论文部分内容阅读
摘 要：当今，分布式人工智能研究的一个热点是多智能体系统，它是分布式问题求解的进一步发展。随着多智能体理论与技术的发展，其应用范围也在不断扩大着，但是由于其理论与应用研究刚起步不久，还有不少问题有待解决。本论文回顾了多智能体技术的发展历史，指出了多智能体理论及应用的研究方向，介绍了多智能体技术的基本概念和特点，多智能体系统的体系结构，多智能体中的协调方法等内容。
关键词：多智能；技术
1.前言
目前的工业系统正向大型、复杂、动态和开放的方向转变，传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战。分布式人工智能 （DAI，Distributed Artificial Intelligence）与多智能体系统（MAS， Multi-Agent System）理论为解决这些挑战提供了一种最佳途径。智能体系统是分布式人工智能的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力，将DAT、MAS充分应用于工业系统和多机器人系统的结果，便产生了一门新兴的机器人技术领域一多智能体机器人系统（MARS，MultiAgent Robot System）。总的来说，多智能体系统领域正在蓬勃发展。
2.多智能体
2.1多智能体技术的基本概念
多智能体系统（Multi-Agent System，MAS）是由多个Agent组成的集合，Agent之间及Agent与环境之间通过通讯、协商与协作来共同完成单个Agent不能解决的问题。也可以简单地说，多智能体系统是指由多个自主或半自主的构件所构成的各种大型的系统。
在多智能体系统中，数据是分散的，没有系统的全局控制。多智能体技术提供了一种适合分布式计算和不确定问题求解的新方法，这是因为多智能体系统放松了对集中式规划、顺序控制的限制，提供了分散控制、应急和并行处理的能力，并且它是一个高度交叉的研究领域，它吸取了不同领域的内容，如计算机科学、人工智能、经济学、社会学等[1]。
2.2多智能体中的协调
在开放的多智能体系统中，每个Agent都具有自主性，在求解和运行过程中会按照自己的目的、知识与能力进行活动，经常会出现矛盾冲突，其根源在于Agent间的知识不完备性、目标不一致性、不兼容性等方面。因此，MAS中的Agent之间需要进行协调。多智能体协调（coordinating）是指具有不同目标的多个Agent对其目标、资源等进行合理安排，以协调各自行为，最大限度地实现各自目标。
有效的协调是自主的Agent在MAS中达到目标的关键。MAS中存在Agent相互依赖的行为时，由于有多个Agent的意图存在，当发生冲突时，就要进行协调。协调是保证多智能体系统中Agent合作的主要方法。通过协调多智能体系统中Agent的个体行为，使得多智能体系统的整体行为得到改进，提高系统的性能，或是减少系统的冲突[2]。
2.2.1多智能体协调类型
多智能体系统的协调分为显式协调和隐式协调两种[3]。显式协调是指Agent被设计成能够对可能的交互进行推理，必要时与其他Agent进行协商。隐式协调是指Agent被设计成遵循某局部的行为规则。
（1）显式协调
显式协调以协调控制行为的执行者在系统中的分布程度可分为完全集中的协调、完全分布的协调以及集中与分布相结合的协调三类。
（2）隐式协调
由于处理大量的可能冲突以形成一个全局一致的方案，交互通信或中心规划器的方法是可行的，因此多智能体系统中出现了关于社会规则、过滤、标准等隐式的研究。过滤策略与社会规则的原则相同，都是根据一定的原则将Agent可选动作中相容的一部分视为合理的而保留下来，从而协调Agent的行为。标准化是指在某些情况下，协调Agent通过标准化进行协调，即建立受控Agent在一些情况下必须遵守的标准规则。
2.2.2多智能体协调方法
目前多智能体协调方法主要有如下四种[4]：
（1）基于集中规划的协调
如果MAS中至少有一个Agent具备其他Agent的知识、能力和环境资源知识，那么该Agent可作为主控Agent对该系统的目标进行分解，对任务进行规划，并指示或建议其他Agent执行相关任务。这种基于集中规划的协调方法特别适合于环境和任务相应固定、动态行为集可预计和需要集中监控的情况，如机器人协调和智能控制。
（2）基于协商的协调
当协商时，系统中没有作为规划的主控Agent。协商是Agent交换信息、讨论和达成一致的方式。具体协商方法有合同网协商、功能精确的协作和基于对策论的协商等等。
（3）基于对策论的协调
此协调方法包括无通信协调和有通信协调两类。无通信协调是在没有通信的情况下，Agent根据对方及自身的效益模型，按照对策论选择适当行为。在这种协调方式中，Agent至多只能达到协调的平衡解。在基于对策论的有通信协调中可以得到协作解。
（4）基于社会规则的协调
这是一类以每个Agent都必须遵循的社会规则、过滤策略、标准和管理为基础的协调方法。这些规则对各Agent的行为加以限制，过滤某些有冲突的意图和行为，保证其他Agent必须具有的行为方式，从而确保本Agent行为的可行性，以实现整个Agent系统的社会行为的协调。
3.总结
本论文学习研究了多智能体系统的基础理论，阐述Agent及多智能体系统的基本概念，Agent的结构和多智能体系统的体系结构，多个Agent之间的协调方法，由此我们可以对于多智能体技术有一个更好的认识。
参考文献：
[1]WookdrudgeM.多Agent系统引论，石纯一等译.北京：电子工业出版社，2003.
[2]张洁，高亮，李培根，多Agent技术在先进制造中的应用[M]，北京：科学出版社，2004，3-91.
[3]窦立谦，Agent系统协作与协调的研究[D]，天津：天津大学，2005.
[4]陈峰，多Agent合作问题求解的研究与应用[D].安徽：中国科学技术大学，2000.
[5]韩伟，韩忠愿，基于黑板模型的多智能体合作学习[J].计算机工程，2007，33（22）：42-44.
作者简介：李崇，男，辽宁大连人，辽宁省大连市大连商业学校教师，讲师，从事数学教学。
关键词：多智能；技术
1.前言
目前的工业系统正向大型、复杂、动态和开放的方向转变，传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战。分布式人工智能 （DAI，Distributed Artificial Intelligence）与多智能体系统（MAS， Multi-Agent System）理论为解决这些挑战提供了一种最佳途径。智能体系统是分布式人工智能的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力，将DAT、MAS充分应用于工业系统和多机器人系统的结果，便产生了一门新兴的机器人技术领域一多智能体机器人系统（MARS，MultiAgent Robot System）。总的来说，多智能体系统领域正在蓬勃发展。
2.多智能体
2.1多智能体技术的基本概念
多智能体系统（Multi-Agent System，MAS）是由多个Agent组成的集合，Agent之间及Agent与环境之间通过通讯、协商与协作来共同完成单个Agent不能解决的问题。也可以简单地说，多智能体系统是指由多个自主或半自主的构件所构成的各种大型的系统。
在多智能体系统中，数据是分散的，没有系统的全局控制。多智能体技术提供了一种适合分布式计算和不确定问题求解的新方法，这是因为多智能体系统放松了对集中式规划、顺序控制的限制，提供了分散控制、应急和并行处理的能力，并且它是一个高度交叉的研究领域，它吸取了不同领域的内容，如计算机科学、人工智能、经济学、社会学等[1]。
2.2多智能体中的协调
在开放的多智能体系统中，每个Agent都具有自主性，在求解和运行过程中会按照自己的目的、知识与能力进行活动，经常会出现矛盾冲突，其根源在于Agent间的知识不完备性、目标不一致性、不兼容性等方面。因此，MAS中的Agent之间需要进行协调。多智能体协调（coordinating）是指具有不同目标的多个Agent对其目标、资源等进行合理安排，以协调各自行为，最大限度地实现各自目标。
有效的协调是自主的Agent在MAS中达到目标的关键。MAS中存在Agent相互依赖的行为时，由于有多个Agent的意图存在，当发生冲突时，就要进行协调。协调是保证多智能体系统中Agent合作的主要方法。通过协调多智能体系统中Agent的个体行为，使得多智能体系统的整体行为得到改进，提高系统的性能，或是减少系统的冲突[2]。
2.2.1多智能体协调类型
多智能体系统的协调分为显式协调和隐式协调两种[3]。显式协调是指Agent被设计成能够对可能的交互进行推理，必要时与其他Agent进行协商。隐式协调是指Agent被设计成遵循某局部的行为规则。
（1）显式协调
显式协调以协调控制行为的执行者在系统中的分布程度可分为完全集中的协调、完全分布的协调以及集中与分布相结合的协调三类。
（2）隐式协调
由于处理大量的可能冲突以形成一个全局一致的方案，交互通信或中心规划器的方法是可行的，因此多智能体系统中出现了关于社会规则、过滤、标准等隐式的研究。过滤策略与社会规则的原则相同，都是根据一定的原则将Agent可选动作中相容的一部分视为合理的而保留下来，从而协调Agent的行为。标准化是指在某些情况下，协调Agent通过标准化进行协调，即建立受控Agent在一些情况下必须遵守的标准规则。
2.2.2多智能体协调方法
目前多智能体协调方法主要有如下四种[4]：
（1）基于集中规划的协调
如果MAS中至少有一个Agent具备其他Agent的知识、能力和环境资源知识，那么该Agent可作为主控Agent对该系统的目标进行分解，对任务进行规划，并指示或建议其他Agent执行相关任务。这种基于集中规划的协调方法特别适合于环境和任务相应固定、动态行为集可预计和需要集中监控的情况，如机器人协调和智能控制。
（2）基于协商的协调
当协商时，系统中没有作为规划的主控Agent。协商是Agent交换信息、讨论和达成一致的方式。具体协商方法有合同网协商、功能精确的协作和基于对策论的协商等等。
（3）基于对策论的协调
此协调方法包括无通信协调和有通信协调两类。无通信协调是在没有通信的情况下，Agent根据对方及自身的效益模型，按照对策论选择适当行为。在这种协调方式中，Agent至多只能达到协调的平衡解。在基于对策论的有通信协调中可以得到协作解。
（4）基于社会规则的协调
这是一类以每个Agent都必须遵循的社会规则、过滤策略、标准和管理为基础的协调方法。这些规则对各Agent的行为加以限制，过滤某些有冲突的意图和行为，保证其他Agent必须具有的行为方式，从而确保本Agent行为的可行性，以实现整个Agent系统的社会行为的协调。
3.总结
本论文学习研究了多智能体系统的基础理论，阐述Agent及多智能体系统的基本概念，Agent的结构和多智能体系统的体系结构，多个Agent之间的协调方法，由此我们可以对于多智能体技术有一个更好的认识。
参考文献：
[1]WookdrudgeM.多Agent系统引论，石纯一等译.北京：电子工业出版社，2003.
[2]张洁，高亮，李培根，多Agent技术在先进制造中的应用[M]，北京：科学出版社，2004，3-91.
[3]窦立谦，Agent系统协作与协调的研究[D]，天津：天津大学，2005.
[4]陈峰，多Agent合作问题求解的研究与应用[D].安徽：中国科学技术大学，2000.
[5]韩伟，韩忠愿，基于黑板模型的多智能体合作学习[J].计算机工程，2007，33（22）：42-44.
作者简介：李崇，男，辽宁大连人，辽宁省大连市大连商业学校教师，讲师，从事数学教学。