第9章-分布式人工智能及其应用

第9章分布式人工智能及其应用人工智能柴玉梅张坤丽主编机械工业出版社2012概述分布式人工智能（DistributedArtificialIntelligence，DAI）主要研究逻辑或物理上分散的智能Agent群体的行为，以完成多任务系统的求解。DAI分为三个基本范畴：多Agent系统（MAS）分布式问题求解（DPS）并行人工智能（PAI）提纲9.1DAI的特点9.2多Agent系统9.3分布式问题求解9.4并行人工智能9.5分布式人工智能的应用9.1DAI的特点9.1.1Agent及其特性9.1.2Agent分类9.1.3Agent的BDI模型9.1.4Agent联盟9.1.5DAI系统特性9.1.1Agent及其特性（1）Agent是能通过传感器感知环境信息、能自主进行信息处理并作出行动决策、再借助执行器作用于环境的一种智能事物。感应器效应器BDI控制器环境感知执行图9-1Agent通过传感器和执行器与环境的交互示意图9.1.1Agent及其特性（2）众多学者给出了Agent的定义Wooldridge和Jennings总结了前人在Agent领域的一些工作后，于1995年提出了Agent定义：弱定义：Agent是一个基于软件（在较多情况下）或硬件的计算机系统，它拥有以下特性：自治性（Autonomy）、社会性（social）、响应性（responsive）和主动性（proactive）。强定义：Agent在弱定义的特性基础上，还应该具有某些人类特性，如目的、信念、意图、义务、承诺等。9.1.1Agent及其特性（3）（1）自治性（Autonomy）（2）响应性（Reactivity）（3）结构分布性（ConfigurationDistributing）（4）社会性（Sociality）（5）通信/合作/协调性（Communication/Cooperation/Coordination）（6）主动性/目的性（Activity/Goaloriented）（7）推理/学习/自适应能力Reasoning/Learning/Adaptation）：（8）可移动性（Mobility）9.1.2Agent分类（1）根据Agent的工作环境软件Agent人工生命Agent按控制机制分类按照构成性质分类人类Agent、硬件Agent软件Agent9.1.2Agent分类（2）按照其应用领域，分为：工业应用、商业应用、医疗应用、娱乐应用按功能分为：信息型Agent、界面型Agent、任务型Agent按属性分类：响应式Agent、慎思式Agent9.1.3Agent的BDI模型一个BDI模型包括三种基本成分一组关于世界的信念；Agent打算达到的一组目标（愿望）一个意图结构，描述Agent当前一定要达到的目标和为这个目标要改变的信念一个意图结构将对应一个规划库，描述怎样达到目标和怎样改变相关信念。知识信念信念愿望意图规划图9-5BDI结构示意图（信念，愿望，意图）9.1.4Agent联盟Agent之间可以通过协商形成Agent组，称之为Agent联盟（Coalition），来共同承担该任务。联盟：是一组合作的、共同完成某一任务并共享任务收益的Agent集合。Agent联盟形成过程步1联盟划分的产生；步2求解联盟值，将联盟划分每一个可能的联盟资源和任务进行组合分配，求得相应的联盟值；步3将联盟值在成员之间进行分配，求得一个稳定的U。9.1.5DAI系统特性1.系统数据和知识的分布性2.系统模型的独立、连接、开放特性3.系统求解的高效、容错、协同特性9.2多Agent系统（1）特点（1）每一Agent具有有限信息资源和问题求解能力，缺乏实现协作的全局观点。（2）系统不存在全局控制，即控制分布。（3）知识与数据都是分散的。（4）计算是异步执行的。9.2多Agent系统（2）9.2.1多Agent系统分类9.2.2Agent的学习9.2.3多Agent通信9.2.1多Agent系统分类1.按系统拓扑结构分类（1）系统拓扑结构不变（2）系统拓扑结构改变2.按系统功能结构分类（1）同构型系统（2）异构型系统3.按控制结构分类（1）集中控制（2）层次控制（3）网络控制9.2.2Agent的学习Agent学习可以定义为：“学习是一种能力，包括新知识和认知技能的获取能力，以及将所获取的知识和认知技能应用于未来活动中的应用能力。这样的获取和应用是Agent自发进行的，并且可以提高Agent的性能。”Agent学习可以根据学习过程的反馈以及对反馈的处理情况分为三大类：1.监督学习2.监督学习3.强化学习9.2.3多Agent通信（1）1.多Agent通讯逻辑结构AgentA格式转换消息M格式转换AgentB消息发送/传输服务器目标意图言语行为消息M图9-5Agent通讯9.2.3多Agent通信（2）多Agent的通讯模式有以下两种：（1）使用TELL和ASK通讯：以这种通讯形式进行通讯的Agent分享相同的内部表示，并通过接口TELL和ASK直接访问相关知识库。（2）使用形式语言KQML或KIF通讯：大多数Agent的通讯是通过一种外部语言来实现的。每种模式下，多Agent间的通讯方法可以采用直接通讯（对话/消息的方式）黑板通讯9.2.3多Agent通信（3）Agent通讯语言（1）KQML（KnowledgeQueryAndManipulationLanguage，知识查询与操纵语言）（2）KIF（KnowledgeInterchangeFormat，知识交换格式）从Agent间相互交互的角度看，通讯的作用有：（1）预测（2）控制：9.3分布式问题求解9.3.1多Agent联合求解过程9.3.2合同网9.3.1多Agent联合求解过程联合求解过程包括1.联合动机的产生2.任务分解与分配3.团队和规划最终形成4.执行规划9.3.2合同网（1）合同网是用于分布式联合求解环境下各Agent进行通讯和协作的协议。它引入市场中的招标-投标-中标机制，对系统的任务进行委托分配，从而解决资源、知识的冲突等问题。任务处理Agent合同处理Agent通讯处理Agent网络数据库图9-7合同网结构示意图9.3.2合同网（2）合同网协商过程9.4并行人工智能9.4.1并行人工智能的软件支持9.4.2并行人工智能的硬件支持9.4.1并行人工智能的软件支持1.并行模块的支持2.分布式知识库的支持3.并行算法和并行语言的支持9.4.2并行人工智能的硬件支持对并行人工智能的硬件支持，主要体现在计算机硬件并行运算的出现。在多CPU的环境下，各Agent可以在不同的CPU上运算，或者在同一个CPU环境下的多线程并行执行。在硬件的并行上主要由时间和空间并行来实现。时间并行空间并行9.5分布式人工智能的应用9.5.1多Agent在军事作战指挥系统中的应用9.5.2多Agent在智能交通中的应用9.5.3多Agent在智能大厦中的应用9.5.1多Agent在军事作战指挥系统中的应用（1）9.5.1多Agent在军事作战指挥系统中的应用（2）9.5.2多Agent在智能交通中的应用（1）道路交通管理子系统9.5.2多Agent在智能交通中的应用（2）9.5.2多Agent在智能交通中的应用（3）交通控制子系统9.5.3多Agent在智能大厦中的应用（1）9.5.3多Agent在智能大厦中的应用（2）TheEnd！