分布式人工智能的分类

分布式人工智能一般分为分布式问题求解（DPS）和多Agent系统（Multi－Agent System，MAS）两种类型。DPS研究如何在多个合作和共享知识的模块、节点或子系统之间划分任务，并求解问题。MAS则研究如何在一群自主的Agent之间进行智能行为的协调。两者的共同点在于研究如何对资源、知识、控制等进行划分。两者的不同点在于，DPS往往需要有全局的问题、概念模型和成功标准；而MAS则包含多个局部的问题、概念模型和成功标准。DPS的研究目标在于建立大粒度的协作群体，通过各群体的协作实现问题求解，并采用自顶向下的设计方法。MAS却采用自底向上的设计方法，首先定义各自分散自主的Agent，然后研究怎样完成实际任务的求解问题；各个Agent之间的关系并不一定是协作的，也可能是竞争甚至是对抗的关系。

不少学者认同MAS基本上就是分布式人工智能，DPS仅是MAS研究的一个子集，当满足下列三个假设时，MAS就成为DPS系统：（1）Agent友好；（2）目标共同；（3）集中设计。正是由于MAS具有更大的灵活性，更能体现人类社会的智能，更适应开放和动态的世界环境，因而引起许多学科及其研究者的强烈兴趣和高度重视。目前研究的问题包括Agent的概念、理论、分类、模型、结构、语言、推理和通信等。动目前，对Agent的研究大致分为如下3个相互关联的方面：（1）智能Agent；（2）多Anent系统（MAS）；（3）面向Agent的程序设计（AOP）。智能Agent是多Agent系统研究的基础，也可以将智能Agent的研究统一在MAS的研究框架下，这样，智能Agent被看成MAS研究中的微观层次，主要研究Agent的理论和结构，包括Agent的概念、特性、分类，Agent的形式化表示和推理等；而有关Agent间的关系的研究则构成了MAS研究的宏观层次，主要研究由多个Agent组成的系统中Agent的组织以及Agent间的通信、规划、协同、协作、协商与冲突消解、自组织和自学习等问题。智能Agent和MAS的成功应用要借助于Agent的应用方法（即AOP）以及AOP开发工具或平台。(www.xing528.com)

Agent技术，特别是多Agent技术，为分布式开放系统的分析、设计和实现提供了一种崭新的方法，被誉为“软件开发的又一重大突破“，Agent技术已经被广泛应用到各个领域。Agent及其相关概念和技术最早源于分布式人工智能（DAI），但从20世纪80年代末开始，Agent技术从DAI领域中拓展开来，并与许多其他领域相互借鉴和融合，在许多不同于最初DAI应用的领域得到了更为广泛的应用。面向Agent技术（AOT）作为一种设计和开发软件系统的新方法已经得到了学术界和企业界的广泛关注。