Virtual Laboratory Wiki
Advertisement

Обычный агент

Обучающийся агент

Многоагентная cистема (МАС, англ. Multi-agent system) — это система, образованная несколькими взаимодействующими интеллектуальными агентами. Многоагентные системы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы (англ.). Примерами таких задач являются онлайн-торговля[1], ликвидация чрезвычайных ситуаций[2], и моделирование социальных структур[3].

Обзор

В многоагентной системе агенты имеют несколько важных характеристик[4]:

  • Автономность: агенты, хотя бы частично, независимы
  • Ограниченность представления: ни у одного из агентов нет представления о всей системе, или система слишком сложна, чтобы знание о ней имело практическое применение для агента.
  • Децентрализация: нет агентов, управляющих всей системой[5]

Обычно в многоагентных системах исследуются программные агенты. Тем не менее, составляющими мультиагентной системы могут также быть роботы, люди или команды людей. Также, многоагентные системы могут содержать и смешанные команды.

В многоагентных системах может проявляться самоорганизующееся и сложное поведение даже если стратегия поведения каждого агента достаточно проста. Это лежит в основе так называемых муравьиных алгоритмов.

Агенты могут обмениваться полученными знаниями, используя некоторый специальный язык и подчиняясь установленным правилам «общения» (протоколам) в системе. Примерами таких языков являются Knowledge Query Manipulation Language (KQML) и FIPA’s Agent Communication Language (ACL).

Изучение многоагентных систем

Изучение многоагентных систем связано с решением достаточно сложных проблем искусственного интеллекта. [источник?]

Темы для исследования в рамках МАС:

  1. знания, желания и намерения (BDI),
  2. кооперация и координация,
  3. организация,
  4. коммуникация,
  5. согласование,
  6. распределенное решение,
  7. распределенное решение задач,
  8. мультиагентное обучение
  9. надежность и устойчивость к сбоям

Парадигмы многоагентных систем

Многие МАС имеют компьютерные реализации, основанные на пошаговом имитационном моделировании. Компоненты МАС обычно взаимодействуют через весовую матрицу запросов,

 Speed-VERY_IMPORTANT: min=45mph, 
 Path length-MEDIUM_IMPORTANCE: max=60 expectedMax=40, 
 Max-Weight-UNIMPORTANT 
 Contract Priority-REGULAR 

и матрицу ответов,

 Speed-min:50 but only if weather sunny,  
 Path length:25 for sunny / 46 for rainy
 Contract Priority-REGULAR
 note - ambulance will override this priority and you'll have to wait

Модель «Запрос — Ответ — Соглашение» — обычное явление для МАС. Схема реализуется за несколько шагов:

  1. сначала всем задаётся вопрос наподобие: «Кто может мне помочь?»
  2. на что только «способные» отвечают «Я смогу, за такую-то цену»
  3. в конечном итоге, устанавливается «соглашение»

Для последнего шага обычно требуется ещё несколько (более мелких) актов обмена информацией. При этом принимаются во внимание другие компоненты, в том числе уже достигнутые «соглашения» и ограничения среды.

Другой часто используемой парадигмой в МАС является «феромон», где компоненты «оставляют» информацию для следующих в очереди или ближайших компонентов. Такие «феромоны» могут испаряться со временем, т. е. их значения могут изменяться со временем.

Свойства

МАС также относятся к самоорганизующимся системам, так как в них ищется оптимальное решение задачи без внешнего вмешательства. Под оптимальным решением понимается решение, на которое потрачено наименьшее количество энергии в условиях ограниченных ресурсов.

Главное достоинство МАС — это гибкость. многоагентная система может быть дополнена и модифицирована без переписывания значительной части программы. Также эти системы обладают способностью к самовосстановлению и обладают устойчивостью к сбоям, благодаря достаточному запасу компонентов и самоорганизации.

Применение МАС

Многоагентные системы применяются в нашей жизни в графических приложениях, например, в компьютерных играх. Агентные системы также были использованы в фильмах [6]. Теория МАС используется в составных системах обороны. Также МАС применяются в транспорте, логистике, графике, геоинформационных системах и многих других. Многоагентные системы хорошо зарекомендовали себя в сфере сетевых и мобильных технологий, для обеспечения автоматического и динамического баланса нагруженности, расширяемости и способности к самовосстановлению.

Средства разработки Мультиагентных Систем

  • NetLogo — кроссплатформенное программируемое окружение для программирования Мультиагентных Систем
  • VisualBots — бесплатный мультагентный симулятор в Microsoft Excel с Visual Basic синтаксисом
  • MASON — Java библиотека для создания Мультиагентных Систем
  • REPAST — набор инструментов для создания систем, основанных на агентах
  • JADE - еще одна Java библиотека для создания мультиагентных систем

Смотрите также

  • Agent-based model
  • Complex systems
  • Distributed artificial intelligence
  • Emergence
  • Evolutionary computation
  • FIPA
  • GNUBrain: Реализация фреймворка (GPL) для создания Мультиагентных Систем
  • Human-based genetic algorithm
  • KQML
  • Multi-agent planning
  • Scientific Community Metaphor
  • Self-organization
  • Simulated reality
  • Social simulation
  • Software agent
  • PlatBox Project
  • Artificial brain

Ссылки

  1. Alex Rogers and E. David and J.Schiff and N.R. Jennings. The Effects of Proxy Bidding and Minimum Bid Increments within eBay Auctions, ACM Transactions on the Web, 2007
  2. Nathan Schurr and Janusz Marecki and Milind Tambe and Paul Scerri et.al. The Future of Disaster Response: Humans Working with Multiagent Teams using DEFACTO, 2005.
  3. Ron Sun and Isaac Naveh. Simulating Organizational Decision-Making Using a Cognitively Realistic Agent Model, Journal of Artificial Societies and Social Simulation.
  4. Michael Wooldridge, An Introduction to MultiAgent Systems, John Wiley & Sons Ltd, 2002, paperback, 366 pages, ISBN 0-471-49691-X.
  5. Liviu Panait, Sean Luke: Cooperative Multi-Agent Learning: The State of the Art. Autonomous Agents and Multi-Agent Systems 11(3): 387—434 (2005)
  6. Massive, Film showcase

Литература

  • Michael Wooldridge, An Introduction to MultiAgent Systems, John Wiley & Sons Ltd, 2002, paperback, 366 pages, ISBN 0-471-49691-X.
  • Carl Hewitt and Jeff Inman. DAI Betwixt and Between: From «Intelligent Agents» to Open Systems Science IEEE Transactions on Systems, Man, and Cybernetics. Nov./Dec. 1991.
  • The Journal of Autonomous Agents and Multiagent Systems, Publisher: Springer Science+Business Media B.V., formerly Kluwer Academic Publishers B.V. [1]
  • Gerhard Weiss, ed. by, Multiagent Systems, A Modern Approach to Distributed Artificial Intelligence, MIT Press, 1999, ISBN 0-262-23203-0.
  • Jacques Ferber, Multi-Agent Systems: An Introduction to Artificial Intelligence, Addison-Wesley, 1999, ISBN 0-201-36048-9.
  • Sun, Ron, (2006). «Cognition and Multi-Agent Interaction». Cambridge University Press. http://www.cambridge.org/uk/catalogue/catalogue.asp?isbn=0521839645
  • José M. Vidal, Fundamentals of Multiagent Systems: with NetLogo Examples.

На английском



Эта страница использует содержимое раздела Википедии на русском языке. Оригинальная статья находится по адресу: Многоагентная система. Список первоначальных авторов статьи можно посмотреть в истории правок. Эта статья так же, как и статья, размещённая в Википедии, доступна на условиях CC-BY-SA .


Advertisement