Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Простой рефлекторный агент
Обучающий агент

Система многоагентная ( MAS или «самоорганизующаяся система») представляет собой компьютеризированную систему , состоящую из множества взаимодействующих интеллектуальных агентов. [1] Многоагентные системы могут решать проблемы, которые сложно или невозможно решить отдельному агенту или монолитной системе . [2] Интеллект может включать методические , функциональные , процедурные подходы, алгоритмический поиск или обучение с подкреплением . [1] [3]

Несмотря на значительное совпадение, многоагентная система не всегда совпадает с агентной моделью (ABM). Цель ABM - поиск объяснительного понимания коллективного поведения агентов (которые не обязательно должны быть «умными»), подчиняющихся простым правилам, обычно в естественных системах, а не при решении конкретных практических или инженерных задач. Терминология ABM имеет тенденцию чаще использоваться в науке, а MAS - в технике и технологиях. [4] Приложения, в которых исследование мультиагентных систем может обеспечить соответствующий подход, включают онлайн-торговлю [5] реагирование на стихийные бедствия [6] [7] наблюдение за объектами [8] и моделирование социальной структуры. [9]

Концепция [ править ]

Многоагентные системы состоят из агентов и их среды . Обычно исследование мультиагентных систем относится к программным агентам . Однако агентами в многоагентной системе могут быть роботы, люди или человеческие команды. Многоагентная система может содержать объединенные команды человек-агент.

Агенты можно разделить на типы, от простых до сложных. Категории включают:

  • Пассивные агенты [10] или «агент без целей» (например, препятствие, яблоко или ключ в любой простой симуляции)
  • Активные агенты [10] с простыми целями (например, птицы в стае или волк-овца в модели жертва-хищник )
  • Когнитивные агенты (сложные вычисления)

Агентские среды можно разделить на:

  • Виртуальный
  • Дискретный
  • Непрерывный

Среда агентов также может быть организована в соответствии с такими свойствами, как доступность (возможно ли собрать полную информацию о среде), детерминизм (вызывает ли действие определенный эффект), динамика (сколько сущностей влияет на среду в данный момент), дискретность (является ли число возможных действий в среде конечным), эпизодичность (влияют ли действия агента в определенные периоды времени на другие периоды) [11] и размерность (являются ли пространственные характеристики важными факторами среды и рассматривает ли агент пространство в принятие решения). [12]Действия агента обычно опосредуются соответствующим промежуточным программным обеспечением. Это промежуточное программное обеспечение предлагает первоклассную абстракцию дизайна для многоагентных систем, предоставляя средства для управления доступом к ресурсам и координации агентов. [13]

Характеристики [ править ]

Агенты в многоагентной системе обладают несколькими важными характеристиками: [14]

  • Автономность: агенты, по крайней мере частично, независимые, самосознательные, автономные
  • Локальные представления: ни у одного агента нет полного глобального представления, или система слишком сложна для агента, чтобы использовать такие знания.
  • Децентрализация: ни один агент не назначается контролирующим (или система фактически сводится к монолитной системе) [15]

Самоорганизация и самоуправление [ править ]

Многоагентные системы могут проявлять самоорганизацию, а также самоуправление и другие парадигмы управления и связанное с ними сложное поведение, даже если индивидуальные стратегии всех их агентов просты. [ необходима цитата ] Когда агенты могут обмениваться знаниями, используя любой согласованный язык, в рамках ограничений системного протокола связи, такой подход может привести к общему улучшению. Примеры языков - это язык манипулирования запросами знаний (KQML) или язык связи агентов (ACL).

Системные парадигмы [ править ]

Многие MAS реализованы в компьютерном моделировании, продвигая систему через дискретные «временные шаги». Компоненты MAS обычно обмениваются данными с помощью взвешенной матрицы запросов, например 

 Скорость-ОЧЕНЬ_ ВАЖНО: мин = 45 миль / ч,  Длина пути-MEDIUM_IMPORTANCE: макс. = 60 ожидаемое, макс. = 40,  Максимальный вес - НЕ ВАЖНО  Приоритет контракта - ОБЫЧНЫЙ

и взвешенная матрица отклика, например 

 Спид-мин: 50, но только в солнечную погоду,  Длина пути: 25 для солнечной погоды / 46 для дождливой погоды Приоритет контракта - ОБЫЧНЫЙ примечание - скорая помощь переопределит этот приоритет, и вам придется подождать

Схема запрос-ответ-контракт распространена в системах MAS, где

  • Сначала раздается вопрос « Кто может? » .
  • Только соответствующие компоненты отвечают: « Могу по этой цене » .
  • Наконец, контракт заключается, как правило, в несколько коротких коммуникационных шагов между сторонами,

также рассматриваются другие компоненты, развивающиеся «контракты» и наборы ограничений компонентных алгоритмов.

Другая парадигма, обычно используемая с MAS, - это « феромон », когда компоненты оставляют информацию для других близлежащих компонентов. Эти феромоны могут со временем испаряться / концентрироваться, то есть их значения могут уменьшаться (или увеличиваться).

Свойства [ править ]

MAS стремятся найти лучшее решение своих проблем без вмешательства. Здесь есть большое сходство с физическими явлениями, такими как минимизация энергии, когда физические объекты стремятся достичь минимально возможной энергии в физически ограниченном мире. Например: многие автомобили, въезжающие в мегаполис утром, будут доступны для выезда из этого же мегаполиса вечером.

Системы также имеют тенденцию предотвращать распространение ошибок, самовосстановление и отказоустойчивость, в основном из-за избыточности компонентов.

Исследование [ править ]

Изучение многоагентных систем «связано с разработкой и анализом сложных архитектур решения проблем и управления ИИ как для одноагентных, так и для многоагентных систем». [16] Темы исследований включают:

  • агентно-ориентированная разработка программного обеспечения
  • убеждения, желания и намерения ( BDI )
  • сотрудничество и координация
  • оптимизация распределенных ограничений (DCOP)
  • организация
  • коммуникация
  • Переговоры
  • распределенное решение проблем
  • многоагентное обучение [17]
  • агент добычи
  • научные сообщества (например, по биологическому флокированию, эволюции языка и экономике) [18] [19]
  • надежность и отказоустойчивость
  • робототехника, [20] системы с несколькими роботами (MRS), робототехнические кластеры

Фреймворки [ править ]

Появились структуры, реализующие общие стандарты (такие как стандарты FIPA и OMG MASIF [21] ). Эти фреймворки, например JADE , экономят время и помогают в стандартизации разработки MAS. [22]

Однако в настоящее время ни FIPA, ни OMG активно не поддерживают ни одного стандарта. Усилия по дальнейшей разработке программных агентов в промышленном контексте ведутся в техническом комитете IEEE IES по промышленным агентам. [23]

Приложения [ править ]

MAS применяются не только в академических исследованиях, но и в промышленности. [24] MAS применяются в реальном мире для графических приложений, таких как компьютерные игры. Агентные системы использовались в фильмах. [25] Он широко пропагандируется для использования в сетевых и мобильных технологиях для достижения автоматической и динамической балансировки нагрузки, высокой масштабируемости и самовосстановления сетей. Они используются для скоординированных систем защиты.

Другие приложения [26] включают транспорт , [27] логистику, [28] графику, производство, энергосистему , [29] интеллектуальные сети [30] и ГИС .

Кроме того, многоагентные системы искусственного интеллекта (MAAI) используются для моделирования обществ, цель которых - помочь в области климата, энергетики, эпидемиологии, управления конфликтами, жестокого обращения с детьми, .... [31] Некоторые организации, работающие над использованием Модели мультиагентных систем включают Центр моделирования социальных систем, Центр исследований в области социального моделирования, Центр моделирования политики, Международное общество моделирования и моделирования. [31]

См. Также [ править ]

  • Сравнение программ агентного моделирования
  • Вычислительная экономика на основе агентов (ACE)
  • Искусственный мозг
  • Искусственный интеллект
  • Искусственная жизнь
  • Каркас искусственной жизни
  • Мэр AI
  • Черный ящик
  • Система классной доски
  • Сложные системы
  • Дискретное моделирование событий
  • Распределенный искусственный интеллект
  • Возникновение
  • Эволюционные вычисления
  • Теория игры
  • Генетический алгоритм на основе человека
  • Язык запросов и манипулирования знаниями (KQML)
  • Микробный интеллект
  • Многоагентное планирование
  • Шаблонно-ориентированное моделирование
  • PlatBox Project
  • Обучение с подкреплением
  • Метафора научного сообщества
  • Модульный робот с автоматической реконфигурацией
  • Смоделированная реальность
  • Социальная симуляция
  • Программный агент
  • Рой интеллект
  • Ройная робототехника

Ссылки [ править ]

  1. ^ а б Ху, Дж .; Niu, H .; Карраско, Дж .; Lennox, B .; Арвин, Ф., « Автономное исследование с использованием нескольких роботов на базе Вороного в неизвестных средах с помощью глубокого обучения с подкреплением » IEEE Transactions по автомобильным технологиям, 2020.
  2. ^ «Многоагентная система для обеспечения безопасности университетского городка: дизайн и архитектура - публикация конференции IEEE». 2019-12-17. DOI : 10.1109 / ISMS.2010.25 . S2CID  10798495 . Цитировать журнал требует |journal=( помощь )
  3. ^ «Мультиагентное обучение с подкреплением для управления светофором». hdl : 1874/20827 . Цитировать журнал требует |journal=( помощь )
  4. ^ Ниязи, Муаз; Хуссейн, Амир (2011). «Агентные вычисления от многоагентных систем к агентным моделям: визуальный обзор» (PDF) . Наукометрия . 89 (2): 479–499. arXiv : 1708.05872 . DOI : 10.1007 / s11192-011-0468-9 . S2CID 17934527 .  
  5. ^ Роджерс, Алекс; David, E .; Schiff, J .; Дженнингс, Н.Р. (2007). «Влияние прокси-ставок и увеличения минимальной ставки на аукционах eBay» . ACM-транзакции в Интернете . 1 (2): 9 – es. CiteSeerX 10.1.1.65.4539 . DOI : 10.1145 / 1255438.1255441 . S2CID 207163424 .  
  6. ^ Шурр, Натан; Мареки, Януш; Тамбе, Милинд; Шерри, Пол; Касинадхуни, Нихил; Льюис, JP (2005). «Будущее реагирования на стихийные бедствия: люди, работающие с мультиагентными командами с использованием DEFACTO» (PDF) . Цитировать журнал требует |journal=( помощь )
  7. ^ Genc, Zulkuf; и другие. (2013). «Агентная информационная инфраструктура для управления операциями в случае бедствий» (PDF) . Интеллектуальные системы антикризисного управления . Конспект лекций по геоинформации и картографии: 349–355. DOI : 10.1007 / 978-3-642-33218-0_26 . ISBN  978-3-642-33217-3.
  8. ^ Ху, Цзюньянь; Бхоумик, Париджат; Ланзон, Александр (2020). «Распределенное адаптивное отслеживание формирования изменяющейся во времени группы для многоагентных систем с несколькими лидерами на ориентированных графах» . IEEE Transactions по управлению сетевыми системами . 7 : 140–150. DOI : 10.1109 / TCNS.2019.2913619 . S2CID 149609966 . 
  9. ^ Солнце, Рон ; Навех, Исаак. «Моделирование принятия решений в организации с использованием когнитивно-реалистичной модели агента» . Журнал искусственных обществ и социального моделирования .
  10. ^ а б Кубера, Йоанн; Матье, Филипп; Пико, Себастьян (2010), «Все может быть агентом!» (PDF) , Труды Девятой международной совместной конференции по автономным агентам и мультиагентным системам (AAMAS'2010) : 1547–1548
  11. ^ Рассел, Стюарт Дж .; Норвиг, Питер (2003), Искусственный интеллект: современный подход (2-е изд.), Верхняя река Сэдл, Нью-Джерси: Prentice Hall, ISBN 0-13-790395-2
  12. ^ Саламон, Томас (2011). Дизайн агент-ориентированных моделей . Репин: Издательство Брукнера. п. 22. ISBN 978-80-904661-1-1.
  13. ^ Вейнс, Дэнни; Омицини, Амдреа; Оделл, Джеймс (2007). «Среда как первоклассная абстракция в многоагентных системах» (PDF) . Автономные агенты и мультиагентные системы . 14 (1): 5–30. CiteSeerX 10.1.1.154.4480 . DOI : 10.1007 / s10458-006-0012-0 . S2CID 13347050 . Проверено 31 мая 2013 .   [ постоянная мертвая ссылка ]
  14. ^ Вулдридж, Майкл (2002). Введение в мультиагентные системы . Джон Вили и сыновья . п. 366. ISBN. 978-0-471-49691-5.
  15. ^ Панаит, Ливиу; Люк, Шон (2005). «Совместное мультиагентное обучение: современное состояние» (PDF) . Автономные агенты и мультиагентные системы . 11 (3): 387–434. CiteSeerX 10.1.1.307.6671 . DOI : 10.1007 / s10458-005-2631-2 . S2CID 19706 .   
  16. ^ "Лаборатория мультиагентных систем" . Массачусетский университет в Амхерсте . Проверено 16 октября 2009 года .
  17. ^ Альбрехт, Стефано; Стоун, Питер (2017), «Мультиагентное обучение: основы и последние тенденции. Учебное пособие», конференция IJCAI-17 (PDF)
  18. ^ Cucker, Фелипе; Стив Смейл (2007). «Математика возникновения» (PDF) . Японский математический журнал . 2 : 197–227. DOI : 10.1007 / s11537-007-0647-х . S2CID 2637067 . Проверено 9 июня 2008 .  
  19. ^ Шен, Джеки (Цзяньхун) (2008). «Флокирование Кукера – Смейла под иерархическим руководством» . SIAM J. Appl. Математика . 68 (3): 694–719. arXiv : q-bio / 0610048 . DOI : 10.1137 / 060673254 . S2CID 14655317 . Проверено 9 июня 2008 . 
  20. ^ Ахмед, S .; Карсити, М.Н. (2007 г.), «Стенд для испытаний схем управления с использованием многоагентных неголономных роботов», Международная конференция IEEE по электро / информационным технологиям , 2007 г. , стр. 459, DOI : 10,1109 / EIT.2007.4374547 , ISBN 978-1-4244-0940-2, S2CID  2734931
  21. ^ «Документ OMG - orbos / 97-10-05 (Обновление пересмотренного представления MAF)» . www.omg.org . Проверено 19 февраля 2019 .
  22. ^ Ахмед, Салман; Karsiti, Mohd N .; Агустиван, Герман (2007). «Фреймворк для разработки совместных роботов с использованием обратной связи». CiteSeerX 10.1.1.98.879 .  Цитировать журнал требует |journal=( помощь )
  23. ^ "Технический комитет IEEE IES по промышленным агентам (TC-IA)" . tcia.ieee-ies.org . Проверено 19 февраля 2019 .
  24. ^ Leitão, Пауло; Карновскос, Стаматис (26 марта 2015 г.). Промышленные агенты: новые применения программных агентов в промышленности . Лейтао, Пауло, Карноускос, Стаматис. Амстердам, Нидерланды. ISBN 978-0128003411. OCLC  905853947 .
  25. ^ "Киноплощадка" . МАССИВНЫЙ . Проверено 28 апреля 2012 года .
  26. ^ Лейтао, Пауло; Карновскос, Стаматис; Рибейро, Луис; Ли, Джей; Штрассер, Томас; Коломбо, Армандо В. (2016). «Умные агенты в промышленных киберфизических системах» . Труды IEEE . 104 (5): 1086–1101. DOI : 10.1109 / JPROC.2016.2521931 . ISSN 0018-9219 . S2CID 579475 .  
  27. ^ Сяо-Фэн Се, С. Смит, Г. Барлоу. Координация по расписанию для управления сетью трафика в реальном времени . Международная конференция по автоматизированному планированию и календарному планированию (ICAPS), Сан-Паулу, Бразилия, 2012: 323–331.
  28. ^ Máhr, TS; Srour, J .; De Weerdt, M .; Zuidwijk, R. (2010). «Могут ли агенты соответствовать? Сравнительное исследование основанного на агентах и ​​оперативного подходов к оптимизации для решения проблемы дренажа с неопределенностью». Транспортные исследования, часть C: Новые технологии . 18 : 99–119. CiteSeerX 10.1.1.153.770 . DOI : 10.1016 / j.trc.2009.04.018 . 
  29. ^ «Планирование расширения поколения с учетом динамики инвестиций участников рынка с использованием многоагентной системы - публикация конференции IEEE». 2019-12-17. DOI : 10,1109 / SGC.2018.8777904 . S2CID 199058301 .  Цитировать журнал требует |journal=( помощь )
  30. ^ «Распределенное многоагентное системное управление частотой нагрузки для многозональной системы электроснабжения в интеллектуальной сети - журналы и журнал IEEE». 2019-12-17. DOI : 10.1109 / TIE.2017.2668983 . S2CID 31816181 .  Цитировать журнал требует |journal=( помощь )
  31. ^ a b ИИ может предсказать ваше будущее поведение с помощью новых мощных симуляторов

Дальнейшее чтение [ править ]

  • Вулдридж, Майкл (2002). Введение в мультиагентные системы . Джон Вили и сыновья . п. 366. ISBN. 978-0-471-49691-5.
  • Шохам, Йоав; Лейтон-Браун, Кевин (2008). Мультиагентные системы: алгоритмические, теоретико-игровые и логические основы . Издательство Кембриджского университета . п. 496. ISBN. 978-0-521-89943-7.
  • Мамаду, Тадиу Коне; Симадзу, А .; Накадзима, Т. (август 2000 г.). «Современное состояние языков общения агентов (ACL)» . Знания и информационные системы . 2 (2): 1-26.
  • Хьюитт, Карл; Инман, Джефф (ноябрь – декабрь 1991 г.). "DAI Betwixt and Between: From" Intelligent Agents "to Open Systems Science" (PDF) . IEEE Transactions по системам, человеку и кибернетике . 21 (6): 1409–1419. DOI : 10.1109 / 21.135685 . S2CID  39080989 .
  • Журнал автономных агентов и многоагентных систем (JAAMAS)
  • Вайс, Герхард, изд. (1999). Мультиагентные системы, современный подход к распределенному искусственному интеллекту . MIT Press. ISBN 978-0-262-23203-6.
  • Фербер, Жак (1999). Мультиагентные системы: введение в искусственный интеллект . Эддисон-Уэсли. ISBN 978-0-201-36048-6.
  • Вейнс, Дэнни (2010). Архитектурное проектирование многоагентных систем . Springer. ISBN 978-3-642-01063-7.
  • Солнце, Рон (2006). Познание и мультиагентное взаимодействие . Издательство Кембриджского университета . ISBN 978-0-521-83964-8.
  • Кейл, Дэвид; Гольдин, Дина (2006). Вейнс, Дэнни; Парунак, Ван; Мишель, Фабьен (ред.). Косвенное взаимодействие в средах для многоагентных систем . Среды для многоагентных систем II . LNCS 3830. 3830 . Springer . С.  68–87 . DOI : 10.1007 / 11678809_5 . ISBN 978-3-540-32614-4.
  • Серия Whitestein в Software Agent Technologies and Autonomic Computing , опубликованная Springer Science + Business Media Group
  • Саламон, Томас (2011). Дизайн агент-ориентированных моделей: разработка компьютерных симуляций для лучшего понимания социальных процессов . Bruckner Publishing. ISBN 978-80-904661-1-1.
  • Рассел, Стюарт Дж .; Норвиг, Питер (2003), Искусственный интеллект: современный подход (2-е изд.), Верхняя река Сэдл, Нью-Джерси: Prentice Hall, ISBN 0-13-790395-2
  • Фасли, Мария (2007). Агент-технологии для электронной коммерции . Джон Вили и сыновья . п. 480. ISBN 978-0-470-03030-1.
  • Цао, Лонгбин, Городецкий, Владимир, Митькас, Перикл А. (2009). Агентский майнинг: синергия агентов и интеллектуального анализа данных , IEEE Intelligent Systems, т. 24, вып. 3, 64-72.