODA), 2005.

·         Roughgarden, T., Selfish Routing and the Price of Anarchy, 2005.

·         Menasché, D., Figueiredo, D., Souza e Silva, E. . “An Evolutionary Game-Theoretic Approach to Congestion Control”, , Performance Evaluation, 62(1-4), 2005.

·         MacKenzie, A.B. e Wicker, S.B. “Stability of Multipacket Slotted Aloha with Selfish Users and Perfect Information”, IEEE INFOCOM 2003.

·         Levente Buttyán e.Hubaux, J.-P Security and Cooperation in Wireless Networks: Thwarting malicious and selfish behavior in the age of ubiquitous computing, Cambridge University Press, 2007.

·         M. Dorigo, V. Maniezzo, A. Colorni, “The Ant System: Optimization by a colony of cooperating agents,” IEEE Transactions on Systems, Man, and Cybernetics, 1996.

·         M. Dorigo, G. Di Caro, L. M. Gambardella, ”Ant Algorithms for Discrete Optimization”, Artificial Life, vol. 5 no.2 pp. 137-172, 1999.

·         G. Di Caro, M. Dorigo, “AntNet: Distributed Stigmergetic Control for Communication Networks,” Journal of Artificial Intelligence Research, vol. 9, pp. 317–365, 1998.

·         G. Di Caro, F. Ducatelle, L. M. Gambardella, “AntHocNet: An adaptive nature-inspired algorithm for routing in mobile ad hoc networks,” European Transactions on Telecommunications, Special Issue on Self-organization in Mobile Networking, vol. 16, pp. 443–455, 2005

·         J. Wang, E. Osagie, P. Thulasiraman, R. K. Thulasiram, “HOP-NET: A Hybrid ant colony Optimization routing algorithm for Mobile ad hoc NETwork”, to appear in Elsevier Ad Hoc Networks, June 2009.

·         B. Atakan, O. B. Akan, “Biologically-inspired Spectrum Sharing in Cognitive Radio Networks,” in Proc. IEEE WCNC 2007, Hong Kong, March 2007.

·         A. Tyrrell, G. Auer, C. Bettstetter, “Fireflies as Role Models for Synchronization in Ad Hoc Networks”, in: 1st IEEE/ACM International Conference on Bio-Inspired Models of Network, Information and Computing Systems (IEEE/ACM BIONETICS 2006), IEEE, Cavalese, Italy, 2006.

·         Tyrrell, G. Auer, “Imposing a Reference Timing onto Firefly Synchronization in Wireless Networks,” in: 65th IEEE Vehicular Technology Conference (VTC2007-Spring), IEEE, Dublin, Ireland, 2007, pp. 222–226.

·         N. Wakamiya, M. Murata, “Synchronization-Based Data Gathering Scheme for Sensor Networks,” IEICE Transactions on Communications Special Issue on Ubiquitous Networks E88-B (3) (2005) 873–881.

·         O. Babaoglu, T. Binci, M. Jelasity, A. Montresor, “Firefly-inspired Heart- beat Synchronization in Overlay Networks,” in: 1st IEEE International Conference on Self-

·         Adaptive and Self-Organizing Systems (SASO 2007), IEEE, Boston, MA, 2007, pp. 77–86.

·         T. C. Henderson, R. Venkataraman, G. Choikim, “Reaction-Diffusion Patterns in Smart Sensor Networks,” in: IEEE International Conference on Robotics and Automation (ICRA 2004), IEEE, New Orleans,LA, 2004, pp. 654–658.

·         Dietrich, F. Dressler, “On the Lifetime of Wireless Sensor Networks,” ACM Transactions on Sensor Networks (TOSN) vol. 5, no. 1, to appear.

·         G. Neglia, G. Reina, “Evaluating Activator-Inhibitor Mechanisms for Sensors Coordination,” in: Proc. of IEEE/ACM BIONETICS 2007, Budapest, Hungary, 2007.

·         J. O. Kephart, “A Biologically Inspired Immune System for Computers,” in: 4th International Workshop on Synthesis and Simulation of Living Systems, MIT Press, Cambridge, MA, 1994, pp. 130–139.

·          L. N. de Castro, J. Timmis, “Artificial Immune Systems: A New Computational Intelligence Approach,” Springer, 2002.

·         B. Atakan, O. B. Akan, “Immune System Based Distributed Node and Rate Selection in Wireless Sensor Networks,” in Proc. of IEEE/ACM BIONETICS 2006, Cavalese, Italy, 2006.

·         J.-Y. Le Boudec, S. Sarafijanovic, “An Artificial Immune System Approach to Misbehavior Detection in Mobile Ad-Hoc Networks,” in Proc. of Bio-ADIT2004, Vol. LNCS 3141, Springer, pp. 96-111, Lausanne, Switzerland.

·         J. Kleinberg, “Computing: The wireless epidemic,” Nature 449 (2007) 287-288.

·         F. Dressler, O. B. Akan, “A Survey on Bio-inspired Networking”, to appear in Computer Networks (Elsevier), 2009