人工智能及应用-第九章-Agent和多Agent系统.pptx

文档介绍：该【人工智能及应用-第九章-Agent和多Agent系统 】是由【286919636】上传分享，文档一共【82】页，该文档可以免费在线阅读，需要了解更多关于【人工智能及应用-第九章-Agent和多Agent系统 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。人工智能及应用
第9章 Agent和多Agent系统
本章内容提要
Agent和多Agent系统
概述
Agent理论
多Agent系统
MAS的应用案例
Agent技术应用
概述
Agent和多Agent系统是人工智能研究最活跃的课题之一，吸引了计算机、人工智能、自动化等领域广大研究者的浓厚兴趣。任何能够独立思考并可以与环境进行交互的实体都可以抽象为Agent，它既可以描述人，也可以描述智能设备、机器人或者智能软件等。
本章将从分布式人工智能的概念出发，介绍Agent基本理论、多Agent系统的体系结构、通信机制以及协调协作机制，为分布式系统的分析、设计、实现和应用提供解决方法。
概述
分布式人工智能研究由一组分散的问题求解实体组成的系统中，各实体如何协调它们的知识、技能、目标和规划以采取行动或求解问题，并提高系统的整体性能。因此，对于那些知识或处理资源在本质上是分布式的问题，都可以用分布式人工智能方法来解决。例如，有些问题本身是分布式的，如分布式传感器控制和分布式信息提取，由于目标过于分散等原因而不可能实行集中控制，采用分散控制是唯一的选择。另外，为控制计算复杂度或提高问题求解速度，分布式人工智能系统能够克服原有集中控制系统的局限性，成为最佳的解决方法。
概述
分布式人工智能系统具有以下特点。
(1) 分布性。
(2) 协作性。
(3) 开放性。
(4) 连接性。
(5) 健壮性。
(6) 独立性。
概述
分布式人工智能系统要求系统中各实体之间的交互必须具有智能特征，把社会学、经济学、管理科学作为思想的源泉，各个实体可以为一个共同的全局目标工作，也可以为各自不同的但却是相互联系的目标工作。
分布式人工智能处理的问题比一般人工智能处理的问题更为复杂，研究工作大致分为两个方向，即分布式问题求解(Distributed Problem Solving，DPS)和多Agent系统(Multiagent System，MAS)。
概述
早期的分布式人工智能主要研究分布式问题求解，其目标是建立一个由多个机构、结点或子系统构成的协作系统，它们之间协同工作对特定问题求解。
一般地，分布式问题求解系统的求解过程可以分为4个步骤。
(1) 任务分解。
(2) 任务分配。
(3) 子问题求解。
(4) 结果综合。
概述
20世纪80年代后期，多Agent系统的研究成为分布式人工智能研究的热点。多Agent系统主要研究功能相对简单的Agent之间进行智能行为的协调，为了一个共同的全局目标，也可能是关于各自的不同目标，共享有关问题和求解方法的知识，协作进行问题求解。
与分布式问题求解系统不同，多Agent系统采用自底向上的设计方法，首先定义分散的自主或半自主的Agent，然后研究怎样完成实际任务。多Agent系统具有较大的灵活性，更能体现人类社会群体的智能。
Agent理论
Agent的基本概念
Agent在英语中具有多种含义，国内人工智能文献中将Agent翻译为“智能体”、“主体”、“智能主体”等，并无统一的译法。在计算机和人工智能领域，Agent是一个具有智能的实体，它可以是智能机器人、智能软件、智能设备或智能计算机系统等，甚至也可以是人。由于目前的译法都无法全面反映Agent的本意，现在更多地趋向于直接引用英文原文。因此，本书直接使用英文Agent而不做翻译。
美国M. Minsky教授在其1986年出版的《思维的社会》(《Society of Mind》)一书中首次提出了Agent的概念。Minsky认为社会中的某些个体经过协商之后可求得问题的解，这些个体就是Agent。他还认为Agent应具有两重属性，即社会性和智能性。
Agent理论
Agent的基本概念
在人工智能系统中，Agent通过感知器感知环境信息，通过执行器作用于环境，
可以把Agent定义为一种从感知序列到实体动作的映射。
。
Agent与环境交互作用