首页 理论教育 新一代信息技术-分布智能

新一代信息技术-分布智能

时间:2023-11-23 理论教育 版权反馈
【摘要】:图4.5慎思Agent的基本结构器信念表示尚未完全证实的命题。图4.6BDI Agent的一般结构器3.多智能Agent多智能Agent的结构如图4.7所示。图4.7网络环境下的多智能Agent系统多Agent的合作包括以下三方面。

新一代信息技术-分布智能

分布式人工智能(Distributed Artificial Intelligence,DAI,简称分布智能)是随着计算机网络、计算机通信和并发程序设计等技术的发展而产生的一个新的人工智能研究领域

1.分布智能概述

分布智能主要研究在逻辑上或物理上分布的智能系统之间如何相互协调各自的智能行为,实现问题的并行求解。

分布式问题求解的主要任务是要创建大粒度的协作群体,使它们能为同一个求解目标而共同工作。其主要研究内容是如何在多个合作者之间进行任务划分和问题求解。在分布式问题求解系统中,数据、知识和控制均分布在各个结点上,并且没有一个结点能够拥有求解整个问题所需要的足够数据和知识,因此各结点之间必须通过相互协作才能有效地解决问题。

2.智能Agent

多Agent系统是由多个自主Agent所组成的一种分布式系统。其主要任务是要创建一群自主的Agent,并协调它们的智能行为。

多Agent系统与分布式问题求解的主要差别在于,不同Agent之间的目标可能相同,但也可能完全不同,每个Agent都必须具有与其他Agent进行自主协调、协作和协商的能力。多Agent系统的研究重点包括Agent结构、Agent通信和多Agent合作等。

Agent结构是指Agent的组成方式。其基本结构包括反应Agent、慎思Agent及混合Agent的结构。

Agent的基本结构如图4.3所示。

图4.3 Agent的基本结构

反应Agent是一种不含任何内部状态,仅是简单地对外界刺激产生响应的Agent。其结构如图4.4所示,它采用“感知→动作”工作模式。

图4.4 反应Agent的结构器

慎思Agent的基本结构如图4.5所示。在该结构中,Agent的基本过程是先通过传感器接收外界环境信息,并根据内部状态进行信息融合,然后在知识库支持下制订规划、在目标引导下形成动作序列,最后由效应器作用于外部环境。

BDI的含义是信念-愿望-意图(Blief-Disire-Intention,BDI),是一种典型的慎思Agent结构。

BDI的概念如下。

信念:Agent对其环境和自身的认识。信念不同于知识,一般认为,知识是为真的信念。下面是关于信念的几种不同的解释。

图4.5 慎思Agent的基本结构器

信念表示尚未完全证实的命题。

信念表示不一定正确的命题。

信念表示对已有证据积累的一种函数,即对命题的相信程度。

愿望:Agent希望达到的目标,这些目标可能有机会去实现,但也可能永远无法实现。在实际应用中,一个Agent的初始愿望,通常是人交给Agent的任务。

意图:Agent为达到愿望而计划采取的动作步骤。意图也可看作是Agent行为的控制器,它将引导和控制Agent的当前选择和未来活动。一个Agent的意图可能会随着环境的变化而改变,即采取新的动作步骤。

BDI Agent的结构如图4.6所示。

图4.6 BDI Agent的一般结构器

3.多智能Agent

多智能Agent的结构如图4.7所示。

图4.7 网络环境下的多智能Agent系统

多Agent的合作包括以下三方面。

1)Agent协调(www.xing528.com)

这是对Agent之间的相互作用和Agent动作之间的内部依赖关系的管理。它描述的是一种动态行为,反映的是一种相互作用的性质。它的两个最基本的成分是“有限资源的分配”和“中间结果的通信”。

常用的协调方法有以下三种。

(1)基于部分全局规划的协调:部分全局规划是指将一个Agent组的动作和相互作用进行组合所形成的数据结构

①所谓规划是部分的,是指系统不能产生整个问题的规划。

②所谓规划是全局的,是指Agent通过局部规划的交换与合作,可以得到一个关于问题求解的全局视图,进而形成全局规划。

(2)基于联合意图的协调:意图是Agent为达到愿望而计划采取的动作步骤。联合意图则是指一组合作Agent对它们所从事的合作活动的整体目标的集体意图。

其典型例子是Agent机器人竞赛中的队内Agent机器人之间的协调问题,这些Agent既有自己的个体意图,又有全队的联合意图。

(3)基于社会规范的协调:基于社会规范的协调是一种以每个Agent都必须遵循的社会规范为基础的协调方法。所谓规范是一种建立的、期望的行为模式。社会规范可以对Agent社会中各Agent的行为加以限制,以过滤掉某些有冲突的意图和行为,保证其他Agent必需的行为方式,从而确保Agent自身行为的可能性,以实现整个Agent社会行为的协调。

2)Agent协作

协作是指Agent之间相互配合一起工作。它是非对抗Agent之间保持行为协调的一个特例。

合同网是Agent协作中最著名的一种协作方法,被广泛应用于各种多Agent系统的协作中。其思想来源于人们在日常活动中的合同机制。在合同网系统中,所有Agent被分为管理者和工作者两种不同角色。

(1)管理者Agent的主要职责包括以下几方面。

①对每一个需要求解的任务建立其任务通知书(Task Announcement),并将任务通知书发送给有关的工作者Agent。

②接受并评估来自工作者Agent的投标(Bid)。

③从所有投标中选择最合适的工作者Agent,并与其签订合同(Contract)。

④监督合同的执行,并综合结果。

(2)工作者Agent的主要职责包括以下几方面。

①接受相关的任务通知书。

②评价自己的资格。

③对感兴趣的子任务返回任务投标。

④如果投标被接受,按合同执行分配给自己的子任务。

⑤向管理者报告求解结果。

合同网系统的基本工作过程如图4.8所示。

图4.8 合同网系统的基本工作过程

3)Agent协商

协商主要用来消解冲突、共享任务和实现协调,是多Agent系统实现协调和解决冲突的一种重要方法。

4.多Agent应用示例

多Agent系统的应用非常广泛,诸如智能信息检索、分布式网络管理、电子商务、协同工作和智能网络教学系统等。以智能网络教学系统为例进行讲解,如图4.9所示。

图4.9 多Agent智能网络教学系统的基本结构

学生模型数据库是学生知识结构的反映。数据库Agent负责学生模型数据库、教学Agent群和界面Agent之间交互的管理。教学策略Agent群中的每个Agent都相当于一个教育家。教学过程管理Agent的主要功能是监视教学过程,并向教学Agent提供教学参考意见。教学Agent群是整个智能教学系统的核心,其中的每个教学Agent都相当于一个教师。界面Agent构成了系统的交互模型,它主要负责与学生或教师的交互。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈