Formålet med multi-agent-systemer (MAS) er at koordinere uafhængige processer. En agent er en computerentitet i form af et program eller en robot. En agent kan betragtes som autonom, fordi den er i stand til at tilpasse sig, når dens omgivelser ændrer sig. En MAC består af et sæt computerprocesser, der sker på samme tid og eksisterer på samme tid, deler fælles ressourcer og kommunikerer med hinanden. Nøgleproblemet i MAC er formaliseringen af koordineringen mellem agenter.
Definition af multi-agent-systemer
MAC er en fremadskuende tilgang til softwareudvikling til applikationer i komplekse domæner, hvor interagerende applikationskomponenter er autonome og distribuerede, fungerer i dynamiske og usikre miljøer, skal overholde nogle organisatoriske regler og love og kan tilslutte sig og forlade et multi-agent system under kørsel.
Eksempler på sådanne applikationer er systemer, derstyre og optimere produktion og distribution af el mellem forbrugere eller systemer, der optim alt planlægger belastninger i transportsystemer. Udviklingen af multi-agent-systemer kræver oprettelse af separate agenter, organisationer og miljøer.
Programmeringssprog giver programmeringskonstruktioner til implementering af individuelle agenter i form af sociale og kognitive begreber såsom information, mål, muligheder, normer, følelser og beslutningsregler.
Multi-agent organisationer med hensyn til sociale og organisatoriske koncepter har roller, udstyret med normer, kommunikationsprotokoller, ressourcer, der er underlagt overvågning. De udviklede programmeringssprog og rammer bruges til at skabe agentbaserede simuleringer til mange industrier med kontinuerlig produktion: elektricitet, metallurgi, sundhedspleje, internet, transport, trafikstyring og seriøse spil.
MAS adskiller sig fra single-agent-systemer ved, at de har flere agenter, der modellerer hinandens mål og handlinger. I et generelt scenarie kan der være direkte interaktion mellem agenter. Set fra en enkelt agents synspunkt adskiller multi-agent systemer sig væsentligst fra systemer med en enkelt agent ved, at miljøets dynamik kan bestemmes af andre agenter. Ud over den usikkerhed, der kan være iboende i et domæne, påvirker andre agenter bevidst miljøet på uforudsigelige måder.
Således kan alle MAC'er betragtes som havende dynamiske miljøer, hvilket er typisk for modernemulti-agent systemer. Der kan være et hvilket som helst antal agenter med varierende grader af heterogenitet, med eller uden mulighed for direkte kommunikation.
MAS-arkitektur
Agenter skal være udstyret med en kognitiv model:
- beliefs;
- ønsker;
- hensigter.
På den ene side læser han "Beliefs" om miljøet, som er resultatet af hans viden og opfattelser, og på den anden side et sæt "Desires". Krydsning af disse to sæt resulterer i et nyt sæt "Intentioner", som derefter direkte omsættes til handlinger.
Agenter skal have et kommunikationssystem. Der er flere specialiserede sprog til dette formål: Language Query og Manipulation Language (KQML). For nylig er FIPA-ACL-standarden, skabt af FIPA Foundation for Intelligent Physical Agents, blevet cirkuleret. Dette sidste princip for opbygning af multiagentsystemer er baseret på teorien om talehandlinger.
Problemet med tilpasning er et vanskeligt problem, som i øjeblikket er genstand for meget forskning. Man kan give et eksempel på nogle vira, både biologiske og computere, der er i stand til at tilpasse sig et mutant miljø.
Endelig fortjener en effektiv implementering af MAC, selvom den ikke strengt taget er en del af systemarkitekturen, opmærksomhed i de mange programmeringssprog, der er udviklet til studiet af kunstig intelligens. Specielt nævnes LISP-sproget. Disse arkitektoniske elementer anvendes til et system bestående af kognitiveagenter.
Kategorier eller modeller af agenter
Klassificeringen af midler er baseret på to kriterier: kognitive midler eller reagenser, der på den ene side udviser teleonomisk adfærd eller en refleks. Den sondring, der kan foretages mellem kognitiv og reaktiv, er i det væsentlige en repræsentation af den verden, som er tilgængelig for agenten. Hvis et individ er udstyret med en "symbolsk repræsentation" af verden, hvorfra han kan formulere ræsonnementer, så taler man om en kognitiv agent, hvorimod hvis han kun har en "sub-symbolsk repræsentation", det vil sige begrænset til sine opfattelser. man taler om et reaktivt middel. Denne kognitive og reaktive skelnen svarer til to teoretiske skoler af multiagentsystemer.
Den første understøtter den grundlæggende tilgang af "smarte" agenter til samarbejde fra et sociologisk synspunkt. I den anden undersøges muligheden for fremkomsten af "smart" adfærd af et sæt ikke-intelligente midler (myretype). Den anden forskel mellem adfærdsmæssig adfærd og refleks adskiller intentionel adfærd, forfølgelsen af eksplicitte mål, fra perceptuel adfærd. Agenternes tendenser kan således udtrykkes eksplicit i agenter eller omvendt komme fra miljøet. Tabel, der grupperer forskellige typer agenter:
- Kognitive agenter.
- Reaktive midler.
- Telenomisk adfærd.
- Forsætlige agenter.
- Administrerede agenter.
- Refleksadfærd.
- Agents "moduler".
- Tropiske agenter.
Kognitive agenter er for det meste tilsigtede, dvs.de har faste mål, som de forsøger at nå. Men nogle gange bruges agenter kaldet moduler, som har en idé om deres "univers" uden specifikke mål. De kunne f.eks. tjene til at besvare spørgsmål fra andre agenter i "universet".
Reagenser kan opdeles i aktuatorer og tropiske midler. Den instinktive agent vil have en fast mission og vil udløse en adfærd, hvis den ser, at omgivelserne ikke længere passer til dets tildelte formål. Tropisk middel reagerer kun på den lokale tilstand af miljøet, for eksempel hvis der er lys, så løber det. Kilden til motivation i det interne tilfælde af drivende agenter, der har en "mission", refererer kun til miljøet.
Organisationsparadigmer
Med udviklingen af sådanne systemer er forskellige organisatoriske paradigmer blevet udviklet. Disse strukturer af multi-agent-systemer sætter rammerne for relationer og interaktioner mellem agenter.
Hierarkier. I denne model er agenter hierarkiske i henhold til en træstruktur, hvor hver knude er en agent og har et tilladelseslink på sine undernoder. Denne model ødelægger det overordnede formål med systemet.
Holarchy nærmer sig hierarkiet. Der er intet autoritetsforhold mellem en agent og dens undergruppe.
En koalition er en midlertidig alliance af agenter, der går sammen og samarbejder, fordi deres personlige interesser mødes. Værdien af koalitionen skal være større end summen af de individuelle værdier af agentkomponenterne.
Menigheder ligner meget koalitioner ogkommandoer. Men de er beregnet til at være permanente og har norm alt flere mål at nå. Derudover kan agenter komme ind og forlade menigheder og tilhøre flere på samme tid.
Samfundet er et sæt forskellige agenter, der interagerer og kommunikerer. De har forskellige mål, har ikke det samme niveau af rationalitet og de samme evner, men de adlyder alle fælles love (normer).
Federationsagenter giver noget af deres autonomi til deres gruppes delegerede. Gruppeagenter interagerer kun med deres delegerede, som igen interagerer med delegerede fra andre grupper.
Salgsagenter tilbyder varer, som købers agenter kan gøre krav på. Denne type organisation gør det for eksempel muligt at simulere rigtige markeder og sammenligne forskellige handelsstrategier.
Matrix-organisationsagenter er hierarkiske. Men i modsætning til hierarkiet præsenteret ovenfor, hvor en agent kun er underordnet nogle få andre agenter, kan dem i én matrixorganisation være underlagt flere andre.
Kombinationer - Denne kombinerede organisation blander mange af stilarterne ovenfor. Dette kunne for eksempel være en koalition eller et hierarki af hold.
kunstig intelligens
Målet med kognitiv videnskab er at forstå arten og virkemåden af kunstig intelligens, som er det, der behandler intern information for at gøre den målrettet. Mange begreber passer til denne beskrivelse: mennesker, computere, robotter, sensoriske systemer,listen er uendelig. En type system af særlig interesse for kognitive videnskabsmænd er den kunstige selvagent, der virker på information.
En intelligent agent (IA) er i stand til at træffe beslutninger baseret på sin erfaring og kan vælge handlinger i forskellige situationer. Som udtrykket "kunstig" antyder, er den slags autonome interesseagenter ikke noget, der er skabt af naturen. Derfor er en kunstig agent alt, der er skabt af mennesker, i stand til at handle på grundlag af den information, den opfatter, sine egne erfaringer, beslutninger og handlinger.
Fagtet med ekstra-naturlig intelligens giver de tekniske færdigheder til at oversætte ønskede typer agenter til et programmeringssprog, relateret software og passende arkitektur (hardware og relateret software) til at implementere agenten i den virkelige eller simulerede verden.
Miljø i perceptionens verden
Agent er alt, der optager miljøet gennem sensorer og virker på det gennem effektorer, hvilket lyder simpelt nok. Denne definition af en agent dækker en bred vifte af maskiner, fra termostater til genstande, der faktisk kan lære et lille repertoire af adfærd.
Sensorer er værktøjer, der bruges af en agent til at indsamle oplysninger om deres verden. Tastaturet og videokameraet kan fungere som sensorer, hvis de er tilknyttet agenten. I slutningen af systemets reaktion er udøverne de værktøjer, agenten bruger til at påvirke miljøet. Eksempler på effektorer ermonitor, printer og robotarm.
Norm alt er miljøet agentens domæne eller verden. Disse domæner bør, i det mindste indtil videre, begrænses til specifikke typer situationer for at undgå hverdagens ubegrænsede muligheder.
Autonomous Influence System
An Autonomous Agent er "et system i og en del af et miljø, der opfatter det miljø og handler på det over tid for at udføre sin egen dagsorden og for at påvirke, hvad det oplever i fremtiden". Denne definition af Franklin og Greisser afspejler alle intelligente agenters grundlæggende funktioner, bortset fra deres selskabelighed. Dette giver en god tilnærmelse af hovedtrækkene i de mange forskellige AI'er under udvikling.
Sådanne agenter føler deres omgivelser. Men her omfatter sensoriske data eller perceptioner ikke kun data om andre objekter, men også selve agentens indflydelse på tingenes tilstand i miljøet. Sensorer kan være organiske, såsom øjne og ører og deres neurale processorer, eller kunstige, såsom video- og lydprocessorer indlejret i en digital computer. Miljøet kan være et meget begrænset område, som et lukket rum, eller meget komplekst, som et aktiemarked eller en samling af asteroider. Sensorer skal matche den type objekter, agenten interagerer med.
Reflekstype for interaktion
Refleksmidlet har en mere kompleks mekanisme. I stedet for direkte dynamiki forhold til miljøet kigger han efter, hvad han skal gøre i regellisten. Refleksagenten reagerer på en given perception med en programmeret respons. Selvom der er tusindvis af mulige svar på en given opfattelse, har agenten en indbygget liste over situationshandlingsregler til at udføre de svar, som allerede er blevet overvejet af programmøren. Situationshandlingsreglen er dybest set et hypotetisk imperativ.
Refleksmidler er virkelig ikke særlig lyse. De kan bare ikke klare nyheden. Den intelligente agent indeholder funktionerne fra sine mindre sofistikerede fætre, men er ikke så begrænset. Han handler efter dagsordenen. Den har et sæt mål, som den aktivt forfølger. Den målbaserede agent har en forståelse af den aktuelle tilstand af miljøet, og hvordan dette miljø typisk fungerer. Han forfølger store strategier eller mål, som ikke kan nås med det samme. Dette gør agenten aktiv, ikke kun reaktiv.
Target funktionelt hjælpeprogram
I mere komplekse midler anvendes en husholdningsforanst altning på de forskellige mulige handlinger, der kan udføres i miljøet. Denne komplekse planlægger er en servicebaseret agent. Den servicebaserede agent vil evaluere hvert scenarie for at se, hvor godt det opnår visse kriterier for at få et godt resultat. Ting som sandsynligheden for succes, de ressourcer, der er nødvendige for at fuldføre scenariet, vigtigheden af det mål, der skal nås, den tid, det ville tage, kan alle indregnes i beregninger af hjælpefunktioner.
FordiDa en programmør typisk ikke kan forudsige alle de tilstande i verden, en agent vil støde på, vil antallet af regler, der skal skrives for en refleksagent, være astronomisk selv på meget simple områder som planlægning af møder eller organisering af transportruter og forsyninger.
Grundlæggende kontrolsløjfe
I betragtning af definitionen af en intelligent agent, overvej den grundlæggende kontrolsløjfe skrevet af agentteoretikeren Michael Vuladrich i 2000:
- hold fred;
- opdater intern verdensmodel;
- opnå en bevidst hensigt;
- brug midler/mål for at få en plan for hensigter;
- udfør planen;
- afslut processen.
Dette mønster skal fortolkes. Agenten observerer verden - det betyder, at han ved hjælp af sine sensorer indsamler opfattelser. Sensoren kan være et tastatur, der er tilsluttet en digital computer, eller en visuel processor, der er knyttet til en robot. Det kan være alt, der tillader agenten at samle repræsentationer af verden. Opdatering af den interne model betyder, at agenten tilføjer en ny opfattelse til sin rækkefølge af opfattelser og programmeret information om verden.
Multi-Agent-udviklingsplatforme
AnyLogic er en open source multi-agent og multi-komponent CORMAS simuleringssoftware baseret på det objektorienterede programmeringssprog SmallTalk.
DoMIS er et multi-agent systemdesignværktøj fokuseret på "operationel kontrol af komplekse systemer" og baseret på B-ADSC designmetoden.
JACK er et programmeringssprog og udviklingsmiljø for kognitive agenter udviklet af Agent Oriented Software som en agent-orienteret udvidelse af Java-sproget.
GAMA er en open source-modelleringsplatform (LGPL), der tilbyder et rumligt eksplicit agentbaseret modelleringsmiljø, der bruger GIS-data til at beskrive agenter og deres miljø.
JADE (Java Agent DEVELOPMENT) er en open source multi-agent udviklingsramme baseret på Java-sproget.
Syv modeller af standarden
I den evolutionære forskningsproces er der mere input til, hvordan man kan skabe et system, der er pålideligt og repræsenterer et højere kvalitetsniveau. Tendensen til at fortsætte er at supplere eller udvide eksisterende metoder, der har formået at konsolidere beslutningstagning inden for udvikling.
Den metodiske standard tillader på en forståelig og enkel måde at skabe en MAC, ikke kun ved hjælp af naturligt sprog, men også ved hjælp af beskrivelsesskabeloner, der hjælper med systemspecifikation.
Den metodiske standard tilbyder syv modeller af problemer eller deres løsninger til at bygge MAC:
- En scenariemodel, der beskriver en virksomhed eller organisation.
- Mål- og målmodellen definerer og beskriver den organiske struktur.
- Agentmodellen definerer mennesker og autonome systemer.
- Rollemodellen forbinder mål og mål med en bestemt agent.
- Organisationsmodellen beskriver det miljø, som en individuel agent er tilknyttet.
- Interaktionsmodellen beskriver forholdet og understreger deres koordinering af agenter.
- Designmodellen definerer agent- og netværksarkitekturen.
Eksempler på interaktion mellem agenter
MAS bruges til at simulere interaktionen mellem autonome agenter. Brugen af multi-agent-systemer for eksempel i sociologien gør det muligt at parametrisere de forskellige agenter, der udgør fællesskabet. Ved at tilføje begrænsninger kan du prøve at forstå, hvad der vil være den mest effektive komponent for at opnå det forventede resultat. De bør eksperimentere med scenarier, der ikke ville være opnåelige af rigtige mennesker, hverken af tekniske eller etiske årsager.
Distribueret IA blev skabt for at løse kompleksiteten af store monolitiske ikke-naturlige intelligensprogrammer - eksekvering, distribution og centraliseret kontrol. For at løse et komplekst problem er det nogle gange lettere at skabe relativt små programmer (agenter) i samarbejde end ét stort monolitisk program. Autonomi gør det muligt for systemet dynamisk at tilpasse sig uforudsete ændringer i miljøet.
Eksempler på multi-agent-systemer i spilindustrien er mange og varierede. De bruges i videospil og film, inklusive MASSIVE-softwaren, for eksempel til at simulere folkemængdens bevægelse i Ringenes Herre-trilogien. De kan ogsåbruges af virksomheder, for eksempel til at spore adfærd hos kunder, der browser på websteder.
MAS bruges også i finansverdenen. For eksempel tillader MetaTrader 4-platformen brugen af ekspertagenter i automatiseret handel, der følger Forex-kurser
Fordele ved at bruge systemet
I IA-forskning er agentbaseret systemteknologi blevet omfavnet som et nyt paradigme for konceptualisering, design og implementering af softwaresystemer. Fordele ved multi-MAS-tilgangen:
- Deler computerressourcer og -kapaciteter på tværs af et netværk af indbyrdes forbundne agenter.
- Tillader sammenkobling og interoperabilitet af flere eksisterende ældre systemer.
- Dækker forskellige områder, herunder vedligeholdelse af fly, e-wallets, militær minerydning, trådløs kommunikation og kommunikation, militær logistikplanlægning, supply chain management system, samarbejdsmissionsplanlægning, finansiel porteføljestyring.
I forskning er IA-teknologi til agentbaserede systemer blevet omfavnet som et nyt paradigme for konceptualisering, design, implementering og multi-agent læring af softwaresystemer.
MAC er således et løst koblet netværk af softwareagenter, der interagerer for at løse problemer ud over den enkelte problemmagers individuelle evner eller viden.
