El aprendizaje como un aspecto en Agentes Malaca

En la actualidad existen diversas plataformas de agentes que ofrecen marcos de trabajo orientados a objetos sobre los que construir agentes software. Estos marcos de trabajo proporcionan abstracciones para desarrollar, mediante especializacion, el comportamiento del agente en el sistema. Sin embargo, estos disenos no proporcionan abstracciones adecuadas para modularizar otras propiedades extra-funcionales del agente, que tienden por tanto a encontrarse dispersas en diferentes clases de la arquitectura del agente. La mezcla de codigo perteneciente a diferentes caracteristicas del agente en un mismo componente interno incrementa su complejidad y dificulta la reutilizacion directa. Con el fin de mejorar y facilitar el desarrollo de agentes software, el modelo de agentes Malaca realiza una mejor descomposicion de la arquitectura interna del agente obtenida de la combinacion de tecnicas propias del Desarrollo de Software Basado en Componentes y del Desarrollo de Software Orientado a Aspectos. el presente trabajo propone, siguiendo el modelo de agentes Malaca, separar y modularizar el aprendizaje de un agente siguiendo una solucion orientada a aspectos, desacoplando asi la funcionalidad del agente del protocolo necesario para llevar a cabo el proceso de aprendizaje y facilitando el proceso de desarrollo de agentes inteligentes.