人工智能 第6章 智能Agent

第6章智能Agent2023/2/21《人工智能》

隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展和應(yīng)用，集中式系統(tǒng)已不能完全適應(yīng)科學(xué)技術(shù)的發(fā)展需要。并行計(jì)算和分布式處理等技術(shù)應(yīng)運(yùn)而生，分布是人工智能也成為了人工智能的一個(gè)新的發(fā)展方向。

Agent技術(shù)是在分布式人工智能研究需求的基礎(chǔ)上發(fā)展起來的一種技術(shù)。近10多年來，Agent和多Agent系統(tǒng)的研究成為分布式人工智能研究的一個(gè)熱點(diǎn)。

本章主要針對(duì)多Agent系統(tǒng)的相關(guān)技術(shù)進(jìn)行探討，介紹Agent系統(tǒng)的模型和結(jié)構(gòu)，重點(diǎn)介紹Agent的基本結(jié)構(gòu)、Agent之間的通信模式、協(xié)作和協(xié)調(diào)方式。2023/2/22《人工智能》1分布式人工智能2Agent的結(jié)構(gòu)3Agent通信4Agent協(xié)作與協(xié)調(diào)5多Agent環(huán)境MAGE本章主要內(nèi)容：2023/2/23《人工智能》1

分布式人工智能一個(gè)分布式系統(tǒng)是把各種不同地理位置上的計(jì)算資源連接起來形成一個(gè)系統(tǒng)。分布式人工智能主要研究在邏輯上或物理上分散的智能系統(tǒng)如何并行的、相互協(xié)作地實(shí)現(xiàn)問題求解。有兩種主要的方法：（1）自頂向下：分布式問題求解。在多個(gè)合作和共享的知識(shí)模塊或系統(tǒng)之間劃分任務(wù)，并求解問題。（2）自底向上：基于Agent的方法。在一群自主的Agent之間進(jìn)行智能行為的協(xié)調(diào)。2023/2/24《人工智能》1.1分布式人工智能的研究與發(fā)展

分布式人工智能的研究可以追溯到70年代末期。早期分布式人工智能的研究主要是分布式問題求解，其目標(biāo)是要?jiǎng)?chuàng)建大粒度的協(xié)作群體，它們之間共同工作以對(duì)某一問題進(jìn)行求解。

1980年Davis和Smith提出了合同網(wǎng)(CNET)

CNET使用投標(biāo)---合同方式實(shí)現(xiàn)任務(wù)在多個(gè)節(jié)點(diǎn)上的分配。合同網(wǎng)系統(tǒng)的重要貢獻(xiàn)在于提出了通過相互選擇和達(dá)成協(xié)議的協(xié)商過程實(shí)現(xiàn)分布式任務(wù)分配和控制的思想。2023/2/25《人工智能》1980年麻薩諸塞大學(xué)的Lesser,Corkill

和Durfee

等人主持研制DVMT

該系統(tǒng)對(duì)市區(qū)內(nèi)行駛的車輛軌跡進(jìn)行監(jiān)控,并以此環(huán)境為基礎(chǔ),對(duì)分布式問題求解系統(tǒng)中許多技術(shù)問題進(jìn)行研究。DVMT是以分布式傳感網(wǎng)絡(luò)數(shù)據(jù)解釋為背景，對(duì)復(fù)雜的黑板問題求解系統(tǒng)之間的相互作用進(jìn)行了研究，提供了抽象和模型化分布式系統(tǒng)行為的方法。1983年Hewitt和他的同事們研制了基于ACTOR模型的并發(fā)程序設(shè)計(jì)系統(tǒng)。

ACTOR模型提供了分布式系統(tǒng)中并行計(jì)算理論和一組專家或ACTOR獲得智能行為的能力。在1991年Hewitt提出開放信息系統(tǒng)語義,指出競爭、承諾、協(xié)作、協(xié)商等性質(zhì)應(yīng)作為分布式人工智能的科學(xué)基礎(chǔ)，試圖為分布式人工智能的理論研究提供新的基礎(chǔ)。2023/2/26《人工智能》1987Gasser等持研制了一個(gè)實(shí)驗(yàn)型的分布式人工智能系統(tǒng)開發(fā)環(huán)境MACE系統(tǒng)。

MACE中每一個(gè)計(jì)算單元都稱作Agent，它們具有知識(shí)表示和推理能力，它們之間通過消息傳送進(jìn)行通信。MACE是一個(gè)類面向?qū)ο蟓h(huán)境，但避開了并發(fā)對(duì)象系統(tǒng)中難于理解和實(shí)現(xiàn)的繼承問題。MACE的各個(gè)機(jī)構(gòu)并行計(jì)算,并提供了描述機(jī)構(gòu)的描述語言,具有跟蹤的demons機(jī)制。該課題研究的重點(diǎn)是在實(shí)際并行環(huán)境下運(yùn)行分布式人工智能系統(tǒng)，保持概念的清晰性。2023/2/27《人工智能》1989年清華大學(xué)石純一等主持研制了分布式運(yùn)輸調(diào)度系統(tǒng)DTDS-I。

該系統(tǒng)以運(yùn)輸調(diào)度為背景，提出了分布式問題求解系統(tǒng)的體系結(jié)構(gòu)，對(duì)問題分解、任務(wù)分布算法和基于元級(jí)通信的協(xié)作機(jī)制等方面進(jìn)行了探討。1990中國科學(xué)院計(jì)算技術(shù)研究所史忠植等研究了分布式知識(shí)處理系統(tǒng)DKPS。

該系統(tǒng)采用邏輯------對(duì)象知識(shí)模型，研究了知識(shí)共享和協(xié)作求解等問題。2023/2/28《人工智能》

90年代，多Agent系統(tǒng)(Multi-agentsystems---MAS)的研究成為分布式人工智能研究的熱點(diǎn)。MAS主要研究自主的智能體之間智能行為的協(xié)調(diào)，為了一個(gè)共同的全局目標(biāo)，也可能是關(guān)于各自的不同目標(biāo)，共享有關(guān)問題和求解方法的知識(shí)，協(xié)作進(jìn)行問題求解?；谥悄蹵gent的概念，有人提出了一種新的人工智能定義：“人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它的目標(biāo)是構(gòu)造能表現(xiàn)出一定智能行為的Agent”。所以，智能Agent的研究應(yīng)該是人工智能的核心問題。斯坦福大學(xué)計(jì)算機(jī)科學(xué)系的Hayes-Roth在IJCAI'95的特邀報(bào)告中談到：“智能的計(jì)算機(jī)Agent既是人工智能最初的目標(biāo)，也是人工智能最終的目標(biāo)?！?023/2/29《人工智能》1.2分布式人工智能的特點(diǎn)分布性：系統(tǒng)中的數(shù)據(jù)、知識(shí),以及控制不但在邏輯上,而且在物理上是分布的,既沒有全局控制,也沒有全局的數(shù)據(jù)存儲(chǔ)。連接性：各個(gè)求解機(jī)構(gòu)由計(jì)算機(jī)網(wǎng)絡(luò)互連,在問題求解過程中,通信代價(jià)要比求解問題的代價(jià)低得多。協(xié)作性：系統(tǒng)中諸機(jī)構(gòu)能夠相互協(xié)作,來求解單個(gè)機(jī)構(gòu)難以解決,甚至不能解決的任務(wù)。開放性：通過網(wǎng)絡(luò)互連和系統(tǒng)的分布，便于擴(kuò)充系統(tǒng)規(guī)模，具有比單個(gè)系統(tǒng)更多的開放性和靈活性。2023/2/210《人工智能》容錯(cuò)性：系統(tǒng)具有較多的冗余處理結(jié)點(diǎn)、通訊路徑和知識(shí)，能夠使系統(tǒng)在出現(xiàn)故障時(shí)，僅僅降低響應(yīng)速度或求解精度，以保持系統(tǒng)正常工作，提高工作可靠性。獨(dú)立性：系統(tǒng)把求解任務(wù)歸約為幾個(gè)相對(duì)獨(dú)立的子任務(wù)，從而降低了各個(gè)處理結(jié)點(diǎn)和子系統(tǒng)問題求解的復(fù)雜性，也降低了軟件設(shè)計(jì)開發(fā)的復(fù)雜性。分布式人工智能的優(yōu)點(diǎn)：1)提高問題求解能力。2)提高問題求解效率。3)擴(kuò)大應(yīng)用范圍。4)降低軟件的復(fù)雜性。2023/2/211《人工智能》1.3分布式問題求解

分布式問題求解將問題分解成若干子問題，并分配給各個(gè)子系統(tǒng)并行完成求解，最后通過綜合各個(gè)子問題的解而完成整個(gè)問題的求解。分布式問題求解過程可以分為四步：任務(wù)分解任務(wù)分配子問題求解結(jié)果綜合

在分布式問題求解系統(tǒng)中，數(shù)據(jù)、知識(shí)、控制均分布在系統(tǒng)的各節(jié)點(diǎn)（子系統(tǒng)）上，沒有全局?jǐn)?shù)據(jù)和知識(shí)存儲(chǔ)。因此，在求解子問題時(shí)，子系統(tǒng)之間通常需要交互和協(xié)作。2023/2/212《人工智能》分布式問題求解中有兩種基本的協(xié)作方式：

1）任務(wù)分擔(dān)

2）結(jié)果共享1）任務(wù)分擔(dān)

Smith和Davis提出了任務(wù)分擔(dān)方式。在任務(wù)分擔(dān)系統(tǒng)中,結(jié)點(diǎn)之間通過分擔(dān)執(zhí)行整個(gè)任務(wù)的子任務(wù)而相互協(xié)作,系統(tǒng)中的控制以目標(biāo)為指導(dǎo),各結(jié)點(diǎn)的處理目標(biāo)是為了求解整個(gè)任務(wù)的一部分。任務(wù)分擔(dān)的問題求解方式適合于求解具有層次結(jié)構(gòu)的任務(wù)，如工廠聯(lián)合體生產(chǎn)規(guī)劃、數(shù)字邏輯電路設(shè)計(jì)、醫(yī)療診斷。2023/2/213《人工智能》2）結(jié)果共享

Lesser和Corkill提出了結(jié)果共享方式。在結(jié)果共享方式的系統(tǒng)中,各結(jié)點(diǎn)通過共享部分結(jié)果相互協(xié)作,系統(tǒng)中的控制以數(shù)據(jù)為指導(dǎo),各結(jié)點(diǎn)在任何時(shí)刻進(jìn)行的求解取決于當(dāng)時(shí)它本身擁有或從其它結(jié)點(diǎn)收到的數(shù)據(jù)和知識(shí)。結(jié)果共享的求解方式適合于求解與任務(wù)有關(guān)的各子任務(wù)的結(jié)果相互影響,并且部分結(jié)果需要綜合才能得出問題解的領(lǐng)域。如分布式運(yùn)輸調(diào)度系統(tǒng)、分布式車輛監(jiān)控實(shí)驗(yàn)系統(tǒng)DVMT2023/2/214《人工智能》1.4基于Agent的問題求解在人工智能領(lǐng)域Agent有多種翻譯，如“智能體”、“主體”、“智能代理”、“真體”等。它可以看做是一個(gè)自動(dòng)執(zhí)行的實(shí)體，通過傳感器感知環(huán)境，通過效應(yīng)器作用于環(huán)境。多Agent系統(tǒng)主要研究在邏輯上或物理上分離的多個(gè)Agent協(xié)調(diào)其智能行為，即知識(shí)、目標(biāo)、意圖及規(guī)劃等，實(shí)現(xiàn)問題求解?？梢钥醋魇且环N由底向上設(shè)計(jì)的系統(tǒng)。本章接下來將對(duì)多Agent系統(tǒng)的相關(guān)技術(shù)進(jìn)行探討。環(huán)境傳感器效應(yīng)器？Agent感知作用2023/2/215《人工智能》2

Agent的結(jié)構(gòu)構(gòu)建Agent的任務(wù)就是設(shè)計(jì)Agent程序，即實(shí)現(xiàn)Agent從感知到動(dòng)作的映射。體系結(jié)構(gòu)使得傳感器的感知對(duì)程序可用，運(yùn)行程序并把該程序的作用選擇反饋給執(zhí)行器。Agent結(jié)構(gòu)需要解決的問題包括：Agent由那些模塊組成模塊之間如何交互信息Agent感知到的信息如何影響它的行為和內(nèi)部狀態(tài)如何將這些模塊用軟件或硬件的方式組合起來形成一個(gè)有機(jī)的整體2023/2/216《人工智能》2.1Agent模型

Agent的理論模型研究主要從邏輯、行為、心理、社會(huì)等角度出發(fā)，對(duì)Agent的本質(zhì)進(jìn)行描述，為Agent系統(tǒng)創(chuàng)建奠定基礎(chǔ)。1、理性Agent模型(BDI模型)

Belief——信念，Agent對(duì)環(huán)境的基本看法。Desire——愿望，Agent想要實(shí)現(xiàn)的狀態(tài)，即目標(biāo)。Intention——意圖，目標(biāo)的子集。BDI模型可以通過下列要素描述：

(1)一組關(guān)于世界的信念；

(2)Agent當(dāng)前打算達(dá)到的一組目標(biāo)；

(3)一個(gè)規(guī)劃庫，描述達(dá)到目標(biāo)和改變信念的方案；

(4)一個(gè)意圖結(jié)構(gòu)，描述當(dāng)前狀態(tài)如何達(dá)到目標(biāo)和改變信念。2023/2/217《人工智能》BDI-Interpreterinitialize-state();do options:=option-generator(event-queue,B,G,I); selected-options:=deliberate(options,B,G,I); update-intentions(selected-options,I); execute(I); get-new-external-events(); drop-successful-attitudes(B,G,I); drop-impossible-attitudes(B,G,I);untilquitBDI解釋器2023/2/218《人工智能》

情景演算是描述動(dòng)作的主要的形式框架。在情景演算中引入了狀態(tài)和動(dòng)作的概念，并利用兩條邏輯公理來描述動(dòng)作與狀態(tài)的關(guān)系。一條公理描述一個(gè)動(dòng)作在滿足什么條件的狀態(tài)之下可能發(fā)生，另外一條描述在一個(gè)狀態(tài)之下某個(gè)動(dòng)作發(fā)生以后當(dāng)前狀態(tài)如何改變。2、動(dòng)作理論模型環(huán)境狀態(tài)：State={P1,P2,…Pn}目標(biāo)：Goal=<State,weightiness>動(dòng)作模板：Act_template=<name,roles,preconditions,effects,resources>Agent能力：Ability=<Act_template,role,cost>2023/2/219《人工智能》環(huán)境Agent感知作用Agent的工作過程2.2Agent的基本結(jié)構(gòu)環(huán)境交互信息融合信息處理作用交互感知作用問題求解器2023/2/220《人工智能》（1）在計(jì)算機(jī)系統(tǒng)中，Agent相當(dāng)于一個(gè)獨(dú)立的功能模塊、獨(dú)立的計(jì)算機(jī)應(yīng)用系統(tǒng)，它含有獨(dú)立的外部設(shè)備、輸入/輸出驅(qū)動(dòng)裝備、各種功能操作處理程序、數(shù)據(jù)結(jié)構(gòu)和相應(yīng)輸出。（2）Agent程序的核心部分叫做決策生成器或問題求解器，起到主控作用，它接收全局狀態(tài)、任務(wù)和時(shí)序等信息，指揮相應(yīng)的功能操作程序模塊工作。（3）Agent的運(yùn)行是一個(gè)或多個(gè)進(jìn)程，并接受總體調(diào)度。特別是當(dāng)系統(tǒng)的工作狀態(tài)隨工作環(huán)境而經(jīng)常變化時(shí)以及各Agent的具體任務(wù)時(shí)常變更時(shí)，更需搞好總體協(xié)調(diào)。（4）各個(gè)Agent在多個(gè)計(jì)算機(jī)CPU上并行運(yùn)行，其運(yùn)行環(huán)境由體系結(jié)構(gòu)支持。體系結(jié)構(gòu)還提供共享資源（黑板系統(tǒng)）、Agent間的通訊工具和Agent間的總體協(xié)調(diào)，使各Agent在統(tǒng)一目標(biāo)下并行協(xié)調(diào)地工作。2023/2/221《人工智能》2.3Agent的特性通常認(rèn)為一個(gè)Agent需要具有以下部分或全部特征：自治性

Agent能夠控制它的自身行為，其行為是主動(dòng)的、自發(fā)的和有目標(biāo)和意圖的，并能根據(jù)目標(biāo)和環(huán)境要求對(duì)短期行為做出規(guī)劃。交互性也叫反應(yīng)性，Agent能夠與環(huán)境交互作用，能夠感知其所處環(huán)境，并借助自己的行為結(jié)果，對(duì)環(huán)境做出適當(dāng)反應(yīng)。協(xié)作性各Agent合作和協(xié)調(diào)工作，求解單個(gè)Agent無法處理的問題，提高處理問題的能力。社會(huì)性

Agent存在于由多個(gè)Agent構(gòu)成的社會(huì)環(huán)境中，與其它Agent交換信息、交互作用和通訊。2023/2/222《人工智能》持續(xù)性

Agent的程序在起動(dòng)后，能夠在相當(dāng)長一段時(shí)間內(nèi)維持運(yùn)行狀態(tài)，不隨運(yùn)算的停止而立即結(jié)束運(yùn)行。適應(yīng)性能夠把新建立的Agent集成到系統(tǒng)中而無需對(duì)原有的多Agent系統(tǒng)進(jìn)行重新設(shè)計(jì)，因而具有很強(qiáng)的適應(yīng)性和可擴(kuò)展性。智能性

Agent強(qiáng)調(diào)理性作用，可作為描述機(jī)器智能、動(dòng)物智能和人類智能的統(tǒng)一模型。Agent的功能具有較高智能，而且這種智能往往是構(gòu)成社會(huì)智能的一部分。

在實(shí)際應(yīng)用中，Agent可以具有上述全部或部分特性。另外也可以根據(jù)實(shí)際需要，具有一些其他的特性，如實(shí)時(shí)性、移動(dòng)性等。2023/2/223《人工智能》2.4Agent的結(jié)構(gòu)分類

根據(jù)人類思維的不同層次，可把Agent分為下列幾類：

（1）反應(yīng)式Agent：反應(yīng)式Agent只簡單地對(duì)外部刺激產(chǎn)生響應(yīng)，沒有任何內(nèi)部狀態(tài)。每個(gè)Agent既是客戶，又是服務(wù)器，根據(jù)程序提出請求或做出回答。

環(huán)境執(zhí)行器傳感器世界現(xiàn)狀動(dòng)作決策條件—?jiǎng)幼饕?guī)則Agent2023/2/224《人工智能》

（2）慎思式Agent：慎思式（deliberative）Agent又稱為認(rèn)知式（cognitive）Agent，是個(gè)具有顯式符號(hào)模型的基于知識(shí)的系統(tǒng)。環(huán)境執(zhí)行器傳感器信息融合動(dòng)作決策目標(biāo)Agent知識(shí)庫規(guī)劃狀態(tài)2023/2/225《人工智能》

（3）跟蹤式Agent：具有內(nèi)部狀態(tài)的反應(yīng)式Agent通過找到一條條件與現(xiàn)有環(huán)境匹配的規(guī)則進(jìn)行工作，然后執(zhí)行與規(guī)則相關(guān)的作用。這種結(jié)構(gòu)叫做跟蹤世界Agent或跟蹤式Agent。環(huán)境執(zhí)行器傳感器世界現(xiàn)狀動(dòng)作決策條件--動(dòng)作規(guī)則AgentAgent影響世界信息世界發(fā)展Agent信息原有內(nèi)部狀態(tài)2023/2/226《人工智能》

（4）基于目標(biāo)的Agent：Agent還需要某種描述環(huán)境情況的目標(biāo)信息。Agent的程序能夠與可能的作用結(jié)果信息結(jié)合起來，以便選擇達(dá)到目標(biāo)的行為。環(huán)境執(zhí)行器傳感器世界現(xiàn)狀動(dòng)作決策目標(biāo)AgentAgent影響世界信息世界發(fā)展Agent信息原有內(nèi)部狀態(tài)動(dòng)作對(duì)世界的影響2023/2/227《人工智能》

（5）基于效果的Agent：效果是一種把狀態(tài)映射到實(shí)數(shù)的函數(shù)，該函數(shù)描述了相關(guān)的滿意程度。一個(gè)完整規(guī)范的效果函數(shù)允許對(duì)各類情況做出理性的決策。環(huán)境執(zhí)行器傳感器世界現(xiàn)狀動(dòng)作決策滿意程度AgentAgent影響世界信息世界發(fā)展Agent信息原有內(nèi)部狀態(tài)動(dòng)作對(duì)世界的影響效果2023/2/228《人工智能》

（6）復(fù)合式Agent：復(fù)合式Agent即在一個(gè)Agent內(nèi)組合多種相對(duì)獨(dú)立和并行執(zhí)行的智能形態(tài)，其結(jié)構(gòu)包括感知、動(dòng)作、反應(yīng)、建模、規(guī)劃、通信和決策等模塊。

環(huán)境執(zhí)行器感知器建模決策生成Agent規(guī)劃反射通信其它Agent一般情況動(dòng)作特殊情況預(yù)測協(xié)作/協(xié)商請求/應(yīng)答2023/2/229《人工智能》3

Agent通信

在分布式系統(tǒng)中，一個(gè)Agent僅能通過影響其它Agent的行為來實(shí)現(xiàn)自己的意圖。對(duì)其它Agent行為的影響是由一種特殊行為（通信動(dòng)作）來實(shí)現(xiàn)。通信動(dòng)作是由一個(gè)Agent向另一個(gè)Agent實(shí)施的。執(zhí)行一個(gè)通信動(dòng)作的機(jī)制就是發(fā)送編碼動(dòng)作消息的機(jī)制。消息發(fā)送/傳輸服務(wù)器轉(zhuǎn)換到傳輸格式從傳輸格式轉(zhuǎn)換消息M言語行為意圖I目標(biāo)GAgentA消息MAgentB2023/2/230《人工智能》語義：全部有關(guān)的Agent必須知道通信語言的語義，消息的語義內(nèi)容知識(shí)是分布式問題求解的核心部分。言語行為：通信語言也是一種動(dòng)作，說話是為了使世界的狀態(tài)發(fā)生改變。交互協(xié)議：Agent之間消息交換的典型模式通信語言：傳遞消息的標(biāo)準(zhǔn)語法。詞法庫語法庫詞義庫物理通信語言生成語言理解通信策略對(duì)話消息黑板協(xié)議通信協(xié)作協(xié)議Agent通信模塊2023/2/231《人工智能》3.1Agent通信類型和機(jī)制1、Agent通信類型知識(shí)庫推理AgentA感知行為知識(shí)庫推理AgentB感知行為TELL/ASK通信或通信語言在Agent通信中，可以根據(jù)是否使用外部通信語言將Agent通信分為兩類。一是分享一個(gè)共同的內(nèi)部表示語言，無需任何外部語言就能通信。（TELL/ASK模式）二是Agent之間共享一種語言作為通信語言，這種語言通常是一種形式語言。2023/2/232《人工智能》這種通信形式的Agent分享相同的內(nèi)部表示，并通過接口TELL和ASK直接訪問相互的知識(shí)庫。

AgentA可以使用TELL(KBB,”P”)通信把一個(gè)提議P傳送到AgentB(加入到B的知識(shí)庫中)；也可以使用ASK(KBB,”Q”)查出B是否知道Q。這種通信形式的最大問題Agent的知識(shí)庫易于遭到破壞。（1）使用TELL和ASK通信大多數(shù)Agent的通信是通過使用一種外部語言來實(shí)現(xiàn)的。外部語言可以與內(nèi)部表示語言不同，并且每個(gè)Agent都可以有不同的內(nèi)部語言。只要每個(gè)Agent能夠可靠地將外部語言映射到自己的內(nèi)部語言。這種通信方式的關(guān)鍵是設(shè)計(jì)外部語言及轉(zhuǎn)換機(jī)制。（2）使用形式語言通信2023/2/233《人工智能》2、Agent通信機(jī)制通常使用的Agent通信機(jī)制有兩種，黑板系統(tǒng)和消息對(duì)話系統(tǒng)。(1)黑板通信機(jī)制在多Agent系統(tǒng)中，黑板提供了一個(gè)公共的工作區(qū)，供Agent交換信息。一個(gè)Agent在黑板中寫入信息，該信息就可以為系統(tǒng)中其他Agent所使用。各個(gè)Agent可以在任何時(shí)候訪問黑板，查詢是否有新的信息。在黑板系統(tǒng)中，Agent之間不進(jìn)行直接通信，每個(gè)Agent獨(dú)立完成各自求解的子問題黑板結(jié)構(gòu)可用于任務(wù)共享系統(tǒng)和結(jié)果共享系統(tǒng)。2023/2/234《人工智能》(2)消息/對(duì)話機(jī)制

消息/對(duì)話通信是實(shí)現(xiàn)靈活和復(fù)雜的協(xié)調(diào)策略的基礎(chǔ)。各個(gè)Agent使用規(guī)定的協(xié)議相互交換信息，用于建立通信和協(xié)調(diào)機(jī)制。在面向消息的多Agent系統(tǒng)中，發(fā)送Agent直接把特定的消息發(fā)送至另一個(gè)接收Agent。與黑板系統(tǒng)不同，Agent之間的消息是直接交換，沒有中間緩沖區(qū)。一般地，發(fā)送Agent要為消息制定唯一的地址，只有該地址的Agent才能讀取該消息。為了支持協(xié)作策略，通信協(xié)議必須明確規(guī)定通信過程和消息格式，并選擇通信語言。每個(gè)Agent必須知道通信語言的語義。2023/2/235《人工智能》3.2Agent通信語言目前國際上比較廣泛使用的Agent通信語言有兩種，即KQML語言和KIF語言。（1）KQML語言

KQML(KnowledgeQueryandManipulationLanguage---知識(shí)查詢與操縱語言)是由美國ARPA的知識(shí)共享計(jì)劃中提出，規(guī)定了消息格式和消息傳送系統(tǒng)，為多Agent系統(tǒng)通信和協(xié)商提供了一種通用框架。

KQML分為三個(gè)層次：通信、消息和內(nèi)容。通信層規(guī)定了全部技術(shù)通信參數(shù)消息層規(guī)定了與消息有關(guān)的語言行為的類型內(nèi)容層規(guī)定了消息的內(nèi)容2023/2/236《人工智能》按照KQML規(guī)范，設(shè)計(jì)了一種軟件Agent通信語言SACL。該語言用于MAPE環(huán)境，作為消息傳遞。一個(gè)例子：(ask-all :sender A :receiver B :in-reply-to ido :reply-with idl :language Prolog :ontology foo :content “bar(X,Y)”)2023/2/237《人工智能》（2）KIF語言

KIF(KnowledgeInterchangeFormat---知識(shí)交換格式)是智能物理Agent基金FIPA制定的一種通信規(guī)范。

FIPA定義的語言具有支持和促進(jìn)Agent行為的特性。這些特性包括目標(biāo)驅(qū)動(dòng)行為、自主決策動(dòng)作過程、通過協(xié)商和委托進(jìn)行對(duì)話、心智狀態(tài)模型（如BDI等）以及對(duì)環(huán)境的需求和適應(yīng)等。

FIPA定義了獨(dú)有的消息類型，尤其是消息的格式和類型的定義。消息類型對(duì)本規(guī)范定義的語法則是一個(gè)參數(shù)，對(duì)整個(gè)消息動(dòng)作和消息內(nèi)容都賦予了一定的意義。2023/2/238《人工智能》(inform:senderagent1:receiverhpl-auction-server:content(price(bidgood02)150):in-reply-toround-4:reply-withbid04:languages1:ontologyhpl-auction)消息結(jié)構(gòu)開始通信動(dòng)作類型消息參數(shù)消息內(nèi)容表達(dá)式參數(shù)表達(dá)式在FIPA的ACL(Agent通信語言)中，消息的基本觀點(diǎn)是把消息表示為一個(gè)通信動(dòng)作。在對(duì)話中，處理消息動(dòng)作與處理其他動(dòng)作一致。2023/2/239《人工智能》FIPA通信動(dòng)作庫AcceptProposal接受提議Agree同意Cancel取消CallforProposal要求提議Confirm確認(rèn)Disconfirm確認(rèn)為否定Failure失敗Inform通知InformIf通知是否InformRef通知有關(guān)對(duì)象NotUnderstood不理解Propagate傳播Propose提議Proxy代理QueryIf 詢問是否QueryRef詢問有關(guān)對(duì)象Refuse拒絕（請求）RejectProposal拒絕提議Request請求RequestWhen請求某條件下執(zhí)行RequestWhenever請求某個(gè)條件成立就執(zhí)行Subscribe預(yù)定2023/2/240《人工智能》4

Agent協(xié)作與協(xié)調(diào)

協(xié)調(diào)(coordination)與協(xié)作(cooperation)是多Agent研究的核心問題之一，其目的是，使多Agent的知識(shí)、愿望、意圖、規(guī)劃、行動(dòng)協(xié)調(diào)，以至達(dá)到協(xié)作是多Agent的主要目標(biāo)。協(xié)調(diào)是指一組智能Agent完成一些集體活動(dòng)時(shí)相互作用的性質(zhì)。協(xié)調(diào)是對(duì)環(huán)境的適應(yīng)。協(xié)作是非對(duì)抗的Agent之間保持行為協(xié)調(diào)的一個(gè)特例。它通過適當(dāng)?shù)膮f(xié)調(diào)，合作完成共同的目標(biāo)。2023/2/241《人工智能》

多Agent系統(tǒng)中的協(xié)調(diào)是指多個(gè)Agent為了以一致、和諧的方式工作而進(jìn)行交互的過程。進(jìn)行協(xié)調(diào)是希望避免Agent之間的死鎖或活鎖。死鎖指多個(gè)Agent無法進(jìn)行各自的下一步動(dòng)作；活鎖指多個(gè)Agent不斷工作卻無任何進(jìn)展。

多Agent之間的協(xié)調(diào)已有很多方法，大致可歸納為：組織結(jié)構(gòu)化；合同；多Agent規(guī)劃；協(xié)商。2023/2/242《人工智能》

目前針對(duì)Agent協(xié)作的研究大體上可分為兩類：將其它領(lǐng)域研究多實(shí)體行為的方法和技術(shù)用于Agent協(xié)作的研究。如對(duì)策論和動(dòng)力學(xué)研究。從Agent的目標(biāo)、意圖、規(guī)劃等心智態(tài)度出發(fā)來研究多Agent間的協(xié)作。一般的Agent協(xié)作過程如下：產(chǎn)生需求、確定目標(biāo)協(xié)作規(guī)劃、求解協(xié)作結(jié)構(gòu)尋求協(xié)作伙伴選擇協(xié)作方案實(shí)現(xiàn)目標(biāo)評(píng)估結(jié)果2023/2/243《人工智能》

從社會(huì)心理學(xué)的角度看，多Agent之間的協(xié)作情形大致可分為：

·協(xié)作型：將自己的利益放在第二位。

·自私型：將協(xié)作放在第二位。

·完全自私型：不考慮任何協(xié)作。

·完全協(xié)作型：不考慮自身利益。

·協(xié)作與自私相混合型。協(xié)作、協(xié)調(diào)與協(xié)商

在多Agent系統(tǒng)中，協(xié)作是系統(tǒng)設(shè)計(jì)的主要目標(biāo)。當(dāng)Agent的意圖不一致而出現(xiàn)目標(biāo)、資源沖突時(shí)，則需要通過協(xié)調(diào)來解決。而協(xié)商是實(shí)現(xiàn)協(xié)同、協(xié)作、協(xié)調(diào)、沖突消解的關(guān)鍵環(huán)節(jié)。2023/2/244《人工智能》4.1合同網(wǎng)

1980年P(guān).Smith在分布式問題求解中提出了一種合同網(wǎng)協(xié)議(ContactNetProtocool)，后來這種協(xié)議廣泛應(yīng)用于多Agent系統(tǒng)的協(xié)調(diào)中。合同網(wǎng)由一組節(jié)點(diǎn)組成，每個(gè)節(jié)點(diǎn)包括有：通信處理器、合同處理器、任務(wù)處理器以及本地?cái)?shù)據(jù)庫部件。任務(wù)處理器合同處理器本地?cái)?shù)據(jù)庫通信處理器網(wǎng)絡(luò)2023/2/245《人工智能》通信處理器負(fù)責(zé)與其他節(jié)點(diǎn)進(jìn)行通信，每個(gè)節(jié)點(diǎn)僅僅通過該部件與網(wǎng)絡(luò)連接。合同處理器判斷投標(biāo)所提供的任務(wù)，發(fā)送應(yīng)用(application)和完成合同。它分析和解釋到達(dá)的消息，并執(zhí)行節(jié)點(diǎn)的協(xié)調(diào)。任務(wù)處理器負(fù)責(zé)處理和求解合同所賦予的任務(wù)。它從合同處理器接受所要求解的任務(wù)，利用本地?cái)?shù)據(jù)庫進(jìn)行求解，并將結(jié)果送到合同處理器。本地?cái)?shù)據(jù)庫包括與節(jié)點(diǎn)有關(guān)的知識(shí)庫、協(xié)作協(xié)商的當(dāng)前狀態(tài)和問題求解的信息。2023/2/246《人工智能》合同網(wǎng)工作時(shí)，將任務(wù)分成一系列子問題。有一個(gè)特定的節(jié)點(diǎn)稱作管理器，負(fù)責(zé)對(duì)子任務(wù)的管理。合同的協(xié)商過程如圖。子問題子問題解求解完成合同求解子解子解空①接收投標(biāo)②應(yīng)用③合同④確認(rèn)⑤結(jié)果管理器節(jié)點(diǎn)2023/2/247《人工智能》①管理器提供投標(biāo)，即要求解的子問題合同。標(biāo)書對(duì)所有節(jié)點(diǎn)都是開放的。它使用合同協(xié)議定義的消息結(jié)構(gòu)。

②節(jié)點(diǎn)接收到標(biāo)書后，合同處理器根據(jù)Agent的知識(shí)和本地?cái)?shù)據(jù)庫中當(dāng)前可用資源，決定是否要承接標(biāo)書中的任務(wù)。如果要，則按下列消息結(jié)構(gòu)通知管理器。TO:AllnodesFROM:ManagerTYPE:TaskbidannouncementContactID:xx-yy-zzTaskAbstract:<問題描述>Eligibility:<合同要求的條件列表>Bid:<所要求的應(yīng)用信息描述>ExpirationTime:<最遲應(yīng)用時(shí)間>TO:ManagerFROM:NodeXTYPE:ApplicationContactID:xx-yy-zzNodeAbstract:<節(jié)點(diǎn)能力描述>2023/2/248《人工智能》③

管理器在所有的投標(biāo)節(jié)點(diǎn)中，根據(jù)具體的求解知識(shí)和方法，選擇最合適的節(jié)點(diǎn)，將子問題求解任務(wù)交給它。根據(jù)合同消息，管理器指派合同如下：④節(jié)點(diǎn)接收到合同后，發(fā)送確認(rèn)消息到管理器，以規(guī)定的形式確認(rèn)接受合同。⑤節(jié)點(diǎn)進(jìn)行問題求解。當(dāng)問題求解完成后，將問題的解傳送給管理器。如果節(jié)點(diǎn)認(rèn)為所接受的任務(wù)超出它的能力，它可以進(jìn)一步劃分子問題，分配給其他節(jié)點(diǎn)。這時(shí)它用作管理器角色。TO:NodeXFROM:ManagerTYPE:ContactContactID:xx-yy-zzTaskSpecification:<子問題描述>2023/2/249《人工智能》4.2基于生態(tài)學(xué)的協(xié)作

80年代末，在計(jì)算機(jī)中出現(xiàn)了一個(gè)嶄新的學(xué)科---計(jì)算生態(tài)學(xué)。計(jì)算生態(tài)學(xué)是研究關(guān)于開放系統(tǒng)中決定計(jì)算結(jié)點(diǎn)的行為與資源使用的交互過程的學(xué)科。它摒棄了封閉、靜止地處理問題的傳統(tǒng)算法，將世界看作是開放的、進(jìn)化的、并發(fā)的,通過多種協(xié)作處理問題的“生態(tài)系統(tǒng)”(ecosystem)加以研究。它的進(jìn)展與開放信息系統(tǒng)的研究息息相關(guān)。計(jì)算生態(tài)學(xué)將計(jì)算系統(tǒng)看作是一個(gè)生態(tài)系統(tǒng)，它引進(jìn)了許多生物的機(jī)制，如變異(mutation)即物種的變化。這些變化導(dǎo)致生命基因的改變，從而形成物種的多樣性，增強(qiáng)了適應(yīng)環(huán)境的能力。這類變異策略成為人工智能系統(tǒng)提高其自身能力的一種方法。2023/2/250《人工智能》

目前，著名的生態(tài)系統(tǒng)模型有生物生態(tài)模型、物種進(jìn)化模型、經(jīng)濟(jì)模型、科學(xué)團(tuán)體的社會(huì)模型。1、物種進(jìn)化模型物種進(jìn)化的“復(fù)制者”是基因。從門德爾的植物遺傳研究到現(xiàn)代遺傳學(xué)的成果，都說明了在物種進(jìn)化過程中，基因的組合與變異起著關(guān)鍵作用。在一個(gè)物種的某一群體中基因的集合稱為基因池。生物組織是基因的載體。如果環(huán)境變化，選擇的機(jī)制就會(huì)改變。這種變化必然引起基因池的變化。特定種群的基因變化稱為基因流。一個(gè)物種總是不斷地經(jīng)歷隔絕、基因流動(dòng)、變化的循環(huán)。開始時(shí)，一組地理上隔絕的群體自己孤立地發(fā)展，基因在內(nèi)部快速地流動(dòng)。隨著開放，通過交流和競爭，優(yōu)勝劣汰。2023/2/251《人工智能》

2、生物生態(tài)模型這是最著名的生態(tài)系統(tǒng)，具有典型的進(jìn)化特征和層次性。這種特性反映在“食物鏈”中。對(duì)于復(fù)雜的生物生態(tài)系統(tǒng)而言，各物種組成了緊密相連的網(wǎng)絡(luò)－---食物網(wǎng)。這個(gè)系統(tǒng)的主要角色是捕食者與被食者。生命依賴于生命，共同進(jìn)化，由小的生態(tài)環(huán)境組成大的生態(tài)系統(tǒng)。

3、經(jīng)濟(jì)模型經(jīng)濟(jì)系統(tǒng)在某種意義上類似于生物生態(tài)系統(tǒng)。在商品市場和理想市場中，進(jìn)化決定于經(jīng)濟(jì)實(shí)體的決策。選擇機(jī)制是市場獎(jiǎng)勵(lì)機(jī)制。進(jìn)化是快速的，企業(yè)與消費(fèi)者之間、企業(yè)之間主要是一種互相依賴的合作關(guān)系。決策者為了追求長遠(yuǎn)利益，可以采取各種有效的方法，甚至可以暫時(shí)做賠本買賣。2023/2/252《人工智能》5

多Agent環(huán)境MAGE

多Agent環(huán)境MAGE是中科院計(jì)算所開發(fā)的一種面向Agent的軟件開發(fā)和系統(tǒng)集成模式，包括需求分析、系統(tǒng)設(shè)計(jì)、Agent生成以及系統(tǒng)實(shí)現(xiàn)等多個(gè)階段。提供了多種軟件重用模式，可以方便地重用不同語言編寫的Agent和非Agent軟件；提供了面向Agent的