人工智能ArtificialIntelligence第九章.ppt

人工智能 Artificial Intelligence 第九章,史忠植 中國科學院計算技術研究所 /,分布式人工智能與智能體 Distributed AI & Agent,2019/9/20,1,史忠植 人工智能：DAI與智能體,2019/9/20,史忠植 人工智能：DAI與智能體,2,內容提要,9.1 概述 9.2 分布式問題求解 9.3 智能體理論 9.4 智能體結構 9.5 智能體通信語言ACL 9.6 協(xié)調和協(xié)作 9.7 移動智能體 9.8 多智能體環(huán)境MAGE 9.9 小結,2019/9/20,史忠植 人工智能：DAI與智能體,3,概 述,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)作地實現問題求解。 兩種解決問題的方法： 自頂向下：分布式問題求解 自底向上：基于智能體的方法,2019/9/20,史忠植 人工智能：DAI與智能體,4,分布智能系統(tǒng)的特色,系統(tǒng)中的數據、知識, 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, 也沒有全局的數據存儲。 各個求解機構由計算機網絡互連, 在問題求解過程中, 通信代價要比求解問題的代價低得多。 系統(tǒng)中諸機構能夠相互協(xié)作, 來求解單個機構難以解決, 甚至不能解決的任務。,2019/9/20,史忠植 人工智能：DAI與智能體,5,多智能體系統(tǒng),20世紀90年代，多智能體系統(tǒng)（multi-agent systems多智能體系統(tǒng))的研究成為分布式人工智能研究的熱點。多智能體系統(tǒng)主要研究自主的智能智能體之間智能行為的協(xié)調，為了一個共同的全局目標，協(xié)作進行問題求解。 基于智能智能體的概念，人們提出了一種新的人工智能定義：“人工智能是計算機科學的一個分支，它的目標是構造能表現出一定智能行為的智能體”。所以，智能智能體的研究應該是人工智能的核心問題。 斯坦福大學計算機科學系的 Hayes-Roth在IJCAI95的特邀報告中談到：“智能的計算機智能體既是人工智能最初的目標，也是人工智能最終的目標?！?2019/9/20,史忠植 人工智能：DAI與智能體,6,多智能體系統(tǒng),關于智能體的研究不僅受到了人工智能研究人員的關注，也吸引了數據通信、人機界面設計、機器人、并行工程等各領域的研究人員的興趣。有人認為：“基于智能體的計算（Agent-Based Computing， 簡稱ABC）, 將成為軟件開發(fā)的下一個重要的突破。”,2019/9/20,史忠植 人工智能：DAI與智能體,7,內容提要,9.1 概述 9.2 分布式問題求解 9.3 智能體理論 9.4 智能體結構 9.5 智能體通信語言ACL 9.6 協(xié)調和協(xié)作 9.7 移動智能體 9.8 多智能體環(huán)境MAGE 9.9 小結,2019/9/20,史忠植 人工智能：DAI與智能體,8,分布式問題求解,特點： 數據、知識、控制均分布在系統(tǒng)的各節(jié)點上， 既無全局控制，也無全局數據和知識存儲。 兩種協(xié)作方式： 任務分擔 結果共享,2019/9/20,史忠植 人工智能：DAI與智能體,9,任務分擔,Smith 和Davis 提出了任務分擔方式。在任務分擔系統(tǒng)中, 結點之間通過分擔執(zhí)行整個任務的子任務而相互協(xié)作, 系統(tǒng)中的控制以目標為指導, 各結點的處理目標是為了求解整個任務的一部分。 任務分擔的問題求解方式適合于求解具有層次結構的任務, 如工廠聯合體生產規(guī)劃、 數字邏輯電路設計、 醫(yī)療診斷。,2019/9/20,史忠植 人工智能：DAI與智能體,10,結果共享,Lesser 和 Corkill 提出了結果共享方式。在結果共享方式的系統(tǒng)中, 各結點通過共享部分結果相互協(xié)作, 系統(tǒng)中的控制以數據為指導, 各結點在任何時刻進行的求解取決于當時它本身擁有或從其它結點收到的數據和知識。 結果共享的求解方式適合于求解與任務有關的各子任務的結果相互影響, 并且部分結果需要綜合才能得出問題解的領域。如分布式運輸調度系統(tǒng)、分布式車輛監(jiān)控實驗系統(tǒng)DVMT,2019/9/20,史忠植 人工智能：DAI與智能體,11,分布式問題求解系統(tǒng)分類,根據組織結構，分布式問題求解系統(tǒng)可以分為三類： 層次結構類 平行結構類 混合結構類,2019/9/20,史忠植 人工智能：DAI與智能體,12,分布式問題求解過程,分布式問題求解過程可以分為四步： 任務分解 任務分配 子問題求解 結果綜合,2019/9/20,史忠植 人工智能：DAI與智能體,13,任務分解,合同網絡 動態(tài)層次控制 自然分解, 固定分配 部分全局規(guī)劃,2019/9/20,史忠植 人工智能：DAI與智能體,14,分布式問題求解中協(xié)作的分類,按節(jié)點間協(xié)作量的多少，協(xié)作分為三類： 全協(xié)作系統(tǒng) 無協(xié)作系統(tǒng) 半協(xié)作系統(tǒng) 常用的通信方式有： 共享全局存儲器 信息傳遞 黑板模型,2019/9/20,史忠植 人工智能：DAI與智能體,15,內容提要,9.1 概述 9.2 分布式問題求解 9.3 智能體理論 9.4 智能體結構 9.5 智能體通信語言ACL 9.6 協(xié)調和協(xié)作 9.7 移動智能體 9.8 多智能體環(huán)境MAGE 9.9 小結,2019/9/20,史忠植 人工智能：DAI與智能體,16,智能體,多智能體（agent 智能體，主體）系統(tǒng)主要研究在邏輯上或物理上分離的多個智能體協(xié)調其智能行為，即知識、目標、意圖及規(guī)劃等，實現問題求解?？梢钥醋魇且环N由底向上設計的系統(tǒng)。,The agent function maps from percept histories to actions: f: P* A,2019/9/20,史忠植 人工智能：DAI與智能體,17,智能體的定義,在計算機和人工智能領域中，智能體可以看作是一個實體，它通過傳感器感知環(huán)境，通過效應器作用于環(huán)境。 An agent is anything that can be viewed as perceiving its environment through sensors and acting upon that environment through actuators,2019/9/20,史忠植 人工智能：DAI與智能體,18,智能體的特性,智能體弱概念： 自治性 交互性 協(xié)作性 可通信性 長壽性,2019/9/20,史忠植 人工智能：DAI與智能體,19,智能體的特性,智能體強概念： 知識、信念、意圖、承諾等心智狀態(tài) 其它屬性： 移動性 推理能力 規(guī)劃能力 學習和適應能力 誠實、善意、理性,2019/9/20,史忠植 人工智能：DAI與智能體,20,智能體理論,智能智能體的理論模型研究主要從邏輯、行為、心理、社會等角度出發(fā)，對智能智能體的本質進行描述，為智能智能體系統(tǒng)創(chuàng)建奠定基礎。,2019/9/20,史忠植 人工智能：DAI與智能體,21,理性智能體（BDI智能體）,Belief信念，智能體對環(huán)境的基本看法。 Desire愿望，智能體想要實現的狀態(tài)，即目標。 Intention意圖，目標的子集。,2019/9/20,史忠植 人工智能：DAI與智能體,22,BDI智能體模型,BDI智能體模型可以通過下列要素描述： 一組關于世界的信念； 智能體當前打算達到的一組目標； 一個規(guī)劃庫，描述怎樣達到目標和怎樣改變信念； 一個意圖結構，描述智能體當前怎樣達到它的目標和改變信念。,2019/9/20,史忠植 人工智能：DAI與智能體,23,BDI解釋器,BDI-Interpreter initialize-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); until quit,2019/9/20,史忠植 人工智能：DAI與智能體,24,內容提要,9.1 概述 9.2 分布式問題求解 9.3 智能體理論 9.4 智能體結構 9.5 智能體通信語言ACL 9.6 協(xié)調和協(xié)作 9.7 移動智能體 9.8 多智能體環(huán)境MAGE 9.9 小結,2019/9/20,史忠植 人工智能：DAI與智能體,25,智能體結構,智能體結構需要解決的問題包括： 智能體由那些模塊組成， 模塊之間如何交互信息， 智能體感知到的信息如何影響它的行為和內部狀態(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有機的整體。,2019/9/20,史忠植 人工智能：DAI與智能體,26,智能體基本結構,黑箱軟件智能體,2019/9/20,史忠植 人工智能：DAI與智能體,27,智能智能體的工作過程,環(huán)境,交互,信息融合,信息處理,作用,交互,感知,作用,2019/9/20,史忠植 人工智能：DAI與智能體,28,智能體骨架程序,function Skeleton-Agent(percept) return action static: memory /* 智能體的世界記憶 */ memory Update-Memory(memory,percept) action Choose-Best-Action(memory) memory Update-Memory(memory,action) return action,2019/9/20,史忠植 人工智能：DAI與智能體,29,智能體的分類,根據人類思維的層次模型，可以將智能體分成四類： 反應智能體 形象思維智能體 抽象思維智能體 復合式智能體 形象思維智能體和抽象思維智能體也可以合稱為認知智能體,2019/9/20,史忠植 人工智能：DAI與智能體,30,反應智能體,環(huán) 境,當前世界,傳感器,動 作,效應器,條件-動作 規(guī)則,智能體,2019/9/20,史忠植 人工智能：DAI與智能體,31,反應智能體程序,function Reactive-Agent(percept) returns action static: rules, /* 一組條件-動作規(guī)則 */ state Interpret-Input(percept) rule Rule-Match(state,rules) action Rule-Actionrule return action,2019/9/20,史忠植 人工智能：DAI與智能體,32,認知智能體,環(huán) 境,信息融合,傳感器,動 作,效應器,智能體,規(guī) 劃,知識庫,目標,內部狀態(tài),2019/9/20,史忠植 人工智能：DAI與智能體,33,認知智能體程序,function Cognitive-Agent(percept) returns action static: environment, /* 描述當前世界環(huán)境 */ kb, /* 知識庫 */ environment Update-World-Model(environment,percept) state Update-Mental-State(environment,state) action Decision-Making(state,kb) environment Update-World-Model(environment,action) return action,2019/9/20,史忠植 人工智能：DAI與智能體,34,BDI結構,知 識,信 念,規(guī) 劃,意 圖,目 標,愿 望,2019/9/20,史忠植 人工智能：DAI與智能體,35,復合式智能體,2019/9/20,史忠植 人工智能：DAI與智能體,36,規(guī)劃模塊,世界的模型 （包括其他 智能體的模型）,經 驗 庫,目標集合,局 部 規(guī) 劃 器,決 策 生 成,重新 規(guī)劃,規(guī)劃,規(guī)劃,目標,2019/9/20,史忠植 人工智能：DAI與智能體,37,建模模塊,世界的模型 （包括其他 智能體的模型）,模 型 庫,模 型 生 成 和 維 護,預 測,規(guī)劃,決策生成,感 知,通 信,建模,2019/9/20,史忠植 人工智能：DAI與智能體,38,通信模塊,詞 法 庫,語 法 庫,詞 義 庫,物理通信,語言生成,語言理解,通信,2019/9/20,史忠植 人工智能：DAI與智能體,39,智能體通信,策 略,對 話,消 息,黑 板,協(xié) 議,通 信,協(xié) 作,協(xié) 議,2019/9/20,史忠植 人工智能：DAI與智能體,40,智能體通信中的主要問題,語義：全部有關的智能體必須知道通信語言的語義，消息的語義內容知識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作，說話是為了使世界的狀態(tài)發(fā)生改變。 交互協(xié)議：智能體之間消息交換的典型模式 通信語言：傳遞消息的標準語法。 Foundation for Intelligent Physical Agents ,2019/9/20,史忠植 人工智能：DAI與智能體,41,智能體間的消息傳遞,消息發(fā)送/傳輸服務器,轉換到傳輸格式,從傳輸格式轉換,消息M,言語行為,意圖I,目標G,Agent i,消息M,Agent i,2019/9/20,史忠植 人工智能：DAI與智能體,42,內容提要,9.1 概述 9.2 分布式問題求解 9.3 智能體理論 9.4 智能體結構 9.5 智能體通信語言ACL 9.6 協(xié)調和協(xié)作 9.7 移動智能體 9.8 多智能體環(huán)境MAGE 9.9 小結,2019/9/20,史忠植 人工智能：DAI與智能體,43,言語行為,有關言語行為理論的研究主要集中在如何劃分不同類型的言語行為。 在智能體通信語言的研究中，言語行為理論主要用來考慮智能體之間可以交互的信息類型。,2019/9/20,史忠植 人工智能：DAI與智能體,44,通信語言,KQML：由美國ARPA的知識共享計劃中提出，規(guī)定了消息格式和消息傳送系統(tǒng)，為多智能體系統(tǒng)通信和協(xié)商提供了一種通用框架。 ACL：由FIPA制定的一種規(guī)范。與KQML非常相似,2019/9/20,史忠植 人工智能：DAI與智能體,45,KQML,一個例子： (ask-all : sender A : receiver B : in-reply-to ido : reply-with idl : language Prolog : ontology foo : content “bar (X, Y)”),2019/9/20,史忠植 人工智能：DAI與智能體,46,FIPA ACL,(inform : sender agent1 : receiver hpl-auction-server : content (price (bid good02) 150) : in-reply-to round-4 : reply-with bid04 : language s1 : ontology hpl-auction ),消息結構開始,通信動作類型,消息參數,消息內容表達式,參數表達式,2019/9/20,史忠植 人工智能：DAI與智能體,47,FIPA通信動作庫,Accept Proposal 接受提議 Agree 同意 Cancel 取消 Call for Proposal 要求提議 Confirm 確認 Disconfirm 確認為否定 Failure 失敗 Inform 通知 Inform If 通知 是否 Inform Ref 通知 有關對象 Not Understood 不理解,2019/9/20,史忠植 人工智能：DAI與智能體,48,Propagate 傳播 Propose 提議 Proxy 代理 Query If 詢問 是否 Query Ref 詢問 有關對象 Refuse 拒絕（請求） Reject Proposal 拒絕提議 Request 請求 Request When 請求 某個條件下執(zhí)行 Request Whenever 請求 一旦某個條件成立就執(zhí)行 Subscribe 預定 詳細說明： /repository/cas.html,FIPA通信動作庫,2019/9/20,史忠植 人工智能：DAI與智能體,49,XML可擴展標記語言,XML是用于標記電子文件使其具有結構性的標記語言。XML文件本身只是將文件資料結構化。 例如：下面的ACL消息 (inform :sender jklabrou :receiver grosof :content (CPU libretto50 pentium) :ontology laptop :language kif),2019/9/20,史忠植 人工智能：DAI與智能體,50, inform jklabrou grosof ,轉換為XML格式,2019/9/20,史忠植 人工智能：DAI與智能體,51, laptop (CPU libretto50 pentium) kif ,轉換為XML格式,2019/9/20,史忠植 人工智能：DAI與智能體,52,內容提要,9.1 概述 9.2 分布式問題求解 9.3 智能體理論 9.4 智能體結構 9.5 智能體通信語言ACL 9.6 協(xié)調和協(xié)作 9.7 移動智能體 9.8 多智能體環(huán)境MAGE 9.9 小結,2019/9/20,史忠植 人工智能：DAI與智能體,53,智能體的協(xié)調與協(xié)作,協(xié)調(coordination)與協(xié)作(cooperation)是多智能體研究的核心問題之一。 協(xié)調是指一組智能智能體完成一些集體活動時相互作用的性質。 協(xié)作是非對抗的智能體之間保持行為協(xié)調的一個特例。,2019/9/20,史忠植 人工智能：DAI與智能體,54,協(xié) 調,多智能體系統(tǒng)中的協(xié)調是指多個智能體為了以一致、和諧的方式工作而進行交互的過程。進行協(xié)調是希望避免智能體之間的死鎖或活鎖。 死鎖指多個智能體無法進行各自的下一步動作； 活鎖指多個智能體不斷工作卻無任何進展。,2019/9/20,史忠植 人工智能：DAI與智能體,55,協(xié)作,目前針對智能體協(xié)作的研究大體上可分為兩類： 將其它領域研究多實體行為的方法和技術用于智能體協(xié)作的研究。如對策論和力學研究。 從智能體的目標、意圖、規(guī)劃等心智態(tài)度出發(fā)來研究多智能體間的協(xié)作。,2019/9/20,史忠植 人工智能：DAI與智能體,56,協(xié)作,協(xié)作的動機： 某個智能體相信通過協(xié)作能帶來好處（如提高效率，完成以往單獨無法完成的任務） 多個智能體在交流的過程中，發(fā)現它們能夠通過協(xié)作來實現更大的目標。,2019/9/20,史忠植 人工智能：DAI與智能體,57,協(xié)作過程,產生需求、確定目標 協(xié)作規(guī)劃、求解協(xié)作結構 尋求協(xié)作伙伴 選擇協(xié)作方案 實現目標 評估結果,2019/9/20,史忠植 人工智能：DAI與智能體,58,協(xié)作模式,從社會心理學的角度看，多智能體之間的協(xié)作情形大致可分為： 協(xié)作型：同時將自己的利益放在第二位。 自私型：同時將協(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。,2019/9/20,史忠植 人工智能：DAI與智能體,59,協(xié)作策略,計算生態(tài)學 對策論 規(guī)劃,2019/9/20,史忠植 人工智能：DAI與智能體,60,計算生態(tài)學,80年代末，在計算機中出現了一個嶄新的學科-計算生態(tài)學(the ecolog of computation)。計算生態(tài)學是研究關于開放系統(tǒng)中訣定計算結點的行為與資源使用的交互過程的學科。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。它的進展與開放信息系統(tǒng)的研究息息相關。,2019/9/20,史忠植 人工智能：DAI與智能體,61,計算生態(tài)學,計算生態(tài)學將計算系統(tǒng)看作是一個生態(tài)系統(tǒng)，它引進了許多生物的機制，如變異(mutation)即物種的變化。這些變化導致生命基因的改變，從而形成物種的多樣性，增強了適應環(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。Lenat與Brown成功地將變異機制引入他們的AM與Eurisko系統(tǒng)中, 通過小型Lisp程序的語法變異發(fā)現數學概念。他們認為未來成功的系統(tǒng)應該是一系列進化的、自組織的符號知識結構的社會“系統(tǒng)。,2019/9/20,史忠植 人工智能：DAI與智能體,62,生物生態(tài)模型,這是最著名的生態(tài)系統(tǒng)，具有典型的進化特征和層次性。這種特性反映在“食物鏈”中。對于復雜的生物生態(tài)系統(tǒng)而言，各物種組成了緊密相連的網絡食物網。這個系統(tǒng)的主要角色是捕食者與被食者。生命依賴于生命，共同進化，由小的生態(tài)環(huán)境組成大的生態(tài)系統(tǒng)。,2019/9/20,史忠植 人工智能：DAI與智能體,63,物種進化模型,物種進化的“復制者”是基因。從門德爾的植物遺傳研究到現代遺傳學的成果，都說明了在物種進化過程中，基因的組合與變異起著關鍵作用。在一個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，選擇的機制就會改變。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。一個物種總是不斷地經歷隔絕、基因流動、變化的循環(huán)。開始時，一組地理上隔絕的群體自己孤立地發(fā)展，基因在內部快速地流動。隨著開放，通過交流和競爭，優(yōu)勝劣汰。,2019/9/20,史忠植 人工智能：DAI與智能體,64,經濟模型,經濟系統(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，進化決定于經濟實體的決策。選擇機制是市場獎勵機制。進化是快速的，企業(yè)與消費者之間、企業(yè)之間主要是一種互相依賴的合作關系。決策者為了追求長遠利益，可以采取各種有效的方法，甚至可以暫時做賠本買賣。,2019/9/20,史忠植 人工智能：DAI與智能體,65,協(xié)商模型,Zlotkin的面向領域的協(xié)商理論 Zlotkin的協(xié)商理論假設： 各智能體追求本身效用最大。 知識完備。 無歷史信息。 目標集固定。 協(xié)商在兩智能體之間同時進行。 智能體操作集相同。 世界僅當智能體操作之后發(fā)生變化。,2019/9/20,史忠植 人工智能：DAI與智能體,66,面向領域的協(xié)商理論,在協(xié)商過程中，若存在一個雙方滿意的分配，可以得到一個聯合規(guī)劃, 使協(xié)商終止的條件是： (1) 達成協(xié)議：如果 Utility(P(i,t) Utility(P(i,t-1), 這一協(xié)商過程將在有限步內結束。 (2) 沖突： 如果 Utility(P(i,t) = Utility(P(i,t-1), 則無法達成協(xié)議。,2019/9/20,史忠植 人工智能：DAI與智能體,67,最佳平衡,傳統(tǒng)的協(xié)商是基于Nash平衡的,它的缺點是Nash 平衡產生多個平衡點, 對結果約束較少。Kraus使用Rubinstein的“最佳”平衡(Perfect Equilibrium, 簡稱P.E.)理論, 建立了一種基于P.E.的協(xié)商方法, 需要在協(xié)商的任一階段都產生平衡, 即在協(xié)商的任一階段, 假設 智能體 A 使用P.E. 策略, 則 智能體 B 除了自己的 P.E., 策略外沒有更好的策略可遵循。故若有唯一的 P.E., 并假定智能體要使用該策略, 則它在協(xié)商的每一階段都只用這一策略。可證明, 存在唯一的 P.E.,在第一階段后就可以終止協(xié)商。Kraus 還將對時間的偏好引入這一理論中。結果表明, 時間偏好可以提高協(xié)商效率, 并僅對某一智能體有利。 這一理論對于智能體的構造和智能體之間的協(xié)作很有用處, 如果為智能體提供唯一的P.E.策略, 并通知其他智能體, 則其他智能體的最佳選擇也是 P.E. 策略。 該理論的缺陷是:缺乏動態(tài)性特色,應用面窄,因為盡管存在唯一的P.E, 但如何求出仍未得到解決。,2019/9/20,史忠植 人工智能：DAI與智能體,68,集中式協(xié)商方法,Ephrati使用了一種集中式的協(xié)商方法, 用一個“ master agent ”或組投票機制以達成協(xié)議。在這種方法中, 一組智能體的協(xié)作與組規(guī)劃進程相關。 Ephrati使用一種動態(tài)的、迭代的搜索過程, 通過一組約束,使智能體遞增式地構成一個最大“社會效用”規(guī)劃。在每一步, 各智能體對于組規(guī)劃的下一個聯合行動投票。 使用這一技術,智能體無需完整地展示其偏好, 可選狀態(tài)集在投票之前產生。,2019/9/20,史忠植 人工智能：DAI與智能體,69,開放環(huán)境多智能體協(xié)作方法,Osawa (1) 需求者(requestor)向公告板智能體發(fā)送需求建議RFP (2) 空閑智能體向公告板智能體申請一個RFP (3) 公告板將RFP發(fā)到提出申請的空閑智能體 (4) 空閑智能體產生個體規(guī)劃 (5) 空閑智能體將其規(guī)劃發(fā)給需求者 (6) 需求者調查協(xié)作的可能 (7) 需求者發(fā)送協(xié)作獎勵 (8) 申請者組成協(xié)作規(guī)劃,2019/9/20,史忠植 人工智能：DAI與智能體,70,開放環(huán)境多智能體協(xié)作方法,其效用值可用下式計算： utility(a,g)=worth(a,g)-cost(plan(a,g) 效用的平均是協(xié)作的原則。 盡管Osawa在一定程度上解決了開放環(huán)境中智能體協(xié)作的問題, 但將各智能體效用簡單相加再平均的方法仍然太弱, 因為智能體效用僅是智能體本身對目標偏好的一種排序關系, 不同智能體效用一般不能用數值比較。,2019/9/20,史忠植 人工智能：DAI與智能體,71,交互協(xié)議,智能體之間的會話常常形成典型模式，這種情況下某些消息序列是可知的，這些消息交換的典型模式稱為協(xié)議。 智能體間交互的理想情況：智能體充分地理解消息的含意和意圖，然后根據自身的信念、目標等心智狀態(tài)，做出相應的回答 比較實際的實現：預先規(guī)范這些協(xié)議，規(guī)定好消息的順序。,2019/9/20,史忠植 人工智能：DAI與智能體,72,FIPA 英國拍賣協(xié)議,交互協(xié)議,2019/9/20,史忠植 人工智能：DAI與智能體,73,規(guī)劃,規(guī)劃是智能體對動作進行推理的一種主要形式，它很大程度上體現了智能體的智能性。同時，規(guī)劃也是描述智能體行為的主要方式。 規(guī)劃是為了建立一個控制算法，使智能智能體能夠為實現目標，對動作過程進行綜合。,2019/9/20,史忠植 人工智能：DAI與智能體,74,經典規(guī)劃問題,經典的規(guī)劃理論認為規(guī)劃要解決的問題（即規(guī)劃的輸入）是： 用某種形式語言描述的初始世界狀態(tài) 用某種形式語言描述的智能體目標 用某種形式語言描述的智能體可能采用的動作，通常也叫做領域知識 輸出是： 可以在某個滿足初始狀態(tài)描述的世界中執(zhí)行并達到智能體目標的一個動作序列,2019/9/20,史忠植 人工智能：DAI與智能體,75,內容提要,9.1 概述 9.2 分布式問題求解 9.3 智能體理論 9.4 智能體結構 9.5 智能體通信語言ACL 9.6 協(xié)調和協(xié)作 9.7 移動智能體 9.8 多智能體環(huán)境MAGE 9.9 小結,2019/9/20,史忠植 人工智能：DAI與智能體,76,移動智能體,隨著Internet應用的逐步深入，特別是信息搜索、分布式計算以及電子商務的蓬勃發(fā)展，人們越來越希望在整個Internet范圍內獲得最佳的服務，渴望將整個網絡虛擬成為一個整體，使軟件智能體能夠在整個網絡中自由移動，移動智能體的概念隨即孕育而生。 移動智能體可以看成是軟件智能體技術與分布式計算技術相結合的產物，它與傳統(tǒng)網絡計算模式有著本質上的區(qū)別。,2019/9/20,史忠植 人工智能：DAI與智能體,77,移動智能體系統(tǒng),雖然目前不同移動智能體系統(tǒng)的體系結構各不相同，但幾乎所有的移動智能體系統(tǒng)都包含移動智能體（簡稱MA）和移動智能體服務設施（簡稱MAE）兩個部分。MAE負責為MA建立安全、正確的運行環(huán)境，為MA提供最基本的服務（包括創(chuàng)建、傳輸、執(zhí)行），實施針對具體MA的約束機制、容錯策略、安全控制和通信機制等。MA的移動性和問題求解能力很大程度上取取于MAE所提供的服務,2019/9/20,史忠植 人工智能：DAI與智能體,78,移動智能體系統(tǒng),移動智能體服務設施MAE至少應包括以下基本服務： （1）事務服務： 實現移動智能體的創(chuàng)建、移動、持久化和執(zhí)行環(huán)境分配； （2）事件服務：包含智能體傳輸協(xié)議和智能體通信協(xié)議，實現移動智能體間的事件傳遞； （3）目錄服務：提供移動智能體的定位信息，形成路由選擇； （4）安全服務：提供安全的執(zhí)行環(huán)境； （5）應用服務：提供面向特定任務的服務接口。,2019/9/20,史忠植 人工智能：DAI與智能體,79,移動智能體系統(tǒng),Java-based: Odyssey. General Magic Inc. Concordia. Mitsubishis Aglets. IBM Voyager. ObjectSpace Others: Tacoma: Univ.of Tromso and Cornell Univ. Agent TCL: Dartmouth College,2019/9/20,史忠植 人工智能：DAI與智能體,80,移動智能體系統(tǒng)Voyager,Voyager 的最大特點是以Voyager ORB作為核心，將Agent和分布式計算緊密結合在一起的。但Voyager 只支持純Java的對象的通信，與CORBA和MASIF不兼容，它還支持異步或同步的通信，動態(tài)消息機制和單向多點發(fā)送。在容錯服務方面，Voyager支持任意時間的顯式地存儲，其安全機制主要是通過Voyager Security類進行編程設置。,2019/9/20,史忠植 人工智能：DAI與智能體,81,移動智能體系統(tǒng) Aglet,Aglet是由IBM公司用純Java開發(fā)的移動Agent技術，并提供著實用的平臺Aglet Workbench,讓人們開發(fā)或執(zhí)行移動Agent系統(tǒng)。Aglet是一個較為成功和全面的系統(tǒng)，主要表現在：它提供了一個簡單而全面的移動Agent編程模型；它為Agent間提供了動態(tài)和有效的通信機制；它還提供了一套詳細且易用的安全機制。,2019/9/20,史忠植 人工智能：DAI與智能體,82,Aglet的系統(tǒng)框架,2019/9/20,史忠植 人工智能：DAI與智能體,83,ATP的示意圖,2019/9/20,史忠植 人工智能：DAI與智能體,84,Aglet對象模型,Aglet系統(tǒng)首先提供一個上下文環(huán)境（context）來管理Aglet的基本行為：如創(chuàng)建（create）Aglet,復制（clone）Aglet,或分派（dispatch）Aglet到遠程機器，召回（retract）遠端的Aglet,或暫停（deactive）,喚醒（active）Aglet,以及清除（dispose）Aglet等。,2019/9/20,史忠植 人工智能：DAI與智能體,85,Aglet 生命周期模型,基本操作: Creation Cloning Dispatching Retraction Activation and deactivation D