Мультиагентные системы: структура, принципы построения, применение. Искусственный интеллект

Цель мультиагентных систем (МАС) - координация независимых процессов. Агент представляет собой компьютерную сущность в виде программы или робота. Агента можно считать автономным, поскольку он способен адаптироваться при изменении своей среды. МАС состоит из набора компьютерных процессов, которые происходят одновременно и существуют в одно и то же время, обмениваются общими ресурсами и общаются друг с другом. Ключевой проблемой в МАС является формализация координации между агентами.

Определение мультиагентных систем

Вам будет интересно:Выдающийся кораблестроитель и академик Крылов Алексей Николаевич

МАС представляет собой перспективный подход к разработке программного обеспечения для приложений в сложных областях, где взаимодействующие компоненты приложения автономны и распределены, работают в динамичных и неопределенных средах, должны соблюдать некоторые организационные правила и законы и могут присоединиться и покинуть мультиагентную систему во время выполнения.

Примерами таких приложений являются системы, которые управляют и оптимизируют производство и распределение электроэнергии между потребителями или системами, оптимально планирующих грузы в транспортных системах. Разработка мультиагентных систем требует создание отдельных агентов, организаций и сред.

Языки программирования предоставляют программные конструкции для реализации отдельных агентов с точки зрения социальных и когнитивных концепций, таких как информация, цели, варианты, нормы, эмоции и правила принятия решений.

Вам будет интересно:Что такое сечение конуса? Как найти площадь осевого сечения конуса

Мультиагентные организации с точки зрения социальных и организационных концепций обладают ролями, наделены нормами, протоколами связи, ресурсы, которых подвержены мониторингу. Разработанные языки программирования и фреймворки применяются для создания симуляций на основе агентов для многих отраслей непрерывного производства: электроэнергия, металлургия, здравоохранение, интернет, транспорт, управления трафиком и создания серьезных игр.

МАС отличаются от одноагентных систем тем, что в них существует несколько агентов, которые моделируют цели и действия друг друга. В общем сценарии может быть прямое взаимодействие между агентами. С точки зрения отдельного агента, многоагентные системы отличаются от систем с одним агентом наиболее существенно тем, что динамика окружающей среды может быть определена другими агентами. В дополнение к неопределенности, которая может быть присущей домену, другие агенты намеренно воздействуют на окружающую среду непредсказуемыми способами.

Таким образом, все МАС можно рассматривать как имеющие динамические среды, что характерно для современных мультиагентных систем. Может быть любое количество агентов с разной степенью неоднородности, с/или без возможности прямого общения.

Архитектура МАС-систем

Агенты должны быть снабжены когнитивной моделью:

• убеждения;
• желания;
• намерения.

С одной стороны, он считывает «Верования» об окружающей среде, которые являются результатом его знаний и восприятий, а с другой - набор « Желаний». Скрещивая эти два набора, получают новый набор «Намерений», которые затем непосредственно переводятся в действия.

Вам будет интересно:Что такое конус: определение. Основание, вершина, высота конуса

У агентов должна быть система связи. Для этой цели существует несколько специализированных языков: Language Query and Manipulation Language (KQML). В последнее время распространен стандарт FIPA-ACL, созданный Фондом для интеллектуальных физических агентов FIPA. Этот последний принцип построения мультиагентных систем основан на теории речевых актов.

Проблема адаптации - тернистый вопрос, который в настоящее время является предметом многочисленных исследований. Можно привести пример некоторых вирусов, как биологических, так и компьютерных, способных адаптироваться к мутанту окружающей среды.

Наконец, эффективная реализация МАС, хотя и не являющаяся, строго говоря, частью архитектуры системы, заслуживает внимания на примере многих языков программирования, которые были разработаны для исследования искусственного интеллекта. В частности, упоминается язык LISP. Эти архитектурные элементы применяются к системе, состоящей из когнитивных агентов.

Категории или модели агентов

Классификация агентов установлена по двум критериям: когнитивные агенты или реагенты, которые проявляют с одной стороны поведение teleonomic, или рефлекс. Различие, которое может быть сделано между когнитивными и реактивными - это, по сути, представление мира, доступного агенту. Если индивидуум наделен «символическим представлением» мира, из которого он может сформулировать рассуждения, то говорят о когнитивном агенте, тогда как если он имеет только «субсимволическое представление», то есть ограничиваясь его восприятиями, говорят об реактивном агенте. Это познавательное и реактивное различие соответствует двум теоретическим школам многоагентных систем.

Первая поддерживает фундаментальный подход «умных» агентов для сотрудничества с социологической точки зрения. Во второй изучается возможность возникновения «умного» поведения набора неинтеллектуальных агентов (ant type). Второе различие между поведенческим поведением и рефлексом отделяет преднамеренное поведение, стремление к явным целям, от поведения, связанного с восприятием. Таким образом, тенденции агентов могут быть явно выражены в агентах или, наоборот, исходят из окружающей среды. Таблица, группирующая различные типы агентов:

Когнитивные агенты в основном преднамеренные, то есть у них есть фиксированные цели, которые они пытаются выполнить. Однако иногда используют агентов, называемые модулями, которые имеют представление о своей «вселенной» без конкретных целей. Они могли бы служить, например, для ответа на вопросы других агентов во «вселенной».

Реагенты можно разделить на приводы и тропические агенты. У инстинктивного агента будет фиксированная миссия и вызовет поведение, если он увидит, что окружающая среда больше не соответствует назначенной ему цели. Тропический агент реагирует только на местное состояние окружающей среды, например если свет, то он бежит. Источник мотивации во внутреннем случае приводных агентов, у которых есть «миссия», относится только к среде.

Организационные парадигмы

С развитием таких систем были разработаны различные организационные парадигмы. Эти структуры мультиагентных систем устанавливают рамки взаимоотношений и взаимодействия между агентами.

Вам будет интересно:Главные города Древнего Рима: названия, история

Иерархии. В этой модели агенты иерархичны в соответствии со структурой дерева, в котором каждый узел представляет собой агента и имеет ссылку полномочий на своих дочерних узлах. Эта модель разрушает общую задачу системы.

Холархий приближается к иерархии. Между агентом и его подгруппой нет отношений полномочий.

Коалиция является временным союзом агентов, которые объединяются и сотрудничают, потому что их личные интересы встречаются. Значение коалиции должно быть больше, чем сумма отдельных значений компонентов агентов.

Конгрегации очень похожи на коалиции и команды. Однако они призваны быть постоянными и, как правило, имеют несколько целей для достижения. Кроме того, агенты могут входить и покидать конгрегации и одновременно принадлежать нескольким.

Общество представляет собой набор разнообразных агентов, которые взаимодействуют и общаются. Они имеют разные цели, не имеют одинакового уровня рациональности и одинаковых возможностей, но все они подчиняются общим законам (нормам).

Агенты федерации отдают часть своей автономии делегату своей группы. Групповые агенты взаимодействуют только со своим делегатом, который, в свою очередь, взаимодействует с делегатами из других групп.

Агенты по продаже предлагают товары, на которые могут претендовать агенты покупателя. Такой тип организации позволяет, например, моделировать реальные рынки и сравнивать разные торговые стратегии.

Агенты матричной организации являются иерархическими. Однако в отличие от представленной выше иерархии, когда агент подчиняется только нескольким другим агентам, эти в одной матричной организации могут быть подвержены нескольким другим.

Комбинации - это объединенная организация смешивает многие стили, представленные выше. Это может быть, например, коалиция или иерархия команд.

Искусственный разум

Цель когнитивной науки - понять природу и работу искусственного интеллекта - это то, что обрабатывает внутреннюю информацию, чтобы сделать ее целенаправленной. Множество понятий удовлетворяют этому описанию: люди, компьютеры, роботы, сенсорные системы, список бесконечен. Одним из видов такой системы, представляющей особый интерес для когнитивных ученых, является искусственный самостоятельный агент , который воздействует на информацию.

Интеллектуальный агент (ИА) способен принимать решения на основе своего опыта и может выбирать действия в различной ситуации. Как предполагает термин «искусственный», вид автономных агентов, представляющих интерес - это не то, что создано природой. Следовательно, искусственный агент - это все то, что создается людьми, способное к действиям на основе информации, которую он воспринимает, своих собственных переживаний, решений и действий.

Область внеприродного интеллекта предоставляет технические навыки для перевода желаемых типов агентов в язык программирования, сопутствующее ПО и соответствующую архитектуру (аппаратное и сопутствующее ПО) для реализации агента в реальном или моделируемом мире.

Среда мира восприятия

Агент - это все, что принимает среду через датчики и воздействует на нее через эффекторы, что звучит достаточно просто. Это определение агента охватывает широкий спектр машин: от термостатов до объектов, которые могут фактически изучить небольшой репертуар поведения.

Датчики - это инструменты, используемые агентом для сбора информации о своем мире. Клавиатура и видеокамера могут работать как датчики, если они связаны с программой-агентом. В конце ответа системы исполнители - это инструменты, используемые агентом для воздействия на окружающую среду. Примерами эффекторов являются монитор, принтер и роботизированная рука.

Обычно среда - это домен или мир агента. Эти домены, по крайней мере на данный момент, должны быть ограничены конкретными типами ситуаций, чтобы избежать неограниченных возможностей повседневного мира.

Автономная система воздействия

Автономный агент - это «система, находящаяся внутри и часть среды, которая воспринимает эту среду и действует на нее со временем, в целях осуществления своей собственной повестки дня и для того, чтобы воздействовать на то, что она ощущает в будущем». Это определение Франклина и Грейссера отражает все основные функции интеллектуальных агентов, кроме их общительности. Это обеспечивает хорошее приближение основных особенностей большого разнообразия ИА, находящихся в разработке.

Такие агенты чувствуют свою среду. Но здесь сенсорные данные или восприятия включают в себя не только данные о других объектах, но и влияние самого агента на состояние дел в окружающей среде. Датчики могут быть органическими, такими как глаза и уши, и их нейронные процессоры, или искусственные, такие как видео- и аудиопроцессоры, встроенные в цифровой компьютер. Окружающая среда может быть очень ограниченной областью, например, замкнутым пространством, или очень сложной, такой как фондовый рынок или набор астероидов. Датчики должны соответствовать типам объектов, с которыми агент взаимодействует.

Рефлексный тип взаимодействия

Агент-рефлектор имеет более сложный механизм. Вместо непосредственного динамического отношения к окружающей среде он ищет то, что он должен делать, в списке правил. Агент рефлекса реагирует на заданное восприятие с запрограммированным ответом. Даже если есть тысячи возможных реакций на данное восприятие, у агента есть встроенный список правил действия ситуации, чтобы выполнить те реакции, которые уже были рассмотрены программистом. Правило действия ситуации в основном является гипотетическим императивом.

Рефлексные агенты действительно не очень яркие. Они просто не могут справиться с новинкой. Интеллектуальный агент содержит функции своих менее сложных родственников, но он не настолько ограничен. Он действует в соответствии с повесткой дня. У этого есть набор целей, которые он активно преследует. Агент, основанный на цели, имеет представление о текущем состоянии среды и о том, как эта среда обычно работает. Он преследует основные стратегии или цели, которые не могут быть немедленно достигнуты. Это делает агента активным, а не только реактивным.

Целевая функциональная утилита

В более сложных агентах применяется служебная мера для различных возможных действий, которые могут быть выполнены в среде. Этот сложный планировщик является агентом, основанным на услугах. Агент, основанный на услугах, будет оценивать каждый сценарий, чтобы узнать, насколько он достигает определенных критериев в отношении получения хорошего результата. Такие вещи, как вероятность успеха, ресурсы, необходимые для выполнения сценария, важность достижимой цели, время, которое потребуется, могут быть учтены в расчетах функций полезности.

Поскольку программист не может, как правило, прогнозировать все состояния мира, с которым будет сталкиваться агент, количество правил, которые нужно было бы написать для рефлекторного агента, было бы астрономическим даже в очень простых областях, например, планированием совещаний или организацией транспортных маршрутов и поставок.

Базовый цикл управления

Вам будет интересно:Виды, сущность и понятие национальной безопасности РФ

С учетом определения интеллектуального агента можно рассмотреть базовый цикл управления, написанный теоретиком агента Майклом Вуладричем в 2000 году:

• соблюдать мир;
• обновить внутреннюю модель мира;
• достичь преднамеренное намерение;
• использовать средства / цели, чтобы получить план для намерений;
• выполнить план;
• завершить процесс.

Эта модель нуждается в некоторой интерпретации. Агент наблюдает мир - это означает, что он, используя свои датчики, собирает восприятия. Сенсором может быть клавиатура, прикрепленная к цифровому компьютеру, или визуальный процессор, прикрепленный к роботу. Это может быть все, что позволяет агенту собирать представления о мире. Обновление внутренней модели означает, что агент добавляет новое восприятие к своей последовательности восприятия и запрограммированной информации о мире.

Платформы для разработки нескольких агентов

AnyLogic - многоагентное и многокомпонентное программное обеспечение для моделирования CORMAS с открытым исходным кодом, основанная на объектно-ориентированном языке программирования SmallTalk.

DoMIS - инструмент для проектирования многоагентных систем, ориентированный на «оперативный контроль сложных систем» и на основе метода проектирования B-ADSC.

JACK - язык программирования и среда разработки для когнитивных агентов, разработанная Agent Oriented Software в качестве ориентированного на агентов расширения языка Java.

GAMA - платформа моделирования с открытым исходным кодом (LGPL), предлагающая пространственно явную среду моделирования на основе агентов с использованием данных ГИС для описания агентов и их среды.

JADE (Java Agent DEVELOPMENT) является основой разработки многоагентных систем с открытым исходным кодом, и на основе языка Java.

Семь моделей стандарта

В эволюционном процессе исследований появляется больший вклад в то, как создать такую систему, которая является надежной и представляет собой более высокий уровень качества. Тенденция к продолжению заключается в дополнении или расширении существующих методов, которым удалось консолидировать принятие решения в рамках развития.

Методологический стандарт позволяет, по понятным и простым способом, создать МАС, не только используя естественный язык, но и используя шаблоны описания, которые помогают в спецификации системы.

В методологическом стандарте предлагаются семь моделей проблем или их решения для построения МАС:

Примеры взаимодействия между агентами

МАС используются для имитации взаимодействия между автономными агентами. Применение мультиагентных систем, например, в социологии позволяет параметризовать различные агенты, составляющие сообщество. Добавляя ограничения, можно попытаться понять, какой будет наиболее эффективный компонент для достижения ожидаемого результата. Они должны экспериментировать со сценариями, которые не были бы достижимы реальными людьми, либо по техническим или этическим причинам.

Распределенный ИА был создан, чтобы решить проблемы сложности больших монолитных программ неприродного интеллекта - выполнение, распределение и централизованный контроль. Для решения сложной проблемы иногда легче создавать относительно небольшие программы (агенты) во взаимодействии, чем одна большая монолитная программа. Автономия позволяет системе динамически адаптироваться к непредвиденным изменениям в окружающей среде.

Примеры мультиагентных систем в игровой индустрии многочисленны и разнообразны. Они используются в видеоиграх и в фильмах, в том числе в программном обеспечении MASSIVE , например, чтобы симулировать движение толпы, в трилогии Властелин колец. Они также могут использоваться компаниями, например, для отслеживания поведения клиентов, просматривающих веб-сайты.

МАС также используются в мире финансов. Например, платформа MetaTrader 4 позволяет использовать экспертные агенты в автоматической торговле, которые следуют курсам Forex

Преимущества в использовании системы

В исследованиях ИА технология систем на основе агентов была воспринята, как новая парадигма для концептуализации, проектирования и внедрения программных систем. Преимущества подхода с несколькими агентами MAS:

В исследованиях ИА-технология систем на основе агентов была воспринята как новая парадигма для концептуализации, проектирования, внедрения и мультиагентного обучения программных систем.

Таким образом, МАС - это слабосвязанная сеть программных агентов, которые взаимодействуют для решения проблем, выходящих за рамки индивидуальных возможностей или знаний каждого исполнителя проблем.

Источник