Kursus Pelatihan Sistem Multi-Agen & Koordinasi dalam Python

Pengenalan Sistem Multi-Agen

• Ringkasan agen, lingkungan, dan model interaksi
• Kerja sama, kompetisi, dan otonomi dalam sistem agen
• Aplikasi dalam logistik, robotika, dan pengambilan keputusan

Konsep Inti Arsitektur Agen

• Agen reaktif vs. agen deliberatif
• Protokol komunikasi dan model koordinasi
• Representasi pengetahuan dan keadaan bersama

Implementasi Agen dalam Python

• Membangun agen menggunakan kerangka kerja Mesa
• Memodelkan lingkungan dan interaksi
• Menyimulasikan perilaku agen dan visualisasi

Koordinasi dan Komunikasi

• Penulisan pesan (message passing) dan arsitektur memori bersama
• Negosiasi, konsensus, dan alokasi tugas
• Algoritma koordinasi (contract net, berbasis pasar, model kawanan)

Pembelajaran dan Adaptasi dalam Sistem Multi-Agen

• Pembelajaran penguatan untuk beberapa agen
• Dinamika pembelajaran kooperatif vs. kompetitif
• Menggunakan PettingZoo dan Stable-Baselines3 untuk MARL

Komputasi Terdistribusi dan Skalabilitas

• Menggunakan Ray untuk simulasi multi-agen terdistribusi
• Manajemen konkurensi dan sinkronisasi
• Memparalelkan komputasi dan menangani sumber daya bersama

Kolaborasi Manusia–Agen

• Merancang antarmuka untuk koordinasi human-in-the-loop
• Alur kerja hybrid dengan dukungan pengambilan keputusan berbasis AI
• Pertimbangan etis dan operasional

Proyek Capstone

• Merancang dan mengimplementasikan sistem multi-agen dalam Python
• Menunjukkan koordinasi dan pembelajaran antar agen
• Menyajikan hasil simulasi dan wawasan kinerja

Ringkasan dan Langkah Selanjutnya