Estudio de la utilización de coaliciones en algoritmos de aprendizaje federado en sistemas multi-agente

Abstract

[ES] Una de las últimas grandes evoluciones en el aprendizaje distribuido ha sido el desarrollo del aprendizaje federado. Este tipo de aprendizaje se ha llevado a la práctica con éxito utilizando, entre otros, sistemas multi-agente. El trabajo que se plantea aquí es el estudio de la evolución de este tipo de algoritmos cuando se definen grupos o coaliciones entre esos agentes que están realizando el aprendizaje, de forma que los agentes que pertenecen a la misma coalición son más afines que los que no son del mismo grupo. Este trabajo planteará este estudio a nivel teórico y práctico, usando para éste último caso la herramienta de desarrollo de simulaciones FIVE y agentes SPADE.

[EN] One of the latest significant advancements in distributed learning has been the development of federated learning. This type of learning has been successfully implemented using, among other things, multi-agent systems. The work proposed here is the study of the evolution of this type of algorithm when groups or coalitions are defined among the agents that are performing the learning, so that agents belonging to the same coalition are more aligned than those who are not in the same group. This work will propose this study at a theoretical and practical level, using the simulation development tool FIVE and SPADE agents for the latter case.