Агентный подход

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, ликвидация чрезвычайных ситуаций, и моделирование социальных структур.

Обзор

В многоагентной системе агенты имеют несколько важных характеристик:

• 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

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.

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 . 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

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

• The Brookings Center on Social and Economic Dynamics
• UCLA Human Complex Systems Program
• The Multi-Agent Systems Lab at U. Mass
• Teamcore Research Group at USC
• AgentWise Research Group at KULeuven, Belgium
• Agent Technology Group at CTU, Prague
• The Collective Agent Based Systems group at the Delft University
• The Multiagent & Cooperative Robotics Lab at Kansas State University
• Agent technology Roadmap
• MultiAgent systems
• Java-based Multi-Agent Systems
• The Maia Institute
• SwarmWiki, общий ресурс для агентного моделирования.
• MASLAB — Multiagent Systems Lab. at Universidade Federal do Rio Grande do Sul
• A Methodology for the Development of Multi-Agent Systems using JADE
• System Effectiveness Analysis Simulation (SEAS) — Multi-Agent Theater Operations симулятор Военно-воздушных сил США
• Intelligent Software Agents — группа Института Робототехники, занимающаяся разработкой Интеллектуальных Агентов
• Center for Models of Life — Институт Нильса Бора
• Multi-Agent — сайт Magenta Technology по Мультиагентным Системам

---

Эта страница использует содержимое раздела Википедии на русском языке. Оригинальная статья находится по адресу: Агентный подход. 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 .

---