Многоагентная система - Multi-agent system

Простой рефлекторный агент

Агент обучения

А многоагентная система (МАС или «самоорганизующаяся система») представляет собой компьютеризированную систему, состоящую из множества взаимодействующих интеллектуальные агенты^{[нужна цитата ]}. Многоагентные системы могут решать проблемы, которые трудны или невозможны для отдельного агента или монолитная система решать.^[1] Разведка может включать методичный, функциональный, процедурный подходы, алгоритмический поиск или же обучение с подкреплением.^[2]

Несмотря на значительное совпадение, мультиагентная система не всегда то же самое, что агент-ориентированная модель (ПРО). Цель ABM - поиск объяснительного понимания коллективного поведения агентов (которые не обязательно должны быть «умными»), подчиняющихся простым правилам, обычно в естественных системах, а не при решении конкретных практических или инженерных задач. Терминология ABM, как правило, чаще используется в науке, а MAS - в технике и технологиях.^[3] Приложения, в которых исследование мультиагентных систем может обеспечить соответствующий подход, включают онлайн-торговлю,^[4] реагирование на стихийные бедствия^[5][6], целевое наблюдение ^[7] и моделирование социальной структуры.^[8]

Концепция

Многоагентные системы состоят из агентов и их среды. Обычно исследование мультиагентных систем относится к программные агенты. Однако агентами в многоагентной системе могут быть роботы, люди или группы людей. Многоагентная система может содержать объединенные команды человек-агент.

Агенты можно разделить на типы от простых до сложных. Категории включают:

• Пассивные агенты^[9] или «агент без целей» (например, препятствие, яблоко или ключ в любой простой симуляции)
• Активные агенты^[9] с простыми целями (например, птицы в стае или волк-овца в модель жертва-хищник )
• Когнитивные агенты (сложные вычисления)

Агентские среды можно разделить на:

• Виртуальный
• Дискретный
• Непрерывный

Среда агентов также может быть организована в соответствии с такими свойствами, как доступность (можно ли собрать полную информацию о среде), детерминизм (вызывает ли действие определенный эффект), динамика (сколько сущностей влияет на среду в данный момент), дискретность (конечное ли число возможных действий в среде), эпизодичность (влияют ли действия агента в определенные периоды времени на другие периоды),^[10] и размерность (являются ли пространственные характеристики важными факторами окружающей среды и учитывает ли агент пространство при принятии решений).^[11] Действия агента обычно осуществляются через соответствующее промежуточное программное обеспечение. Это промежуточное программное обеспечение предлагает первоклассную абстракцию дизайна для многоагентных систем, предоставляя средства для управления доступом к ресурсам и координации агентов.^[12]

Характеристики

Агенты в многоагентной системе имеют несколько важных характеристик:^[13]

• Автономность: агенты, по крайней мере частично, независимые, самосознающие, автономный
• Локальные представления: ни у одного агента нет полного глобального представления, или система слишком сложна для агента, чтобы использовать такие знания
• Децентрализация: ни один агент не назначается контролирующим (или система фактически сводится к монолитной системе)^[14]

Самоорганизация и самостоятельность

Многоагентные системы могут проявлять самоорганизация а также самоуправление и другие парадигмы управления и связанное с ними сложное поведение, даже когда индивидуальные стратегии всех их агентов просты.^{[нужна цитата ]} Когда агенты могут обмениваться знаниями, используя любой согласованный язык, в рамках ограничений протокола связи системы, такой подход может привести к общему улучшению. Примеры языков: Язык манипулирования запросами знаний (KQML) или Язык общения агента (ACL).

Системные парадигмы

Многие MAS реализованы в компьютерном моделировании, продвигая систему через дискретные «временные шаги». Компоненты MAS обычно обмениваются данными с помощью взвешенной матрицы запросов, например

 Скорость-ОЧЕНЬ_ ВАЖНО: мин. = 45 миль в час, длина пути-СРЕДНИЙ_ВАЖНО: макс. = 60 ожидаемое, макс. = 40, макс-вес-НЕВАЖНО Приоритет контракта-ОБЫЧНЫЙ 

и матрица взвешенного отклика, например

 Мин. Скорость: 50, но только в солнечную погоду, Длина пути: 25 для солнечной / 46 для дождливой Приоритетность контракта - ОБЫЧНОЕ примечание - скорая помощь переопределит этот приоритет, и вам придется подождать

Схема запрос-ответ-контракт распространена в системах MAS, где

• Первый "Кто может?" вопрос распространяется.
• Только соответствующие компоненты отвечают: "Я могу по этой цене".
• Наконец, контракт заключается, как правило, в несколько коротких коммуникационных шагов между сторонами,

также рассматриваются другие компоненты, развивающиеся "контракты" и наборы ограничений компонентных алгоритмов.

Другая парадигма, обычно используемая с MAS, - это "феромон ", где компоненты оставляют информацию для других близлежащих компонентов. Эти феромоны могут испаряться / концентрироваться со временем, то есть их значения могут уменьшаться (или увеличиваться).

Характеристики

MAS стремятся найти лучшее решение своих проблем без вмешательства. Здесь есть большое сходство с физическими явлениями, такими как минимизация энергии, когда физические объекты стремятся достичь минимально возможной энергии в физически ограниченном мире. Например: многие автомобили, въезжающие в мегаполис утром, будут доступны для выезда из этого же мегаполиса вечером.

Системы также имеют тенденцию предотвращать распространение отказов, самовосстановление и быть отказоустойчивыми, в основном за счет избыточности компонентов.

Исследование

Изучение мультиагентных систем «связано с разработкой и анализом сложных AI архитектуры решения проблем и управления как для одноагентных, так и для многоагентных систем ».^[15] Темы исследования включают:

• агентно-ориентированная разработка программного обеспечения
• убеждения, желания и намерения (BDI )
• сотрудничество и координация
• оптимизация распределенных ограничений (DCOP)
• организация
• коммуникация
• Переговоры
• распределенное решение проблем
• многоагентное обучение^[16]
• агент добычи
• научные сообщества (например, по биологическому флокированию, эволюции языка и экономике)^[17][18]
• надежность и отказоустойчивость
• робототехника^[19] мульти-роботизированные системы (MRS), робототехнические кластеры

Каркасы

Появились структуры, реализующие общие стандарты (такие как ФИПА и мой Бог МАСИФ^[20] стандарты). Эти фреймворки, например ДЖЕЙД, сэкономьте время и помощь в стандартизации разработки MAS.^[21]

Однако в настоящее время ни FIPA, ни OMG не поддерживают ни одного стандарта. Усилия по дальнейшей разработке программных агентов в промышленном контексте ведутся в техническом комитете IEEE IES по промышленным агентам.^[22]

Приложения

MAS применяются не только в академических исследованиях, но и в промышленности.^[23] MAS применяются в реальном мире для графических приложений, таких как компьютерные игры. Агентные системы использовались в фильмах.^[24] Его широко рекомендуют использовать в сетевых и мобильных технологиях для достижения автоматической и динамической балансировки нагрузки, высокой масштабируемости и самовосстановления сетей. Они используются для скоординированных систем защиты.

Другие приложения^[25] включают транспорт,^[26] логистика,^[27] графика, производство, система питания^[28], smartgrids^[29] и ГИС.

Также, Многоагентные системы Искусственный интеллект (MAAI) используются для моделирования обществ, цель которых - помочь в области климата, энергетики, эпидемиологии, управления конфликтами, жестокого обращения с детьми, ...^[30]. Некоторые организации, работающие над использованием моделей мультиагентных систем, включают Центр моделирования социальных систем, Центр исследований в области социального моделирования, Центр моделирования политики, Международное общество моделирования и моделирования.^[31]

Смотрите также

• Сравнение программ агентного моделирования
• Вычислительная экономика на основе агентов (ТУЗ)
• Искусственный мозг
• Искусственный интеллект
• Искусственная жизнь
• Каркас искусственной жизни
• Мэр AI
• Черный ящик
• Система доски
• Комплексные системы
• Дискретное моделирование событий
• Распределенный искусственный интеллект
• Возникновение
• Эволюционные вычисления
• Теория игры
• Генетический алгоритм на основе человека
• Язык запросов и манипулирования знаниями (KQML)
• Микробный интеллект
• Многоагентное планирование
• Шаблонно-ориентированное моделирование
• PlatBox Project
• Обучение с подкреплением
• Метафора научного сообщества
• Модульный робот с автоматической реконфигурацией
• Смоделированная реальность
• Социальная симуляция
• Программный агент
• Рой интеллект
• Ройная робототехника

Рекомендации

1. «Многоагентная система для обеспечения безопасности университетского городка: дизайн и архитектура - публикация конференции IEEE». 2019-12-17. Дои:10.1109 / ISMS.2010.25. S2CID  10798495.
2. «Мультиагентное обучение с подкреплением для управления светофором». HDL:1874/20827.
3. Ниази, Муаз; Хуссейн, Амир (2011). «Агентные вычисления от многоагентных систем к агентно-ориентированным моделям: визуальный обзор» (PDF). Наукометрия. 89 (2): 479–499. arXiv:1708.05872. Дои:10.1007 / s11192-011-0468-9. S2CID  17934527.
4. Роджерс, Алекс; David, E .; Schiff, J .; Дженнингс, Н. (2007). «Влияние прокси-ставок и увеличения минимальной ставки на аукционах eBay». ACM-транзакции в Интернете. 1 (2): 9 – es. CiteSeerX  10.1.1.65.4539. Дои:10.1145/1255438.1255441. S2CID  207163424.
5. Шурр, Натан; Мареки, Януш; Tambe, Milind; Шерри, Пол; Касинадхуни, Нихил; Льюис, Дж. П. (2005). «Будущее реагирования на стихийные бедствия: люди, работающие с мультиагентными командами с использованием DEFACTO» (PDF).
6. Генч, Зулкуф; и другие. (2013). «Агентная информационная инфраструктура для управления катастрофами» (PDF). Интеллектуальные системы антикризисного управления. Конспект лекций по геоинформации и картографии: 349–355. Дои:10.1007/978-3-642-33218-0_26. ISBN  978-3-642-33217-3.
7. Ху, Цзюньянь; Бхоумик, Париджат; Ланзон, Александр (2020). «Распределенное адаптивное отслеживание формирования изменяющейся во времени группы для многоагентных систем с несколькими лидерами на ориентированных графах». IEEE Transactions по управлению сетевыми системами. 7: 140–150. Дои:10.1109 / TCNS.2019.2913619. S2CID  149609966.
8. Солнце, Рон; Навех, Исаак. «Моделирование процесса принятия решений в организации с использованием когнитивно-реалистичной модели агента». Журнал искусственных обществ и социального моделирования.
9. Кубера, Йоанн; Матье, Филипп; Пико, Себастьян (2010), "Все может быть агентом!" (PDF), Труды Девятой международной совместной конференции по автономным агентам и мультиагентным системам (AAMAS'2010): 1547–1548
10. Рассел, Стюарт Дж.; Норвиг, Питер (2003), Искусственный интеллект: современный подход (2-е изд.), Верхняя Сэдл-Ривер, Нью-Джерси: Prentice Hall, ISBN  0-13-790395-2
11. Саламон, Томас (2011). Дизайн агент-ориентированных моделей. Репин: Издательство Брукнера. п. 22. ISBN  978-80-904661-1-1.
12. Вейнс, Дэнни; Омичини, Амдреа; Оделл, Джеймс (2007). «Среда как первоклассная абстракция в многоагентных системах» (PDF). Автономные агенты и мультиагентные системы. 14 (1): 5–30. CiteSeerX  10.1.1.154.4480. Дои:10.1007 / s10458-006-0012-0. S2CID  13347050. Получено 2013-05-31.^{[постоянная мертвая ссылка ]}
13. Вулдридж, Майкл (2002). Введение в мультиагентные системы. Джон Уайли и сыновья. п. 366. ISBN  978-0-471-49691-5.
14. Панайт, Ливиу; Люк, Шон (2005). «Совместное мультиагентное обучение: современное состояние» (PDF). Автономные агенты и мультиагентные системы. 11 (3): 387–434. CiteSeerX  10.1.1.307.6671. Дои:10.1007 / s10458-005-2631-2. S2CID  19706.
15. «Лаборатория мультиагентных систем». Массачусетский университет в Амхерсте. Получено 16 октября, 2009.
16. Альбрехт, Стефано; Стоун, Питер (2017), «Многоагентное обучение: основы и последние тенденции. Учебное пособие», Конференция IJCAI-17 (PDF)
17. Кукер, Фелипе; Стив Смейл (2007). «Математика возникновения» (PDF). Японский математический журнал. 2: 197–227. Дои:10.1007 / s11537-007-0647-x. S2CID  2637067. Получено 2008-06-09.
18. Шен, Джеки (Цзяньхун) (2008). «Флокирование Кукера – Смейла под иерархическим руководством». SIAM J. Appl. Математика. 68 (3): 694–719. arXiv:q-bio / 0610048. Дои:10.1137/060673254. S2CID  14655317. Получено 2008-06-09.
19. Ахмед, S .; Карсити, М. (2007), «Стенд для схем управления с использованием многоагентных неголономных роботов», 2007 Международная конференция IEEE по электро / информационным технологиям, п. 459, г. Дои:10.1109 / EIT.2007.4374547, ISBN  978-1-4244-0940-2, S2CID  2734931
20. «Документ OMG - orbos / 97-10-05 (Обновление пересмотренного представления MAF)». www.omg.org. Получено 2019-02-19.
21. Ахмед, Салман; Karsiti, Mohd N .; Агустиван, Герман (2007). «Среда разработки для совместных роботов с использованием обратной связи». CiteSeerX  10.1.1.98.879.
22. «Технический комитет IEEE IES по промышленным агентам (TC-IA)». tcia.ieee-ies.org. Получено 2019-02-19.
23. Лейтао, Паулу; Карновскос, Стаматис (26 марта 2015 г.). Промышленные агенты: новые применения программных агентов в промышленности. Лейтао, Пауло, Карноускос, Стаматис. Амстердам, Нидерланды. ISBN  978-0128003411. OCLC  905853947.
24. «Кинопоказ». МАССИВНЫЙ. Получено 28 апреля 2012.
25. Лейтао, Пауло; Карновскос, Стаматис; Рибейро, Луис; Ли, Джей; Штрассер, Томас; Коломбо, Армандо В. (2016). «Умные агенты в промышленных киберфизических системах». Труды IEEE. 104 (5): 1086–1101. Дои:10.1109 / JPROC.2016.2521931. ISSN  0018-9219. S2CID  579475.
26. Сяо-Фэн Се, С. Смит, Г. Барлоу. Координация по расписанию для управления сетью трафика в реальном времени. Международная конференция по автоматизированному планированию и календарному планированию (ICAPS), Сан-Паулу, Бразилия, 2012: 323–331.
27. Máhr, T. S .; Srour, J .; De Weerdt, M .; Зюйдвейк Р. (2010). «Могут ли агенты соответствовать? Сравнительное исследование основанного на агентах и ​​оперативного подходов к оптимизации для решения проблемы дренажа с неопределенностью». Транспортные исследования, часть C: Новые технологии. 18: 99–119. CiteSeerX  10.1.1.153.770. Дои:10.1016 / j.trc.2009.04.018.
28. «Планирование расширения генерации с учетом динамики инвестиций участников рынка с использованием многоагентной системы - публикация конференции IEEE». 2019-12-17. Дои:10.1109 / SGC.2018.8777904. S2CID  199058301.
29. «Распределенное многоагентное системное управление частотой нагрузки для многозональной энергосистемы в интеллектуальной сети - журналы и журнал IEEE». 2019-12-17. Дои:10.1109 / TIE.2017.2668983. S2CID  31816181.
30. ИИ может предсказать ваше будущее поведение с помощью новых мощных симуляторов
31. ИИ может предсказать ваше будущее поведение с помощью новых мощных симуляторов

дальнейшее чтение

• Вулдридж, Майкл (2002). Введение в мультиагентные системы. Джон Уайли и сыновья. п. 366. ISBN  978-0-471-49691-5.
• Шохам, Йоав; Лейтон-Браун, Кевин (2008). Мультиагентные системы: алгоритмические, теоретико-игровые и логические основы. Издательство Кембриджского университета. п. 496. ISBN  978-0-521-89943-7.
• Мамаду, Тадиу Коне; Shimazu, A .; Накадзима, Т. (август 2000 г.). «Современное состояние языков общения агентов (ACL)». Знания и информационные системы. 2 (2): 1–26.
• Хьюитт, Карл; Инман, Джефф (ноябрь – декабрь 1991 г.). "DAI Betwixt and Between: от" интеллектуальных агентов "к науке об открытых системах" (PDF). IEEE Transactions по системам, человеку и кибернетике. 21 (6): 1409–1419. Дои:10.1109/21.135685. S2CID  39080989.
• Журнал автономных агентов и мультиагентных систем (JAAMAS)
• Вайс, Герхард, изд. (1999). Мультиагентные системы, современный подход к распределенному искусственному интеллекту. MIT Press. ISBN  978-0-262-23203-6.
• Фербер, Жак (1999). Мультиагентные системы: введение в искусственный интеллект. Эддисон-Уэсли. ISBN  978-0-201-36048-6.
• Солнце, Рон (2006). Познание и мультиагентное взаимодействие. Издательство Кембриджского университета. ISBN  978-0-521-83964-8.
• Кейл, Дэвид; Гольдин, Дина (2006). Вейнс, Дэнни; Парунак, Ван; Мишель, Фабьен (ред.). Косвенное взаимодействие в средах для многоагентных систем. Среды для мультиагентных систем II. LNCS 3830. 3830. Springer. стр.68–87. Дои:10.1007/11678809_5. ISBN  978-3-540-32614-4.
• Серия Whitestein в технологиях программных агентов и автономных вычислениях, опубликовано Springer Science + Business Media Group
• Саламон, Томас (2011). Дизайн агент-ориентированных моделей: разработка компьютерных симуляций для лучшего понимания социальных процессов. Bruckner Publishing. ISBN  978-80-904661-1-1.
• Рассел, Стюарт Дж.; Норвиг, Питер (2003), Искусственный интеллект: современный подход (2-е изд.), Верхняя Сэдл-Ривер, Нью-Джерси: Prentice Hall, ISBN  0-13-790395-2
• Фасли, Мария (2007). Агент-технологии для электронной коммерции. Джон Уайли и сыновья. п. 480. ISBN  978-0-470-03030-1.
• Цао, Лонгбин, Городецкий, Владимир, Митькас, Перикл А. (2009). Agent Mining: синергия агентов и интеллектуального анализа данных, Интеллектуальные системы IEEE, т. 24, вып. 3, 64-72.